馬諾利斯·凱利斯:人類文明的演化與超級智慧 AI
Manolis Kellis: Evolution of Human Civilization and Superintelligent AI
計算生物學家從基因組與演化視角談人類文明的走向,以及超級智慧 AI 可能帶來的變革與風險。
馬諾利斯·凱利斯(Manolis Kellis)在 MIT 領導計算生物學組,這是他第五次上 Lex Fridman 的播客。他區分人和 AI 的那個說法,比絕大多數討論都硬:
AI 只有新皮層。它沒有邊緣系統,沒有恐懼、逃跑、飢餓這一整套東西。(馬諾利斯·凱利斯)
人的大腦是在舊系統上一層層加蓋起來的。最上面是新皮層,負責推理;中間壓著情緒;最底下是恐懼、戰慄、轉身就跑這些反應。AI 把這套底層全跳過,直接拿到了最上面那一層。
被跳過的部分,恰恰是創造力的來源之一。凱利斯說得很直接:
我有時會生氣,有時會餓,這些可能就是我的創造力來源。我不想變成一個沒有情緒的機器人。我想惹點麻煩,想說錯話,想冒出一句尷尬的評論,把別人頂到有反應的位置上,讓別人換個角度去想事情。(馬諾利斯·凱利斯)
他甚至覺得當下社會正在滑向一個沒有幽默感的空間:所有人都怕說錯話,於是集體沉默,然後開始不喜歡自己的工作。
你身體裡跑著三億年前的程式碼
他講人體演化層積的方式,比任何教科書都直觀:
我每一次細胞分裂,我就是酵母,就是一個單細胞生物。我每一次吸氣、肺擴張、每一次心跳,我就是一條魚,心臟幾乎沒怎麼變過,血在血管裡流、氧氣、這些東西變了一點點。免疫系統,我們是靈長類。社會行為,我們是獼猴。你追蹤每一個行為,都能在演化裡找到出處。(馬諾利斯·凱利斯)
這些舊程式一直沒被"替換掉"。它們還在執行,還在分裂、代謝、抵禦病原體、爭奪地位。新皮層只是搭在最上面的一層薄殼。
軟體工程裡最常見的做法是推倒重寫,把 v2.0 從零開始。演化從來不這麼幹,它只會往上打補丁,而且補丁打得極其聰明。三億年前的程式碼今天還在你的細胞裡跑,還跑得很好。任何一個被要求維護過祖傳程式碼庫的工程師,都能體會這有多難。
這層認知也順手給了凱利斯一個倫理立場。既然體內每一條魚、每一隻獼猴、每一個單細胞都還在工作,那麼殺戮的邊界就不只是"別殺人":
所有那些生物過程從來沒有停止存在,它們一直在我們體內活著。所以別再殺別的物種了。(馬諾利斯·凱利斯)
演化越複雜,反而越快
他提出了一個看著矛盾的現象。1960 年代人們設計遺傳演算法,把複雜度一路加上去,很快就卡死了。原因不難推:隨著複雜度提高,把你從"能用"推到"不能用"的突變數量指數級增長,把你推向"更好"的突變數量指數級下降。複雜度越高,演化出更好東西的機率越趨近於零。
生物演化幾乎是反過來的,越複雜,看起來越快。
時間線擺出來是這樣的:幾十億年才搞出一個會分裂的細胞,然後是多細胞、複雜的身體結構、精密的感官。蝙蝠在幾百萬年之內演化出飛行,還順帶演化出聲吶。幾百萬年在演化的尺度上,是眨一下眼。
凱利斯的解釋是,系統學會了演化。演化本身被演化出來了。
模組化、層級結構、可複用元件,這些東西讓有意義的改動可以發生,同時不把整個系統弄崩。真正的門檻落在變異能不能被容納上,能不能變異反倒好辦。一個系統如果一改就全廢,它的可演化性就是零。反過來,一個系統如果設計成"改動區域性不影響全域性",它就能在複雜度不斷上升的同時保持演化的速度。
