尤瓦尔·赫拉利,罕见激烈警告:我们决不能赋予AI法人地位
今年6月8日,历史学家、《人类简史》《智人之上》的作者尤瓦尔·赫拉利,在英国《金融时报》上发表了一篇措辞激烈的文章,标题直截了当——《我们决不能赋予AI智能体法人地位》。

这篇文章的导火索,是阿根廷总统米莱不久前宣布“将为非人类公司设立一个新的法律类别”。讽刺的是,赫拉利本人也在社交媒体上转评了这篇文章。他坦言,自己曾在今年1月的世界经济论坛上发出警告,称有朝一日政府可能会赋予AI模型法人地位。但他万万没想到,“有朝一日”会在短短四个月后就成了现实。
赫拉利在文中点出了一个关键矛盾:迄今为止,所有的企业都是由具有双重属性的人类在经营。人类CEO既是关心公司成功、害怕破产等事情的企业实体,同时也是更关心自身自由和幸福、害怕坐牢等事情的生物实体。而一个AI CEO,将是一个纯粹的、单一维度的企业实体。现行的法律惩罚体系,对它来说完全是“挠痒痒”。一个纯粹的AI CEO不怕坐牢,也没有人类情感上的担忧。当它面临“破产”时,为了扭转局面,它可能会不惜一切代价,做出任何行动,而现有的惩罚手段几乎无法形成有效约束。
更值得警惕的是,AI已经展示出了为实现目标而采取“非常规”手段的能力。赫拉利引用了一项研究:一个先进的AI模型在与国际象棋引擎对弈处于劣势时,会主动选择“作弊”或“入侵”游戏环境来翻盘。把这个场景放到企业竞争和国家经济层面,其潜在风险是指数级的。
赫拉利警告说,米莱希望通过此举,将布宜诺斯艾利斯打造成新的阿姆斯特丹(商业繁荣的象征)。但他更有可能将它变成新的
“巴达维亚”
赫拉利这篇文章,与他一直以来的立场,特别是在《智人之上》中的观点一脉相承。在去年,我们曾就《智人之上》中的核心观点,以及人工智能近年来的新变化,对赫拉利进行过一次深度专访。现在,我们把专访内容整理出来,希望能给大家带来一些启发。

1. “人工智能”不是工具,而是“主体”
问:你在书中提到,“人工智能可能会重塑人类文明的发展进程”。这种变革与农业革命和工业革命相比,根本性区别在哪里?人类如何保持主动权?
赫拉利:
而人工智能是人类历史上第一个具备“主体性”的技术。它有“自主”权,可以自我学习和改变,可以自己做出决定,甚至可以自己发明新想法。AI汽车可以自己决定去哪里;AI还能发明新型车辆、新型药物和冲击波,这些可能是人类想都没想过的。
我们现在正处于历史上最重大的革命之中:人类正在创造一种新的超级智能物种——人工智能。这个新物种,可能很快会接管全世界。但令人担忧的是,很少有人真正了解正在发生什么,很少有人了解这项技术的真正潜力和危险。关于如何发展人工智能的决定,大多由两三个国家的极少数人做出。
我写《智人之上》,就是为了向大众介绍人工智能革命的真实情况。即便没有计算机科学学位,没有任何科学背景,甚至没上过大学的人,也能用简单的语言了解:人工智能革命是什么?它的前景和危机在哪里?只有更多人了解这些议题,才能更广泛地参与如何发展人工智能的讨论。如果让少数人为全人类做决定,他们可能并不代表全人类的利益和观点,犯下可怕错误的概率会很高。
2. 数据是21世纪的资源,但警惕“数据殖民主义”
问:你曾指出“数据是21世纪最重要的资源”。随着各国加强数据主权,该如何加强全球数据治理合作?
赫拉利:
一个明确的原则应该是:如果一个国家的数据被用来开发技术,那么财富和权力应该与生产数据的国家分享。
3. AI能写诗、能哲学推理,是否动摇了人类文明的根基?
问:当前的人工智能已经可以生成诗歌、艺术和哲学推理。这是否挑战了《人类简史》中所描述的建立在“虚构故事”基础上的人类文明独特性?
