•
真正的AGI革命，從來不是機器覺醒，而是人類認知範式的躍遷
AGI ，通用人工智慧（ Artificial General Intelligence）。
一個既令人激動、又有點驚悚，但正在發生的未來。它令人激動，因為它預示著一個生產力極度發達、人類智慧得以延伸的未來；它又令人驚悚，因為它正以前所未有的方式，挑戰著「人類」二字的定義。
人工智慧「教父」、圖靈獎得主傑佛裡·辛頓，在2023年毅然辭去Google的職務，只為能自由地向世界發出警告。他認為自己創造的技術的失控風險“並非不可想像”，它們完全可能比人類更聰明，並最終威脅到我們的生存。
馬斯克曾經說，“我們在通過人工智慧召喚惡魔。”
而一手打造出ChatGPT的薩姆·奧特曼，在被問及AGI最壞的可能性時，則給出了一個最簡潔、也最恐怖的答案：“我們所有人的熄燈時刻。”
如果說我們熟悉的AI，是一個個身懷絕技的“專才”，如圖庫裡的識別軟件、棋盤上的AlphaGo，那麼AGI則更像一個“通才”。它不再是只能在一件事上「一招鮮」的工具，而是一個擁有跨領域思考、學習和創造能力的“智能體”，一個正在快速進化的“新物種”。
這引出了一個直擊靈魂的問題：當工具開始進化為“新物種”，我們又該如何成為不可替代的人？
這是一個我們無法迴避的時代命題。正如清華大學文科資深教授錢穎一所說： “在人工智慧時代，知識可以被機器輕易提取，我們就不得不重新思考學習的目標、教育的價值以及關於人類認知和智能的含義。”
是的，我們正處在一個歷史的交會點。我們沉迷於討論機器何時擁有意識，但可能忽略了更核心的議題：
真正的AGI革命，不是機器的覺醒，而是人類認知範式的躍遷。
在這場劇變面前，我們需要有人幫我們打開新的視角。他不僅要懂技術，更要懂「人」；他不僅能遠見未來，更要關照現在，為我們繪製一幅適應變遷的「生存地圖」。今天，要向大家推薦劉嘉教授和他的一本新書。
很多人可能不明白劉嘉教授的背景，他清華大學基礎科學講席教授、心理與認知科學系主任、人工智慧學院教授（兼）、智源人工智慧研究院首席科學家……但是，很多讀者可能更熟悉他的另一個身份，他曾連續六季擔任江蘇衛視《最強大腦》的首席科學家。
正是這種橫跨腦科學、心理學、人工智慧與人文社科的獨特背景，讓他得以從更根本的視角，審視這場人與AI的「雙重進化史」。他的新作《通用人工智慧：認知、教育與生存方式的重構》，便是一本寫給每個時代同行者的「通識指南」。
在拿到這本書之前，你可能會擔心它是一部充滿程式碼和公式的「天書」。請放心，它完全不是。
這不是又一本「告訴你什麼是AI」的工具書，而是一本「幫你理解自己」的思維書。
清華大學蘇世民書院院長薛瀾教授對此書的評價一語中的：
「劉嘉老師的大作是我看到的各類人工智慧書中最有意思的一本。這是一本非常有趣好讀的書，語言通俗流暢，全然沒有此類書籍常見的干澀和枯燥；故事曲折生動，人工智慧的發展被穿插在人類進步歷史中而沒有一絲違和感。
這也是一本非常好看的書，書中有大量精美的插圖和眾多的人物，把人工智慧發展的史實和傑出貢獻者栩栩如生地呈現給讀者。當然，這更是一本非常認真的書，作者用簡明的語言清楚地解釋了人類認知的基本原理和人工智慧的技術邏輯。這是一本雅俗共賞的奇書好書!”
