“它并不智能，但它会自我应用”：与弗吉尼亚·沃尔皮一起探索人工智能

人工智能无处不在：在我们每天使用的应用程序、搜索引擎、聊天机器人以及屏幕上的图像中。但它是如何运作的？它从何而来？它究竟能做什么？最重要的是，它将如何改变我们的生活？在《它并不智能，但它适用》 （Feltrinelli Editore出版社，2026年，176页，另有电子书版本）一书中， Alessandro Aresu和Virginia Volpi将人工智能描述为一场伟大的科学冒险：从启动人工智能的会议到ChatGPT，从第一台计算机到人工神经网络，从ImageNet猫到电子游戏。他们揭示了促成这场当代最受关注的技术革命的故事和主角、洞见、错误以及划时代的转折点。

但由此自然而然地，人们会想到一个问题，那就是书名本身：他真的不聪明吗？只是他很努力吗？我们采访了弗吉尼亚·沃尔皮：

有多少学生在家长会后至少一次听到父母重复教授那句令人扼腕的话：“他很聪明，但他不努力”？嗯，我们的书正是写给他们的。这是一本入门级的科普读物，适合任何对人工智能感兴趣的人。
我们选择了一个既诙谐又严肃的标题来解释这项技术的工作原理。它真的“不智能”吗？正如你将在阅读中发现的那样，人工智能（AI）是基于海量数据进行训练的，并且依赖于概率系统。更准确地说，它依赖于所谓的“大型语言模型”。当被问及问题时，这些生成式人工智能模型会返回一个最有可能的词语组合作为答案。得益于一系列发现，2024年诺贝尔奖得主杰弗里·辛顿（以及其他学者）意识到，要构建人工智能，就必须尝试使用人工神经网络来复制人脑，也就是使用许多小型人工神经元来接收数据和信息，并以越来越深入的方式逐层处理它们。

您能举个例子帮助我们理解吗？

想想 ChatGPT 这个缩写：生成式（Generative）、预训练（Pre-trained）、Transformer。之所以称之为生成式，是因为它能生成文本；之所以称之为预训练，是因为它基于海量数据进行训练；之所以称之为 Transformer，是因为它使用了这种类型的神经网络。正是由于 Transformer 的存在，人工智能才能分析句子，而不是逐字逐句地分析，并根据上下文识别词语之间的联系。综上所述，我们可以理解人工智能本身并不智能，但它的应用能力非常强。它的运行基于概率，这意味着它可能会出错；它基于海量数据和信息进行训练，但这些数据并非总是完全正确或最新的，在最糟糕的情况下，它甚至可能出错或包含偏见。简而言之，人工智能是一个有用且非常强大的工具，但使用它时应该充分了解它的特性和局限性。
但人工智能究竟诞生于何时？

这项发明的历史远比我们想象的要长，它充满了成功与失败、加速与挫折。本书将带您踏上这段历史之旅，从1955年开始。那一年，年轻的数学家约翰·麦卡锡首次将“智能”和“人工”这两个词联系起来，其目标是制造能够像人类一样使用语言和解决问题的机器，以及能够学习和自我改进的机器。为了实现这一目标，1956年，他邀请了一些最杰出的学者来到新罕布什尔州的达特茅斯学院，举办了实际上是第一次真正意义上的人工智能会议。这被定为人工智能的正式诞生日，但相关的思考和研究其实已经持续了一段时间，而顶尖学者们在这次会议上对此进行了探讨。在麦卡锡看来，智能就像一个由许多碎片组成的拼图，可以反复组装和重新组装。而雷·所罗门诺夫则认为，智能不能仅仅基于僵化的规则，因为它常常需要应对不确定性。而解决这种不确定性的方法正是概率。曾在贝尔实验室（美国主要的研发实验室）担任研究员的克劳德·香农奠定了机器间通信和信息交换的基础。最后，值得一提的是，几年前，数学家兼逻辑学家艾伦·图灵成功破译了恩尼格玛密码机（纳粹用来发送加密代码以阻止盟军定位的机器）生成的信息，并开始质疑机器学习的可能性。
我们应该惧怕人工智能……还是应该了解它？

