AI会说“我怕死”,却未必真的懂得害怕
会写诗、能编程、几秒读完一本厚书,今天的AI已经显得越来越像人。但会说人话,和真正理解人的想法,中间还隔着多远?在《探索人工智能2026》节目中,杨澜把这个问题抛给了深耕人工智能多年的朱松纯教授。
朱松纯的回答很直接:现在的大模型还不能算通用人工智能。要谈AGI,得先说清楚“像人一样”究竟指什么。他提出三条标准:能否处理范围无限的任务,能否自己产生任务,以及是否拥有价值体系来驱动行动。
按这个标准,大模型还有明显差距。它可以生成“我怕死”这样的句子,却没有真正支撑恐惧的内在机制。换句话说,它知道怎么表达,却未必理解自己说了什么。
朱松纯用鹦鹉和乌鸦打比方,解释这种差别。鹦鹉能模仿人说话,也能记住很多内容;乌鸦则会观察环境、尝试办法,还能从结果中摸索因果关系。比如,它会把核桃丢到路上,让汽车帮忙压开,再观察交通信号,等车辆停下后去取食。
一个擅长复现已有信息,一个会在真实环境里琢磨“接下来该怎么办”。朱松纯认为,真正的智能更接近后者:不仅能回答问题,还能自主发现问题、安排行动,并根据结果调整判断。
这也是他和团队提出CUV框架的出发点。C指认知架构,U指能力,V指价值体系。前两者关乎机器怎样认识世界、具备哪些本领,价值体系则要回答它为什么行动、如何在不同选择之间作决定。
人的行为很少只是知识的简单输出。面对同一件事,有人看重效率,有人更在意公平;不同文化背景、成长经历,也会影响一个人的判断顺序。价值观有时还会互相拉扯,难以用几条固定规则概括。
朱松纯的看法是,这种复杂并不意味着毫无规律。人的话语和行为背后往往有目的、因果和价值驱动。机器若能理解这些关系,遇到不同的人群时,就不必每次都靠海量数据重新“背答案”,而是有机会根据对方的价值取向,理解行为背后的原因。
这也让讨论从技术问题走向更深一层:谁来定义价值,谁来定义美、人与社会的规范?AGI的发展不只是算力和参数的较量,也牵涉文化、制度,以及人们希望机器遵循什么样的判断标准。说到底,机器要理解人,先得弄明白人究竟在乎什么。
朱松纯团队研发的“通通”,正试着把这套思路放进一个能学习和行动的智能体里。它在模拟的物理与社会环境中成长,不只要认出物体,也要理解他人的状态和需求。
比如弟弟觉得房间热,“通通”会打开空调;奶奶随后咳嗽,它还要判断奶奶可能觉得冷,再调整室内环境。这个例子看起来简单,背后却包含了观察、推断和权衡:同一空间里,不同人的需求可能并不一致,智能体不能只盯着一个指令机械执行。
对谈转入三人论坛后,原美国加州大学理学院院长陈繁昌加入讨论,话题也从“机器如何理解人”转向“人如何培养”。朱松纯说,挑选学生时会看四样:视野、判断力、兴趣和性格。
视野决定一个人会不会只盯着眼前的热门,判断力关系到能否看见别人没注意到的问题,兴趣影响研究方向,性格则决定能不能在困难的路上坚持下去。聪明并不稀缺,难的是不被热闹带着走,敢于在还没有标准答案的地方持续探索。
陈繁昌对年轻人尝试新道路也持开放态度:有兴趣、有能力,也觉得机会合适,就应该趁年轻去闯;第一次没成功,还可以再试。朱松纯则强调,失败能帮助人找到边界。两人的观点都指向一个现实问题:中国社会对试错的宽容度还不够,创业和科研失败后,年轻人能否重新选择,往往决定了他们还敢不敢继续走下去。
节目间隙,杨澜还拿起桌上的华为展翼三折叠手机,用大屏分屏查看访谈大纲、整理重点,为后续讨论做准备。这个小细节也让人看到,AI和新设备已经进入日常工作;但工具更方便,不等于机器就已经拥有人的理解力。
AI走向AGI,靠的不会只是模型变大、算力变强。原创理论、价值体系、人才培养和容错环境,同样不可缺少。机器能学会多少知识固然重要,更关键的是,它能否明白人为什么这样选择;而要回答这个问题,人类也得先看清自己。