凯文 · 凯利（Kevin Kelly）被科技拥趸称为“KK”，在30年前就预见到了云计算、虚拟现实、物联网等趋势。他写出《失控》《科技想要什么》《5000天后的世界》等书，被誉为“硅谷精神之父”。
您在科技领域是一个哲学思考者。在最近的AI浪潮中，您的科技哲学理念是否有迭代或改变？
我的科技哲学观并没有改变，如果出现一些新的现象，我会认为它是在不断证实和强化我的哲学观。毕竟，到目前为止，我还没有看到任何可能改变我对技术的看法的事件出现。我认为，技术演进如同生物演化一般，而我在AI领域看到的一切现象都没有改变我的这一观点。
您的官网页面的最上方有一行小字：“OVER THE LONG TERM, THE FUTURE IS DECIDED BY OPTIMISTS”（从长远来看，未来由乐观主义者决定）。最近AI的一系列进展和快速迭代的浪潮，以及您提到的百年人类身份认同危机（AI的影响将持续数百年，人类将面临长达一个世纪的认同危机），您会担忧吗？
总的来说，我不是特别担心。有些事情我的确很在意，但我相信我们会解决，只是有些问题我们暂时还不知道如何解决。
针对气候变化问题，我们知道应该怎么做，但在AI领域存在一些我们不知道该如何解决的问题，而这些问题有可能在未来给我们带来困扰，比如AI的武器化：我们应该拥有机器人士兵吗？我们应该让AI具备杀伤力吗？这些是我们不知道的，但又真的很难决定。所以，这才是我真正担心的事。
当然，我也很关心AI是开源的还是闭源的、是公开的还是只属于公司所有。我认为它应该是公开的，这是我很关心的事。
您仍然是乐观主义者。
我非常乐观。我相信我们最终会解决这些AI相关问题，只是现在我们还不知道该怎么做。也就是说，结果是确定的，只是路径还不清晰，所以我乐观。当然，也有一些别人担心的事情我并不担心，就像失业。另外，我也不担心人工智能会对我们构成威胁。
您认为迄今为止，OpenAI做出的最好和最差的决定分别是什么？
最差的决定是OpenAI并没有开放它的大模型，这是一个很糟糕的决定，还有另一个最差的决定是（曾经）解雇创始人萨姆 · 奥尔特曼（Sam Altman）。
最好的决定是OpenAI一直坚持快速发展、快速迭代，并且不断创新；越来越快的发展使得它能够重新雇佣萨姆；还有，它很坚定，强调在发展中不用过于认真谨慎，而是要真正尝试快速成长。
您提到了两种类型的创造力——爬山型创造力（Hill Climbing，强调在现有知识框架下进行改进和优化）和造山型创造力（Hill Making，强调创造全新的认知领域）——还说AI擅长爬山，而不是造山。这两者的区别是什么？
大语言模型的创造力其实只有一种，就是在现有的知识框架下运作。它们在已知空间内探索一切，并没有创造全新的领域。而突破基本上是在创造新领域，不是在现有领域内寻找解决方案。
这些大语言模型现在做的主要是在我们已知的范围内寻找答案。超过这个范围，事情就会变得非常困难。例如，你可以让Midjourney或Dall-E生成宇航员骑马的图像，但你无法让它生成马骑着宇航员的图像，因为这在它们的“已知范围”之外。
您是规模法则（Scaling law）的拥趸吗？
是的，有一定程度上的认同。我先解释一下，Scaling law是在说模型的规模、损失因素与它达到的最佳性能之间存在一种数学比例关系。
到目前为止，规模法则似乎是有效的。当增加计算资源时，模型性能会变得更好。我们不知道的是，这是不是无限制的。我可以永远继续下去吗？它会到达一个平台期吗？我认为证据表明它会到达平台期。这和互联网不同。
当然，证据并非来自Scaling law本身——它本身是一个假设。
最近有一种观点在AI行业非常流行：一切都与数据集有关，假以时日，AI效果和算法或者其他方法关系都不会很大，只有数据集才是重要的。对此，您怎么看？
有一篇论文说，数据的质量比算法影响力更大。我认为这非常有可能。
我预测我们将会看到AI公司宣传他们的AI是基于训练数据的。所以，你会听到有人说：我们没有用过什么算法训练，我们只用了最好的数据进行训练；我们用高质量的书籍和其他优质材料来训练AI；我们没有使用Reddit（一个娱乐、社交及新闻网站）数据。
这就像教育。如果你有孩子，你会如何教育他们？你打算让他们看Twitter还是读经典？有人会说：我们的AI只读经典。它们读最高质量的书籍和科学期刊。它们没有读Reddit、Twitter或微博。它们在读好东西。它们接受了最好的训练。未来，有些人会基于这种筛选训练数据的理念来推销他们的AI。
您的知名度很大程度上来自您预言家的身份。关于AI，您提到过七个判断：AI比看起来的还要慢；大语言模型趋于人类的平均智慧水平；AI不会取代人类；AI在创造新事物，而非替代物；先云，后AI；AI将重塑组织；一切才刚刚开始。这七个判断不是完备的，您能给我们一些您从未在其他地方提到过的预测吗？
我的预测是，10年后，数据将不再重要。
现在所有大语言模型都依赖海量数据进行扩展，但还存在其他类型的认知智能。人类幼儿在看到12个例子后就能区分猫和狗，他们不需要1200万个例子才能知道。
所以我认为，10年后我们不需要数百万个数据就能拥有推理的能力。这对初创企业来说是一个巨大的优势，因为他们不需要拥有那么多数据。
您能否分享一些关于人类与AI本质的见解？
问题是，我们也不知道人类的本质是什么，找出答案的方法就是制造AI，并赋予它创造力。然后我们会意识到：我们曾以为创造力是令我们与众不同的原因，但现在我们改变了主意，因为AI也有创造力。接着我们会说：好吧，我们曾以为意识是令我们与众不同的原因。然后，我们又会把意识赋予AI……
这个“赋予”的过程会在哪里结束？
在技术和AI的推动下，我们将不断重新定义自己。我认为更重要的问题不是“我们是谁”，而是“我们想成为谁”。我们希望人类成为什么样子？这是一个更有力的问题，因为在这个问题上我们可以有一点点选择。对我来说，这是令人兴奋的地方，也是AI的终极魅力所在。AI不仅揭示了“我们是谁”，也激励着我们思考该成为什么样的人。
加速计算正在触及科学的无人区。这条道路的极限是什么？
我们没有关于智能的理论，也没有关于人类的理论。AI领域也是一样，正因为如此，我们无法预测AI的走向。如果你有理论，理论就会产生预测。比如，如果你这样做，就会发生那样的事；如果你增加所有的计算资源，就会得到那样的结果。但我们现在没有任何这样的理论，这很不寻常。
在物理学领域，我们有理论——如果你做了一个足够大的对撞机，你就会发现某种粒子。但在智能领域，我们目前还没有这种理论。不过，令人兴奋的是，我们会和AI一起发现作为人类的意义是什么。
_____________________
本文作者张一甲是甲子光年创始人及首席执行官