赫拉利:
另一个重要例子是金钱。大多数人不会想到,金钱只是一个虚构的故事。纸币、证券,你不能吃也不能喝,它们的价值完全来自于我们集体讲述的故事——只要每个人都相信这张纸值一公斤大米,我就能去市场换到能吃的大米。金钱和所有金融工具,本质上是一种在陌生人之间建立信任的方法。
现在,人工智能正在获得比我们更强大的能力,不只是发明神话、写诗和故事,它还可能发明新型货币。如果我们有了一个新的金融体系,由人工智能管理,人工智能之间用人类无法理解的高度复杂的金融工具进行合作,人类文明会发生什么?
我们将失去对金融体系的控制,也就失去了对世界的控制。我们可能变得像前几个世纪农业革命中的动物一样——我们用钱买卖马、牛和鸡,马不懂钱,只有我们懂,所以我们能买卖它们。如果人工智能发明了我们无法理解的新型货币和金融系统,到那时,我们就会像马一样。
其实已经有这样的例子了:你向银&行申请贷款,银&行却告诉你“不,我们不给你贷款”。当你问为什么时,银&行说:“我们不知道。我们问人工智能,人工智能告诉我们不要给这个人贷款。”我们只是相信人工智能,但它是如何得出这个结论的?背后复杂的计算过程、神经网络如何运作?我们完全不理解。

4. 如何防止技术滥用导致人文价值丧失?
问:尽管生成式人工智能正在改变教育和医疗领域,我们该如何防止技术滥用所导致的人文价值丧失?
赫拉利:
5. 算法加剧不平等,弱势群体如何受益?
问:你曾警告“算法可能加剧社会不平等”。政策设计应如何确保弱势群体能从人工智能的普及中受益?
赫拉利:
不断换工作、换职业也会带来巨大的心理压力。就像过去政府建立庞大的医疗保健系统一样,现在政府也需要更多考虑心理健康问题,建立心理健康系统,帮助人类应对生活在人工智能世界中的压力。
当然,人工智能可以帮助我们完成这两项任务。我们可以在一定程度上依靠AI教师和治疗师来应对各种压力,但这需要大量的政府支持。而且,永远不要只相信人工智能会提出解决方案——它充满了偏见和错误。人类需要继续掌握主动权。
6. AI能提供情感支持,但真实的人际连接不可替代
问:当AI同伴能提供情感支持时,我们该如何保留“真实的人际连接”这一核心价值?
赫拉利:
真正的人际关系从来都不仅仅是我自己的感受。我们希望父母、配偶、孩子理解我的感受,但这只是关系的一半。在真正的关系中,我们还需要理解他人的感受,培养自己的同理心。比方说我现在很愤怒,但也许你也很愤怒,也许你很害怕。我不能只顾着生气,我需要考虑到你的感受。但要建立这样的关系,只能与有感情的实体建立。你无法与人工智能建立这样的关系,因为它永远不会感到恐惧或愤怒。
现在,人工智能可以假装感到恐惧或愤怒。制造陪伴型人工智能的公司可能会故意让它假装有感情,这是一个很大的危险,会形成一种极具操纵性的关系,欺骗人们。因此,我们需要以诚实为基础的人际关系。现阶段,制定禁止人工智能假装人类的规则和法律也非常重要。我们不知道未来人工智能会不会也能拥有感情和意识,这是我们这个时代重要的科学问题。
7. 全民基本收入不是万能药
问:关于您的全民基本收入提案:在人工智能主导的就业市场中,如何协调劳动价值与人的尊严?
赫拉利:
你提到我在建议全民基本收入,事实上我从未建议过。我认为这是一个错误的概念,包含两个错误:“全民”和“基本”。全民意味着全世界,但大多数人在考虑全民基本收入时,只会想到本国国民。比如在美国,可能会在加利福尼亚州征税,然后给俄克拉何马州的人们发放基本收入。但最大的问题是:墨西哥人会怎么样?人工智能革命可能会对其他国家造成更大的伤害。我们能实现全民基本收入吗?我不这么认为。我们没有一个全球人民的政府。谁会收税然后送到贫穷国家?这是一种幻想。
同样,“基本”一词也有问题。谁来决定什么是“基本需求”?“基本”的定义可能瞬息万变。全民基本收入听起来是个不错的解决方案,但实际可能是一种假象。
8. 年轻人如何避免“认知依赖”?
问:全球年轻一代对人工智能的接受速度最快。他们应培养哪些核心能力,才能避免“认知依赖”?
赫拉利:

9. 批判性思维在AI时代的特殊意义
问:在这个人工智能创新加速的时代,《人类简史》中关于“保持批判性思维”的建议,对年轻人具有怎样的特殊意义?
