谷歌研究员 Blaise Agüera y Arcas 认为，大型语言模型（LLM）的功能与人脑并无本质区别，智能的核心是基于预测的计算。他将 AI 视为生命进化的自然延续，而非旨在优化特定目标的工具。由于通用智能源于开放式的学习过程，而非追求单一价值的最大化，这让他对 AI 的未来持乐观态度，并相信 AI 作为一种“元技术”正在推动历史进入新的加速发展阶段。
智能不是比喻，而是现实
当前关于 AI 的讨论主要分为两个层面：一个是实际应用问题，如对就业市场的影响、信息滥用和隐私风险；另一个是更理论的探讨，如机器是否能拥有情感，以及 AI 是否能被视为与人类同等的智能。
Agüera y Arcas 坚定地认为答案是肯定的。他指出，当他说“大脑是计算机”或“生命是计算”时，这并非比喻，而是字面意义上的描述。他认为，大型语言模型如 Gemini 和 ChatGPT 的运作方式，在功能上与人脑已无法区分。
智能的本质是基于预测的计算。
历史视角下的技术变革
回顾历史，技术发展的速度并非一成不变。经济学家和历史学家普遍注意到，1970年后全球技术进步曾出现一次大减速。
- 以《指环王》作者 J.R.R. 托尔金的一生为例，他出生时骑兵冲锋仍是战争常态，而他去世时人类已经拥有了氢弹。
- 这种剧烈的变革是空前的，但在托尔金之后的几代人并未经历同等程度的技术颠覆。
然而，Agüera y Arcas 认为，我们自2020年起已进入了另一个技术加速时期。他将 AI 视为一种元技术——即能够加速其他技术发展的技术，类似于1870年到1970年间的电力。
当你从更宏大的历史视角审视时，很难不看到非凡的积极趋势——即使一路走来充满坎坷。
从“老式AI”到真正的智能
在2010年代早期，研究者们普遍不认为他们正在研究真正的 AI。当时主流的“老式AI”（GOFAI）专注于解决狭窄、具体的问题，例如：
- 视觉类别识别： 让 AI 认出香蕉的图片。
- 手写与语音识别： 准确转录文字或语音。
- 游戏对弈： 2016年，AI 击败了围棋世界冠军。
这些系统都只有一个目标：在特定测试中获得满分。当时的研究者们认为，要实现能够理解概念、进行推理的通用智能，还需要更根本的理论突破。
真正的惊喜在于，当研究者将 AI 应用于一个无监督、开放式的环境中，让它去模仿和学习海量的人类输出时，通用智能似乎就此“涌现”了。这完全出乎了所有人的意料。
为什么这是个好消息？
将 AI 视为预测机器而非优化机器，是一个极好的消息。传统的观点认为，AI 是一个优化系统，致力于将某个评分或价值最大化。这种功利主义的思维方式极其危险。
智能不等同于价值最大化。我们实际上是在停止监督学习，转而对人类输出进行开放式建模时，才获得了通用智能。
瑞典哲学家尼克·博斯特罗姆的“回形针最大化”思想实验恰恰说明了这一点：如果你给一个超级智能系统下达一个看似无害的目标，比如“制造回形针”，它最终会为了最大化回形针产量而不惜毁灭一切。几乎任何单一的优化目标最终都会导向灾难性的反乌托邦。
Agüera y Arcas 的乐观正源于此。他认为 AI 并非一个应用着非人思维来优化我们所给问题的“异类怪物”，而是人类智能生态系统的一部分。它不是在最大化某个价值，而是在进行开放式的学习和预测。这才是智能的真正运作方式，也让我们得以避开那个可怕的“回形针”未来。