思维机器的使命是构建能够扩展人类意志和判断的人工智能。人工智能每天都在做更多的事情，但决定它该做什么则取决于我们：个人、组织和整个人类。这些决策需要通过不断接触工作获得的知识和判断，这些工作越来越多地与人工智能并行进行。塑造高级智能的目标也是一个不断反馈、学习和重新调整的过程。目前大多数人工智能是在少数地方训练完成后被冻结的。它没有受到服务于它的人们的影响，也没有从他们共同完成的工作中学习太多。扩展人类的意志和判断需要与人类本身一样多样化和分布广泛的人工智能。这是我们选择的道路。为了在这条道路上取得进展，我们正在追求以下技术方向：我们训练强大的模型，提升多模态交互和可定制性等能力。尖锐的工具扩展人类意志，而人类判断需要塑造在前沿竞争的模型。我们构建允许人们自主掌控人工智能的工具，使模型能够满足他们独特的需求。这包括训练模型权重的能力。我们开发能够拓宽人机之间沟通渠道的接口，使个人判断能够持续影响人工智能的工作。我们向科学界发布研究，因为塑造人工智能的能力需要对它的构建有深刻的理解。我们相信，值得构建的未来是以人为本的——由人类知识塑造，由人类意志引导，并由人类判断决定。以下是为这一未来的论述，以及我们为实现这一目标所做的工作。 将智能引入知识中 人工智能存在是为了服务于我们所做的工作。这项工作依赖于对事物的做法和价值的知识，这些知识是由从事工作的人员持续生成的。想象一下一个厨师在创造新食谱，或一个店主在重新安排展示中的物品和价格。他们正在追求一组复杂的目标，并应用那些对外部人士来说并不直观的专业知识。这些知识通过反馈不断更新；它并不是一个可以写入数据库的静态存储库。它是地方性的——不同的餐厅或店铺通过不同的方式追求不同的结果。商店和厨房的集体知识分散在每一个店主和厨师身上。 米哈伊尔·波兰尼《隐性维度》（1966年） 知识的分散是一种集体的力量；它是整体系统的多样性、适应性和韧性的源泉。这就是自由市场超越计划经济的原因。中央计划的失败不是因为智力不足，而是由于生产知识的性质：隐性、本地、短暂，并且由那些通过工作获取知识的人们私有。弗里德里希·哈耶克《社会中的知识的使用》（1945年） 试图为集中智能的使用整合知识面临同样的挑战。有些领域仅凭智力就足够，而自主人工智能不需要人类参与就能迅速领先。两个例子是国际象棋，其中最强大的引擎完全基于自我对弈训练，以及数学，其中前沿模型独立解决长期存在的问题。这些例子有两个共同特征。首先，给人工智能的目标是静态且可表达的：赢得一场国际象棋比赛，证明一个定理。其次，这些领域没有隐性知识。国际象棋和数学的规则是普遍的；棋盘对所有人可见。在棋盘之外，单靠智力是不够的。为了使人工智能能够受益于分布式知识，它必须自身也要分布。每个组织都由其人员的专业知识提供动力，这些知识是通过他们的工作获得并表达的。我们相信人工智能应当帮助组织培养这种独特知识，而非提取其快照并用标准化产品取而代之。这种培养是一个持续的过程，需要人工智能与人类协作，而非替代他们。 2014年，丰田公司，作为自动化工厂的掌控者，带回了其专家工匠，明确目标是提升工艺水平和知识。领导这一行动的河合光则这样阐述原因：“要精通机器，必须具备教会机器的知识和技能。” 克雷格·特鲁德尔、八木悠纪和马杰，《人类取代机器人标志着丰田对未来的愿景》（2014年） 知识的生产与智能的应用相辅相成；它们不是替代品。人们所做的工作可能会发生变化，转向更多只有人类才能提供的东西，但最优秀的组织将充分利用两者。人工智能应当使每个组织以其独特的方式发挥卓越，而不是消除它们之间的差异。我们旨在将智能引入知识的产生和使用之处。