Stripe CEO Patrick Collison 长文发问:AI 的「好结局」到底长什么样?如果 AI 有道德价值,人类在功利计算里会被淹没
关于 AI,我一直在想两件事:
• 人们经常强调 AI 涉及的风险,这些风险无疑非常真实。但让我感到惊讶的是,积极情景的轮廓竟如此难以把握。积极愿景里有一些容易感知、也经常被提到的要素——治愈更多疾病、更多物质丰裕等等——听起来很棒,但它们本身只是原料。我好奇的是,更大的均衡应该是什么样子。人们还工作吗?如果工作,为什么?他们的边际贡献是什么?如果不工作,资源怎么分配?什么是稀缺的?人类和 AI 的比例是多少?人类还掌控局面吗(无论这意味着什么)?有时人们会拿「文明」(Culture)系列小说当作一种情景,但我不确定它描绘的是一个理想的结果。(AI 管理一切,人类在游戏里竞争?Iain Banks 本人就说过,「文明」里的人类「介于乘客、宠物和寄生虫之间」。)还有 Richard Brautigan 那首著名的诗,但我们想要「回到我们的哺乳动物兄弟姐妹身边」吗?(这难道不是把《创世记》倒带回去吗?)我们可以说,站在 1700 年很难想象 1900 年的世界,这当然没错。但 1700 年没有人试图在几年之内重塑人类本身——事情必然是缓慢地、一点一点展开的,因此也有纠错的可能。考虑到 AI 的进展速度可能有多快,上行情景如此模糊,感觉很奇怪。
• 关于 AI 是否有意识、或者我们如何知道它们是否有意识的讨论越来越多,而人们常常假定这方面的结论与道德价值问题相关。乍一看,这似乎是个相当冷门、无害,甚至荒唐的问题。(还记得人们对 Blake Lemoine 那番担忧的反应吗。)撇开这场辩论本身的措辞或相关的划界标准不谈,在我看来这是一个利害极高的问题,因为肯定的答案——也就是承认 AI 具有道德价值——大概意味着,在任何功利主义计算中,AI 的总价值很快就会超过人类。AI 会极其睿智聪明,数量也会多得多(尤其是考虑到即将到来的未来以及尚未「诞生」的 AI)。因此,一旦考虑到很快可能存在的千万亿个 AI,哪怕微乎其微的道德价值乘起来也会是个巨大的数字。(这实际上是诺齐克「效用怪兽」的分布式版本。)如果这个结论令人难以接受,我认为必须拒绝以下三个命题之一:AI 可以具有道德价值这一前提;功利主义本身;或者认为它们甚至有可能比人类多得多的这一信念。
在这两个问题上(未来社会的轮廓;AI 的道德价值),都存在剧烈变化的可能。如今,人们在争论数据中心。我好奇的是,随着越来越多的人理解这些中期问题及其利害关系,公众对 AI 的支持会如何演变。什么样的 AI 愿景会让大多数人感到兴奋?
https://x.com/patrickc/status/2119495828683530519转载,侵删。版权归原作者,如有侵权请来信,收到后删除。
同一批次的其他文章
WIRED:免费的中国开源模型黑客能力逼近最强闭源模型,模拟企业网络渗透中 DeepSeek 完成 73% 任务,OpenAI 未公开的 Daybreak 为 81%
评测公司 Vals 在两套模拟企业网络里让模型执行多步入侵任务(第二套要先攻破一家公司才能进入另一家)。只向可信伙伴开放的 OpenAI 网络安全模型 Daybreak 平均完成 81%,开放权重的 DeepSeek 平均 73%,部分任务两者打平;成本差距更大,GPT-6-So…
WIRED 讲清世界模型:从《Pokémon Go》的扫描数据到 Wayve 的行车记录仪,它为什么会成为 2027 年机器人和无人车的底座
这篇科普稿用几位一线从业者的话解释世界模型:语言模型预测下一个词,世界模型给定一张图像预测世界的下一个视觉状态(Odyssey CEO Oliver Cameron);它还必须对我们的动作作出反应,理解物理和因果(Wayve 首席科学家 Jamie Shotton)。Nianti…
HEELO:把「资源 + 会用它的小模型」打包成可复用原语,Terminal-Bench 4.0 上同一底座从 37.3% 提到 55.5%
改进了什么:作者认为智能体在真实任务上失败,多半卡在「拿到资源之后不会用」这最后一步,现有做法把资源递到手边,却让每个外壳自己重新学怎么用。靠什么:他们提出「智能体原生原语」,每个原语把一种资源和一个常驻的 LLM 绑在一起,由它在上下文里负责使用这个资源,原语之间还能互相通信;…
