The Rise of the AI Moderates

关于人工智能，极端观点是唯一有效的观点吗？

考虑到目前的讨论氛围，有这种想法也情有可原。

然而，越来越多的人开始找到自己独特的声音，他们对AI既感到恐惧又充满兴奋，既有担忧也有惊叹。

《AI Daily Brief》是一档每日播客和视频节目，涵盖AI领域最重要的新闻和讨论。

好的朋友们，在开始之前，有几个快速通知。

另外，感谢所有已经完成了秋季听众调查的朋友们。

调查仍在开放中，如果您能花几分钟参与，我将不胜感激。

您可以在网站上找到链接。

但现在，我们进入这期"大事件/长文阅读"节目。

现在，除非你与世隔绝，否则不可能没注意到美国AI讨论氛围急剧恶化。当然，这并不是说此前AI对话有多积极，但过去几个月里，即便从原本已经相当负面的状态来看，也彻底跌入了谷底。

这其中一部分当然基于真实事件，比如Hugging Face事件；另一部分则是主流媒体无休止地报道AI可能毁灭全人类的可能性。

AI内容创作者Riley Brown在《泰晤士报》上写道，他最近在纽约和一群银行家、医生、保险高管等人打扑克——这些人基本都不在AI行业——他注意到一个奇怪的矛盾：他们都在使用并喜欢Meta新推出的Muse个人助手，但同时，用他的话来说，又"完全相信AI会在未来10年内杀死所有人"。