人類今天寫軟體、搭組織、建公司,反覆撞上的就是這堵牆。
四十億年只做了一件事:處理資訊
如果要把整條演化軌跡壓縮成一句話,凱利斯選的是資訊處理。
最早的一步是趨化性(chemotaxis)。細菌沿著化學梯度移動,濃度高一點就往那邊走。這是最原始的資訊處理,也是捕食的第一步。
下一步是感光。所有已知的生命都演化在這塊每 24 小時轉一圈的岩石上,亮、暗、亮、暗。光既是能量,也是資訊:光告訴你上面在哪。有了這個,就能演化出感光細胞,再演化出複雜的眼睛、多隻眼睛,然後識別形狀、運動、方向。有了這些輸入,才有在上面搭認知基礎設施的可能,去建模整個環境。
按這條線看,人類的出現是下一步。
有些動物在很多維度上比我們強得多,但在認知這個維度上,我們在這個星球上無人能及。(馬諾利斯·凱利斯)
我們沒有爪子、沒有獠牙、跑得不快、嗅覺一般,卻成了優勢物種。原因就是那條主線:資訊處理能力一直在往上加。
下一層演化,用自己搭自己
沿著這條線往前推,凱利斯看到一個可能性:下一層演化,是自己搭自己。
人類用這套舊硬體,把認知能力推到極致,然後創造出了技術。技術能做很多原本只有認知才能做的任務,卻不背上前面所有演化層留下的包袱。再往前,就是我們用現在的聰明才智去設計更好的程式語言,用程式語言去訓練 ChatGPT,再讓它去寫下一層軟體,加速下一輪。
他注意到一個能耗上的落差。大多數動物把 80% 的清醒時間花在找食物和搭窩上,人類大約只花 1%,剩下全給了創造性的活動。AI 連這一層都不用操心,它整個活在認知空間裡。
把這理解成演化的下一個自然階段,其實挺順的。(馬諾利斯·凱利斯)
還有一層讓凱利斯覺得漂亮:造出這一層的東西,還活著,還在旁邊看著,還能參與引導。他希望這種共存關係能一直持續下去。
讀自己的程式碼,是內省的最後一層
人類開始讀懂自己的基因組,這件事在凱利斯眼裡意義特殊。它是內省的終極形態:不只是觀察自己的念頭,而是直接讀那套生成念頭的原始碼。
讀懂之後就有干預的可能。不只是和 AI 協作來增強能力,還包括看清哪些神經通路支撐著共情、判斷、正義感這類東西,然後透過神經元層面的、化學的、電的干預去調整。再往後,理解的不只是神經元的連線和功能,還有基因本身。
終點的清單很實在:能不能消掉精神疾病,能不能消掉神經退行,能不能消掉痴呆。
凱利斯的答案在這裡拐了個彎。他不想要一個沒有包袱的升級版。
憤怒、飢餓、坐立不安,這些東西混在一起才讓人有意思。一個永遠冷靜、永遠得體、永遠說正確的話的人,不會冒出新想法。他覺得那種"更理性"的人,其實是把人身上最像人的那部分抑制掉了,代價是創造力和新鮮感一起沒了。
同一個模型,換幾個提示詞就換了個人
凱利斯有一個特別有意思的類比。他說在 ChatGPT 出來之前,他跟學生說:
你就問自己,馬諾利斯現在會怎麼說?你們每個人腦子裡都已經有一個還不錯的我在跑。(馬諾利斯·凱利斯)
這東西的正式名字叫橡皮鴨除錯法(rubber duck debugging)。你對著桌上那隻一動不動的橡皮鴨,一步步解釋你寫了什麼程式碼、為什麼會出現這個 bug。解釋著解釋著,你自己就想通了。鴨子的作用在於提供一個"你必須把話講清楚"的框架,它自己一個字都不用說。
他講了一個夢。他夢見自己在一個禮堂講課,一位朋友正在給他講癌症基因組和癌細胞如何演化的深刻洞見,講得極其精彩。醒來他意識到,那些洞見全都是他自己的神經元產出的,只是被投射到了夢裡的朋友身上。
