梅宏院士:我们为什么要造一个替代自己认知的东西?

梅宏院士:我们为什么要造一个替代自己认知的东西?

公众号:i少数派
发布时间:2026年9月10日 07:56
原文:https://mp.weixin.qq.com/s/m5-lJt6PFoRH0ocPYmX4Mg


这个系列写到现在,给 AI 降温的院士已经有好几位了。有人从能力层级降温——多知、少智、无谋、缺情;有人从技术路线降温——鹦鹉学得再多也不会变成乌鸦;有人从原理限制降温——铁路修得再长也去不了月球。他们问的都是同一个问题:能不能做到。

而有一个人,问的是另一个问题。”智能是人类区别于其他动物的专有特征,特别是认知能力……从科技伦理的视角来看,我们为什么要造出一个替代我们认知的东西?””我们为什么要去造出一个替代我们智能的东西,进而让出我们地球主人的地位?”他叫梅宏。中国科学院院士,北京大学教授,中国计算机学会理事长,曾任北京理工大学常务副校长、上海交通大学副校长。他的博士后导师是杨芙清院士——中国软件工程的奠基人。

这篇文章要讲的,是一位从软件工程走出来的院士,如何看待这一轮 AI;以及他为什么是这个系列里,唯一一个不问”能不能”、而问”该不该”的人。

一、他的出发点,决定了他看到的东西

要理解梅宏,得先看他是从哪条路上走过来的。1992 年,他到北京大学,师从杨芙清院士做博士后。1992 至 1999 年,他作为核心骨干和技术负责人之一,参加了杨芙清主持的国家重点科技攻关项目——青鸟工程。这是国家”八五”重点科技攻关项目,也是中国软件工程的旗帜工程。而杨芙清,是中国软件工程的奠基人。这条学脉的意义,在于它给了他一个和大多数 AI 学者完全不同的出发点。这个系列里写过的人,出发点各不相同:有从数学出发的,有从视觉与模式识别出发的,有从机器人与控制出发的,有从机器学习出发的。而梅宏院士是从软件工程出发的——一门以”如何可靠地构造大型复杂系统”为核心问题的学科。

软件工程几十年来反复验证的一条经验是:一个系统能不能被用在关键场合,不取决于它最聪明的那部分能做什么,取决于它的可靠性、可维护性、可解释性、可演化性。

这是本文第一个判断:软件工程师看 AI,和 AI 研究者看 AI,看到的是同一件东西的两面——一个看能力上限,一个看工程下限。而决定一个系统能不能被托付关键任务的,从来是下限。

所以他看大模型,第一眼看到的不是”它能写诗能编程”,而是——

“就当前大语言模型的技术路线而言,’黑盒’导致的不可解释性是其最大’罩门’。”

二、他的洞见:软件定义,本质是”为 X 造一个操作系统”

在讲他的 AI 判断之前,必须先讲他的原创命题。因为那是他的地基。他长期主张的核心概念叫”软件定义”,而他对这个概念的本质给出过一个极其精炼的表述:

“无论是软件定义的网络、软件定义的存储、软件定义的数据中心还是其他’SDX’,就其技术本质而言,均意味着构造针对’X’的’操作系统’。”

而实现路径只有两条:

把传统的”一体式”硬件设施分解为”基础硬件虚拟化及其 API + 管控软件”两部分——即”硬件资源的虚拟化”和”管理任务的可编程”。

他还指出了一件很多人没意识到的事:这两条原则,其实一直都是操作系统设计的核心原则。

“从软件研究者的视角,操作系统体现了’软件定义’之集大成。”

但这一节最有价值的,是他做的另一个区分——而这个区分,我认为是中国企业数字化最该抄下来的一条:

“软件定义和软件化是两个不同的概念。’软件化’仅仅描述了根据业务需求来开发具有相应功能的软件应用系统的过程,关注的是行业知识、能力和流程等的软件实现;而’软件定义’则是一种方法学及其实现技术手段,其关注点在于将底层基础设施资源进行虚拟化并开放 API,通过可编程的方式实现灵活可定制的资源管理。”

这是本文第二个判断:软件化是”把事情做成软件”,软件定义是”把资源做成可编程的”。前者产出一个应用,后者产出一个平台。而绝大多数企业的数字化,做的是前者,却期待后者的效果——上了几十套系统,然后抱怨数据打不通、流程改不动。原因不在于系统买少了,在于从来没有做过资源的虚拟化和 API 化。

他给这条路径的终点起了个名字:泛在操作系统(Ubiquitous Operating System)——对海量异构基础设施资源进行按需、深度软件定义而形成的软件平台。而软件定义的方向,他判断是三级延伸:从信息世界,到物理世界(制造业的”硬件”、知识和工艺流程软件化),再到人类社会(”软件定义的城市”)。