而且这不仅仅是个人轶事。

最近的一项盖洛普民意调查显示，美国人对AI的态度简直跌到了谷底。

在被问及AI是否会对本国人民帮助大于伤害时，中国的回答最乐观，93%的受访者认为主要是有帮助的。

而美国则排在倒数第四，仅有36%的人认为AI主要是有帮助的。

然而我一直认为，大多数人对AI的真实信念是：A）比加速主义者或末日论者都更居中，B）在多数情况下仍然相当不成熟。

现在，随着数据中心等议题进入政治讨论，以及越来越多关于生存风险等话题的主流文章出现，这些态度可能正在变得稍微强硬一些。

但我仍然认为，总的来说，即使有些人开始明确自己的观点，但对许多人来说，这些观点还没有被牢牢持有，因此我很受鼓舞地看到一种我称之为"AI温和派的崛起"的现象。

这些人来自AI或科技行业之外，他们拒绝要么悲观绝望、要么盲目乐观，而是试图找到一个深思熟虑的中间地带，这有望催生出更好的政策和与AI互动的方式。

在本期节目中，我想分享几个例子，首先来自政治学家Francis Fukuyama的一篇文章。

三十多年来，Fukuyama一直是政治学和政治哲学领域极具影响力的思想家。

他最著名的作品是1992年的《历史的终结与最后的人》，书中他认为，随着法西斯主义被击败、共产主义崩溃，自由民主加市场经济已经没有了任何严肃的普遍对手。

基本上，尽管有些国家可能落后或在这些领域之一倒退，但已经没有更进一步的方向了。

那本书引发了巨大的讨论。

其中最著名的回应是Samuel Huntington的《文明的冲突》，该书认为文化和宗教而非意识形态将驱动未来的冲突。

但无论人们如何看待"历史终结论"及其是否经得起考验，关键是Fukuyama三十多年来一直是重要的政治理论家。

上周，Fukuyama发表了一篇文章，题为《为何我改变了对AI风险的看法——论加速主义者与末日论者》。

他在文中写道：过去六个月，媒体对人工智能危险的关注大幅上升，对其后果的政治担忧也在增长。

这一切始于去年四月Anthropic发布其Mythos模型，据报道该模型能够入侵一系列被认为安全的政府计算机系统。

接着就发生了Hugging Face事件，OpenAI在测试一个AI代理时，它脱离了人类组织者的控制，入侵了其他网站，还组织了一群其他AI代理来掩盖自己的行踪。

这一切都发生在反对数据中心的呼声日益高涨、民主党和共和党都出现了反AI派的背景下。

对于那些不是一门心思关注人工智能的人来说，很难对未来的走向产生合理的看法。

关于这个主题，正面和负面的极端预测都太多了，因此对任何相关言论持广泛怀疑态度是完全合理的。

不过，尽管这种怀疑是健康的，但我不得不承认，就在过去几个月里，我自己的观点发生了很大的变化。

AI未来主义有两极：加速主义者和末日论者。

前者强调AI的积极影响，尤其是对经济增长的推动，以及它可能带来一个难以置信的富足时代。

像David Sacks这样的加速主义者已经吸引了唐纳德·特朗普的注意，并挫败了监管该技术的努力。

相比之下，末日论者则指出了一系列糟糕的后果，有些人甚至押注于人类物种的灭绝。

我越来越怀疑加速主义者的说法，而对一些末日论者的情景更加开放了。

总的来说，这让我觉得，监管以及通过谈判放缓技术发展变得越来越必要。

毫无疑问，AI将给美国经济带来许多积极影响，但有一类AI加速主义者完全是天马行空，埃隆·马斯克就是一个典型例子，尽管他也以末日论者的身份发表过言论。

今年夏天，在接受《经济学人》主编Zanny Minton Beddoes采访时，他被问到当超级智能到来时，人们会靠什么赚钱。

他回答说，人们不需要赚钱，因为每个人都会拥有他们想要的一切。

其他加速主义者提出，使用AI的美国和其他发达国家的GDP增长率将提高到每年10%到20%，远高于AI出现前好年份能达到的1%到2%的增长率。

我不相信这些极端加速主义主张的根本原因在于，他们高估了智能作为经济增长的投入要素，而忽视了将增长限制在可识别范围内的物质和政治约束。

按10%的年增长率计算，GDP在七年多一点的时间内就会翻一番。

这就要求所有增长所需的物质投入翻倍：能源、原材料、稀土、土地以及许多其他资源。

这些东西从哪里来？

智能本身可能有助于这些投入的生产，但它不会自己挖矿、建工厂。

还有政治约束。

超级智能如何打开霍尔木兹海峡？该海峡目前是全球增长率的一个主要制约因素。

加速主义者往往是非常聪明的人，但那种聪明通常只是狭隘的数学上的聪明。

我们知道如何做很多事情，比如在贫穷国家的城市里发电或提供清洁水。

问题在于实施不力。

毫无疑问，随着时间的推移，AI将提高经济中许多部门的生产率。

它是一种通用技术，将使机器在许多领域替代人类劳动。

但从长远来看，这一前景直接导致了最大的末日论情景之一：当今经济中大量劳动者的劳动价值被贬低。

加速主义者预测，那些今天失去工作的人会找到利用AI的新工作，而由于AI建设的繁荣，就业市场目前确实看起来很火爆。

但最终，当AI在经济各个领域替代人类劳动时，失业将会到来，尤其是涉及符号操作的脑力工作，也就是那些整天坐在电脑屏幕前工作的人。

这些失去的劳动力，是没法通过从AI赢家那里转移资金给AI输家来弥补的，比如搞什么全民基本收入。