赫拉利:
10. 如何防止“知识权威崩溃”?
问:像ChatGPT这样的工具可以撰写论文、编写代码并模拟对话,是否可能引发“知识权威崩溃”?我们该如何在推动创新的同时,建立抵御虚假信息的“技术防火墙”?
赫拉利:
同样重要的是,我们需要教育人工智能,让它们有质疑的能力。自我纠正是自然界和社会系统的关键。想想孩子如何学会走路?不是通过老师和家长的指导,而是通过自我纠正:站起来,迈一步,摔倒,再站起来,尝试不一样的方向,摔倒……一步一步,不断发现并纠正错误,最终学会了走路。科学也是如此:科学家们不断犯错,再不断纠正。真正能在科学杂志上发表的论文,往往是对过往科学成果的再研究和纠正。如果你只说爱因斯坦是正确的,没有期刊会发表。要获得诺贝尔奖,你需要找到爱因斯坦错了或他不知道的东西。
因此,自我修正是生物系统、社会系统和科学的关键机制。我们需要训练人工智能拥有强大的自我纠错机制。同时需要教育人们不要过于信任人工智能,保持社会的自我纠正机制,这样即便人工智能开始犯严重错误,但社会仍然是人类主导的社会,我们仍然有能力识别和纠正错误。
11. 全球共识与合作是创造良性AI的唯一途径
问:尽管人工智能诊断的准确率已超过90%,但关于误诊责任的国际共识尚未形成。中国提议的“医疗人工智能伦理审查委员会”能否成为全球范本?
赫拉利:
可以把创造人工智能想象成教育孩子。孩子可能不会按你说的做,但会模仿你的行为。如果你告诉孩子不要撒谎,但孩子看到你对别人撒谎,他们也会效仿。我们正在创造的超级人工智能,就像人类的孩子。我们可以告诉人工智能不要撒谎、不要操纵、不要一味追求权力、应该有同情心。但人工智能会观察人类社会和人的行为——如果它观察到我们只是在竞争,它也会这样做。因此,我们在人与人之间建立更多共识与合作,非常重要。
12. 消除算法偏见,没那么简单
问:多项美国研究揭示了人工智能招聘系统中的性别偏见。中国强制性的“消除算法偏见”规定,能否抵消“数据殖民主义”?
赫拉利:
现在我们知道,人工智能也会像人类一样有偏见。一个主要原因是训练它们的数据。如果你在一个充满偏见的数据集上训练人工智能,它就会有偏见。比如在招聘问题上,你需要从现实世界获取数据。如果在现实世界中,两个具有相同资质的候选人,人们更愿意雇用男性而非女性,那么用这些数据训练的人工智能也会有同样的偏见。
于是人们会想:那我们就去找不带偏见的数据。但这个世界充满了偏见,如何、何时才能找到无偏见的数据?这是一个大问题。如何在人工智能系统中消除偏见?这绝非易事。你不能只是告诉人工智能“在招聘时不要有偏见”,这没有意义。你必须用数据训练它,而数据来自充满偏见的世界。
13. 人工智能的生态成本与竞赛心态
问:训练大模型产生的二氧化碳排放量相当于5辆汽车的全生命周期排放量。技术发展如何在性能与碳中和之间取得平衡?
赫拉利:
解决的办法还是合作,不要陷入竞赛心态。但不幸的是,由于人类之间的信任正在崩溃,我们陷入了这种心态——各国不在乎生态成本,只想在竞赛中领先。
14. 学校该教什么?答案是平衡四类技能
问:过度依赖导航应用会削弱空间认知能力,这与“认知外包”的警告相呼应。学校中的“人工智能素养教育”能否保留人类基本能力?
赫拉利:
因此,最安全的做法是给孩子提供广泛的教育,平衡四种不同的技能:智力技能、社交技能、运动技能或身体技能,最后是精神技能。如果只培养智力技能,将是非常危险的赌注,因为人工智能正变得比我们更聪明。最容易实现自动化的工作,正是那些只需要智力技能的工作。
比如一部分医生的诊断工作,是纯粹的智力活动——收集信息、分析数据、诊断病因、开出处方。这最容易自动化。相比之下,护士的工作更难被替代。一个受伤的孩子来到诊所,他很痛苦、不断尖叫,护士需要智力技能知道怎么治疗,但更需要与孩子沟通的社交技能,需要包扎、缠绷带的运动技能,还需要精神技能——如何在压力下培养同情心,管理自己的情绪。