這是邁克爾·伍爾德里奇（Michael Wooldridge）描繪的未來圖景。他是英國AI科學(xué)家，現(xiàn)任牛津大學(xué)計算機(jī)科學(xué)系教授。

在1個小時的對談過程中，伍德里奇對這個話題興趣盎然，他是多智能體系統(tǒng)（Multi Agent System）研究的全球頂尖學(xué)者之一，“AI之間的協(xié)作”是他的重點(diǎn)研究方向。

在伍爾德里奇看來，無論是打敗人類的AlphaGO，還是對答如流的ChatGPT，雖然人工智能變得越來越像人類，甚至在一些領(lǐng)域開始超越人類，但我們離真正的人工智能仍有一段很長的距離。

當(dāng)大多數(shù)人沉浸在OpenAI創(chuàng)造的現(xiàn)象級創(chuàng)新時，伍爾德里奇顯得冷靜許多。ChatGPT在展現(xiàn)神經(jīng)網(wǎng)絡(luò)的強(qiáng)大時，也展示了它的瓶頸——其無法解決巨大的功耗和算力問題、無法解決的AI“黑盒”問題，“深度神經(jīng)網(wǎng)絡(luò)雖然經(jīng)常能完美回答我們的問題，但我們并不真正理解它為什么會這樣回答?！?/span>

超過人類的AI常被稱為“強(qiáng)人工智能”，而具有普遍人類智能水平的AI則稱為通用人工智能（Artificial general intelligence，AGI）。伍爾德里奇在他的著作《人工智能全傳》中這樣描述AGI：AGI大致等同于一臺擁有一個普通人所擁有的全部智慧能力的計算機(jī)，包括使用自然語言交流、解決問題、推理、感知環(huán)境等能力，與一個普通人處于同等或者更高等級的智能水準(zhǔn)。關(guān)于AGI的文獻(xiàn)通常不涉及自我意識或者自主意識之類，因此AGI被認(rèn)為是弱人工智能的弱版本。

然而再“弱”的AGI也與當(dāng)代的人工智能研究相去甚遠(yuǎn)。

“ChatGPT是一款成功的AI產(chǎn)品，它非常擅長涉及語言的任務(wù)，但僅此而已。我們離AGI還有很長的路要走。”在與虎嗅的對談中，伍德里奇說，深度學(xué)習(xí)使我們有能力構(gòu)建一些幾年前無法想象的AI程序。但這些取得非凡成就的AI程序，遠(yuǎn)算不上推動AI朝著宏偉夢想前進(jìn)的魔法，也并不是當(dāng)前AGI發(fā)展難題的答案。

邁克爾·伍爾德里奇（Michael Wooldridge）是國際人工智能學(xué)界領(lǐng)軍人物，現(xiàn)任牛津大學(xué)計算機(jī)學(xué)院院長，投身人工智能研究30余年。曾擔(dān)任2015年-2017年國際人工智能聯(lián)合會議（IJCAI）主席（該會議是人工智能界頂級會議之一），2020年獲頒英國計算機(jī)領(lǐng)域至高榮譽(yù)——洛芙萊斯獎?wù)?，被譽(yù)為英國計算機(jī)領(lǐng)域具有重要影響力的三位學(xué)者之一。

在ChatGPT出現(xiàn)之前多數(shù)人認(rèn)為通用人工智能非常遙遠(yuǎn)，2018年出版的一本名為《智能架構(gòu)》的書中，對23位AI領(lǐng)域?qū)＜疫M(jìn)行了調(diào)研，在回答“哪一年能夠有50%的機(jī)會實現(xiàn)通用人工智能”時，谷歌工程總監(jiān)Ray Kurzweil認(rèn)為是2029年，而iRobot聯(lián)合創(chuàng)始人Rodney Brooks給出的時間則是2200年。所有回答了這個問題的18位專家預(yù)測的平均時間點(diǎn)是2099年。

不過Elon Musk在2022年也發(fā)表了關(guān)于2029年實現(xiàn)AGI的觀點(diǎn)，他在Twitter中表示，“2029 feels like a pivotal year. I'd be surprised if we don't have AGI by then.（感覺2029年是關(guān)鍵的一年。如果那時我們還沒有AGI，我會很驚訝）”

對此，知名AI學(xué)者Gary Marcus提出了五個檢驗 AGI 是否實現(xiàn)的標(biāo)準(zhǔn)，包括：看懂電影、讀懂小說、當(dāng)廚師、根據(jù)自然語言規(guī)范或通過與非專業(yè)用戶的交互，可靠地便攜超過10000行無bug代碼，以及用自然語言編寫的數(shù)學(xué)文獻(xiàn)中任意提取證明，并將其轉(zhuǎn)換為適合于符號驗證的符號形式。

