人类的最后一段智力黄金时代，可能已经开始

今年 6 月，在斯坦福大学举行的一场物理与人工智能交叉领域的会议上，Anthropic 研究员 Jascha Sohl-Dickstein 提出了一个大胆的设想：人类或许正处于一个即将结束的地质时代。

Sohl-Dickstein 认为，AI 带来的真正挑战，不只是机器将变得多么聪明，而是当世界正在加速改变时，人类该如何重新选择自己的未来。

地质学家曾提出用“人类世”（Anthropocene）描述人类活动对地球产生深刻影响的时期。工业化、物种灭绝乃至核试验留下的放射性物质，都将成为地层中可供后世辨认的痕迹。但 Sohl-Dickstein 认为，如果人工智能最终取代人类，成为推动全球变化的主要智能力量，那么这个以人类为中心的时代，可能会异常短暂。

这并不只是一个关于遥远未来的想象。他试图说明的是：我们可能正在经历一场足以改变人类文明发展轨迹的技术变革，却仍然习惯用过去的经验规划未来。

我们正在低估指数增长的力量

Sohl-Dickstein 首先展示了人工智能的发展曲线。过去十年，最大 AI 模型的训练算力增长了约一千万倍。按照他的粗略估算，如今最先进模型的训练计算量，已经接近人脑在一生中完成的计算量级。

当然，计算量相近并不意味着智能水平相当，但它至少说明，机器正在进入过去难以想象的规模。

更值得注意的是能力本身的增长。根据研究机构 METR 对软件任务的评估，AI 能够独立完成的任务，正在从原本只需要人类花费几分钟的工作，逐渐延伸到需要数小时甚至更长时间的复杂任务。这里衡量的并不是 AI 执行任务花了多久，而是同一任务通常需要人类投入多少工作时间。

Sohl-Dickstein 回忆，不到一年前，他还认为 AI 可能要到 2026 或 2027 年才能独立完成相当于人类一整天的软件工作。然而，当他再次展示这张图表时，相关指标已经提前越过了这一水平。不过，这里的成功标准是约 50% 的完成概率，更高的可靠性仍需要进一步提升。

AI 的进步也不再局限于重复已有知识。近年来，模型开始解决数学家保罗·埃尔德什（Paul Erdős）留下的部分未解问题。这些问题本身处于人类数学知识的边界，因而为观察机器能否推动知识前沿提供了新的证据。

有人认为，AI 终究只能解决训练数据中已经出现过的问题。但 Sohl-Dickstein 不认同这种绝对区分。在他看来，泛化能力本身就存在不同层次，从替换词语、应用数学规则，到解决新的复杂问题，并没有明确证据表明，其中存在一道机器永远无法跨越的界线。

由此，他给出了一个相当激进的预测：AGI 可能在未来几年出现。他观察到，在自己所处的前沿 AI 研究圈，即使是认为进展比较缓慢的人，所说的长期也可能只有十年。

这显然不是一个已经得到证实的时间表。算力、资金、能源以及现实世界中的复杂任务，仍然可能成为限制因素。尤其在实验科学领域，许多结果无法仅凭计算验证，真实的物理实验也难以立即被 AI 取代。

但 Sohl-Dickstein 的判断是，当前技术存在严重的效率问题，并不等于存在不可逾越的障碍。过去许多看似困难的能力，都随着规模扩大和方法改进而逐渐实现。对于坚信 AI 即将遇到瓶颈的人，他提出了一个朴素的建议：把这种判断转化为可以持续测量的指标，再观察它究竟有没有停止进步。

当研究速度赶不上 AI 的进步

如果接受这样的发展趋势，接下来就会出现一个更加现实的问题：我们今天投入时间做的事情，到完成时还有多少价值？

Sohl-Dickstein 描述了一种令研究者不安的情景：一个人花费两年时间，辛苦推进某项研究，取得了真正有意义的进展。然而就在成果即将发表时，最新的基础模型只需要一条提示，就能完成更好的工作。

这让他重新思考科研项目的选择方式。

传统学术研究允许长期探索，研究者可以沿着一条尚不明确的道路缓慢前进，最终可能发现意想不到的价值。但在 AI 能力快速增长的背景下，这种方式面临新的风险：研究本身的进展是线性的，而用于解决问题的通用智能正在指数式提升。

他借用了强化学习先驱 Richard Sutton 在《苦涩的教训》（The Bitter Lesson）中提出的观点：从长远看，能够有效利用更多计算资源的通用方法，往往胜过依靠人工设计的专门技巧。

因此，值得投入的研究，应该尽可能随着算力和智能水平的提升而变得更有价值，甚至反过来促进这种提升，而不是解决那些很快就会被模型规模化进步自然攻克的问题。

对 Sohl-Dickstein 而言，这个结论并不令人愉快。他坦言，自己最喜欢的恰恰是缓慢而自由的科学探索。但时代的变化，正在迫使研究者重新衡量时间的价值。

不要把思考也一起外包

那么，人类应该怎样与越来越强大的 AI 共事？

Sohl-Dickstein 给出的建议十分明确：尽可能充分地使用它。

他现在每天都与 Claude 一起工作，甚至已经很少亲自编写或阅读代码。他可以直接提出一个较高层次的研究问题，让模型进行分析、生成图表，再根据结果继续提出问题。这样的工作方式，在一年前还很难实现。

