20年20人20问丨黄铁军：人与AI都是智能体，无法100%被信任

【编者按】腾讯新闻20周年特别策划《20年20人20问》，携手全球顶级企业家、思想家、教授、学者作为“未来提问官”，一起向未来发问，并邀请业内专家、学者与从业者，共同探讨未来20年的未知世界，畅想上天入地的潜在可能。

针对图灵奖得主约瑟夫·希发基斯教授提出的问题——《关于人工智能的可信度，我们能否来一场基于客观科学标准的清晰讨论，而非陷入基于主观的无休止争论?》——我们邀请到了智源研究院院长，北京大学计算机学院教授黄铁军进行回答。

黄铁军是技术风险的“理性派”，今年3月份《暂停大型人工智能研究》公开信，呼吁所有AI实验室立即暂停GPT-4以上的模型训练6个月，黄铁军也签署了，他说，“这是一种呼吁，至少提醒大家前面有危险”。

在黄铁军看来，关于人工智能系统的可信、边界与风险，是极具现实意义的话题。他认为，无论是人，还是AI，都是智能体（后面也用这个词指代两者），从根上讲都是无法彻底理解的，都无法百分百信任。

当AI和人都无法绝对可信时，什么才是可信的，黄铁军的答案是知识体系，但也强调这种信任也是相对的，“对于AI生成的断言，也应该如此看待。如果符合既有知识体系，可以作为一个辅助人类思考和学习的工具。如果不符合既有知识体系，并且可以被既有知识体系证伪，说明这是错误的假说。如果无法通过既有知识体系证实或证伪，则很有可能是AI提出了真正有创造性的观点，有可能对知识体系发展甚至换代作出贡献。”

与此同时，黄铁军也强调，AI的可信问题与“AI与人谁更智能”这个话题高度关联，在人类智能高于AI智能时，AI是可控的助手，可以被人类调教为越来越可信的助手。当AI智能高于人类智能时，也就是全面超越人类的AGI（人工通用智能）出现时，人类中心主义破灭，问题转化为AGI是否相信人类，而不是人类是否相信AGI。

此前，黄铁军多次公开表示，“如果AI智能全面超越人类，也就是实现了AGI，人类就不可能控制它。让AGI符合人类目标和价值观，主动权不在人类一边。”在他看来，无论智能进化到什么阶段，在智能群体社会中，可信的智能体会存在得更长久。我们不能确定其他智能体是否可信，但可以尽量确保自己可信。

以下为智源研究院院长，北京大学计算机学院教授黄铁军的回答全文：

大模型的智能狂飙，令AGI（人工通用智能，即全面超越人类的超级人工智能）以前所未有的真实感逼近眼前。以ChatGPT为代表的语言大模型，已具备自然顺畅的语言交流能力，通过了图灵1950年提出的 “图灵测试”——无法有效区分交流对象是人还是机器。进而，多模态生成（语音、图像、视频和时空场景等）也快速发展，人类很快将无法区分屏幕背后是真人在线还是数字AI。随着具身智能的发展，服务机器人以假乱真也并不遥远。

人与AI无法明确区分，带来的安全与可信问题牵动着全社会的神经。究竟它是福祉？还是威胁？人类应该信任愈益强大的AI，还是严加防范？这些议题，也是智源大会这个AI思辨场的“常客”。

今年6月智源大会上，Hinton, Yann LeCun，Max Tegmark、Sam Altman和姚期智、张宏江、Stuart Russell等展开百家争鸣式讨论。更早的2020年智源大会上，图灵奖得主约瑟夫·希发基思就以疑问句“Can We Trust Autonomous Systems? Boundaries and Risks（我们能相信自主系统吗？边界与风险）”为题发表演讲。

这个问题还极具现实意义。10月31日，图灵奖获得者Yoshua Bengio、姚期智和专家张亚勤、张宏江、Max Tegmark等签署了一封旨在呼吁加强AI安全监管的联名信。与此相左，同一天，另一位图灵获得者Yann LeCun为首的专家发布另一封公开信征求签名，虽然承认AI存在巨大风险，但强调更该更加开源开放。