現(xiàn)在看來，ChatGPT代表的通用大模型似乎朝AGI邁出了一大步。讀懂小說和看懂電影的任務(wù)，似乎指日可待了。對此，邁克爾·伍爾德里奇教授認(rèn)為，目前來看，人類仍然很難在2029年實現(xiàn)AGI。

邁克爾·伍爾德里奇：“符號人工智能”是早期人工智能的一種模式，即假設(shè)“智能”是一個關(guān)于“知識”的問題，如果你想要一個智能系統(tǒng)，只需要給它足夠多的知識就可以了。

這種模式相當(dāng)于對人對“思維”進(jìn)行建模，主導(dǎo)了從二十世紀(jì)五十年代到八十年代末的人工智能發(fā)展，并最終演變成了“專家系統(tǒng)”。如果你想讓人工智能系統(tǒng)做一件事，比如將英語翻譯成中文，你需要先掌握人類翻譯家的專業(yè)知識，再使用編程語言，將這些知識傳遞給計算機(jī)。

這種方法存在很大的局限性，他不能解決與“感知”相關(guān)的問題。感知是指你理解周圍世界、解釋周圍事物的能力。比如，我現(xiàn)在正看著電腦屏幕，我旁邊有一個書架，有一盞燈。我的人類智能可以理解這些事物、環(huán)境，也可以把它們描述出來。但是，讓計算機(jī)進(jìn)行這個過程非常困難。這就是符號人工智能的局限，它在知識積累型的問題上表現(xiàn)良好，但在理解問題上表現(xiàn)不佳。

另一種方法是基于心智模型的人工智能。如果你在顯微鏡下觀察動物的大腦或神經(jīng)系統(tǒng)，你會發(fā)現(xiàn)大量的神經(jīng)元互連接。研究人員從這種龐大的網(wǎng)絡(luò)和神經(jīng)結(jié)構(gòu)中汲取了靈感，嘗試給動物大腦中的結(jié)構(gòu)建模，設(shè)計了一種與動物大腦相似的神經(jīng)網(wǎng)絡(luò)。在這個過程中我們不是在建模思維，而是在建模大腦。

“建模思維”的符號人工智能和“建模大腦”的神經(jīng)網(wǎng)絡(luò)，是兩種主要的人工智能模式。在今天大數(shù)據(jù)和大算力的支持下，神經(jīng)網(wǎng)絡(luò)的發(fā)展速度更快，OpenAI的ChatGPT就是神經(jīng)網(wǎng)絡(luò)的一個典型例子。

ChatGPT的成功更增強(qiáng)了人們對深度神經(jīng)網(wǎng)絡(luò)期待，甚至有一些人認(rèn)為AGI就要來了。的確，AGI是很多人工智能研究者的目標(biāo)，但我認(rèn)為我們離AGI還有很長的路要走。雖然ChatGPT在涉及語言問題時表現(xiàn)的通用能力很強(qiáng)，但它并不是AGI，它不存在于現(xiàn)實世界中，也無法理解我們的世界。

舉個例子，如果你現(xiàn)在開始與ChatGPT進(jìn)行對話，說完一句之后就去度假了。當(dāng)你出游一周回來時，ChatGPT仍然在那里耐心地等待你輸入下一個內(nèi)容，它不會意識到時間已經(jīng)過去或者世界發(fā)生了哪些變化。

邁克爾·伍爾德里奇：雖然ChatGPT在某種程度上可以被視為通用AI的一部分，但它并不是構(gòu)建AGI的答案。它只是為了執(zhí)行特定的、狹隘領(lǐng)域的任務(wù)而構(gòu)建和優(yōu)化的軟件組合。我們需要更多的研究和技術(shù)進(jìn)步才能實現(xiàn)AGI。

我對2029年實現(xiàn)AGI這個觀點(diǎn)持懷疑態(tài)度。人類智能的基礎(chǔ)是“能夠生活在物質(zhì)世界和社交世界中”。比如，我可以用手感知到我的咖啡杯，我可以吃早餐，我也可以和任何人互動交流。但很遺憾，AI不僅做不到這些，而且也不能理解其中任何一項的含義。在AI能夠感知現(xiàn)實世界之前，AGI還有很長的路要走。

