量子理論家理查德·費曼（Richard Feynman）於 1988 年死於癌症。他在黑板上寫下的最後一句話似乎是這樣的：
「我無法創造的東西，我也無法理解。」
在二十一世紀，我們正面臨著與之相反的問題。如果我們能夠創造智能，這是否意味著我們已經理解了智能？
現代人工智能可以用「非凡」一詞來形容。計算機科學家用代碼和電路構建出運行良好的智能。它可以像人類一樣通過自然語言互動溝通，制定策略，用亞伯拉罕·林肯的風格重寫你的電子郵件。人工智能改變了我們與自然世界的關係。我一直認爲作爲物種而言，人類比海豚，黑猩猩更聰明。我們曾經高踞智力頂峯，俯視眾生。然而，很快我們將介於計算機和海豚之間，不再獨佔鰲頭。我們比海豚聰明，但比手機愚笨。正如無神論哲學家尼克·博斯特羅姆（Nick Bostrom）所說：
我們遠非最聰明的生物物種，恰恰相反，我們可能是最愚蠢的生物物種，人類獨有的專利是能夠開發技術，而現在我們開發的技術將會取代我們。[1]
這話說的真傷人。
現代神經網絡不僅在輸出方面相似，而且在結構上也模仿我們。DeepMind（現由谷歌所有和運營）的聯合創始人穆斯塔法·蘇萊曼（Mustafa Suleyman）說，他的目標是：
創建一個能夠模仿並最終超越人類所有認知能力的系統，從視覺和語言到規劃和想像力，最終目標是能夠共情，能夠創造。[2]
又是一記痛擊。DeepMind 的另一位聯合創始人德米斯·哈薩比斯（Demis Hassabis）讀的博士學位不是計算機科學，而是神經科學。他研究人腦記憶的形成，試圖弄清人們是如何描繪生活中的事件，並將這些事件存儲起來以備日後使用的。哈薩比斯希望從人腦的模式中汲取靈感，製造出一台計算機。
在倫敦的一間小辦公室裡，DeepMind 開始構建各種神經網絡。這種網絡從大腦結構中汲取了大量靈感。由節點或神經元組成的巨大網絡來回傳遞信息，每層神經元執行不同的任務。舉例來說，如果這個神經網絡正在學習閱讀，那麼其中較低層次的神經元會去識別標點符號或單詞之間的空隙。較高一級的神經元會識別單詞，而更高級別的神經元則會理解句子和段落的含義。這些信息會反饋到更高一層，這一層將學會感知語氣、體裁、總體論點、世界觀假設等。一個大型的神經網絡可能有數十億個神經元和數十個層級，由一個極其複雜的網絡連接起來。[3]
但是，程序員怎麼可能有時間去組織和設計數十億或數萬億個小電路呢？現代神經網絡絕就絕在它們不需要這樣做。相反，電路會自行組裝。DeepMind 從一開始就在構建學習機器，將訓練數據輸入神經網絡。語言模型通過預測來學習，然後計算哪些神經元、哪些連接對應預測的成敗。想像一下，我們的語言模型語料庫擁有和國會圖書館一樣多的文本，而語言模型從這裡面逐個字母（確切地說，是逐個符號）地開展工作。它對每一個即將出現的字母進行預測，一次一個，然後調整神經元之間的連接，使猜測越來越準確。
神經網絡是一種通用技術，正越來越頻繁地出現在我們的生活中，而且這項技術的質量也越來越好。就像電力一樣，這種技術最終可能成爲幾乎所有技術的組成部分。未來的某個時候，你可能時時刻刻都需要這種技術的幫助。
有些人對這種模型的反應是：「它們並不智能，只是在預測一串文本中的下一個單詞（或符號）。」還有人說，「它們不智能，因爲只是在數據中尋找相關性。」這些回答聽起來都有道理，也都包含著事實。每個回答都包含了大語言模型如何工作的真實描述，不過，每個回答都微妙地增加了「只是」這個關鍵詞。這兩種回答都忽略了一個重要問題：數量本身就很重要。一百萬只螞蟻能做到的，一隻螞蟻無法做到。足球場上的墨西哥浪潮與一個人舉手示意截然不同。河是溼的，但單個水分子不可能是溼的。正如物理學家馬克斯·泰格馬克（Max Tegmark）所指出的，「只有當許多分子以我們稱之爲液體的模式排列時，才會出現溼潤現象。」[4]
美國諾貝爾物理學獎得主菲利普·安德森（Philip Anderson）有時會聽到物理學家說，其他科學研究領域沒有研究任何基礎性的東西。化學、生物學、地球科學、社會科學和醫學其實只是換湯不換藥的物理學。安德森在他的論文《多即不同》（More Is Differents）中駁斥了這種思維方式：
事實證明，大型複雜的基本粒子集合體的行爲，並不能通過簡單地推斷幾個粒子的特性來理解。相反，這些大型複雜的基本粒子集合體，其每個複雜層次上都會出現全新的特性。[5]
數量本身就會帶來質量區別。
要了解現代神經網絡的運行規模，請看穆斯塔法·蘇萊曼的這段話：
谷歌的PaLM[路徑語言模型]使用了極其多的[計算量]。打個比方，如果在訓練過程中每使用一次浮點運算就需要一滴水，谷歌模型的用量將會填滿整個太平洋。[6]
要知道，大型語言模型並不僅僅是記憶機器。它們不會把互聯網上的信息儲存起來，然後再複製粘貼給你。大語言模型沒有足夠的工作記憶來記憶互聯網。但它們能記住常見的聯繫。大型語言模型肯定會記住「法國首都」和「巴黎」之間的聯繫。它所做的主要工作是提取原則，通常是掩埋得很深的原則，使它能夠以壓縮的形式存儲大量知識。
以數學爲例。如果計算機正在學習加法，它可以開始記憶每對數字的總和。但最終，內存中可能出現的數字組合會非常多，以至於其他功能會被擠掉。更好的辦法是找到一些原理或一組原理，讓機器無需過多記憶就能推導出所有可能的和。這通常被稱爲「領悟」（grokking）。模型一旦掌握了更深層次的過程或原理，就會摸索出各種各樣的東西。當模型摸索到世界的某些真理時，其性能和準確性就會突然躍升，泛化能力也會提高，神經元結構也會發生變化，變得更簡單、更高效。