他引用过两句话,可以看作这套主张的注脚:网景创始人 Marc Andreessen 的”软件正在吞噬人类世界”,以及 C++ 之父 Bjarne Stroustrup 的”人类文明运行在软件之上”。

三、三大问题:他给这轮热潮的诊断

2024 年 11 月,在第二届中国科技伦理高峰论坛上,他给出了对当前 AI 的三条诊断,措辞相当不客气:

“(1)泡沫太大,仍处于技术成熟度曲线(hype cycle)的高峰阶段,喧嚣埋没理性,需要一个冷静期;

(2)以偏概全,对成功个案不顾前提地放大、泛化,过度承诺;

(3)期望过高,用户神化 AI 的预期效果,提出难以实现的需求。”

他还有一句更直接的:

“雷声隆隆,雨点并不大。”

以及一句他自己的日常困扰,我认为比任何理论都有说服力:

“通过算法,平台可以个性化推送内容,但也可能形成用户的信息茧房。我最近最大的困扰就是拿着手机却读不到想读的有价值的内容。”

一位院士说自己”拿着手机读不到有价值的内容”——这句话的分量在于:它不是在批评技术不够强,是在指出技术已经足够强、但被用在了错误的目标函数上。而他对为什么只有两个领域成功,给出了一个极冷静的解释:

“目前成功的两个领域都是因为有了大量的数据:一个是自然语言文本……另一个就是文生视频……但是到别的领域就没有那么多数据了,这是当前大模型应用落地面临的最大问题。”

“获取全数据,关键是跨越足够的时间尺度。”

“跨越足够的时间尺度”这几个字,解释了一件很多人想不通的事:为什么工业、医疗、金融的数据”看起来很多”,却训不出同等水平的模型——因为互联网文本积累了几千年,而工业传感器数据可能只积累了几年。

四、最锋利的一节:他和”理解即压缩”的正面对撞

这一节是全文最有意思的地方,因为它构成了这个系列里最漂亮的一次思想交锋。

梅宏院士对大模型的定性是:

“就这个意义而言,大语言模型可被视为是已有’语料’压缩而成的’知识库’。”

“基于当前的技术路径,大模型不可能’无中生有’,做出超越人类预期的事情。”

而这个系列此前写过的李明——加拿大皇家科学院院士、Kolmogorov 复杂性的世界权威——他的核心命题是:

理解就是压缩。模型越懂这份数据,就压缩得越好。

注意:两人用了完全相同的一个词——压缩。但结论完全相反。

  • 李明:压缩是理解的证明。压得越小,理解得越深。
  • 梅宏:压缩恰恰说明它没有创造。它只是把已有的东西换了个更短的方式存起来。

这是本文第三个判断,也是我认为可以调和这场对撞的方式:两人都对,因为他们在回答不同的问题。李明院士问的是”理解能不能被度量”——答案是能,用压缩率。梅宏问的是”压缩能不能产生新知识”——答案是不能,因为压缩的定义就是”用更短的方式表示已有的东西”。也就是说:压缩证明了模型理解了它读过的东西;但恰恰因为它是压缩,它无法产生它没读过的东西。

这个调和同时解释了大模型为什么这么强,以及为什么有天花板。而梅宏院士还补了一个更精细的说法,我认为是他对”涌现”最有力的回应:

“大模型可以产生基于内容’基元’的新组合,虽然它本身并不知道该’组合’的含义。这种组合有可能是某种’知识’,也有可能是’幻觉’,这就需要人类专家去验证审核了。”

推论:模型能生成新组合,但它不能判断这个组合是知识还是幻觉——因为判断需要一个模型内部没有的东西,即与现实的对照。而这恰好定义了人在这个流程里不可让渡的位置:不是生成,是验证。

他的天花板判断也很明确,而且给了时间:

“我认为不可能,现在的大模型不可能(通往 AGI)。这是其技术实现的底层逻辑决定的。”

“很可能就在几年之内。这里我指的是大模型能力的天花板,模型产出内容的质量还是会有不断改善。”

“当前大模型的竞争已经成为’数据工程’的竞争。”

五、”AI 设计是智能,那人的设计是什么?”

这是他最独特、也最少被人复述的一个论证。它不是技术论证,是语言学的追问,但它极其锋利。

“举一个例子,很多’设计’均属于人类的智力创造性活动,当然用计算机辅助设计无疑会大大提升效率。但现在很多人只提所谓’智能设计’,实际上它只是’AI设计’。AI设计是’智能’,那人的设计是什么?”