雖然計算機(jī)的感知和理解能力有限，但是它仍在經(jīng)驗中學(xué)習(xí)，并成為人類決策的助手。目前來看，只要AI能像“真人助手”一樣解決問題，那爭辯一個計算機(jī)系統(tǒng)是否能夠“感知和理解”，又有什么意義呢？

我們終將看到一個完全由AI構(gòu)建的世界

從無人駕駛汽車，到人臉識別攝像頭，從AI繪畫、AI數(shù)字人，到AI寫代碼、寫論文，用不了多久，只要是涉及技術(shù)的領(lǐng)域，不論是教育、科學(xué)、工業(yè)、醫(yī)療還是藝術(shù)，每個行業(yè)都會看到人工智能的身影。

在談到是否經(jīng)常使用ChatGPT時，伍爾德里奇教授表示，ChatGPT是他研究的一部分，所以肯定會經(jīng)常使用。不過在使用過程中，他發(fā)現(xiàn)ChatGPT確實是基礎(chǔ)工作的好幫手，在很多重復(fù)工作方面可以節(jié)省大量時間。

邁克爾·伍爾德里奇：我經(jīng)常使用ChatGPT。我認(rèn)為在未來幾年中，ChatGPT以及通用大模型可能還會涌現(xiàn)出上千種不同的用途，甚至逐漸成為通用工具，就像網(wǎng)絡(luò)瀏覽器和電子郵件客戶端一樣。

我也是ChatGPT Plus的訂閱用戶。不過對于25美元的價格，我認(rèn)為仁者見仁，智者見智。每個用戶只有親自嘗試之后，才知道ChatGPT是否適合他們，是否有必要付費(fèi)訂閱增強(qiáng)版。對于一些人來說，他們可能只是覺得有趣，而在工作中他們更愿意自己做事情。對于我來說，我發(fā)現(xiàn)它非常有用，可以處理很多日常重復(fù)的案頭工作。不過，目前我更多地是將其作為我研究的一部分。

邁克爾·伍爾德里奇：ChatGPT現(xiàn)在已有很多應(yīng)用層面的創(chuàng)新，而且很快可能就會迎來創(chuàng)意的“大爆炸”。我認(rèn)為一兩年內(nèi)，ChatGPT及類似應(yīng)用就會大規(guī)模落地，在商業(yè)化軟件中完成文字校對、語句潤色、歸納總結(jié)等簡單的重復(fù)性文案工作。

此外，在多模態(tài)人工智能中，我們可能會看到更多新的應(yīng)用場景。例如與圖像識別、圖像生成相結(jié)合的大型語言模型，可能會在AR領(lǐng)域發(fā)揮作用；基于大模型的視頻內(nèi)容理解，可以利用AI快速給視頻、影視劇生成摘要等。不過，多模態(tài)場景的商業(yè)化可能還需要一段時間，但我們最終將看到由AI生成的各種各樣的內(nèi)容，甚至是完全由AI創(chuàng)建的虛擬世界。

邁克爾·伍爾德里奇：我想要從頭開始創(chuàng)立一家OpenAI這樣的公司非常困難。首先你需要龐大的計算資源，采購數(shù)萬個昂貴的頂級GPU，組建專門用于AI的超級計算機(jī)，僅電費(fèi)可能就耗資巨大。你也可以選擇云服務(wù)，但目前云計算的價格并不便宜。因此，每次訓(xùn)練AI可能都要花費(fèi)數(shù)百萬美元，且需要運(yùn)行幾個月甚至更長的時間。

此外，還需要海量的數(shù)據(jù)，其規(guī)?？赡苁钦麄€互聯(lián)網(wǎng)的數(shù)據(jù)，如何獲得這些數(shù)據(jù)也是一個難題。而數(shù)據(jù)和算力，都還只是基礎(chǔ)，更重要的是要聚攏一群高精尖的AI研發(fā)人才。

邁克爾·伍爾德里奇：在這條賽道上的玩家可能包括互聯(lián)網(wǎng)公司、研究機(jī)構(gòu)，也許還有政府，只是他們沒有公開。目前，公開宣布具備大模型實力的玩家并不多，甚至一只手就能數(shù)得過來。大型科技公司目前都在研發(fā)自己的大型語言模型，他們的技術(shù)也相對領(lǐng)先。

因此我不想評價誰更強(qiáng)，我認(rèn)為各家模型之間沒有明顯可比性，他們的區(qū)別主要在于投入市場的節(jié)奏，以及用戶數(shù)量。OpenAI的技術(shù)并不一定是最先進(jìn)的，但他們在市場化方面領(lǐng)先了一年，而這一年的優(yōu)勢給他積攢了數(shù)億用戶，這也使他在用戶數(shù)據(jù)反饋方面遙遙領(lǐng)先。

