AI會有情感嗎？機器人會不會感知到疼痛？未來人類與AI的邊界在哪里？我們梳理了"互聯網女皇"瑪麗·米克爾、"AI教父"杰弗里·辛頓、科技預言家凱文·凱利、DeepMind CEO德米斯·哈薩比斯的近期訪談，他們從諸多維度，各自表達他們心中的AI時代圖景。

瑪麗·米克爾：

如今的AI不只會聊天

過去，AI像個“工具箱”，用完即走；如今，它正逐步成為一個“工作搭子”，全天在線、隨時互動。

觀察指標也在轉變。從過去強調DAU（日活躍用戶），我們正步入一個更強調DPU（日駐留時長）的時代。誰更能抓住用戶的注意力，誰就更有機會贏得訂閱關系。

AI產品開始從“嘗鮮”進入“陪伴”，從“效率工具”演化為“生活接口”。

此外，AI正從數字世界擴展到物理世界，“物理智能體”正在加速崛起。例如，一些自動駕駛系統已投入商業運營，不再只是停留在測試階段，而是與實時環境緊密結合。

與此同時，AI正在快速滲透到各個行業，包括AI工廠、AI機器人、工業AI、AI醫療設備與AI農業等部署，正在取代傳統的人工流程。例如一些農業公司將AI應用于除草，通過計算機視覺實現無農藥作業。

2025年是Agent元年，Agent正在成為新型數字勞動力。AI不再只是一個對話工具，而是真正能干活。

各行業（金融、醫療、制造、零售）正用AI重塑業務流，提升生產率與客戶體驗。圖表顯示，企業采用AI的目標正在發生演變：從最初提升整體辦公效率出發，快速擴展至特定崗位自動化、客戶互動優化、新營收機會探索等多個方向。

杰弗里·辛頓：

人類能力沒有“不可復制”的部分

AI技術的發展速度超出了我的預期。以推理能力為例，現如今AI在這方面已經有了顯著的進步，且似乎沒有放緩的跡象。雖然人類和AI都會犯錯，但AI犯錯的概率正在迅速下降。

我們沒有理由認為AI無法完成我們人類能做到的事情。也許它還需要一些時間，但最終，AI會變得越來越擅長這些任務。打個比方，如果你讓我寫一首模仿鮑勃·迪倫風格的歌，也許寫得并不怎么樣——但你不會因此說我毫無創造力，只能說我做得不夠好而已。AI的創作過程也是如此。它會不斷改進，它的水平會不斷提升。

說到底，人類并沒有什么神秘的、不可復制的特質。尤其從能力角度來看，人類并沒有什么是機器永遠無法復制的。

AI確實有可能擁有某些情感。我再次強調，我認為人類與AI在情感方面并沒有本質區別。人類情感有兩個方面：認知和生理。當我感到尷尬時，我的臉會變紅，而當AI感到尷尬時，雖然它的“臉”不會變紅，也不會大汗淋漓。但在認知行為方面，AI完全可以像我們一樣表現出情感。

關于AI是否擁有感知能力，目前存在一個頗具爭議的認知矛盾。許多人堅信AI絕對不具備感知，但當被問及“你如何定義感知”時，他們往往難以給出明確答案。實際上，機器與人類之間并沒有想象中那樣不可逾越的“神秘屏障”。人類沒有特別的本質，機器能夠復制我們的一切認知與行為。

凱文·凱利：

賦予AI情感是一種聰明而高效的方式

關于人工智能，我想先強調復數形式的它，也就是AIs而非AI。很快我們就要面對各式各樣的專用AI了，它們各司其職，并且需要差異化的管理模式和資金機制。

就好比我們談論工業時代時，總要著眼于具體機器。萬能通用的機器并不存在。從汽車到流水線再到家電，機器們各有所用。工業化的概念雖然廣闊，但談起它來時，肯定會就具體機器的具體功能和影響展開討論。

從這一層面看，人工智能與機器無二。我們可以聊所謂的“AI化”（AI-ization）或“智能化”（cognification），但需了解，它絕不是統一、均質、單調的。