这是本文第四个判断:当一个词被专门用来指代机器所做的事时,人做同一件事就在语言上被降格了。而语言的降格,往往先于地位的降格。这不是文字游戏。想想这些词的用法是怎么变的:

“智能”制造、”智能”客服、”智能”诊断、”智能”投顾——在所有这些搭配里,”智能”都特指机器做的那部分。于是人做的那部分,在语言上变成了”传统的””人工的””非智能的”。而”人工”这个词的遭遇最典型:它原本的意思是”人做的”,现在在很多语境里,它的隐含意思变成了”还没被自动化的”。顺着这条线,他对另一个流行词的态度就很好理解了:

“我们不应该过度使用类人的术语来描述机器,比如’意识’、’心智’甚至’硅基生命’等,很容易在公众中造成误解。”

“我个人也特别不喜欢’硅基生命’之类的提法,说重一点,这是对生命的不尊重。我们不要忘记,真正的生命是地球上的生物,包括动物和植物,而我们人类则是其中的主导者。”

六、他的七条基本假设

假设一:智能,特别是认知能力,是人类区别于其他动物的专有特征。
这是他全部伦理立场的地基。而由此推出的态度是:“我们可以接受机器在感知能力方面超越人类,但对机器认知智能的研发,需要高度审慎。”
注意这里有一个很少被人做出的区分:感知可以让渡,认知要审慎。

假设二:目前的大语言模型没有跳出概率统计这个框架。

假设三:大模型是压缩而成的知识库,因此不可能”无中生有”。

假设四:现有技术路径的能力天花板可以被预测,且很可能就在几年之内。

假设五:软件是信息技术的灵魂,而软件定义是实现基础设施化的关键途径。

假设六:数据是唯一无悔的投入。

这条是他给彷徨中的企业最实在的一条建议:

“面对 AI 技术发展现状,如果对 AI 的落地应用有所疑问和彷徨,那么,积累数据——可采尽采、能存尽存。”

推论:当你不知道该做什么时,做那件”无论未来怎样都不会错”的事。数据积累就是这样一件事——因为无论哪条技术路线最终胜出,数据都是入场券。

假设七:基础模型应当像互联网一样走向开源共享。

“大语言模型将像互联网一样走向开源。全世界共同维护一个开放共享的基础模型,尽力保证其与人类知识同步。”

而他自己对这一条的定性极其坦率:“这至少也是表达自己的一种期望。”除此之外,还有一个不成体系但很有意思的判断——他提出理想的 AI 应该是”低熵”的:

“我只是觉得现在的模式熵增太快,过于耗费资源。以当前可以看到的发展路径,离这个理想还有很长很长的路。”

七、产业与制度影响

他的影响可以分三层,而第三层最特殊。

第一层,技术与工程层:青鸟工程。
1992 至 1999 年,他作为核心骨干和技术负责人之一参与这个国家重点科技攻关项目。这是中国软件工程从跟随走向自主体系的关键阶段之一,而它塑造了此后一代中国软件人的方法论。

第二层,理论与话语层:软件定义。
“软件定义一切”、软件”基础设施化”、泛在操作系统——这套概念体系此后被广泛用于产业界与政策界的讨论。他还长期在大数据、数据要素化、数据治理体系等方向做战略性论述,包括数据确权、数据共享流通、数据要素市场培育等议题。

第三层,也是最特殊的一层:伦理与治理的具体建议。
这一层特殊在于,它是可执行的,而不只是呼吁。关于研究禁区,他的划分相当具体:

在基础研究阶段一般不做限制;涉及对人的认知能力调控、违背人的自由意志的研究应列为禁区。在技术和产品应用阶段,要根据具体场景及影响来确定。

“例如大规模远程监控、自主决策的社会评价体系、操纵个人意识和行为并造成个体或他人身体或心理伤害的技术,以及以超越或替代人的认知能力为目标的 AI 技术研发,应当受到限制。”

而他同时强调了一件很多伦理讨论会漏掉的事:

“数字技术领域的研究禁区应该建立动态调整机制,适时调整伦理审查的复核清单。”

推论:一份不会被更新的禁区清单,要么很快过时,要么很快变成形式。而”动态调整”这四个字,是把伦理审查从一次性的道德表态,变成了一项需要持续维护的工程。

他还具体呼吁建立 AI 生成内容的披露标注机制,建立涵盖大模型开发者、创作者、使用者的标注责任机制,并推进相关标准的国际化。

关于中国科研,他也说过几句值得记的话:

“绝大部分’从 0 到 1’的原始创新都不是规划出来的,无前路可寻,基本都是来自基于兴趣去探索未知。”

“中国的科研人员应该培养批判性思维,为人师者也应该抱有共同学习的心态。不怕争论,思维碰撞的火花应该再多一些,别怕走别人没有走过的路。”

八、在 AI 思想谱系中的位置:唯一问”该不该”的人

这是本文的定位结论。这个系列里的”降温派”已经有好几位,但他们降温的理由,性质完全不同:

