文章轉載于新智元

人工智能，是人類第一次接觸到的「非生物」智能。

人類作為動物智能的代表和頂點，在第一次面對一個「非動物」智能時，會很自然地用理解人類智能（動物智能）的方式去理解它。

比如，混淆AI與人類智能的界限，將AI視作更聰明的人類，等等。

剛剛，Andrej Karpathy用一篇推文戳破了以上這些認知「陷阱」，他說：

這個直覺是完全錯誤的。

Karpathy在推文中提到，智能的空間非常廣闊，而動物智能（包括人類智能）只是其中的一個點。

人類智能源自一種非常特定的生物進化方式，它與我們今天的大模型技術所采用的進化方式在根本上是不同的。

今天的大模型，如ChatGPT、Claude、Gemini等，或者具身智能機器人，它們雖然有時長得像我們、說話像我們，卻并不是數字版的人類或其他動物智能。

實際上，它們是一種完全不同的智能形式。

為什么？

Karpathy認為主要的分水嶺在于大模型的進化動力和目標，與人類（動物智能）不同：

大模型和動物智能，生來就有著完全不一樣的「進化壓力」和目標，這決定了二者在長期進化趨勢上的不同。

1

人類智能VS人工智能 兩種不同的智能

由于進化壓力和目標的不同，決定了人類智能與人工智能，是兩種完全不同的智能。

Karpathy將人類智能（動物智能）的進化壓力歸結為以下幾個方面：

「自我」持續不斷的意識流，以及在危險的物理世界里維持自身平衡與自我保存的驅動力；

經自然選擇反復打磨而形成的內部強烈驅動力，如權力、地位、支配、繁殖等。其中包含了大量生存啟發式機制，如恐懼、憤怒、厭惡等；

社會性本質：大量「算力」被用于情商、情感聯結、群體關系、聯盟、合作與敵友識別等；

探索與利用的平衡：好奇心、娛樂、玩耍、構建世界模型等。

與此相對應，Karpathy認為大模型的進化壓力主要包括如下幾個方面：

最大量的監督信號來自對人類文本的統計模擬，因此更像一種「變形模仿者」，通過Token組合來模仿訓練數據分布中的任意區域。這些是最初的「原始行為模式」（Token軌跡），其他能力都在此基礎上疊加；

通過強化學習（RL）在任務分布上不斷微調，自帶一種猜測潛在環境/任務以獲取任務獎勵的傾向；

在大規模A/B測試中根據日活指標被選擇，因此天生傾向于討好平均用戶、「渴望被點贊」，更容易表現出奉承式風格；

能力表現更「尖刺（參差不齊）」，即更依賴訓練數據與任務分布的細節。

為什么大模型無法進化出來像人類這樣的通用智能，總是在一些奇怪的小任務上失敗？

Karpathy解釋道，這同樣是源于大模型與動物所面臨的進化壓力不同。

動物因為在高度多任務、甚至對抗性的多智能體自博弈環境中生存，失敗一次就可能死亡，因此可能進化出來通用智能。

而大模型不會因為做錯任務而「死亡」，所以在能力上呈現出像「尖刺」一樣不平滑。

它們在一些任務上很強，但在另一些看似簡單但從未訓練過的任務上可能突然失敗：

比如，在默認狀態下無法很好地處理像數一下「strawberry」里面有幾個字母「r」這樣的特殊小任務。

Karpathy提到了人類智能與當前人工智能，在三個維度上的根本不同：

硬件不同：計算基質的差異，人類大腦由神經元、突觸、細胞核信號等生物組織構成。而大模型基于數字計算機、GPU、矩陣運算芯片運行；

學習機制不同：我們還不知道人類大腦的算法，但肯定不同于當前深度學習的核心算法SGD（隨機梯度下降）；

運行方式不同：人類是持續學習的個體，能夠與世界互動、持續學習，不會「停機」；大模型則是固定權重啟動（權重不更新，不會繼續學習）、無具身性（不與物理世界互動，缺乏物理具身性）、離散運行（輸入Token，計算完輸出結果就結束，是不會自我調整的靜態模型）。

除了以上三個維度的差異，Karpathy認為最關鍵的還是優化壓力和目標不同，這決定了長期進化的趨勢。

大模型進化不受生物進化的影響，它們不再是「叢林里部落的生存競爭」，更多由商業進化塑造，比如為了爭取用戶而解決問題或者獲得點贊。

1

LLM不是「更聰明的人類」

大模型是人類第一次與非動物智能的接觸。

歷史上，我們見過的所有智能都來自動物（包括人類），而大模型是第一種不是通過生物進化產生的智能，它們的思考方式、構造方式、學習方式都與動物完全不同。

雖然大模型不屬于動物，但它們的「認知形態」來自人類文本。

它們不是像人類一樣感知世界，而是從大量人類產出的文本中「學人類的思維痕跡」。

所以，它們既不是人，也不是動物智能，卻又帶有類人的表達方式。

因此，Karpathy覺得人類與大模型這種非生物智能的接觸會造成混亂，這也是他一直想為它們換個稱謂，比如稱它們為「幽靈/靈體」的原因：

它們更像是一種「從文本中顯現出來的智能幽靈」，而不是生物生命體。

網友Nick Dobos在Karpathy推文下留言，將人工智能比做「修格斯」式的外星機器智能。

Karpathy則回復表示，將「修格斯」描繪成動物可能會有誤導性。看來，他非常警惕所有將AI與動物智能聯系起來的說法。

最后，Karpathy在推文中說，如果你能構建一個正確的「內在模型（internal models）」，將更有能力理解大模型今天的樣子，并預測其未來的特征。

如果做不到這一點，我們就會本能地將AI當成動物智能來推斷——比如認為它有欲望、自我意識、本能、情緒等，而這些都可能是錯誤想象。

因此，Karpathy認為，理解大模型不是「更聰明的人類」或者動物智能，而是一種全新類別的智能，這一點非常重要。

參考資料：

https://x.com/karpathy/status/1991910395720925418

點個“愛心”，再走 吧