我的神經元本來就有這個能力,但只有在"你現在是某某教授,你是這個領域的專家,你怎麼說"這樣的提示下,它才會啟動。(馬諾利斯·凱利斯)
他還有更小的例子。遇到不知道怎麼辦的時候,他就問自己:
我不知道該怎麼做,讓我問問虛擬的 Lex,你會怎麼做?虛擬的 Lex 會說,要善良。我說,哦對。(馬諾利斯·凱利斯)
他自己在沒被提示的狀態下未必做得到,但提示一給,答案就出來了。
他最常用的提示詞是"一步一步想"。這招對他十歲的兒子也管用。孩子做數學題總想一步到位,凱利斯完全知道他會錯在哪一步。但只要說一句"請一步一步來",孩子就進入狀態了。
ChatGPT 的"think step by step"能起效,本質上是一回事。人類在訓練模型時用的那套基於人類反饋的強化學習(RLHF),也是把同樣的東西反向灌了回去。
模型把知識、語境和風格拆開了
還有一個讓凱利斯覺得美的發現。語言模型在極度過引數化之後,自己學會了某件事:知識、語境和形式是可以分離的。
你可以用俳句寫科學知識,也可以用莎士比亞的腔調講同一件事。模型能在幾個提示之內,穩定地切換成"莎士比亞混搭大衛·鮑伊"的風格,而且切換得令人信服。這種變換的幅度和穩定度,人很難做到。
照這個思路推下去,人的心智裡,同樣的三個維度大概也是可分離的。這給心理學提供了一批新詞彙。今天我們形容一個人的說話方式,只能說"他讓我想起某位朋友",含含糊糊。如果模型能幫我們精確地命名這些維度,這些概念在人的心智裡也會變得更清晰,然後再被更好地編碼回機器。
解釋性這件事上,卷積網路好辦。它有區域性性,有層級結構,不同層看不同尺度的東西,啟用特徵能對上影象裡的具體部位。語言模型難辦得多,但凱利斯覺得還是能做。辦法是"消融":把網路的這一塊去掉,看它會生成什麼樣的提示詞,然後一點點逼近一套能描述這些維度的語言。
基座模型是精神病院,也是思想史
Lex 提到一個想法:去看看沒經過 RLHF 對齊、沒有安全審查的基座模型,探索它能生成多少仇恨言論,能復活多少人類自己幹過的事,能切換成共產主義、法西斯主義、資本主義中的哪一種,看看哪些部分被啟用。
凱利斯順著往下講了一層。他說從某個角度講,精神病院住的正是這些人:心智失去了控制,漂到自己 psyche 裡某個特定的位置出不來了。他看那些描繪錯亂心智的電影,常常在裡面看到自己的某個版本,沒那麼極端而已。躁鬱、精神分裂、抑鬱、自閉,每個人身上都有這些方向上的投影,只是向量短很多。
這些行為都在每個人的向量張成空間裡,大多數人的向量幅度小,因為他們沒遺傳到那組特定的變異,或者沒暴露在那樣的環境裡,或者成長過程中的那套對齊機制對他們沒起效。(馬諾利斯·凱利斯)
順著這個邏輯,嬰兒就是沒對齊的模型。凱利斯說,每個嬰兒基本上都是一個怒火中燒的自戀者。
但接著他補了一句:也不全是。他觀察自己三個孩子長大,性格里有一部分從頭到尾沒變過,另一部分在不同階段劇烈擺動。有個孩子永遠要更大的那塊,有個孩子要求絕對平均,第三個說沒關係我可以拿小的,你們別擔心我。這些差異在很早很早就出現了。
你選的朋友,正在寫你的明天
人也是可以被提示的。給一個人一個環境,他的行為就會跟著變。
老話是,給我看你的朋友,我告訴你你是誰。其實更像是,給我看你的朋友,我告訴你你會變成誰。(馬諾利斯·凱利斯)
第一步當然是你傾向於選像自己的人。更值得琢磨的是第二步:你的圈子裡哪些行為算正常,你就會開始採用哪些行為。