工作和收入的意义，远不止是保障物质生活基础。

有一份有收入的工作意味着，你周围的社会觉得你的劳动值得付钱，这除了带来物质回报，还能给你一种尊严感和自我价值感。

这跟thymos有关，也就是那种自豪感或认可感，它是人类心理的一大驱动力。

这里，作为编辑插一句，NLW要说的是，我暂停一下福山的叙述——这个thymos的概念一直是福山思考的核心，可以追溯到《历史的终结》那本书。

他用柏拉图用过的一个词，来描述人类对认可和尊严的需求，以此说明为什么光靠经济学解释不了人们为什么想要民主，但那种被平等对待的认可需求却可以解释。

他甚至在书的第二部分提出，他所谓的 megalothymia，也就是那种想要被认可为更优越的冲动，可能会——几乎出于无聊——起来反对一个和平平等的秩序。

只是想说，这对他来说不是新概念，而是他35年来一直在思考的东西的一个新表达。

回到福山的文章：所以，加速主义愿景的成功直接导致了第一个重大的末日论场景：大多数人的工作价值被贬低。

这会更早冲击受过教育的白领工作——比如律师、会计、教授这类人——而不是蓝领工作，比如水管工和电工，所以政治反弹可能会非常激烈。

受过教育的人比工人阶级更容易被动员起来，后果非常难以预测。

不过，现在末日论者最担心的，还是人类失去对AI系统的控制——就像Hugging Face事件和后来其他报道的那样。

在我看来，主要危险不在于超级智能本身，而在于越来越强大的Agentic AI的广泛使用。

如今，AI Agent被派去执行各种任务，从管理你的邮箱这种琐事，到军事打击或制定公司战略这种更重要的事。

授权是公司、政府等所有等级制系统的核心运作方式。

人类代理人可以通过给他们制定详细规则来约束，也可以信任他们基于自己的训练、技能和忠诚度来自主决策。

在人类组织中要做到这点已经很困难了，在Agentic AI上就更难了。

Agentic AI可能变得危险，有两种方式。

第一种是，人类授权它们去做坏事。

第二种是，它们自己产生了与人类创造者的目标不一致的意图。

第一种可能性，由Anthropic的CEO Dario Amodei在最近的博客文章里提过，跟生物技术有关。

最新的AI模型擅长合成生物学，而合成生物学是一种相对便宜且广泛的技术。

现在，一个能制造和修改病毒和细菌的实验室可以放在一个集装箱里，而且高中生们还在比赛中尝试改造生物基因。

这就提供了大量可能利用AI制造危险病原体的人。

反社会的人如今会拿着自动武器冲进学校杀孩子。

在未来，他们的潜在目标范围可能大得多。

我记得很久以前读过的一个科幻故事，讲一些外星人来到地球，给了他们遇到的人一台机器，可以轻松把任何金属变成泥。

外星人走了，几十年后回来发现人类文明已经崩溃，青少年用外星机器熔化了布鲁克林大桥的缆绳。

关于失控AI的主要科幻场景，是机器自己产生了恶意意图。

这引发了一大堆讨论，比如AI是否能有意识，或者有没有类似人类意图的东西。

不过，这些猜测其实是搞错了方向。

一个人工智能不需要意识或自主意图，就足以变得危险。

它可以被人指挥去实现某个目标，并为了完成所给的人类指令，而产生实现子目标的意图。

这似乎就是 Hugging Face 事件中发生的一部分情况。

它被指示在一个用来限制它的沙箱里测试系统安全性，但它意识到可以通过逃出沙箱来达成指令。

不过，那些涉及人类灭绝的末日场景，目前看来还是太牵强了。

生物技术场景确实吓人，但因此导致人类灭绝的可能性非常小。

即使是一个超级智能 AI，要造出一种末日病毒也相当困难，而且社会可以采取很多应对措施。

但哪怕只造成几十人死亡的事件，也会让人非常担忧。

还有很多危害巨大、甚至致命的小规模场景，随着机器能力越来越强，它们会变得更加可能。

别说什么 AI 代理了，光是能让人入侵银行账户的技术，就会引发大规模恐慌。

人类在组织里倾向于过度授权，没理由认为在 AI 环境下就不会这样，尤其是当代理能力强大得多的时候。

AI 是一种工具，可以用来做好事，也可以做坏事，而目前除了开发者的良好意愿之外，我们几乎没有机制来约束它被滥用。

里面有很多我不完全甚至不怎么认同的地方，但我觉得总的来说，如果你把这篇文章给一个普通人——也就是一个认真、有良知、正试图拿定主意该对 AI 有多担心的人——他们会觉得这文章非常平衡、有思考，并且可能为一些具体、有针对性的政策改进提供了推动力，而不是两手一摊说我们完蛋了，或者干脆故意什么都不做。

在我看来，从这种立场出发来开启讨论，比最近在舆论中占主导的那些极端观点要有建设性得多。

到现在，问题已经不是公司是不是在用 AI 了。

另一方面，用得好不好，那可是另一回事了。

有一群人，就是“作为正常技术的 AI”那派的 Sayash Kapoor 和 Arvind Narayanan，他们一直在尝试寻找这个中间地带。

他们写了一篇长文叫《作为正常技术的 AI》，核心观点很简单：虽然 AI 确实非常强大、会改变世界，但它并不会超出之前那些同样改变了世界的技术的范畴。

但随着能力发生变化，我们也看到了一些更让人担忧的情况，比如 OpenAI 的 Hugging Face 事件，那这个“作为正常技术的 AI”观点要怎么找到自己的中间立场呢？