目前，美國在人工智能領(lǐng)域一直占主導(dǎo)地位，無論是谷歌還是微軟，甚至創(chuàng)立于英國的DeepMind，如今也屬于美國的Alphabet（谷歌母公司）。

不過，在過去的40年中，中國在AI領(lǐng)域的發(fā)展也相當(dāng)快。1980年的AAAI conference（American Association for AI conference，美國人工智能協(xié)會會議），只有一篇來自中國香港的論文。但到今天，來自中國的論文數(shù)量已經(jīng)與美國相當(dāng)。

當(dāng)然，英國也擁有優(yōu)秀的人工智能團(tuán)隊，但我們沒有中國那樣的規(guī)模，我們是一個相對較小的國家，但我們絕對擁有世界領(lǐng)先的研究團(tuán)隊。

這是一個有趣的時代，很多國家都擁有極強(qiáng)的人工智能團(tuán)隊。

深度學(xué)習(xí)進(jìn)入瓶頸

當(dāng)人們探討ChatGPT是否能夠代替搜索引擎時，很多人認(rèn)為ChatGPT的數(shù)據(jù)只覆蓋到2021年以前，無法獲取實時數(shù)據(jù)，因此沒法勝任搜索任務(wù)。但也有人認(rèn)為，其實我們?nèi)粘Ｋ阉鞯膬?nèi)容，在很大程度上都是2021年以前的已有知識，即便此后生成的數(shù)據(jù)量再大，實際使用需求也并不高。

事實上，ChatGPT使用的數(shù)據(jù)量已經(jīng)非常龐大了，它的前輩GPT-2模型是在40GB的文本數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練的，GPT-3模型則是在45TB的文本數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練的。這些預(yù)訓(xùn)練數(shù)據(jù)集，包括了各種類型的文本，如新聞文章、小說、社交媒體帖子等，大模型能夠?qū)W習(xí)到不同領(lǐng)域和風(fēng)格的語言知識。很多實踐證明，即便只有2021年以前的數(shù)據(jù)，ChatGPT仍是一個上知天文下知地理的“博士”。

而這也引發(fā)了人們對大模型訓(xùn)練的數(shù)據(jù)憂慮，當(dāng)我們要訓(xùn)練一個比ChatGPT更大的模型時，我們這個世界的數(shù)據(jù)還夠用嗎？未來的互聯(lián)網(wǎng)上，會不會充斥著AI生成的數(shù)據(jù)，從而在AI訓(xùn)練過程中，形成一條數(shù)據(jù)的“銜尾蛇”？

邁克爾·伍爾德里奇：我認(rèn)為神經(jīng)網(wǎng)絡(luò)目前面臨三個主要的挑戰(zhàn)。第一是數(shù)據(jù)，像ChatGPT這樣的工具是通過大量語料數(shù)據(jù)構(gòu)建的，其中很多來自互聯(lián)網(wǎng)。如果你想構(gòu)建比ChatGPT大10倍的系統(tǒng)，可能需要10倍的數(shù)據(jù)量。但我們的世界上有那么多數(shù)據(jù)嗎？這些數(shù)據(jù)從哪里來？如何創(chuàng)建這些數(shù)據(jù)？

例如，當(dāng)我們訓(xùn)練一個大型語言模型時，我們有大量的英文數(shù)據(jù)、中文數(shù)據(jù)。但當(dāng)我們想訓(xùn)練小語種時，比如，像冰島這樣人口不到100萬的小國家，他們的語種數(shù)據(jù)量明顯小的多，這就會出現(xiàn)數(shù)據(jù)量不足的問題。

同時，當(dāng)ChatGPT這樣強(qiáng)大的生成式AI被大規(guī)模應(yīng)用以后，可能會發(fā)生一個令人擔(dān)憂的現(xiàn)象。未來互聯(lián)網(wǎng)上的很多數(shù)據(jù)可能是由AI生成的。當(dāng)我們需要用互聯(lián)網(wǎng)數(shù)據(jù)來訓(xùn)練下一代AI工具，可能使用的都是由AI創(chuàng)造的數(shù)據(jù)。

下一個問題是關(guān)于算力。如果你要訓(xùn)練一個比ChatGPT大10倍的系統(tǒng)，就需要10倍的算力資源。在訓(xùn)練和使用的過程中，會消耗大量能源，產(chǎn)生大量二氧化碳，這也是人們廣泛擔(dān)憂的問題。