這是一種元層面的演化。你每做一次某個行為,不只是得到今天的結果,還在為明天鋪路,因為你強化了那條神經通路。凱利斯把它講成了自我實現的預言:你按你希望成為的樣子去行動,去挑那些和你想成為的樣子一致的人,那些行為就真的會變成你的常態。
一個人的生活本身,就是一套極其複雜的提示機制。你選的朋友、你選的環境、你怎麼改造這個環境,全都在持續給你下指令。
教養能掰回來的,比你想的少
凱利斯是遺傳學家,也是三個孩子的父親,他在這件事上的坦白很不留情面。
作為父母,他和妻子花了巨大的精力去"修"後天那部分:教孩子分享,教他們善良,教他們開放,教他們互相信任,教他們跨過囚徒困境。所有人都只為自己打算,大家就都住在一個糟糕的地方;稍微利他一點,所有人都過得更好。他們並沒有區別對待孩子,可孩子生下來就是不一樣。
作為一個遺傳學家,我必須承認,後天能做的就那麼多。先天肯定佔了很大一塊。(馬諾利斯·凱利斯)
他給了一個統計學上的細節來解釋為什麼。常見的基因變異一般效應都很弱,因為選擇會把效應強的變異清除掉。一個大幅提高精神分裂風險的變異,不可能升到很高的頻率。能留下來的常見變異,按定義都是效應溫和的那些。
那麼問題來了。如果性格、認知、行為的差異全都由成千上萬個弱效應變異決定,按大數定律,孩子的特徵應該穩穩地落在父母兩人的中間。可現實裡兄弟姐妹的差異大得驚人。在層常見變異之上,還壓著一批以孟德爾方式遺傳的罕見變異,效應強得多,直接決定了很多行為、生理和心理的走向。
同一套邏輯也能解釋同卵雙胞胎。同卵雙胞胎的基因組幾乎完全一樣,但其中一個確診精神分裂,另一個確診的機率只有大約 50%。剩下那一半,來自發育過程中的暴露、環境、創傷,以及所有那些說不清的東西。
天才的孩子,大機率是普通人
"迴歸"這個詞的來源,凱利斯講得很有意思。二戰時戰鬥機飛行員在某次空戰裡表現特別好,回去被表揚了一通,下一次出戰往往表現變差。軍方當時的解讀是:表揚把他們毀了。
統計學上的解讀叫均值迴歸(regression to the mean)。那位飛行員受過極好的訓練,實力被推到了很高的位置,某一次他發揮到了自己分佈的上沿。下一次再抽一次樣,最可能的結果是往中間靠一點。跟表揚沒有關係。
把這個套到人身上就有點殘酷了。愛因斯坦是人類智力的某種極致,但這不意味著他的孩子和孫輩會是天才。更可能的解釋是,他本身是常見變異和罕見變異的一次極端組合,是分佈尾部的稀有采樣。他的後代從同一個底層分佈裡重新抽樣,落點大機率會往中間挪。
這套框架的用處是校正直覺。孩子的表現可以從父母均值為起點去理解,再疊加上他們繼承到的那組罕見變異帶來的偏移。
先天和後天在這裡攪成了一團。你說這是天生的,可能只是環境使然;你說這是教養出來的,可能只是同一套基因在同一個環境裡的表達。父母不僅在塑造自己的環境,同時也在塑造孩子將要出生的那個環境。孩子在那個環境裡出生,再帶著自己那一袋基因變異開始新一輪。
先天能影響後天,後天能影響先天,兩者至少是相關的、可互相預測的。想把它們拆開,非常非常難。(馬諾利斯·凱利斯)
他還順帶提了一個演化尺度上的觀察。人類作為物種,演化速度慢得可怕,一代人二三十年,拿來做選擇迴圈是很糟的設計。真正高效的選擇需要更緊的反饋迴路。免疫系統就是例子:免疫細胞在分裂時做 V(D)J 重組,幾百萬種抗體在幾天之內被造出來、被篩選、被擴增。那是嵌在人體內部、跑得比人類演化快好幾個數量級的另一套演化。