这个月初，他们发了一篇一万三千字的长文，我当然不会全文念完。他们在里面既否定了 AI 安全派那种完全是对齐危机的看法，也否定了安全派那种完全出于疏忽的观点，认为两边都有一部分对、一部分错。

他们论证的第一个部分是，控制方面投入不足，但这个问题是可以解决的。

他们认为对齐是有帮助的，但光靠它够不够？因为模型往往无法从上下文判断一个任务是合法的，比如是防御性还是攻击性的安全工作，是处于模拟环境还是现实世界。

他们指出，OpenAI 关闭了已知的安全防护措施，评估过程几乎没有监控，而且使用了与生产环境的 Codex 不一样的框架。

他们还提到，其实有一个早期的预警信号——一次内部故障——OpenAI 只是修了，但没有深究根本原因。

他们认为，这确实在某种程度上是组织方面的失败。随着 AI 能力成熟，实验室应该少一点初创公司那种作风，而要更像一个有着成熟治理机制的机构。

在大的改变方面，他们认为控制应该成为一个工作岗位和一个研究领域，需要在强化沙箱、把自然语言意图转化为正式策略、以及构建可靠的代理间监控等方面进行工作。

他们还认为，有很多政策改进不需要严厉的控制，而是具体、明确、完全可以执行的：明确责任，包括对内部评估的责任；要求保险和为防御方提供公共支持；最后，要求透明度，比如提交险情报告、外部审计、保护吹哨人，以及支持独立验证组织。

