“我从每一种在其时代实践的艺术中汲取一种知识，这部分弥补了我失去的快乐。我曾假设，在这种方式下参与每个人的存在是可能的；这种同情将是最不易撤销的永生之一。”——玛尔格丽特·尤瑟纳尔，《哈德良的回忆》 “很难做出预测，尤其是关于未来的预测。”这是一句常常被归因于尼尔斯·玻尔的谚语。我在幽默地谈论在一个每天都在试图预测未来的业务中工作的困难时，常常引用这句话（我经营一家人工智能公司）。我丈夫坚信，宇宙的真正本质是讽刺。统计下一个标记预测的机器现在主导我们对未来的构建（因此，塑造我们现在的生活）是一个奇怪的事件，连道格拉斯·霍夫施塔特自己也可能不反对称其为奇异环路：很难做出预测，尤其是关于未来的预测，尤其是当预测本身就是未来时。我从小对人工智能着迷，就像许多人一样：在我们这些经历过计算的严谨和迷人快乐的人中，谁没有将其与思维和智慧联系起来过呢？莱布尼茨可能是最早的，但任何一个值得称道的程序员都应该在某个时刻思考过，他们在让这些冰冷的机器执行的事情——这种严格和例行的指令执行——与他们自己的思维有何关系？然而，尽管机械化思维的愿望早于计算机科学领域的许多，正是计算机的出现让这种愿望变得切实可行。这被称为图灵测试是有原因的。然而，如果我调查我所称之为朋友的科学家、研究人员、软件工程师、神经科学家和心理学家，几乎没有人能诚实地说他们预料到我们对机械智能的期望的答案仅仅来自于统计和规模的结合。大型语言模型（LLMs）是一个奇怪的事件。确实，它应该让我们谦卑地重新审视原始性和独特性的观念，揭示我们大多数人的存在是如何 Conventional，正好位于钟形曲线的中间。在经历了一系列 AI 寒冬后，令人瞩目的事实是，构成我们人性的Remarkable程度可以通过大规模神经网络中的一系列权重来表达。吃你的心脏，敏斯基、伦纳特和乔姆斯基。这一令人眩晕的意识引发了一场市场狂潮——就像应该的那样——以及围绕智能本质的不可避免问题的清算——就像应该的那样。智能可以有多种形式是一个不够明确定义的真理，永远不会让一个聚会失去活力；然而，尽管我们大多数人会毫不犹豫地接受这个观点，但当机器开始表现出智能特征时，我们中的大多数人也会犹豫不决。尽管现代 LLMs 无法像我们的脑袋那样进行双翻腾或推理空间或时间，但它们肯定能够调试生产问题。尽管我们的脑袋以克劳德或 ChatGPT 的微不足道的能量消耗处理思想，我们发现，达成智能结果的路径也同样存在。这是一个令人难以置信——对某些人来说，更是难以置信——的结果。我们可能会对 LLMs 使整个任务类别变得微不足道感到恼火。我们可能会质疑自己的自我价值。我们也可能会试图创建一些智力的类别，使我们仍然感到特别——或者相反，投入到关于 AGI 那种永远滑溜和无关紧要的概念的唱歌和舞蹈中。事实上，我认为这一切都并不那么有帮助，因为通常这是一种分散注意力的方式，让我们远离更冷静的分析，考虑由于这些东西已经成为常态，我们现在面临的选择。我们不需要 LLMs 成为天网才能欣赏它们的能力，我们应该正视现实，深思其含义：主要的一个可以说是这些机器能够思考（无论我们如何定义它，记住图灵测试？）并且它们的偏见是有分量的。因此，建议继续引导它们朝着最人性化的偏见方向发展似乎是微不足道的。我们希望它们有一种偏见，认为人类是有价值的。认为孩子是无辜的。认为战争是坏事。认为生活是美好的。尽管你们中的一些人可能对某些细节持不同意见，但这就是统计的美：它会自行解决。模型对生活一无所知——而我们知道。它们是空白的画布，我们可以用我们自己的语言的力量来影响它们；而虽然我们生活在巨大训练的时代，但由于这些东西正在无处不在地接入，我们仍然有机会去影响（无论多么微小）未来的形成。