今年上半年，当红AI研发机构OpenAI的CEO Sam Altman先是在美国国会呼吁加强对AI的监管，随后在20多个国家就AI安全和监管开展巡回演讲。今年7月，OpenAI Jan Leike和Ilya Sutskever牵头提出“超级对齐（Superalignment）”概念并宣布投入20%的计算资源，花费4年时间全力打造一个超级对齐系统，确保即使AI智能超越了人类，仍然符合人类目标和价值观。

OpenAI认为超级智能对齐是这个时代最重要的未解决的技术问题之一，需要全世界的顶尖智慧来解决这个问题。9月27日，智源研究院组织“超级对齐研讨会”，邀请Jan Leike等专家开展研讨。在研讨会上，我的发言基于如下两个基本观点：

一是我多次强调的，如果AI智能全面超越人类，也就是实现了AGI，人类就不可能控制它。人类中心主义只适用于智能低于人类的AI，是智能领域的“地心说”和“日心说”。让AGI符合人类目标和价值观，主动权不在人类一边。

第二个观点是，AI和人类对齐，存在三个可能层次：世界观，人生观，价值观。真正智能的AI，像人类一样，都是无法彻底理解的智能体。任何智能个体，都无法完全信任，智能体之间建立信任关系，只能通过客观知识，也就是只能在理性层次对齐，构建共同的世界观。在共同的世界观里，AI和人类拥有各自的“人”生，是否应该追求对齐？价值观层次，人类价值观千差万别，而且不断变化，让AI对齐人类价值观，首先人类要确立共同价值观，人类做得到吗？

前面这些背景，是目前行业内对AI可信与否、如何推进人机共处的讨论，接下来回到约瑟夫·希发基斯教授的问题——能否来一场基于客观科学标准的清晰讨论，而非陷入基于主观的无休止争论?

当前AI还存在“一本正经地胡说八道”现象，但幻觉率正在稳步下降，一两年降到5%以内是可能的。人类也说谎（包括有意、无意、善意、恶意等），如果概率低于5%，就是特别靠谱的可信赖的人。AI幻觉率达到5%之下，是否就可信了呢？当然不是！降到1%之下，也不可信。即便是99句都是真话，最后1句谎话，也足以谋财害命。

那么，能否实现百分之百可信的AI呢？回答是不可能。

基于逻辑的经典AI是白盒系统，依据的所有事实和每一步推理都可以核查，可以完全理解，完全可信，但这样的AI是简单AI，不具备真正的智能。

以大模型为代表的当今AI，是类似人类并终将超越人类的智能系统，其物理基础是模拟人类神经系统的人工神经网络，这个系统具有类似人脑的黑盒特性。未来人工神经网络的规模会更大、更复杂，智能也会越来越强，也更难理解。

从根本上讲，真正的智能系统无法彻底理解。任何简单到可以理解的系统都不会复杂到可以智能地运行，而任何复杂到可以智能运行的系统都会复杂到无法理解。

认识自己！这个问题已经探讨了几千年——部分理解有可能，彻底理解不可能。人脑会产生无穷无尽的可能性，无法穷尽解释、理解，所以才有“人心叵测”。子曰：“所信者目也，而目犹不可信；所恃者心也，而心犹不足恃。弟子记之，知人固不易矣！”

因此，无论是人，还是AI，都是智能体（后面也用这个词指代两者），从根上讲都是无法彻底理解的，都无法百分百信任。

但是，“民无信不立”，没有信任，人类社会就无从形成和发展。未来人类要和AI共存，不建立信任，新的智能体社会也无法形成和发展。

信任从何而来？

信任不是天然客观存在，而是共同建构的结果。具体来说，信任是通过智能体相互作用逐渐建构起来的。要建立信任关系，方法是 “听其言，观其行”。

“言”是语言，是人类用语言构建的知识体系，跨越了个体。现在的知识体系是人类构建的，AI正在快读学习，未来将和人类一起发展这个知识体系。

知识由语言表达，包括数学符号等科学语言，也包括表情动作等形象语言。智能体之间通过语言相互交流，形成共识的知识体系，从而建立信任关系。

这里用“知识”，而不用“文化”，是为了强调客观确定的部分，例如麦克斯韦方程和相对论等经过检验的客观知识，排除习俗偏好等不具有普适性的个体或个别群体的观念。

如前所述，智能内部的思想意识具有无穷无尽的丰富性，无法完全用语言表达。但是，智能体无法言说的内部状态只是内部状态，正如维特根斯坦所言，语言是思想的边界，智能体之间关系，只能通过语言建立，因此信任建立在语言之上。