這本書的核心，是引導我們思考一系列關乎未來的根本問題：
· 它從底層邏輯講起，書寫了一部AI與人類的「雙重進化史」。劉嘉教授以驚人的學科跨度，釐清了人工智慧從「模仿人」到「重新定義人」的整個過程，讓你真正看懂這場技術革命的來龍去脈。
· 它直面一個核心矛盾：當人工智慧越來越像人，我們更需要想清楚，什麼才是人真正的智慧？這本書將帶你穿越科技的喧囂，回歸對心智、判斷力與價值選擇的思考。
· 它重新定義了「才能」的內涵。從農耕文明的“體力”、工業時代的“技能”，到AI時代的“智慧”，這場技術革命最終指向的是我們生存方式的躍遷：如何工作、如何決策、如何成為一個更自由的人。
· 它給出了具體的行動方案。面對不確定性，我們該學什麼？作者石破天驚地提出了AI時代的五大通識能力模型──研究、統計、邏輯、心理、修辭，為每個學習者、教育者和父母，提供了清晰的學習方向和方法。
得到App創始人羅振宇說：“如果你也在問：'當AI開始思考，我們該怎麼辦？'那麼這本書，會給你一個冷靜而深刻的答案。”
而這個答案的起點，始於我們如何重構自己的認知方式。在書中，劉嘉教授以AI的進化邏輯為喻，為我們一般人提供了一套極具啟發性的「認知躍遷」心法。以下內容摘編自書中的精彩章節，相信你讀完後，會有一種被「點醒」的感覺。
AI時代，我們如何實現認知方式的躍遷？
ChatGPT這樣的大模型的成功並非偶然，每一次進化都是從無數被淘汰的演算法中艱難誕生的。在這曲折的探索中，人類智慧無疑是AI頭上的明燈。反過來，大模型的演化經驗，能否成為我們人類認知進化的營養？答案是肯定的。
由此，我們或許能破繭成蝶，與AI時代同頻共振，開啟認知與智慧的躍遷。
一、為人生定義一個「偉大」的目標函數
所有的機器學習，在開始訓練前，都必須先明確一個「目標函數」（ Goal Function）。這個函數定義了模型希望達到的理想狀態，訓練的全部意義就在於不斷優化，讓模型越來越接近這個目標。
可以說，學習未動，目標先行。
人類學習也遵循同樣的道理。如果我們把目標設定為短期、狹隘的目標，如考取某個證書、通過某次考試，那麼這個目標函數的確容易實現。但這就像訓練一個只能解決簡單問題的線性模型，目標稍微複雜或變化，它就毫無用武之地。這在機器學習中被稱為陷入「局部最優」的陷阱。
人生的發展亦是如此。在某個階段取得了看似不錯的成就，實際上卻可能限制了後續的發展空間。短期看是目標達成，長期看是機會喪失。
人本主義心理學家亞伯拉罕‧馬斯洛的故事極具啟發性。他曾經問過他的學生：
> “你們當中，誰將成為偉大的領導者？”
> 學生們只是紅著臉，咯咯地笑，不安地蠕動。
> 他又問：“你們當中，誰計劃寫一本偉大的心理學著作？”
> 學生們結結巴巴地搪塞過去。
> 馬斯洛最後問道：“你們難道不想成為一個心理學家嗎？”
> 這時，所有學生都回答「想」。
> 馬斯洛說：“難道你們想成為平庸的心理學家？這有什麼好處，這不是自我實現。”
馬斯洛解釋道，我們其實不只是害怕失敗，也害怕成功。這背後，是與自尊糾纏在一起的自卑：我們對偉大的人事物有一種敬畏感，在面對他們時會感到不安、焦慮甚至敵意，因為他們會讓我們產生自慚形穢的卑微感。
於是，當我們試圖獲得榮譽、成功時，還未行動，內心卻產生了「這是真的嗎」「我不行」「我不配」的自我質疑。陌生的陽光，有時如同黑暗一樣可怕。
而OpenAI的成功，恰恰源自於一個「偉大」的目標函數。薩姆·奧特曼回憶創業初期時說：