我認為去中心化的世界對機器人非常有利。在這樣的世界里，機器人大量涌現，因為它們具備足夠的適應性和智能，可以獨立工作，而不必依附大公司。

另一個特點是，你可以擁有小數據的AI，不需要70億參數的AI。大公司的數據壟斷優勢會被削弱，會有更多初創企業涌入賽道，會有更多普通人開發出有一技之長的小型AI。

從文化角度看，這也很棒，它更像互聯網文化——無需許可，適合獨立創業者。

而情感與感知，本質上也是一種信息處理與反饋機制，只要技術發展到一定階段，AI完全有可能模擬甚至產生類似人類的情感與感受。但有情感的機器人在某些情況下非常有益。情感是人類最自然的交互方式之一，如果我們希望機器人與人類協作，賦予它們情感是一種聰明而高效的方式。

此外，還有疼痛。機器人和機器將會感知到疼痛，因為我們會通過編程賦予其痛感。疼痛非常實用，如果你的機器人有某處受損，疼痛信號可阻止它進一步傷害自己。這也是使人類演化出痛覺的驅動力。

AI全面賦能世界的進程將遠比技術樂觀主義者預測的更漫長。也就是說，AI的創新前沿將飛速進展，但其應用與滲透速度會落后很多。

社會消化這些變革所需的時間可能超出人們預期，部分原因是未來充滿不確定性，也因為AI的影響力太大——我們必須對現有生活進行重組，才能最大化AI之于人類生活的效用。距離它永久性地融入人類文明，仍有相當長的路要走。

我想說的是，尖端的模型和實質性創新可以水到渠成，但圍繞AI創新的具體落地工作，以及AI真正滲入我們生活的過程，是道阻且長的，我們需要對工作流程、協作方式等方方面面做出大量重構。

德米斯·哈薩比斯：

我們對AI的認知還不足以量化風險

我畢生致力于研究AI和AGI的原因是，我相信如果做得好、負責任地做，它將是人類有史以來發明的最有益的技術。

我認為AI在未來十年及更長時間里可能實現的事情，包括治愈所有疾病，以及幫助尋找或開發新的能源。我相信我們今天社會面臨的一些最大問題，比如氣候變化或疾病，都將通過AI解決方案得到解決。展望未來10年，我設想一個樂觀的未來，其特征是人類的最大繁榮，屆時我們將星際旅行，AI將幫助實現所有的技術構想。

我最擔心的兩個問題是：一、如何讓這些技術能夠被善意的使用者獲取，去做像治愈可怕疾病這樣了不起的事情，同時限制那些潛在的不良行為者獲取同樣的技術；二、我們如何確保能夠掌控這些系統，控制它們，并理解它們正在做什么？我們需要設置正確的護欄，這些護欄不會被具有極高能力且能自我改進的系統所規避或繞過。

如果你處理不好這些問題，那么這些系統就會被用于各種有害的用途。這就是為什么我一直傾向于圍繞這個主題進行國際合作，因為這些系統，無論在哪里建造，無論如何建造，都會影響到每個人。它們可以在世界各地傳播，幾乎會影響到地球的每一個角落。因此，我們需要關于如何構建這些系統、賦予它們什么樣的設計和目標、以及如何部署和使用的國際標準。

目前AI的風險是未知的。在這個爭論的兩邊都有很多人。有些人會說這里沒有風險，還有一些人認為我們注定會失敗。我認為正確的答案介于兩者之間，也就是說，這場辯論雙方都有非常聰明的人。這告訴我的是，我們對它的了解還不足以真正量化風險。隨著我們進一步開發這些系統，情況可能會變成，讓這些系統與人類對齊或保持對它們的控制，比我們從這里假設的或預期的要容易得多。

到目前為止，很多事情都證明是這樣。它們變得比人們想象的更容易，包括讓它們對世界有用，比如在這些模型之上進行一些相對簡單的RLHF（基于人類反饋的強化學習）微調后，它們突然變成了有用的聊天機器人。這很有趣。有一些證據表明，事情可能比一些最悲觀的看法預期的要稍微容易一些。

但在我看來，仍然存在重大風險。我們必須仔細進行研究，以量化風險是什么，然后盡可能地提前預見并加以應對，而不是事后再處理。對于如此強大和具有變革性的技術，這可能極其危險。

壹

貳

叁

肆

伍