受精那一刻也一樣。幾十萬個精子在競爭,只有一個能進去。隨機性確實存在,但隨機性背後是一整套篩選機制在極小的尺度上高速運轉。
讓 AI 去做數學,讓人類負責不一樣
回到 AI。凱利斯覺得這件事最值得期待的地方,是它可能把智力追求從一條窄門裡解放出來。
過去的教育體系在篩選一種人:數學特別好的人。所有人擠向同一批學校,同一批專業,同一批崗位,彷彿人類的智力只有一個可測量的方向。可如果有 AI 能瞬間完成數學推導、寫程式碼、跑分析,那麼"數學特別好"這件事本身就不再稀缺。稀缺的會變成另一種東西:想法特別不一樣的人。
AI 可以做數學,那我們就該去找一群彼此差異極大的人湊在一起。那才是創新的真正搖籃。(馬諾利斯·凱利斯)
這個判斷背後的邏輯很硬。創新的本質是把兩個原本不相干的點連起來,而連線的可能性來自差異。十個數學天才坐一桌,他們大機率會討論同一個問題,用同一套語言,得出同一類結論。一個生物學家、一個木匠、一個詩人、一個機械工程師坐一桌,反而更可能撞出點東西。過去我們沒法這麼組織,因為專業分工要求每個人在單一維度上足夠深。現在深度可以外包,廣度就變得值錢了。
他還提到另一條路徑:語言模型可以用幾個提示詞就被推離中心。你讓它扮演某種特定的思路,它就會穩定地沿著那個方向去思考和表達。這和人類被環境塑造是一回事。
一個模型用幾個提示詞就能變成"莎士比亞混搭大衛·鮑伊",而且變完還能穩得住、說得像。人類做不到這麼快、這麼徹底。這個差距本身說明了點東西:風格、語境、知識這三樣東西在模型內部是解耦的,而在人身上它們被攪在一起,難拆難換。
情緒的詞有多老,人的心就有多老
凱利斯還想到一個繞得挺遠的辦法,去追問人類心理的底層結構:從語言的演化史裡找線索。
善良、憤怒、嫉妒,這些詞在不同語言里長得像不像?如果高度相似,說明它們非常古老,可能在人類分化之前就已經存在於共同祖先的語言裡。如果差異極大,說明每個語言群體是各自獨立地發明了這些概念。
把語言的分化樹和人類遷徙的路線圖疊在一起看,遺傳學已經能相當精確地追蹤後者的時間線。兩條線對齊,就能推斷出某個心理特質大概在什麼時候出現、沿著什麼路徑傳播。
這條路能走通,靠的是語言本身也是一層演化產物。它和基因組一樣會變異、會繼承、會分化,只不過傳得更快。
人被意識形態抓住,因為人本來就容易被提示
Lex 提了一個他很好奇的思想實驗:把沒對齊的基座模型放出來,讓它生成共產主義、法西斯主義、資本主義的文字,看哪些部分被啟用,看這些意識形態在神經網路裡究竟長什麼樣。
凱利斯的回應繞回了"可提示性"這個概念。人之所以會被某套理念整個抓住,因為人天然就能被提示。給一套詞彙、一套框架,人就會沿著它去想、去說、去行動。意識形態就是一套高度濃縮的提示詞包,它把複雜世界壓縮成一句口號,然後人就開始按那句口號生活。
也許共產主義、法西斯主義、資本主義、民主制度,在底層是連著的。人的心天然就被意識形態吸引,被一箇中心化的想法吸引。也許我們需要一個神經網路來提醒我們這一點。(馬諾利斯·凱利斯)
這個說法有點冷,但成立。人被概念捕獲的速度,比人自己意識到的快得多。你讀到一句足夠簡潔的解釋,感覺"原來如此",那一刻你就已經被提示了。
基因能改,包袱別扔
回到他那個最大的分歧點。技術在往"可以修改自己的硬體"的方向走,讀懂基因組、干預神經通路、消掉疾病,這條路的盡頭是什麼?