第三個重大挑戰(zhàn)涉及科學(xué)進(jìn)步，我們需要基礎(chǔ)科學(xué)進(jìn)步來推動這項技術(shù)的發(fā)展。僅僅增加數(shù)據(jù)和計算資源確實能推動我們在人工智能的研發(fā)上走得更遠(yuǎn)，但這都不及科學(xué)創(chuàng)新帶來的進(jìn)步。就像是學(xué)會用火或是發(fā)明計算機(jī)，才能真正使人類的進(jìn)步發(fā)生質(zhì)的飛躍。在科學(xué)創(chuàng)新方面，未來深度學(xué)習(xí)面臨的主要挑戰(zhàn)是，如何研發(fā)出更加高效的神經(jīng)網(wǎng)絡(luò)。

除了以上三個挑戰(zhàn)，AI還需要“可解釋”。目前人類尚不能完全理解神經(jīng)網(wǎng)絡(luò)背后的邏輯，很多問題的計算過程藏在AI的“黑盒”中。雖然神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠給出很好的答案，但我們并不真正理解它們?yōu)槭裁磿o出這些答案，這不僅阻礙了神經(jīng)網(wǎng)絡(luò)的研發(fā)，也使得人類無法完全相信AI提供的答案。這其中還包括AI的魯棒性問題（Robust），而要這種使用AI，我們需要確保神經(jīng)網(wǎng)絡(luò)不會崩潰，不會以不可預(yù)測的方式失控。

雖然發(fā)展瓶頸擺在面前，但短期內(nèi)我認(rèn)為不會看到神經(jīng)網(wǎng)絡(luò)的顛覆。我們現(xiàn)在甚至還不知道它是如何工作的，所以距離顛覆還很遠(yuǎn)。不過我認(rèn)為神經(jīng)網(wǎng)絡(luò)并不是人工智能的答案。我認(rèn)為它只是“完整的人工智能”的一個組成部分，肯定還有其他組成部分，但我們還不太清楚它們是什么。

邁克爾·伍爾德里奇：算力在未來很可能是AI技術(shù)發(fā)展的一個瓶頸。人類大腦的能效比很高，人腦在思考時的功率只有20W，相當(dāng)于一個燈泡的能量消耗，這樣的能量消耗相對于計算機(jī)，可以說是微乎其微。

需要大量算力和數(shù)據(jù)資源構(gòu)建的AI系統(tǒng)與自然智能之間，存在天然的巨大鴻溝。人類可以更加高效地學(xué)習(xí)，但人類的這只“燈泡”始終只有20W，不是一枚很亮的燈泡。

因此，我們面對的挑戰(zhàn)是如何讓神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)技術(shù)（如ChatGPT）更加高效。目前無論從軟件還是硬件角度，我們都不知道如何使神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)方面像人腦一樣高效，在這方面還有很長的路要走。

多智能體系統(tǒng)是AI領(lǐng)域的一個重要分支，指由多個智能體組成的系統(tǒng)，這些智能體可以相互交互、協(xié)作或競爭，以實現(xiàn)某種目標(biāo)。在多智能體系統(tǒng)中，每個智能體都具有自己的知識、能力和行為，并且可以通過與其他智能體通信和協(xié)作來完成任務(wù)。

多智能體系統(tǒng)在許多領(lǐng)域都有應(yīng)用，例如機(jī)器人控制、智能交通系統(tǒng)、電力系統(tǒng)管理等。它的優(yōu)點(diǎn)在于可以實現(xiàn)分布式?jīng)Q策和任務(wù)分配，提高系統(tǒng)的效率和魯棒性。

如今，在AI大模型的加持下，很多場景的多智能體系統(tǒng)與LLM可以嘗試結(jié)合應(yīng)用，從而大幅拓展AI能力的邊界。

邁克爾·伍爾德里奇：我的研究關(guān)注“人工智能系統(tǒng)相互交流時會發(fā)生什么”。大多數(shù)人都有智能手機(jī)以及智能手機(jī)的AI助手，比如Siri、Alexa或Cortana，我們稱之為“代理”。

舉個例子，當(dāng)我想在餐廳訂座位時，我會直接打電話給餐廳。但在不遠(yuǎn)的將來，Siri或是其他智能助手可以幫我完成這個任務(wù)。Siri會給餐廳打電話，代表我進(jìn)行預(yù)訂。而多智能體系統(tǒng)的理念是，為什么Siri不能直接與另一個Siri交流？為什么不讓這些AI程序相互通信？多智能體系統(tǒng)關(guān)注的是，這些AI程序相互交流時所涉及的問題。