我们恐惧未知的事物，这是人之常情。人工智能是当今最具变革性的技术之一，正因如此，它激发了人们的热情、好奇心，同时也引发了担忧。我和亚历山德罗·阿雷苏合著的这本书的目标正是如此：提高人们对人工智能的认识，以便我们更好地理解和运用它。为此，仅仅谈论我们今天使用的工具，比如聊天机器人，是不够的，还需要回顾人工智能的历史，了解推动其发展的科学和技术理念、其运作方式和应用，以及支撑它的复杂产业链。因此，本书的前几章阐述了推动人工智能发展的理念。随后，我们将深入探讨一些关键人物的经历，以及他们的具体见解。例如，杰弗里·辛顿，因其在神经网络和机器学习领域的基础性发现而荣获2024年诺贝尔物理学奖；黄仁勋，英伟达（NVIDIA）创始人，该公司是全球市值最高的公司之一，也是历史上首家市值突破4万亿美元和5万亿美元的公司；李飞飞，中国计算机科学家和计算机视觉先驱，他在2009年对无数图像进行了分类，创建了一个庞大的数据集，机器可以利用该数据集进行图像识别训练。在“数据不可承受之轻”一章中，我们将描述支撑这项技术所需的庞大而复杂的基础设施，它并非如表面看起来那样虚无缥缈，首先要提到的就是数据中心这些基础且笨重的设施，它们消耗能源、水和土地。
最后，“人人都会犯错”这一章着重探讨了我们最恐惧的问题：人工智能的错误和误导信息。没错，人工智能——有点像一只“随机”鹦鹉，只会重复一些并不真正理解的词语——有时会犯错、捏造信息，甚至产生幻觉，它提供的解释虽然基于数据看似最合理，但有时却并不正确。因此，我们首先需要了解它。

人工智能与地缘政治之间有何联系？

地缘政治学是一门研究一个国家的地理位置、资源、基础设施和经济实力如何影响其权力、安全以及与其他国家关系的学科。人工智能至少有两个原因符合这一框架：其生产链高度集中在少数几个国家，而且它本身就是一种权力工具。亚历山德罗·阿雷苏的著作《人工智能的地缘政治》（Feltrinelli出版社，2024年）的核心正是这种紧密联系，该书重构了技术、商业和美中竞争之间的交织关系，这绝非偶然。人工智能的供应链始于原材料和能源：铜、硅、铝、镓、稀土等，这些原材料的开采，尤其是提炼，集中在少数几个国家，其中中国在几种战略材料方面占据主导地位。接下来是半导体：美国在设计方面领先，英伟达凭借GPU（图形处理器）引领潮流，但最先进芯片的制造却依赖于台湾（台积电），一个至关重要的地缘政治中心。韩国也参与了供应链，三星和SK海力士（后者在内存生产领域占据主导地位）便是其中的佼佼者。最后，还有云计算：成千上万的芯片聚集在高能耗且互联互通的数据中心，将物理基础设施转变为全球服务。美国整合了大型科技公司、风险投资、大学和云计算基础设施；中国则以制造业、国内市场和补贴作为应对。供应链高度集中且具有战略意义，正因如此，例如，美国对向中国出口先进芯片（包括英伟达的GPU）及其生产设备实施了日益严格的管制，并将技术作为一项真正的外交政策杠杆。

人工智能如何改善我们的生活？

人工智能可以从各个层面改善我们的生活：从琐碎、重复、枯燥的日常任务到医学或太空探索领域的科学突破。让我们从最简单的方面说起。许多日常的行政工作都可以简化，例如填写表格或撰写电子邮件，从而让我们腾出时间从事更具创造性的活动。

接下来，人工智能将应用于更复杂、更关键、更非凡的任务。在医学领域，人工智能已经取得了显著成果：例如，DeepMind 开发的 AlphaFold 是一款人工智能程序，用于预测蛋白质的三维结构，从而更好地了解阿尔茨海默病或帕金森病等疾病，有助于早期诊断，并最终促进开发出更有效的新药。这项发现的背后是书中提到的另一位主角——德米斯·哈萨比斯，他荣获了 2024 年诺贝尔化学奖。最后，在太空和行星领域，配备人工智能的机器人和探测车——例如 NASA 的火星探测车——必须能够自主导航、分析地形并做出决策，即使与地球的通信必然存在显著的时间差，有时甚至长达半小时。因此，人工智能能够助力在遥远且难以由人类直接控制的环境中执行更具雄心的任务。