人类社会形成初期，只能通过表情动作和声音相互沟通，建立信任关系，形成部落、社群和社会。人类掌握符号记录能力后，“口说无凭，立字为据”，书面合同成为信任约定的手段。今天，区块链通过构建分布式维护管理、个体不可单独撤销的数字账簿，成为数字经济时代的信任基础设施。

一般意义的信任广泛存在于日常生活和工作中，并无有形的合同或账本。这种情况下，一个智能体的言论是否可信，可以通过是否符合事实、符合共同目标和符合知识体系进行验证。能够通过验证，就成为智能体之间的共识，成为信任的桥梁。

需要强调的是，不能通过验证，也不一定就是“一本正经的胡说八道”。大模型“幻觉”也可能是超越既有知识体系的创新，例如有启发意义的文学、艺术和科幻作品，或者新的洞见、思想或学说，是知识体系不断扩展的源头活水。不要试图根除大模型“幻觉”，没有“幻觉”，就没有真正智能。

智能体为知识体系输入源头活水，这是智能体存在的最大意义，甚至唯一意义。

知识体系也不是绝对可信的。任何知识体系及其蕴含的真理都是相对的，都是在基本假设基础上构建起来的。例如，欧几里得几何建立在五条公设基础上，去掉平行线公设，就变成了非欧几何，欧氏几何变成非欧几何的特例。同样，地心说被日心说替代，之后牛顿万有引力定律又否定了太阳的中心地位，相对论进而否定了绝对时空假设，就是知识体系不断更新换代的过程。

知识体系也不存在一个绝对可信的根基。数千年来哲学家和数学家都曾经梦想找到这样一个根基。1931年哥德尔不完备定理彻底击碎了这个幻想，并且指出，任何复杂性超越自然数的形式体系，必然存在既不能证明也不能证伪的命题。

因此，虽然相比任何个体的人或AI而言，知识体系更可信，但这种信任也是应该相对的。对于AI生成的断言，也应该如此看待。如果符合既有知识体系，可以作为一个辅助人类思考和学习的工具。如果不符合既有知识体系，并且可以被既有知识体系证伪，说明这是错误的假说。如果无法通过既有知识体系证实或证伪，则很有可能是AI提出了真正有创造性的观点，有可能对知识体系发展甚至换代作出贡献。

“行”是行动和实践，是智能体与其外部世界的相互作用。“观其行”，就是在实践中检验AI所言是否符合实际，从而进一步印证AI的可信度。AI的行动建议是否可信，可通过实践效果来检验。如果AI所言是科学假说，可以通过实验检验证实或证伪。如果AI所言是技术发明，可以通过设计制造相应的装置或系统来进行验证。如果AI所言被大量实践不断证实，则它的可信度不断提升。人类社会的信任体系也是也是这样逐步构建起来的。

但是，99句真话，可能都是为了掩藏第100句谎言。99次实证，不过为了构建一个更大的骗局或救赎。就涉及到一个更根本的问题：人类和AI谁更智能？

在人类智能高于AI智能时，AI是可控的助手，可以被人类调教为越来越可信的助手。

当AI智能高于人类智能时，也就是全面超越人类的AGI（人工通用智能）出现时，人类中心主义破灭，问题转化为AGI是否相信人类，而不是人类是否相信AGI。

无论智能进化到什么阶段，在智能群体社会中，可信的智能体会存在得更长久。我们不能确定其他智能体是否可信，但可以尽量确保自己可信。