多智能體系統(tǒng)和大模型的結(jié)合是我們正在研究的項目。我認(rèn)為，在構(gòu)建多智能體+大語言模型方面，有一個非常有趣的工作要做。通過讓大語言模型相互交流，我們能否獲得更高的智能？我認(rèn)為這是一個非常有趣的挑戰(zhàn)。

比如說，我們現(xiàn)在要預(yù)約一場會議，你我都是用Siri代為溝通，但是你喜歡早上開會，而我喜歡下午開會。當(dāng)我們之間存在爭議時，代表你我的Siri如何協(xié)作解決這個問題？他們會協(xié)商嗎？當(dāng)AI不僅與人交談，還與其他AI系統(tǒng)交談時，會產(chǎn)生很多新的問題。這就是我正在研究的領(lǐng)域，我相信多智能體系統(tǒng)是未來的方向。

另一個關(guān)于多智能體和大型語言模型的有趣問題是，如果AI系統(tǒng)只是相互交流，它們是不是就不需要人類語言了？我們是否能為這些AI系統(tǒng)設(shè)計更有效的語言？

然而這又會引發(fā)了另一些問題，我們需要給這些代理、AI程序的交流制定規(guī)則，人類該如何管理由AI構(gòu)成的人工智能社會？

英國科學(xué)家邁克爾·法拉第（Michael Faraday）于1831年發(fā)明了電動機(jī)，他也沒預(yù)料到會產(chǎn)生電椅這種刑具。1886年獲得汽車專利的卡爾·本茨（Karl Benz）肯定無法預(yù)言，他的發(fā)明在未來的一個世紀(jì)里會造成數(shù)百萬人的死亡。人工智能是一門通用技術(shù)：它的應(yīng)用僅僅受限于我們的想象。

在人工智能跨越式發(fā)展的同時，我們也需要注意人工智能可能帶來的潛在風(fēng)險和挑戰(zhàn)，如數(shù)據(jù)隱私、就業(yè)崗位流失等問題。因此，在推動人工智能技術(shù)發(fā)展的同時，我們也需要謹(jǐn)慎地考慮其社會和倫理影響，并采取相應(yīng)的措施。

如果我們真的能構(gòu)建具有人類智力和能力的AI，那么它們是否應(yīng)該被視為與人類平等的存在？它們是否應(yīng)該擁有自己的權(quán)利和自由？這些問題需要我們認(rèn)真思考和探討。

邁克爾·伍爾德里奇：“AI不能坐牢”這個想法非常妙。有些人認(rèn)為AI能成為他們的“道德代理人”，對其行為負(fù)責(zé)。然而這種想法明顯曲解了人類對于“對、錯”的界定。我們不該去考慮怎么制造“有道德責(zé)任”的AI，而是應(yīng)該以負(fù)責(zé)任的方式研究AI。

AI本身無法負(fù)責(zé)，一旦AI出了問題，擁有AI、構(gòu)建AI和部署AI的人就要負(fù)責(zé)。如果他們使用的AI觸犯了法律，或者他們將AI用于犯罪，那么應(yīng)該被送進(jìn)監(jiān)獄的一定是人類。

此外，ChatGPT在隱私保護(hù)方面需要加強(qiáng)監(jiān)管。如果ChatGPT收集了整個互聯(lián)網(wǎng)的信息，那么他一定也讀到了關(guān)于我們每個人的信息。例如，我的社交媒體、我的書籍、我的論文，以及其他人在社交媒體上對我發(fā)表的評論等，甚至是已經(jīng)刪除了的信息。AI可能還能根據(jù)這些信息描繪每個人的畫像，從而進(jìn)一步侵犯或傷害我們的隱私。

目前有很多關(guān)于人工智能法律方面的討論，并不只針對ChatGPT，人工智能的法律問題一直存在，且日趨重要，但目前社會各界對此還仍在討論和摸索階段。

我認(rèn)為ChatGPT或是其他的AI技術(shù)在未來幾年中將會變得越來越普遍。但是，我也認(rèn)為我們需要謹(jǐn)慎地使用它，確保我們不會失去人類的關(guān)鍵技能，例如閱讀和寫作。AI無疑可以幫助人類提高生產(chǎn)效率、生活質(zhì)量，但它不能完全取代人類的思維和創(chuàng)造力。