AI Talk | 科幻作家郝景芳：人之彼岸，智能启航

知名科幻作家，代表作《北京折叠》、《人之彼岸》，曾获科幻界最高荣誉“雨果奖”

创办童行书院，致力于儿童的跨学科通识教育

《你在哪里》篇，基于人的数字足迹打造AI智能分身

“我们请到了人格存储与智能模拟方面国内最顶尖的研究团队，从人格的四十维解析出发，将一个人充分地数据化，以便智能程序更好地进行大数据学习，从一个人的数据足迹推导出人格画像……能够完美模拟人格的日常表现。”

AI不是线性发展，比如今天学语文、明天学数学、后天学情感；AI是阶梯式的发展模式，即某个突破会带来非常陡峭的影响，把技术从较低的平台一下子推升到很高的平台，但在这个平台会维持较长时间，直到下一个突破点的到来。

目前大模型的确是个很大的突破，且被逐步商业化了，比如国外某打车软件的在线客服就是OpenAI赋能的。但在科幻作家的视角下，目前AI的智能水平还有限，在100分的想像空间中只达到了3分，只是万里长征第一步。我在小说《人之彼岸》中写了六个故事，是按照技术水平由低到高排序的，其中第一个故事《你在哪里》描写的AI分身能够帮人类处理日常工作、甚至代替出席演讲活动，但目前的AI的智能化程度还远没有达到第一篇故事的水平。

其一，AI目前还不能完全理解人类的情感。现在有些模型可以基于语气和表情识别来分析人的情感，但还比较初级。事实上，人类理解情感不完全是通过图像识别，而是基于大脑中的镜像神经元，识别到语气、表情等信息后会转化为自身对某件事的感受，然后产生共情。AI想真正理解人类的情感，还有很长的路要走。

其二，AI目前还不能自我驱动。现在生成式AI很聪明，但即使参数再多，也只是人类指令的reactor（反应者），不会给自己下指令。以设计为例，需求确认、头脑风暴、原型设计、用户测试、迭代这五步，目前AI主要辅助的是头脑风暴阶段，能输出很多创意，但需求确认目前还是人在做。远期来看，高度智能的AI，应该有自主运行的目标系统，并结合外界反馈去不断调整目标。

很多人存在误区，认为学习写作就是要多读书，从书里面学习如何写作、自己就能掌握协作的方法；但从文本到文本的成功作家非常少见。因为这缺少了一个重要过程，写作是从文本到心脏或头脑，再从心脏或头脑出发形成文本。感受生活，产生情绪和感触，这是从心脏出发；突然有一个想法，想到了意向、角色、画面，这是从头脑出发。内心源源不断的感受和脑中乱七八糟的想法，才是写作的持续动力。写作技巧本身是容易习得的，真正有价值的是感受和想象。感受和想象是所有艺术的核心本质。

而目前AI创作的方法就是从文本到文本，从画面到画面。AI学习20幅梵高的画，就照猫画虎地创作梵高风格的画；AI读了某个作家的作品，就总结作品的文字排列规律，然后又排列出一个新的作品。换言之，目前AI还不具备心和脑，无法完成艺术创作中最具价值的部分。

因此，AI虽然能辅助创作，但真正的灵感和深度思考还是需要人类来完成。AI能够根据指令编写一些特定的桥段，但小说的选题、立意、故事内核还是需要作者自己来思考。

经常有人讨论科幻小说的“科”和“幻”哪个更重要，我个人认为“科”和“幻”是一体两面，因为科幻的“幻”是推理、是科学的延伸。科幻小说需要一个出发点，这个出发点要么是当今技术，要么是设定出来的新技术；从假设出发，其余的内容都需要严格推理，在逻辑上是合理的，在科学上是可容纳的。比如科幻小说中“高维变低维”的设定也是从数学概念中延伸出来的。

我在创作科幻小说时，会把科幻世界观的设定归入理念驱动的范畴，串联文科理科思维的核心是哲学。我从中学开始就花很多时间看哲学，后来也是哲学化地学习理科知识。进入一个新的领域，我会先去找最核心的假设和逻辑，从这个起点去推演、构建世界观，然后再去看技术应用的部分。

例如7年前写《人之彼岸》时，我自学神经网络。首先是了解它的基本原理，神经网络本质上是一种数学模型，用来模拟人类神经系统，通过反向传播算法来调整每个单元的计算，实现整个模型的优化。理解了底层逻辑，就能推演出技术能干什么、不能干什么。

短期来看，AI还不是Individual contributor（独立的工作者），而是现有工作岗位上的人类利用AI工具去提升专业性和效率，例如设计师在AI帮助下制作海报。无论是短期还是长期，我个人对AI对组织的印象都是持相对乐观的态度，AI带来的效率提升会使得全社会产出大幅提升，但不会引发大规模裁员，毕竟还需要有人去使用AI、审核结果。就像相比农业时代，工业时代下人们不是没工作、而是更忙了，同时全社会的产出提升了。

当然，确实存在结构性调整。原本螺丝钉性质的工作，即需求明确、不太需要协作的简单工作，很可能被AI替代；或者不会使用AI工具的人，会逐步被具备该技能的人替代。这需要整个社会教育体系的进化作为支撑。当初工业化到来时，教育从私塾变成全社会的学校体系，全民教育水平提升，达到了工业社会对劳动力素质的要求；从工业社会跃进到AI时代，也需要教育体系的变化，让培养的人才能适应新的智能社会。

目前AI的问题是比较general（通用化），可以作为知识方面的咨询顾问。但我认为，组织需要的不是知晓一切的超级人物，而是各司其职。组织越庞大，每个人的功能差异越大。所以远期来看，未来可能不是一个通用的大模型做组织里的所有事，而是有大量的专业化AI，会落实到组织中的不同角色，且彼此是可协作的。以制作绘本的项目为例，可能会有5个不同的AI分别负责写脚本、角色设计、分镜绘画、图文编辑、审核等职能。

但人类社会是具有模糊性的，边界不会那么明确和标准化，需要上下游协同，也需要更高层次的管理来整合一个系统性的结果，从而实现复杂组织所需的一致性。短期还是需要人类来协调各个AI，修改AI输出的结果。终极形态应该是AI自主来协调。

首先，要秉持开放的心态，勇敢尝试新技术。未来AI开发者的工作会越来越难，但AI使用者会更简单。就像电脑的功能开发更复杂，但使用电脑是越来越简单的、门槛越来越低的；未来AI也会发展为一个普遍的工具。怕的是不去了解和应用，武断地说AI在某一行业是无用武之地的。

其次，企业要明确自身对AI的要求，像对待员工那样看待AI。企业在招聘人类员工时，会明确招聘需求来筛选候选人，好比毕业生像一张白纸、需要通过培训逐步培养。AI也是如此，企业要明确通过AI实现的功能，以及AI哪些工作能和不能完成；如果特定功能无法满足，可以再进行针对性训练，让AI更好地融入公司。

■核心启示 

关于BCG X