隨著時間的推移，越來越多的通用模型被訓練出來，它們能夠編寫計算機代碼、識別圖像、用匈牙利語交談，還能做數學作業。認識到這一點後，2023 年，一個微軟團隊認爲，
對這些新模型的能力和認知能力的評估，在本質上已更接近於對人類，而非狹義人工智能模型的能力和認知能力的評估。
經過這樣訓練的通用模型，已經領悟了人類語言及其所代表世界的數百萬個細微原則。這使它有能力完成一些意想不到的事情，比如寫出一個證明有無窮多個質數的證明，而且每一行句尾都押韻。理解這些模型需要自上而下的思維，更接近心理學而非物理學，這種思維需要對機器「大腦」的各個區域進行映射。就像我們使用核磁共振成像（fMRI）機器來觀察人腦的哪些部分在哪些活動中很活躍一樣，我們可以嘗試繪製出各種概念在人工大腦中的存儲方式和位置。
認知科學家侯世達（Douglas Hofstadter）曾在他的普利策獎獲獎著作《哥德爾、埃舍爾、巴赫》（Gödel, Escher, Bach）[7] 和《谷歌翻譯的淺薄》（The Shallowness of Google Translate）等文章中對神經網絡的智力程度持懷疑態度。令人驚訝的是，2023 年，他不僅改變了主意，而且承認自己改變了主意：
我的整個知識大廈、我的信仰體系......當你對世界最核心的一些信念開始崩潰時，這是一種非常痛苦的經歷。尤其當你認爲人類很快就會光芒不再......大家問我：「你說的『很快』是什麼意思？」......我不知道。但我裡面有一個聲音說是五年，有一個聲音說是二十年，還有的說「我不知道，我不知道。」
侯世達憑藉他對神經網絡力量的新認識得出結論：
這也讓我覺得，也許人類的大腦並不像我想像的那麼神祕、複雜、不可捉摸......因此，我覺得自己不再重要。在某種意義上，我覺得，與這些擁有比我多一百萬倍或十億倍的知識、速度比我快十億倍的計算系統相比，我就像個非常不完美、有缺陷的結構。
英國計算機科學家阿蘭·圖靈（Alan Turing）早在 1951 年就預測到了這一切：
如果機器會思考，它可能比我們更聰明，那我們該何去何從？即使我們能讓機器處於從屬地位......作爲一個物種，我們也應該感到無比謙卑。
現在是 2024 年，至少有些人感到非常謙卑。
這些功能強大的新技術給基督徒提出了巨大的問題。
首先，如果我們能夠創造智能，這是否意味著我們已經理解了智能？如果我們已經理解了智能，那麼我們是否已經理解了什麼是人、什麼是意識、什麼是生命？第二，如果我們能夠解釋智能的機制，那麼我們在多大程度上排除了一個相信上帝存在的理由？第三，如果人類是一種二流的智慧形式，那麼他們將在哪裡找到自己的身份？如果認知上我們最終是多餘的，那麼人類還有什麼意義、有什麼獨特之處、有什麼價值呢？
正如我在第一篇文章中所論述的，這些問題需要我們打開聖經去探索。基督徒需要思考這些問題，不只是爲了我們自己，因爲在我看來，世界會變得越來越陌生，我們許多人都會與非基督徒朋友、同學、同事討論這些問題。
本文改編自《按我們的形像製造：上帝、人工智能與你》（Made in Our Image: God, Artificial Intelligence and You）中的材料。
[1] N 博斯特龍（N Bostrom）著《超級智能：路線圖、危險性與應對策略》(Superintelligence: Paths, dangers, strategies），牛津大學出版社，2016 年，53頁。
[2] 蘇萊曼（Suleyman）和巴斯卡爾（Bhaskar），《即將到來的浪潮》（The Coming Wave）,8頁。
[3] 神經網絡並不新鮮，也不是 DeepMind 發明的。DeepMind 或 OpenAI 等公司利用現代超級計算機的巨大威力，訓練出比幾十年前更龐大的神經網絡。
[4] 邁克斯·泰格馬克（M Tegmark）,《生命 3.0：人工智能時代，人類的進化與重生》（Life 3.0:Being human in the age of Artificial Intelligence），企鵝圖書，2018 年，第 300 頁。
[5] PW.安德森（PW Anderson），「多即不同：破缺對稱性與科學分層結構的本質」（More Is Different:Broken symmetry and the nature of the hierarchical structure of science），《科學》，1972 年 8 月 4 日，177（4047）：393。
[6] 蘇萊曼（Suleyman）和巴斯卡爾（Bhaskar），《即將到來的浪潮》（The Coming Wave），66 頁
[7] 侯世達（Douglas Hofstadter）《哥德爾、埃舍爾、巴赫：集異壁之大成》（Gödel,Escher,Bach:An eternal golden braid），20 週年紀念版，基本圖書出版社（Basic Books），2000 年，第 20 頁。
譯：變奏曲；校：JFX。原文刊載於福音聯盟澳大利亞英文網站：Made in Our Image: The Rise of Artificial Intelligence