他把今天的 Claude 比作一名执行能力极其出色、热情十足，却暂时缺乏优秀研究品味的研究生。人类仍然需要决定哪些问题值得探索，以及如何判断结果是否真正重要。

这也意味着，未来科研人员的工作可能越来越像课题组负责人：不必亲自完成每一步操作，而是清晰地定义目标、组织任务、审视成果，并决定下一步的方向。

但他特别强调，使用 AI 不等于放弃独立思考。

他鼓励人们用模型寻找研究思路、分析数据、批评自己的文章，却不建议直接让模型完成写作初稿。原因并不是 AI 写不好，而是写作本身就是思考的过程。如果把写作完全交给机器，我们可能连理解问题的过程也一起外包了。

类似的道理同样适用于编程。人们不再需要像过去那样投入大量时间亲自编写代码，但仍然需要理解程序在做什么，并保持质疑和判断的能力。

技术的进步，正在不断提升人类工作的抽象层次，而不是简单地要求人类停止理解技术。

看似安全的道路，可能已经不再安全

这种变化最终会超出科研领域，影响每个人的职业选择。

Sohl-Dickstein 提到，他曾与一位优秀的博士生交流。对方一方面相信三年内可能出现 AGI，另一方面却仍然计划按部就班地完成博士学位、申请博士后，最后寻找教职。

这让他感到矛盾。如果一个人真的相信世界将在几年内发生根本性改变，为什么仍然按照一个长期稳定的世界来规划人生？

他并不知道十年或二十年后的学术工作会是什么样子，也不确定任何职业将如何演变。但正因如此，传统意义上的稳定职业道路，未必还能提供过去那样的安全感。

我们通常倾向于选择风险较低的道路，即使这意味着放弃更大的潜在回报。但如果技术变革本身已经带来了无法回避的不确定性，那么看似保守的选择，也许只是放弃了机会，却并没有真正减少风险。

因此，他鼓励年轻人更多地选择真正有意义、有吸引力的方向，而不只是那些看起来稳妥的道路。

人类仍然拥有塑造未来的机会

尽管整场演讲充满了对 AI 速度的警告，Sohl-Dickstein 最终想传达的却并不是无力感。

恰恰相反，他认为我们仍处于这场指数增长的早期阶段。根据 Epoch AI 的推演，到 2030 年，前沿 AI 的训练计算规模有可能达到 2025 年的约一万倍。如果这一趋势成为现实，今天看似惊人的计算规模，回头看可能只是曲线起点附近微不足道的一部分。

而指数增长最重要的特点之一，就是早期的微小选择，可能在漫长的发展过程中被不断放大。

他举了互联网通信的例子。电子邮件很早就形成了广泛采用的标准，因此不同服务提供商的用户可以自由通信。相比之下，即时通信长期受到封闭平台的限制，用户往往无法跨产品直接交流。这些早期的技术与制度选择，在多年后仍然影响着数十亿人的生活。

人工智能的发展同样如此。

选择研究哪一种模型架构，决定系统是否应该具有可解释性，如何区分一项新能力与潜在风险，以及是否推动开放标准、公平访问和公共治理，都可能影响未来社会的基本结构。

Sohl-Dickstein 尤其鼓励研究人员将自己的专业知识投入 AI 与科学的交叉领域。一方面，可以利用 AI 推动材料发现、蛋白质研究、天气模拟和核聚变等科学问题；另一方面，也可以反过来把 AI 模型作为研究对象，借助神经科学、统计物理、心理学乃至经济学的方法理解这些系统。

此外，AI 安全、能力预测、资源公平分配以及政策治理，也都是他认为极具长期价值的方向。这些领域仍有许多基础问题尚未得到清晰定义，特别是在公共治理中，真正理解技术的研究人员有机会产生超出个人科研成果的社会影响。

技术进步可能创造巨大的财富，但这些财富并不会自动公平分配。如何让不同地区、不同群体都能分享智能带来的收益，同样需要人类主动设计制度。

一段可能转瞬即逝的黄金时代

在演讲接近尾声时，Sohl-Dickstein 描绘了一个既令人兴奋又有些伤感的未来。

他认为，接下来可能出现一个特殊阶段：人类仍然拥有 AI 暂时缺少的判断力、研究品味和方向感，却已经能够调动庞大的 AI 智能体团队完成工作。

在这个时期，一个人或许只需要一周，就能完成过去整个职业生涯都无法实现的事情。人类的创造能力将得到前所未有的放大。

但这个阶段可能不会永远持续。

随着 AI 继续进步，终有一天，人类也许不再拥有那些能够补足机器能力的独特智力优势。届时，我们不再是开启某项研究、某种创造性工作的必要条件。

Sohl-Dickstein 并没有宣称这个未来必然发生，也没有给出确定的时间。但他的核心判断是：如果这样的变化确实可能在不远的将来到来，那么我们今天的行动就应该认真考虑这种可能性。

这让整场演讲最终回到了一个关于选择的问题。

在一个快速变化的世界里，我们很难准确预测未来究竟是什么样子，却仍然可以决定今天应该研究什么、创造什么，以及希望留下怎样的影响。

AI 或许正在缩短人类独占智力优势的时代，但它也可能为我们打开一个前所未有的创造窗口。真正重要的，不只是我们能够借助 AI 完成多少工作，而是我们选择用这种能力塑造一个怎样的未来。