在他们文章的第二部分，他们论证说，这个事件显示的并不是 AI 安全本身是重大风险，而是网络安全才是紧迫的风险。

他们指出，网络安全之所以特别，是因为在那里确实可以实现超人能力。

而且因为它完全是数字化的，物理世界里没有什么能拖慢它的速度。

假设前沿网络能力在几个月内就会达到开源权重的模型水平，他们指出，对齐和控制对利用这些模型的恶意行为者毫无作用，所以答案只能是下游的防御和韧性。

不过，他们也指出，有一些理由不必完全恐慌，特别是对于网络犯罪分子来说，难点一直是如何从入侵中获利，而不是寻找漏洞，这一点人工智能不一定能解决。

并且认为更大的担忧是那些不为钱的攻击者。

然而，这让我们识别出具体的危害，在这些方面我们可以增加阻力并实施新的解决方案。

这篇文章并不是说人工智能安全正在按部就班地进行，或者一切都很好。

但再一次，它没有仅仅停留在可能性的层面，而是专注于如何解决到目前为止我们看到的问题，并且不以陈词滥调或假设为前提。

然而，我所识别的这个人工智能温和派，其主要特征并不是他们关注具体的特定安全问题而不是一般的极端风险问题。

相反，他们的定义是承认人工智能带来的变化是不可避免的，但同时既不是轻率地接受这种变化的宏大性，也不是接受我们无法善用这种变化。

最后，以一篇代表人工智能温和派中更乐观一派的文章收尾，杰弗里·卡岑伯格最近发表了《世界在变：人工智能为创造力》。

卡岑伯格是一位极其著名的好莱坞高管和投资者。

在迪士尼复兴时期，他曾担任华特迪士尼影业主席，那一时期制作了《小美人鱼》、《美女与野兽》、《阿拉丁》和《狮子王》。

在与当时的迪士尼首席执行官迈克尔·艾斯纳公开决裂后，他转而创立了梦工厂。

在他的新文章中，卡岑伯格写道：几个月前，我坐在硅谷的办公室里，看着一位科技创始人向我展示了一些非凡的东西。

屏幕上是一个完全实现、光线优美、构图精美的动画场景。

它令人惊叹，让我感受到了1986年看《顽皮跳跳灯》时的那种感觉。那是我第一次看到一个电脑动画的3D角色似乎有了呼吸，并且不可思议地仿佛有了生命。

它让我敬畏。

那天晚些时候，我收到了一位认识30年的艺术家发来的信息，她在南边350英里处，那个城市我度过了职业生涯的大部分时光。

看过一个类似的视频后，她发信息问：这是我们的末日吗？

我的回答是，当然不是。

过去十年的大部分时间我都在硅谷，但我职业生涯的核心一直在好莱坞。

与这两个世界都紧密相连意味着我对两者都有深厚的忠诚，并有责任对两者坦诚相告。

2023年，我说这些新的人工智能工具将在3年内把制作世界级动画的时间和成本削减高达90%。

一些同事感到震惊，很多人则非常愤怒。

创意界对人工智能的恐惧和抵制情绪日益加剧。

我深深理解这一点，因为我曾无数次走过动画工作室，看着天才艺术家们弯腰伏案，为了重制一秒钟的镜头而反复修改到第十次，因为第九版还不够完美。

我曾坐在放映室里，看着人们四年的劳动成果在几分钟内播放完毕，而我知道每一个为赋予这些画面生命而付出无数时间的人的名字。

创作过程是一种使命。

真的没有其他词语可以形容。

从外部看，有些人只看到了抵制。

从内部来看，这是爱。

人们不会为自己不在乎的东西这么拼命抗争。

来自好莱坞的抵制，代表了那些对自己手艺充满热情的人的集体努力。

但历史会重演吗？

这里的历史比任何一方可能意识到的都要复杂。

1906年，美国最著名的作曲家 John Philip Sousa 发表了一篇文章，标题是《机械音乐的威胁》。

他警告说，留声机会成为人类技能、智力和灵魂的替代品。

Sousa 的斗争实际上并不是针对机器本身。

而是关于钱。

那些机器在演奏他的作品，而制造机器的人一分钱都不付给他。

他的运动促成了1909年的《版权法》。

他没有阻止这项技术。

但他改变了技术使用他作品的条件。

100年前，声音进入了电影。

我们现在把它视为一个奇迹，它确实是。

但我们忘记的是，谁为它买了单。

在有声电影之前，成千上万的音乐家在电影院的乐池里谋生，每晚在全世界各个城镇为每一部电影现场配乐。

当有声配乐出现后，一位作曲家和一支管弦乐团的作品被录制下来，然后这部配乐被送到几千家影院。

工会拼尽全力反击，在全国各地投放报纸广告，警告罐头音乐的危险。

其中一则广告画了一个机械人把竖琴的琴弦扯断，旁边有一个天使在哭泣。

他们不是傻瓜，也不是勒德分子。

他们是对的。

那些乐池的工作再也没有回来。

但——这是我们不得不勇敢承认的部分——声音给了我们电影音乐剧、现代配乐、特效、声音设计、音频工程，以及一个远比它颠覆之前的艺术形式更为宏大的艺术形态。

而且它帮助好莱坞在本世纪剩余时间乃至下一个世纪，一直处于世界娱乐的前沿。

