对话中科院曾毅：AI不应无所不在，需要将一定空间留给人类自己 ...

晓寒妖妖

“当下中国最应该关心的问题是什么？当中国产生了类似（ChatGPT）的技术，要不要向全球开放？我们现在应该达成这样的共识——中国的技术永远不对任何一个国家封锁。我觉得至少我代表中国科研人员可以作出这个承诺。”
% m' \! X5 v) r# [* N# X1 w3月25日，在中国发展高层论坛2023年年会上，中国科学院自动化研究所人工智能伦理与治理中心主任曾毅如是说。
谈及“脱钩断链”和技术封锁对我国人工智能发展可能带来的影响，曾毅表示，确实存在这样的风险，所以类人工智能生成等技术必须要有中国自己的替代版本。
“中国没有失去机会，失去机会的是禁止中国使用技术的企业。”曾毅表示，“中国人工智能生成技术、类ChatGPT的技术，大家很快就可以看到。我不能讲是水平相当的替代产品，但是它足以达到基本可用的程度。”
- n& n$ J5 n2 Z7 s2 t8 ^4 Q; U会后，曾毅接受了澎湃新闻（www.thepaper.cn）记者的采访，就AI劳动替代、人工智能数字鸿沟、人工智能伦理与算法黑箱等问题进行了探讨。
5 q* A6 Q& J) h* D& K+ _, _澎湃新闻：随着人工智能技术发展，很多人担心工作岗位或可能被AI替代。关于劳动力岗位替代的速度和规模，当前各方有不同的预测，对此您怎么看？AI会快速替代人类劳动者么？
曾毅：我想从两个层面回答您的问题。
一方面，在未来我们可能需要重新定义什么是“工作”。长期以来，抚养子女、照顾老人，以及很多社会服务并不被人们称为工作。但布鲁金斯学会的一项研究表明，或许未来在家当全职妈妈照看子女，照顾年迈老人等可以被称为“工作”，甚至社会应该支付薪酬。
当前，很多人认为需要通过工作的意义和价值来定义自己，然而我认为恰恰应该是情感付出、情感交互才是人类真正难以被替代的，当“工作”被重新定义，一个人对于社会的价值，对于周围人的价值也会被重新定义。
另一方面，我并不同意那些“某年某项工作会被替代”的预测。从我目前的观察来看，任何一项工作都有人不可替代的部分。尽管当前人工智能也可以从事新闻写作，但相比于专业的人类记者，它缺少对真实世界的理解和价值观，所以读者必然会更倾向于人类作者。所以，面对所谓的AI岗位替代，我们要思考的就是自己对工作有哪些独特的、不可替代的贡献。
澎湃新闻：今天上午苹果公司CEO库克谈道，他认为编程或应成为今后人们生存发展的必备能力。如果不掌握编程能力，或将加速与社会脱节。未来AI编程会产生新的数字鸿沟么？这是否会加剧社会的不平等？
% D9 o4 C& n, y& @2 o8 n) a, n曾毅：编程是教人如何像计算机一样思考，可以培养并提升人的思维能力。大概在2016年左右，美国就提出了计算思维的概念，并籍此发展出了很多课程。但我并不认同未来编程要成为人所必须的技能，整个社会中人工智能也不应该无处不在。
$ q" V. G9 K0 ]. y$ V# M" ?在为联合国教科文组织编写人工智能伦理的时候，我们就加入了一条“适度使用”原则：应该用人工智能的地方，留给人工智能，应该留给人类社会的地方就按照人类的方式去发展。
" O1 H2 Z6 M5 n' D6 E4 e作家舒可文在《城里：关于城市梦想的叙述》中指出，城市的发展，一半是野蛮生长，一半是规划，这才叫做城市。人工智能与人类也一样，也需要将一定空间留给人类自己。
澎湃新闻：人工智能与人类的边界该怎么划定？又该怎么设定人工智能不能逾越的红线？
1 J' y( M/ C7 A3 t曾毅：当前很多工程技术人员对人文社科和伦理规范还缺乏理解，这可能会造成很大的风险。比如一个技术研究者将某项未经伦理论证的先进技术上线，技术在应用中或可能会造成负面影响，甚至给社会造成重大损失，这时候再发现补救，很多损失可能已经不能挽回。
6 w* G# r4 \. ]& G, ~当前我们的人工智能技术发展还处于初步阶段，能够写入教科书的确定性结论还不多，还需要更多的研究和探索。
此外，我认为一定要针对理工科领域开设人工智能相关的哲学课、伦理课、工程伦理课。包括人工智能学系、计算机科学系、工程计算系在内的专业应将这些课程设为必修课。未来，人工智能伦理道德不应该是一个分支的研究领域，而应该是所有人工智能从业者的第一课，伦理规范也应成为所有人工智能服务的基础。
澎湃新闻：当前主流的人工智能采取遗传算法、神经网络等方式发展演进，但也存在“算法黑箱”的风险，您是否会担心不可解释的人工智能引发“黑天鹅”事件？是否有存在超预期风险的可能？
曾毅：我们不应该接受深度学习成为所有人工智能基座的这件事，因为它不可解释。现在最应该做的是什么？应该做科学应有突破的科研攻关，哪怕是从零开始，做可解释的人工智能，并向着高智能、低能耗的方向延伸。
0 C% d7 L; h& |) W% u) A  S# ?不能因为深度学习好用，可以解决现在的问题，当下也没有更好的替代方案，就放弃了最初应该努力的方向。我希望，这些应该努力实现的基础突破能更多诞生在中国。
然而现状是，学术界和产业界对深度学习更感兴趣，致力于将已经完成的99.9%再往下延伸。
我觉得，如果这些是产业追求短期利益不得不做的事情，那么至少学术界不应该把这个精力花在这里。