> “回想起來，一件非常成功的事情是，我們從一開始就確定了AGI的目標，而當時在業內，你甚至不能談論這個目標，因為它聽起來太瘋狂了，近乎痴人說夢。……我們當時是一群烏合之眾，……但那些真正感興趣的人會說，'讓我們放手一搏吧！'”
正是這個看似「不切實際」的目標函數，吸引了最頂尖的人才，最終才有了今天的Open-AI。
那麼作為個人，我們的目標函數應該是什麼？
在我看來，那就是建構屬於我們自己的、特立獨行的「個人知識體系」。這個體係是我們認知世界的「眼睛」。進入AGI時代，它的重要性被無限放大，因為AI正接管那些標準化的資訊處理任務，唯有基於深層理解、價值判斷和創造性思維的能力，才真正屬於人，且不可替代。
不斷擁抱新的經驗、新的知識，更新思維推理鏈，打破認知邊界，就是在建構一個能與世界深度對話、與自我持續共鳴的個人知識體系。
用馬斯洛的話說，這才是“奔放的人生”，而不是“枯萎的人生”，因為：“如果你總是想方設法掩蓋自己本有的光輝，那麼你的未來註定暗淡無光。”
二、像AI一樣，用「隨機梯度下降」優化人生
在機器學習中， 「隨機梯度下降」（ Stochastic Gradient Descent）是被廣泛使用的優化演算法。其原理簡單而有效率：它從錯誤中學習，從不確定性中找到確定性。
大模型只能從錯誤中學習，人也不例外。錯誤，本質上並非失敗，而是一種推動我們持續更新認知結構、增強適應能力的動力來源。
但人是追求獎勵、逃避懲罰的動物，「少犯錯、不犯錯」是我們從小所受教育的核心，所以主動試錯對我們而言知易行難。而隨機梯度下降的智慧，恰好為此提供瞭解決之道。
首先，強行起飛，粗糙開始，空中加油。
隨機梯度下降的核心魅力之一，在於它能從不確定性中找到確定性。我們不必執著於精確地規劃未來的每一步，那樣反而可能陷入過度分析而遲遲無法行動。
我們需要做的，就是找一個大致正確的方向，然後往前走一步。不必在乎當下的這一步是否最優，做時間的朋友，能多走幾步就多走幾步。
因為對於梯度下降這件事，起點不重要，終點才重要。家境是否優渥、是不是名校畢業、年齡太大等等，這些都只是起點，而非終點。
演算法能保證的是：不管起點在那，只要一直朝著正確的方向走下去，最後得到的解都差不多。所以，堅持走。
其次，四處走走（隨機），擁抱不確定性。
如果只是沿著熟悉的道路前進，雖然安全，卻可能讓你陷入認知的「局部最優」陷阱。你以為自己理解了整個世界，實則只是固守在一個狹窄的角落。
人生需要隨機性的探索，這樣才能發現沒見過的風景。閱讀陌生領域的書籍，與不熟悉的人交談，嘗試未知的可能性，正是利用了隨機性帶來的認知增益。它引領我們遇到新的意外，激發新的學習，推動認知結構的重構。
薩姆·奧特曼曾經分享過他的一次「四處走走」的經歷，這段經歷對後來創立OpenAI產生了深遠影響：
> 「我在26歲時賣掉了我的初創公司，然後中間空了一年。在那個年代，在矽谷這是很難想像的行為。…但如果你真的可以在兩份工作之間空出一年，我是非常推薦的，我甚至覺得這是我職業生涯裡做得最對的事情。在那一年裡，我讀了很多書，在很多感興趣的領域有所涉……我學到了核子工程知識；AI時代開始了，我學習了關於AI的理論；我學習了生物製造的相關知識。
這個種子，最終發芽成長為OpenAI。隨機，不僅是演算法優化的策略，更是我們深入認識世界、走向自我更新的重要方法。
三、人生所需不過一份“注意”
