超级AI会超过全人类？我们可能漏掉了最重要的一种未来【思想荟】

抓住风口，看懂趋势

本期要点：

分布式智能，这又是什么？

你好，我是王煜全，这里是王煜全要闻评论。

经常听到一句话：AI越来越强了，那还要人干什么？

但我们认为，恰恰相反，AI越强，每个人才可能在AI的辅助下变得越强。今天很多关于“超级AI”的讨论，可能都漏掉了“人”这个最大的变量。

7月25日，OpenAI的CEO山姆·奥特曼（Sam Altman）在一次播客里说，人类已经进入奇点了（we are now in the singularity）。换言之，AI也许很快会再次爆发性地变强。

最近几天，AI教父、诺贝尔物理学奖得主杰弗里·辛顿（Geoffrey Hinton）则警告，AI接受一个目标之后，可能自己推导出其他目标，而人类未必知道它接下来会做什么。

硅谷和科技界的这些表态，却让黄仁勋有点看不下去了。他提醒到，不要用太多"科幻式"的恐惧吓唬社会，更不能让未经证实的想象来主导政策。

不管他们是在兴奋、在害怕、还是在安抚民众，背后都有一个相似的图景，模型越来越强，最终出现能力远超任何个人、乃至整个人类总和的超级AI，人类会被边缘化。

但还有另一条路线被低估了，那就是，AI还会进入每一个人、每个团队和每个真实场景。即便有个超级AI，但同时出现的，是几十亿个已经被AI增强过的人，以及他们组成的全新社会。

也就是说，未来最强大的智能，未必只来自一个“超级AI”，它只不过是这个世界的底座，在它之上还有亿万个不同智能节点彼此协作形成的分布式智能。

首先，回望过去会发现，人类文明本来就是一个分布式的智能系统。

人们各自掌握局部知识，通过语言、制度、组织、市场、专业分工彼此连接，最后形成远远超过任何一个个体能力之和的文明级智能。

1969年，人类第一次登上月球，我们记住了阿姆斯特朗等宇航员。

但背后是什么？

根据NASA的数据，阿波罗计划最高峰时动用了大约40万人，获得超过2万家企业、200多所大学的支持，研究范围涵盖了火箭发动机、制导、通信、新型材料，甚至阀门、宇航服、航空餐食以及宇航员在月面该怎么走路。

即便是项目的最高负责人，也不可能掌握全部技术和现场判断，更不知道大家合作的细节。

可是，靠着大规模协作，人类登月了。

这就是文明神奇之处。人类总是能建立一套协作机制，让大量只知道有限信息的人，在当下的技术水平下，共同完成极其复杂的事情。

当然，你也许会说，那把这40万人的知识全部塞进一个超级模型，不就可以完成登月了吗？

没这么简单。

我们近期一直在强调的一个概念，“立场性知识”，即真正的认知不只是结果，还与一个人所处的位置、经历、判断和过程有关。

没有这些数据，哪怕超级模型掌握了这40万人的知识，也仍然无法完成任务。

就像一个经验丰富的发动机工程师，在设备旁就能看到或听到异常。

但一个AI要能像这个工程师一样，就得知道这个工程师曾经经历了哪些案例、对发动机进行过哪些检查、排除了哪些异常。

否则，AI也许只会看到一句，由于某某参数异常，某部件需要更换。

这就像是，在一线跟客户打了多年交道的销售，可能从一句“我再考虑考虑”的语气，就能判断一笔生意有没有戏；一个经验丰富的老师，只要看一眼朝夕相处的学生，就能对他们当前的学习状态得出基本判断。

我想，类似的案例还有无数。

显然，模型很容易学到答案，却很难仅凭答案还原它是怎样产生的。那么，在下次碰到类似的、但又不太一样的问题时，AI也不知道该怎么做，或者做不对。

特别是，世界每天都在继续变化。

工厂在运行，消费者偏好在改变，科学家在思考、创新和试验，创业者在试错，艺术家在创作，各种资产价格也在不断波动，各种新闻信息还在不断产生。

这个真实世界，每时每刻都在无数现场持续生成新过程和结果，新的认知也会持续产生在不同节点。没有哪一个AI能打包票说，自己已经把世界上的信息都读完了，尤其是那些每个个体在真实行为中产生的个性化信息。

