量子理论家理查德·费曼（Richard Feynman）于 1988 年死于癌症。他在黑板上写下的最后一句话似乎是这样的：
“我无法创造的东西，我也无法理解。”
在二十一世纪，我们正面临着与之相反的问题。如果我们能够创造智能，这是否意味着我们已经理解了智能？
现代人工智能可以用“非凡”一词来形容。计算机科学家用代码和电路构建出运行良好的智能。它可以像人类一样通过自然语言互动沟通，制定策略，用亚伯拉罕·林肯的风格重写你的电子邮件。人工智能改变了我们与自然世界的关系。我一直认为作为物种而言，人类比海豚，黑猩猩更聪明。我们曾经高踞智力顶峰，俯视众生。然而，很快我们将介于计算机和海豚之间，不再独占鳌头。我们比海豚聪明，但比手机愚笨。正如无神论哲学家尼克·博斯特罗姆（Nick Bostrom）所说：
我们远非最聪明的生物物种，恰恰相反，我们可能是最愚蠢的生物物种，人类独有的专利是能够开发技术，而现在我们开发的技术将会取代我们。[1]
这话说的真伤人。
现代神经网络不仅在输出方面相似，而且在结构上也模仿我们。DeepMind（现由谷歌所有和运营）的联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）说，他的目标是：
创建一个能够模仿并最终超越人类所有认知能力的系统，从视觉和语言到规划和想象力，最终目标是能够共情，能够创造。[2]
又是一记痛击。DeepMind 的另一位联合创始人德米斯·哈萨比斯（Demis Hassabis）读的博士学位不是计算机科学，而是神经科学。他研究人脑记忆的形成，试图弄清人们是如何描绘生活中的事件，并将这些事件存储起来以备日后使用的。哈萨比斯希望从人脑的模式中汲取灵感，制造出一台计算机。
在伦敦的一间小办公室里，DeepMind 开始构建各种神经网络。这种网络从大脑结构中汲取了大量灵感。由节点或神经元组成的巨大网络来回传递信息，每层神经元执行不同的任务。举例来说，如果这个神经网络正在学习阅读，那么其中较低层次的神经元会去识别标点符号或单词之间的空隙。较高一级的神经元会识别单词，而更高级别的神经元则会理解句子和段落的含义。这些信息会反馈到更高一层，这一层将学会感知语气、体裁、总体论点、世界观假设等。一个大型的神经网络可能有数十亿个神经元和数十个层级，由一个极其复杂的网络连接起来。[3]
但是，程序员怎么可能有时间去组织和设计数十亿或数万亿个小电路呢？现代神经网络绝就绝在它们不需要这样做。相反，电路会自行组装。DeepMind 从一开始就在构建学习机器，将训练数据输入神经网络。语言模型通过预测来学习，然后计算哪些神经元、哪些连接对应预测的成败。想象一下，我们的语言模型语料库拥有和国会图书馆一样多的文本，而语言模型从这里面逐个字母（确切地说，是逐个符号）地开展工作。它对每一个即将出现的字母进行预测，一次一个，然后调整神经元之间的连接，使猜测越来越准确。
神经网络是一种通用技术，正越来越频繁地出现在我们的生活中，而且这项技术的质量也越来越好。就像电力一样，这种技术最终可能成为几乎所有技术的组成部分。未来的某个时候，你可能时时刻刻都需要这种技术的帮助。
有些人对这种模型的反应是：“它们并不智能，只是在预测一串文本中的下一个单词（或符号）。”还有人说，“它们不智能，因为只是在数据中寻找相关性。”这些回答听起来都有道理，也都包含着事实。每个回答都包含了大语言模型如何工作的真实描述，不过，每个回答都微妙地增加了“只是”这个关键词。这两种回答都忽略了一个重要问题：数量本身就很重要。一百万只蚂蚁能做到的，一只蚂蚁无法做到。足球场上的墨西哥浪潮与一个人举手示意截然不同。河是湿的，但单个水分子不可能是湿的。正如物理学家马克斯·泰格马克（Max Tegmark）所指出的，“只有当许多分子以我们称之为液体的模式排列时，才会出现湿润现象。”[4]
美国诺贝尔物理学奖得主菲利普·安德森（Philip Anderson）有时会听到物理学家说，其他科学研究领域没有研究任何基础性的东西。化学、生物学、地球科学、社会科学和医学其实只是换汤不换药的物理学。安德森在他的论文《多即不同》（More Is Differents）中驳斥了这种思维方式：
事实证明，大型复杂的基本粒子集合体的行为，并不能通过简单地推断几个粒子的特性来理解。相反，这些大型复杂的基本粒子集合体，其每个复杂层次上都会出现全新的特性。[5]
数量本身就会带来质量区别。
要了解现代神经网络的运行规模，请看穆斯塔法·苏莱曼的这段话：
谷歌的PaLM[路径语言模型]使用了极其多的[计算量]。打个比方，如果在训练过程中每使用一次浮点运算就需要一滴水，谷歌模型的用量将会填满整个太平洋。[6]
要知道，大型语言模型并不仅仅是记忆机器。它们不会把互联网上的信息储存起来，然后再复制粘贴给你。大语言模型没有足够的工作记忆来记忆互联网。但它们能记住常见的联系。大型语言模型肯定会记住“法国首都”和“巴黎”之间的联系。它所做的主要工作是提取原则，通常是掩埋得很深的原则，使它能够以压缩的形式存储大量知识。
以数学为例。如果计算机正在学习加法，它可以开始记忆每对数字的总和。但最终，内存中可能出现的数字组合会非常多，以至于其他功能会被挤掉。更好的办法是找到一些原理或一组原理，让机器无需过多记忆就能推导出所有可能的和。这通常被称为“领悟”（grokking）。模型一旦掌握了更深层次的过程或原理，就会摸索出各种各样的东西。当模型摸索到世界的某些真理时，其性能和准确性就会突然跃升，泛化能力也会提高，神经元结构也会发生变化，变得更简单、更高效。