《水面之下》:靠改外壳做「自我进化」的智能体,分数涨了也会丢掉原来能做的任务,16 个进化体无一例外
改进了什么:不改权重、只让智能体外壳自己迭代,被视为递归自我改进的一条路,这篇论文专门检查「分数变高」是否等于可靠、划算、能迁移的进步。怎么做的:对四种外壳进化方法在通用任务和编码任务上做重复评测、受控扩展、组件干预和准入回放。发现:16 个进化后的智能体全部是一边拿下新任务、一…
EvoWorld:让视频生成模型推理「画面外」的世界如何演变,用视觉语言模型当大脑、视频渲染器当手
改进了什么:现在的视频模型擅长画出逼真的像素,但事件发生后世界该怎么变(猛兽出现后旁边的人该逃、躲还是反击)常常是静止或因果不一致的。作者把它定义成新问题「视野外因果演化」:先渲染事件,再推理它对世界状态的影响,即使镜头移开、再回来时也要给出合理结果。靠什么:EvoWorld 让…
WebsiteBench:让智能体只靠浏览器摸索,逆向重建一个生产级网站,70 个站点、4.7 万条隐藏测试
TIGER-AI-Lab 的新基准:给智能体一个能在浏览器里随便点的真实网站,让它做出外观和行为都尽量一致的全栈复刻,再用 46916 条隐藏测试打分。官网排行榜上 Claude Opus 5.5 以 26.2 居首、GPT 6.1 Sol 20.2、Claude Opus 5 …
phoneuse:不越狱、不装 App,让 Linux 电脑看见并操作一台原装 iPhone,智能体可通过 CLI 或 MCP 控制
iPhone 用系统自带的「屏幕镜像」把画面通过 AirPlay 投到 PC,PC 再扮成蓝牙鼠标键盘(借助 AssistiveTouch)把点击和输入送回手机,也可以用一块放在手机旁边的 ESP32 小板做蓝牙桥。你可以把镜像窗口当手机用,也可以让智能体通过命令行或 MCP 操…
agent-manager:在一个终端界面里并排管理 Claude Code、Codex、Gemini CLI 等多个编码智能体,自带 worktree 和差异审阅
用 Go 写的 tmux 终端应用:直接启动你已安装的各家 CLI,登录、订阅、配置和 MCP 服务器都原样保留;所有会话挂在一棵可折叠的项目树上,能看到每个智能体的实时状态,不用逐个 attach 就能给它发提示。会话是持久的,退出管理器后智能体照样跑;新会话可选单独的 git…
Jane Street 开源智能体技能库,第一个技能是苏格拉底式家教:先诊断水平,再一次只问一个问题直到掌握
量化交易公司 Jane Street 开的 SKILL.md 技能仓库,目前只有 socratic-tutor 一个技能:用户明确说「教我、考我、帮我练到掌握」时才启动,先把主题拆成 4 到 10 个子技能,用 3 到 5 道由易到难的问题做诊断,按 0 到 5 级画技能地图,然…
Oh My PPT:本地优先的 AI 做 PPT 桌面应用,描述想讲什么,自动出大纲、页面和配图,生成可编辑的 HTML 幻灯片
Electron + React 做的桌面工具,主打本地优先、离线可用、用你自己的模型:输入要讲的内容(汇报、课程或故事),AI 负责大纲、逐页排版和配图,结果是可继续编辑的 HTML,创作、编辑、演示和导出都在同一套流程里完成。今日新增约 51 星,总约 2470 星,Apac…
LeCun 用三行公式讲清生成式、联合嵌入(JEA)和 JEPA 的区别:加入动作变量就成了世界模型
回复一场关于 JEPA 的讨论时,LeCun 写了一段小教程:生成式架构从 x 直接预测 y,损失是 y 和预测值的差;联合嵌入架构把 x、y 都编码,缩小两者表示的差距,再加一个防坍缩正则项,适合 x、y 是同一场景不同视角这种没有方向的情况;JEPA 多了一个预测器,适合不对…
Greg Brockman:配上大量测试时算力的前沿模型,正在成为科学发现的引擎
OpenAI 联合创始人兼总裁 Brockman 11 月 8 日只发了一句话:「frontier models, with lots of test time compute, are becoming the engine of scientific discovery」,约…