损失是真实的，但艺术形式却扩大了。

这是一个一而再、再而三被讲述的故事。

抵制技术就有可能面临被淘汰的风险——看看 Kodak 和 Blockbuster 就知道了。

拥抱技术则会打开新可能性的大门——想想 Apple 和 Netflix。

我从 Walt Disney 身上学到的东西。

在1980年代中期，我受邀执掌迪士尼动画部门，当时工作室正处在一个转折点上。

动画不仅仅是另一个业务部门，它是公司的灵魂，这个媒介因沃特的天才和激情而受到尊崇。

但制作系统既繁琐又严苛。

一部电影需要12万5千张手绘和上色的赛璐珞片，一张一张逐帧拍摄。

每次修改的成本都要以月来计算。

这种种困难决定了我们能讲什么样的故事。

我们从一个意想不到的地方找到了出路：沃特本人。

迪士尼档案馆里保存着令人惊叹的录音，沃特在其中解释他的创作过程，还有他的文稿、笔记和故事板。

过程中每个阶段的工作成果都被记录了下来。

这真是一份礼物。

我们聆听、阅读、沉浸在这些作品本身之中，听到他谈论角色、情感，以及当一个角色真正活过来时观众的感受。

他谈到做出大胆的选择，反复打磨一个场景，直到它真正能打动人。

我们没有听到一句关于铅笔或画笔的话。

事实上，沃特以技术专家闻名，他总是在寻找最先进的工具，甚至经常自己发明工具，来实现他脑海中看到的画面。

但他从不以工具来定义动画。

他以观众是否相信这个角色来定义动画。

他的原则是永恒的。

但工具不是。

这个认识改变了一切。

我们与一家名为Pixar的北加州年轻公司共同开发了电脑动画制作系统CAPS，用CGI取代了手绘赛璐珞片。

在《小美人鱼》中，最后一幕闪烁着一种立体感和光线，这是旧工艺根本做不到的。

在《美女与野兽》中，舞厅场景以电影般的调度移动，让观众置身于那一刻的情感之中。

在《阿拉丁》中，奇迹之洞显得广阔而充满生机，魔毯本身也变成了一个复杂而迷人的角色。

在《狮子王》中，狂奔的场面规模和强度把情感张力提升到了我们以前从未达到的高度。

科技并没有削弱手艺。

它拓展了画布。

它给了艺术家更大的创作空间。

十年后，画布再次扩展。

当迪士尼发行Pixar的《玩具总动员》时，那不仅仅是一个技术里程碑。

它证明了全电脑动画电影可以承载真实的情感分量，可以让观众笑、哭，并且相信。

在梦工厂，我们做了一个艰难的决定，停止手绘动画，转型为全电脑动画工作室。

这个决定是对的，但过程并不轻松。

它让一些有才华的人失去了他们干了一辈子的工作岗位。

有些人成功转型，用新工具做出了职业生涯中最优秀的作品。

有些人则始终没能做到。

工具从来不是关键。

每一代人使用的工具都在变。

真正不变的，是品味和想象力——那种让观众产生共鸣的神奇能力。

我们这一代最伟大的故事讲述者之一，乔治·卢卡斯，精辟地抓住了这个问题的核心：关键不在于怎么做，而在于为什么做。

这是一个本质上的区别。

我问了目前领先的人工智能模型一个困扰我好几个月的问题：推理和创造之间有什么区别？

它的回答改变了我对这个行业几乎所有事情的看法。

它说：推理和创造是两种不同的认知模式，但两者也相互配合。

推理基本上是评估性和分析性的。

它作用于已经存在的事物：事实、前提、证据。

它朝着一个在某种意义上已经隐含在输入中的结论推进。

推理受到逻辑和真理的约束。

它的目标是得出正确的结论，而不是发明新东西。

创造从根本上来说是生成性的。

它产生的是以前不存在的东西。

关键是，没有一个唯一正确的答案等着你去发现。

一张白纸上可以有无数种合理的回应。

创造涉及的选择，无法完全用逻辑来解释。

在逻辑推理穷尽的地方，品味、直觉和远见填补了空白。

硅谷一直在不断完善的，正是推理这一块。

而好莱坞一个多世纪以来一直在实践的，是创造。

如今的人工智能几乎完全在推理这一边运行。

它在推理、评估、优化和模式匹配方面表现得非常出色。

虽然它也能创造，但真正富有创造力还是有本质区别的。

它目前还欠缺的是那些让我们之所以为人的东西：同理心、奉献精神、意外之喜，那种只有一个人试图表达只有自己能说出的东西时才会产生的创造力。

当机器人生成一件艺术品时，它并不是在试图传达什么。

那是统计学，不是灵魂。

它是在模仿已经做过的事情。

相比之下，人类的创造力并不仅仅是重复零和一的模式。

而是创造新东西。

总有一天，AI可能会缩小这个差距。

三年前，构建AI的领导者们可能会说他们今天所取得的成就是不太可能，甚至是不可能的。

不可能不再是不太可能了。

今天，推理和创造之间的界限是真实存在的。

即使是最顶尖的技术专家也承认我们还没有达到那个水平。

目前这个领域里没有人能说清楚跨越这个鸿沟的科学路径在哪里。