所以我们认为，还有一种智能形态，那就是分布式智能。而且更重要的是，它会成为人类第三次进化的重要基础。

这里的所谓“分布式”，是承认一个简单的事实，即不同的人拥有不同视角、经历、目标和行动能力，他们与AI长期协作后形成的智能，也必然不同。

过去，社会的基本节点是人；但在未来，会逐渐变成人加上个性化AI Agent，即我们此前所提出的人机融合智能体，Cyborg Intelligence。

在这些融合体中，AI通过长期协作，越来越理解使用者，明白他经历过什么，在意什么，擅长什么，习惯怎样判断问题，又在沿着什么方向探索。

理解越深入，AI就越可以帮助这个人沿着自己的方向，把认知和行动能力不断放大。

过去，一个科学家一辈子只能认真探索少数几个方向。

但未来，一个科学家的Agent会逐渐理解他的研究方向、经验和判断方式，这样才能避免在超级AI的裹挟下，只能给出平庸的标准答案。

而AI反过来，会加速科学家的探索，帮助他搜集资料、设计实验、验证假设，甚至同时展开过去没有精力开展的多条探索路径。

这样的人机融合智能体更有可能提出新问题、形成新假设，效率也能更高。

同样的，过去，创业团队资源有限，很多想法根本没有资格尝试。

但未来，一个十个人的小团队，也可能借助长期跟随自己的Agent，逐渐积累对客户、产品、组织和商业模式的理解，从而扩大自己的探索半径，完成过去上百人才做得起的项目。

因此，AI会显著降低个人和小团队进行独立探索的成本，让过去只有大型组织才有能力开展的试错，分散到无数的人机融合智能体之上。

这件事非常重要。

第三次进化，必然不是靠所有人沿着同一个方向，变得越来越高效，那人类就失去了多样性。

真正的进化，一定需要不同的人有不同的视角，提出不同的问题，形成不同的判断，尝试不同的方法。

而且，只有分头的探索还不够，更需要将不同的人机融合智能体重新连接，产生新的协同效应。

比如，一个科学家的Agent应当可以调用另一个团队刚产生的实验结果，大家相互比对和验证，就更容易确定正确的研究方向。

一个工程师的现场经验可以被其他工程师调用来解决类似问题；一个创业团队提出的新产品可以迅速进入市场，由真实用户和竞争环境检验它到底有没有价值。

其实，这就是人类文明原本的运行方式。

每个人只能看到其中一部分，负责自己的进化分支。

但市场、科学共同体、企业竞争和社会协作，会把大量局部探索连接起来，让更有效的路径被筛选、传播和继承，也让我们逐渐把每个人看到的那一小部分世界拼接起来。

只不过，过去每个人的认知能力有限，人与人沟通成本较高，组织大规模协作则更是困难。AI出现以后，这些约束都将会被打破，从而改变整个文明演化的方式。

今天的主流讨论几乎把所有注意力都放在了超级AI这条路线上——模型越来越大，能力越来越强，最终出现一个超级AI。

这条路线当然很重要，但必然不是全部。

我们应该意识到，还有另一条路线的存在，即分布式智能。

分布式智能将让AI进入亿万个个人、团队、企业的真实场景，把他们变成拥有不同经验、不同目标和不同能力的人机融合智能体，再通过协作和竞争，把这些局部智能重新组织成更高层次的社会智能。

AI并不是独自在一条曲线上进化，人类只站在原地等待被超过；人类也不只是数据的提供者和消费者，更是智能系统的组成部分。

超级AI和分布式智能，各有分工。

超级AI解决的是单个人机融合智能体有多强，而分布式智能解决的是亿万个人机融合智能体怎样共同形成更强文明。

最后，理解了这一点，你对人类的未来，是感到担忧还是兴奋？欢迎在评论区留下你的想法。

以上就是今天的内容，更多科技产业的一线洞察和底层规律，欢迎加入科技特训营，和我一起，先人一步，领先一路！

最后，新一期前哨AI夏令营很快就要开始了，科技特训营或AI小课历届会员还有优惠价，报名即将进入尾声，抓紧时间点击链接参加！

王煜全要闻评论，我们下周见。

↓长按图片扫码报名，先人一步，领先一路

↓点击报名前哨AI夏令营，带孩子赶上Agent浪潮！科技特训营或AI小课历届会员还有优惠价

最后， 鉴于公众 号推送机制的改变，你未来刷 到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间 得到我的独家前沿分析 ，快快扫码加入吧！