GPT的T，指的是Transformer，其最核心、最精妙之處就是「注意力機制」（ Attention Mechanism）。學習的本質，也是注意力分配的藝術。我們該如何分配寶貴的注意力呢？
第一，注意高品質的資料和人。
在機器學習領域，有一條第一原理： 「垃圾輸入，垃圾輸出。」（ Garbage In, Garbage Out）。再強大的算力，如果輸入的資料品質低下，訓練出的大模型也必然表現糟糕。所以，OpenAI在訓練初期便嚴格把控資料品質，選用了維基百科、經典書籍、科學研究論文等作為認知基座。
反觀我們自己。截至2024年6月，中國短片使用者數量達到10.5億，人均每天觀看時長約151分鐘。而閱讀使用者只有一半，人均每天閱讀時長僅23分鐘。
AI在學習，人類卻在沉迷。
真正與你的注意力門當戶對的，是高品質的資料集和人。進入某個領域前，先精心建構你的資料集：誰是權威？那些書是經典？接著進行深度學習，並與專家或AI互動交流，拓寬認知邊界。
第二，注意實例（Case）而非規則（ Rule）。
過去的AI試圖給機器灌輸規則，例如「如果一個動物有尖耳朵、長鬍鬚，那麼它是貓」。但這樣，狐狸、狼也可能被辨識成貓。
而現代AI的做法是，只給它看海量的、各種各樣的貓的圖片，讓神經網絡自己從實例中學習和歸納。前者是“授人以魚”，後者是“授人以漁”。
這對於教育和養育極具啟發。孩子的大腦，也如一個剛初始化的大模型。與其告訴他人生大道理，不如給他精選的樣例，讓他透過自己的探索得到答案。孩子在成長中碰到的每一個難題，不妨就看作一次有意義的訓練樣例。父母放棄說教，“給予注意，學會陪伴”，這才是養育的黃金法則。
成人也是如此。「紙上得來終覺淺，絕知此事要躬行。」我們從書本學到的道理，如同AI的預訓練模型，但生活真正考驗我們的，是具體情境中的決策。
只有在一次次具體的衝突、合作、選擇中，我們才能不斷微調、優化自己「人際交往」、「職業發展」等模組的參數，才不會陷入「懂得了很多道理，依舊過不好這一生」的陷阱。
第三，注意也是遺忘。
學習的本質，是知識體系的優化。大模型會無差別地記憶所有資訊，而人超越大模型的，正是其獨有的「選擇性遺忘」：有意識地強化重要知識，同時主動遺忘低效甚至有害的資訊。
在生活中，我們有時會因過去的失敗、分手或傷害而情緒低落，這些不愉快持續侵佔和消耗著我們的注意力。選擇性遺忘，不是強迫忘記或否認它們，而是承認與接納－承認它們已發生且無法更改，接納它們曾經帶來的傷害，然後，放下情緒上的執著。
心理學家卡爾·榮格說：“我們無法改變過去的事實，但我們可以改變看待這些事實的態度。”
只有當我們真正接納了痛苦，過去的負面經歷才會與我們握手言和，注意力才會回歸當下，回歸我們所能掌控的事情。我們才能重獲內心的平靜與自由。
遺忘，既是告別，也是起航。
人類精神的覺醒，始於在虛無中對意義的叩問。
當我們的認知觸達凌亂無序虛妄中的原始存在，我們才會從枯燥、重複和紛擾的日常工作生活獲得解脫，獲得那種遠離焦慮、抑鬱、迷茫的平靜與自由。
在AGI重構世界的今天，我們每個人都需要重構自己。劉嘉教授的《通用人工智慧》，不僅是一本關於人工智慧的認知地圖，更是一種穿越喧囂技術浪潮的思維方式。它關乎技術，也關乎心智；它直面未來，也照見我們自己。
當知識不再稀缺，學習的意義何在？當智能無處不在，智慧的棲身之所又在何處？當工具變成智能體，人的核心價值又該如何彰顯？
答案或許就在這本書中，更在我們每個人的認知躍遷之中。 （不懂經）