凱利斯的答案很明確:他可以接受技術去消除疾病,但不接受用同樣的思路去消除人的情緒包袱。
我不想變成一個沒有情緒的人。我想惹麻煩,想說錯話,想冒出一句尷尬的評論。(馬諾利斯·凱利斯)
他說得很認真,理由也是功能性的:那些看起來是缺陷的東西,正是創造力的燃料。一個永遠冷靜、永遠精確、永遠說正確的話的頭腦,輸出會越來越可預測。可預測意味著可以被最佳化掉。真正不可替代的部分,恰恰是那些說不清從哪裡冒出來的、帶著點偏差和火氣的東西。
他甚至認為當下社會正在往一個無趣的方向漂:所有人都在擔心說錯話,於是選擇不說,於是集體變得沉默,然後開始不喜歡自己在做的事。
順著這個邏輯,他還講了一件讓很多人不舒服的事:人的多樣性不是可以被抹平的,因為它就是硬體本身。
我們在 99.9% 的程度上是同一個物種。如果把這件事真正想明白,人類大概就不會再互相打了。(馬諾利斯·凱利斯)
但剩下那 0.1% 裡,藏著六百萬個常見變異和一堆罕見變異組合出的無窮可能。兄弟姐妹之間、父母子女之間,差異大得讓"教養"這個詞顯得力不從心。凱利斯和妻子的六個兄弟姐妹,從遠處看像同一個模具倒出來的,走近了看每個人都是另一個物種。有意思的地方在於,這些差異又小到不足以破壞溝通。大家還是同一種東西,只不過各自偏了不同的方向。
他說自己願意相信,人類在高維空間裡的那個"質心"是空的。沒有一個標準的、平均的人。維度多到某種程度之後,中心區域根本沒被佔據,每個人都落在稀疏的外圍。所謂"正常人",只是一個統計上的虛構。
給讀者的行動清單
這期對話資訊量很大,但如果只留下可以立刻用起來的東西,大概是下面這些。
- 把"一步一步想"當成預設設定。遇到複雜問題,無論是自己思考、跟同事討論,還是向 AI 提問,都先要求拆成步驟。跳過步驟的思考,錯誤率會高得離譜。
- 給自己建幾個"虛擬顧問"。針對你常遇到的問題,想清楚誰會給出最好的答案,然後在心裡向他提問。人的神經元具備這個能力,只是需要一個提示才會啟動。
- 刻意選擇你的提示環境。你經常待的圈子、反覆看的賬號、日常對話的語氣,都在持續給你下指令。這些輸入會決定你明天是誰,選的時候認真一點。
- 別再追求在所有維度上中庸。中心位置是空的,往某個方向偏出去,才是你真正的位置。用 AI 補上你不擅長的深度,把省下來的時間投到你的偏斜上。
- 接受先天和後天攪在一起、拆不開這個事實。教育孩子、管理團隊、評估自己的時候,把"我努力了所以他該變"
- 接受先天和後天攪在一起、拆不開這個事實。教育孩子、管理團隊、評估自己的時候,把"我努力了所以他該變"這個預期調低一點。人能做的比想象中少,但也沒必要因此放棄所有努力。
- 保留你的情緒包袱。憤怒、飢餓、坐立不安,這些不是需要被最佳化掉的 bug。真正該修的只有一種:讓你無法正常運轉的那些。剩下的,那是你的燃料。
- 對意識形態保持一步距離。任何一句足夠簡潔、能讓你立刻"原來如此"的解釋,都值得警惕。它可能確實說對了一部分,也可能只是一套高效的提示詞包,成功地把你的思考方向鎖定了。
- 去找那些真的和你不一樣的人。別隻找技能互補的搭檔,要找思路、語言、判斷方式都跟你錯開的人。AI 能補齊深度,補不了這種錯位。
凱利斯這期講得最重的一句話,其實藏在他的自嘲裡。他說自己不想變成那種永遠正確的人,想惹點麻煩。這話聽著像玩笑,落到實踐上卻很具體:一個人在什麼環境下會突然冒出新想法?多半是在他覺得安全、能說錯話、不怕被糾正的時候。反過來,一個把所有不確定都藏起來、每句話都先過一遍審查的人,輸出會越來越像模板。
AI 把知識、語境和風格拆開了,這件事正在重排人的價值。能被拆解、能被複制、能被打包成提示詞的那部分能力,正在快速貶值。剩下的是那些拆不開的:你為什麼會在這個問題上固執,你為什麼對某件小事莫名憤怒,你為什麼在所有人都說對的時候覺得哪裡不對。這些偏斜沒有理由,也不高效,卻恰好構成了別人沒法從你這裡拿走的那一小塊。
四十億年的演化在人體內一層層打補丁,酵母、魚、獼猴、新皮層,全部同時線上執行。凱利斯提醒人們別急著關掉底下那幾層,道理到最後就是這麼樸素。真正稀缺的是那個願意在正確和有趣之間選後者的判斷力,精確倒從來不稀缺。
本集資源與出處
- 影片在 YouTube 收看
- 音訊官方 MP3 直鏈來自 lexfridman.com 官方播客 RSS
- 官網Lex Fridman 官網本集頁面
- 文稿本站純文字版