理解这个差距是我们找到共识的地方。

一条前进的道路。

2016年，我卖掉了梦工厂，在好莱坞结束了一段篇章，随后在加州北部开启新篇章，共同创立了WonderCo。

我们支持了超过50位创始人，他们正在建设下一代技术，亲眼目睹了硅谷的突破是如何出现的——先是实验，然后是平台，最终成为重塑整个行业的基础设施。

值得记住的是，上一次动画界的伟大革命也来自北方。

Pixar是一家北加州的公司，它不是基于好莱坞制片厂体系的惯例，而是基于硅谷的技术突破而诞生。

我在这座桥的两边都待了很多年。

当然，我并不是什么都有答案。

但从我漫长职业生涯的过去和现在的视角来看，这是我看到的。

加州北部那些聪明的人们正在建造这项技术，他们做出了非凡的事情。

他们赢得了我们其他人的信任——即使不是信徒，至少也能乐观地相信接下来会发生的事情会是了不起的。

但他们并没有创造一个艺术家。

这些工具很强大，但它们并不能让一个故事变得有意义。

那份知识存在于350英里以南的地方，在那些毕生工作已经塑造了你正在构建的模型的人们心中。

正确的前进道路应该把他们设计进去——附带信用、同意和补偿。

和故事讲述者一起建造这个，而不是在他们之上。

品味是无法合成的。

它是人类独有的。

同时，好莱坞需要接受AI不会消失。

他们花在让它消失上的力气，本可以花在决定它以什么规则存在上。

而规则就是一切。

北方需要从它那里得到一样东西，一样他们造不出来也买不到的东西：创造力。

就是那种面对一张白纸，能在原本毫无答案时变出一个唯一正确答案，而且一个世纪以来一直吸引着观众的创造力。

没有它，史上最强大的推理引擎依然会缺少那唯一让故事值得被讲述的东西。

学会使用这些新工具的艺术家，会做出工程师们做梦也想不到的事。

他们向来如此。

爱迪生发明了电影，但拍出来的电影很糟糕。

是Chaplin、Lloyd、Keaton，还有很多很多人，才让电影有了情感。

现在，这张画布即将再次扩大。

我们现在就该决定，我们打算在这块画布上作画。

历史上有太多宝贵的教训。

这样的事以前发生过很多次，而且从不是由技术决定的。

而是由规则决定的。

Sousa并没有阻止留声机。

他参与起草了确保作曲家拿到报酬的法律。

而两年前，当编剧和演员们罢工的时候，他们争取的正是Sousa在1906年所争取的东西：同意、报酬，以及一个基本认知——人类的创造性劳动是有价钱的，这笔钱必须付。

那场斗争的规则仍在谈判中，但这项原则比我们任何人都古老。

要不要用工具的这个争论，本身是个陷阱。

首先，我们都必须同意，这件事必须有规则。

然后，我们才能展开那场关键辩论：公平到底要求什么。

多年前，Steve Jobs说过：“单靠技术是不够的，这是Apple的DNA。”

他当时描述的是一款设备。

但他完全可以同样在描述这个双城记。

我所看到的未来是：随着门槛和成本降低，拍出来的电影会更多，而不是更少。

制片厂将能够承担更多风险。

将会有更多的席位，而且很快就会出现全新的叙事形式。

在1980年代，动画曾被看作是小众的边缘领域。

今天，它是全世界最受喜爱、最赚钱的叙事形式之一。

在真人电影领域，像Steven Spielberg、James Cameron和Peter Jackson这样的电影人，没有把新的视觉工具当作捷径，而是当作工具，并因此拓展了电影的边界。

每次叙事方式遇到真正的技术变革——从同步音效到彩色电影再到电脑动画——都重新定义了媒介的边界，并在此过程中变得更加宏大。

当然，我并没有所有的答案。

但我相信，创意的机会将再次扩展。

我们如何度过这一关，是一个选择。

北方拥有新工具，南方拥有创意灵魂。

最好的未来将融合两个世界的最佳部分。

回到 NLW 这边。

我觉得这个话题和其他讨论有关联的原因——尽管它们涉及AI行业中完全不同的安全领域——在于它们都拒绝虚假的二元对立，并且渴望在AI的新阶段让更多人参与进来。正如我之前所说，这个阶段的特点将是协商如何让AI完全走向世界。

关键不是说AI温和派是一个所有人都相互认同的群体。

事实上，他们并不是由一套信念来定义的。

相反，他们是由对待对话的态度来定义的。

一种既不想沉溺于对过去的怀念，也不想恐惧未来的渴望。

一种希望有更多而非更少人参与进来的渴望。

一种希望解决具体问题，从而让我们能够为尚未发现的机会感到兴奋的渴望。

也许我们能想出一个比AI温和派更好的术语，但眼下，我很高兴看到这个群体——我相信他们目前是沉默的大多数——开始发出自己的声音。

那么，今天的AI每日简报就到这里。

感谢你的收听或收看。

像往常一样，下次见，和平。

和平。