随着时间的推移，越来越多的通用模型被训练出来，它们能够编写计算机代码、识别图像、用匈牙利语交谈，还能做数学作业。认识到这一点后，2023 年，一个微软团队认为，
对这些新模型的能力和认知能力的评估，在本质上已更接近于对人类，而非狭义人工智能模型的能力和认知能力的评估。
经过这样训练的通用模型，已经领悟了人类语言及其所代表世界的数百万个细微原则。这使它有能力完成一些意想不到的事情，比如写出一个证明有无穷多个质数的证明，而且每一行句尾都押韵。理解这些模型需要自上而下的思维，更接近心理学而非物理学，这种思维需要对机器“大脑”的各个区域进行映射。就像我们使用核磁共振成像（fMRI）机器来观察人脑的哪些部分在哪些活动中很活跃一样，我们可以尝试绘制出各种概念在人工大脑中的存储方式和位置。
认知科学家侯世达（Douglas Hofstadter）曾在他的普利策奖获奖著作《哥德尔、埃舍尔、巴赫》（Gödel, Escher, Bach）[7] 和《谷歌翻译的浅薄》（The Shallowness of Google Translate）等文章中对神经网络的智力程度持怀疑态度。令人惊讶的是，2023 年，他不仅改变了主意，而且承认自己改变了主意：
我的整个知识大厦、我的信仰体系......当你对世界最核心的一些信念开始崩溃时，这是一种非常痛苦的经历。尤其当你认为人类很快就会光芒不再......大家问我：“你说的‘很快’是什么意思？”......我不知道。但我里面有一个声音说是五年，有一个声音说是二十年，还有的说“我不知道，我不知道。”
侯世达凭借他对神经网络力量的新认识得出结论：
这也让我觉得，也许人类的大脑并不像我想象的那么神秘、复杂、不可捉摸......因此，我觉得自己不再重要。在某种意义上，我觉得，与这些拥有比我多一百万倍或十亿倍的知识、速度比我快十亿倍的计算系统相比，我就像个非常不完美、有缺陷的结构。
英国计算机科学家阿兰·图灵（Alan Turing）早在 1951 年就预测到了这一切：
如果机器会思考，它可能比我们更聪明，那我们该何去何从？即使我们能让机器处于从属地位......作为一个物种，我们也应该感到无比谦卑。
现在是 2024 年，至少有些人感到非常谦卑。
这些功能强大的新技术给基督徒提出了巨大的问题。
首先，如果我们能够创造智能，这是否意味着我们已经理解了智能？如果我们已经理解了智能，那么我们是否已经理解了什么是人、什么是意识、什么是生命？第二，如果我们能够解释智能的机制，那么我们在多大程度上排除了一个相信上帝存在的理由？第三，如果人类是一种二流的智慧形式，那么他们将在哪里找到自己的身份？如果认知上我们最终是多余的，那么人类还有什么意义、有什么独特之处、有什么价值呢？
正如我在第一篇文章中所论述的，这些问题需要我们打开圣经去探索。基督徒需要思考这些问题，不只是为了我们自己，因为在我看来，世界会变得越来越陌生，我们许多人都会与非基督徒朋友、同学、同事讨论这些问题。
本文改编自《按我们的形象制造：上帝、人工智能与你》（Made in Our Image: God, Artificial Intelligence and You）中的材料。
[1] N 博斯特龙（N Bostrom）著《超级智能：路线图、危险性与应对策略》(Superintelligence: Paths, dangers, strategies），牛津大学出版社，2016 年，53页。
[2] 苏莱曼（Suleyman）和巴斯卡尔（Bhaskar），《即将到来的浪潮》（The Coming Wave）,8页。
[3] 神经网络并不新鲜，也不是 DeepMind 发明的。DeepMind 或 OpenAI 等公司利用现代超级计算机的巨大威力，训练出比几十年前更庞大的神经网络。
[4] 迈克斯·泰格马克（M Tegmark）,《生命 3.0：人工智能时代，人类的进化与重生》（Life 3.0:Being human in the age of Artificial Intelligence），企鹅图书，2018 年，第 300 页。
[5] PW.安德森（PW Anderson），“多即不同：破缺对称性与科学分层结构的本质”（More Is Different:Broken symmetry and the nature of the hierarchical structure of science），《科学》，1972 年 8 月 4 日，177（4047）：393。
[6] 苏莱曼（Suleyman）和巴斯卡尔（Bhaskar），《即将到来的浪潮》（The Coming Wave），66 页
[7] 侯世达（Douglas Hofstadter）《哥德尔、埃舍尔、巴赫：集异壁之大成》（Gödel,Escher,Bach:An eternal golden braid），20 周年纪念版，基本图书出版社（Basic Books），2000 年，第 20 页。
译：变奏曲；校：JFX。原文刊载于福音联盟澳大利亚英文网站：Made in Our Image: The Rise of Artificial Intelligence