人物降温的理由会不会被技术进步推翻
谭铁牛能力分层:多知、少智、无谋、缺情会——如果”谋”被解决,判断需更新
朱松纯技术路线:鹦鹉不会变成乌鸦会——如果规模真的通向 AGI,判断就错了
漆远原理限制:铁路到不了月球会——如果新架构绕过了限制
梅宏科技伦理:我们为什么要造一个替代自己认知的东西?不会

这是本文的定位结论:前三位问的是”能不能做到”,只有他问的是”应不应该做”。而这个区别是决定性的——技术性的怀疑会被技术进步消解,伦理性的质疑不会。

哪一天大模型真的做到了长程决策,谭铁牛的进度判断就要更新;哪一天规模真的通向了通用智能,朱松纯和漆远就错了。但即使这两件事都发生,梅宏的问题依然成立:所以呢?我们为什么要造它?

在整个中国 AI 的话语场里,从伦理立场对”替代人类认知”这个目标本身提出质疑的院士级声音,是极其稀少的。而这个位置在世界思想史上有一个精确的先例:诺伯特·维纳。控制论之父,也是最早对自动化的社会后果发出警告的人。他 1950 年那本书的标题,本身就是梅宏院士那个论证的另一种表述——《人有人的用处》(The Human Use of Human Beings)。维纳当年的核心担忧不是机器会造反,而是:把人当机器用,是对人的浪费。而梅宏说的是:造一个替代人认知的东西,是让出人的位置。

七十多年,同一个追问的两个版本。另一个对标,则可以点出他的软件工程血统:Fred Brooks 的《没有银弹》。Brooks 在 1987 年论证:软件开发中不存在任何单一技术能带来数量级的提升,因为真正的困难是”本质性”的,不是”附属性”的。

梅宏院士对 AI 的判断,方法论上是同一种:他在寻找那些”无论技术怎么进步都不会消失的困难”。而这恰恰是软件工程这门学科训练出来的本能——因为软件工程史上,每一代人都相信自己找到了银弹。

九、五条应该被说出来的边界

第一,”几年之内到天花板”这个预测,正在被时间检验。

这句话说于 2024 年 10 月。到今天已经过去近两年。
这个预测是可证伪的——这一点本身值得高度肯定,因为绝大多数关于 AI 的宏大判断都不可证伪。但也正因为它可证伪,读者应该自己去核对这两年发生了什么,而不是简单接受或简单否定。

第二,”没有跳出概率统计框架”这个判断,在技术上准确,但推论需要更多步骤。

“概率统计”这个描述涵盖的范围极广——人脑的许多机制同样可以被概率化地描述。从”它是概率统计”推出”它不是智能”,中间还需要一个前提:智能必须包含某种非概率的东西。而这个前提本身是有争议的。

第三,他的伦理立场清晰可敬,但面对一个现实的集体行动困境。

“不应该追求替代人类认知”是一个立场,但这个目标不由任何单一国家或机构决定。如果一方克制而另一方不克制,单方面的克制会变成单方面的落后。他本人也意识到了这一点——他明确提出需要国际治理体系。但国际治理体系目前的进展,远慢于技术本身。这不是他的论证的漏洞,而是这个论证在现实中必须面对的最大阻力。

第四,”可采尽采、能存尽存”这条建议,在今天有其合规边界。

这条建议对数据战略是对的,但它与数据最小化原则、与日趋严格的个人信息保护要求之间存在张力。企业在执行时需要区分:哪些数据是”应该多存”的,哪些是”存了就有责任”的。

第五,”基础模型走向开源共享”这个期望,与当前产业格局的方向相反。

他自己就说这”至少也是表达自己的一种期望”——这份坦率值得尊重。但事实是:全球最领先的基础模型正在变得更封闭,而不是更开放。这个期望要实现,需要的不是技术条件,是一次产业格局的重大改变

尾声

回到开头那个问题。

“我们为什么要去造出一个替代我们智能的东西,进而让出我们地球主人的地位?”

这个问题的特殊之处在于:它不需要等技术给答案。关于大模型能不能通往 AGI,可以争论,可以等待,可以用几年时间去验证。而”我们为什么要造它”这个问题,无论那个答案是什么,都依然在原地。

而他给出的替代方案其实相当温和,不是停下来,是换个目标:

“我们应该是把它视为工具,来帮助我们做好各类事情,提升做事效率和质量。”

这句话听起来朴素得几乎不像一个立场。但把它和”追求替代人类认知”放在一起,你会发现它们指向的是两种完全不同的未来。

如果要把这篇文章收束成一句话——

一位做了一辈子软件工程的人,最后把问题落在了伦理上。这不是转向,而是同一种思维方式走到底的结果——软件工程教会他的第一件事,就是先问清楚”我们到底要造什么”,再动手。

而他关于人和机器的那句划分,值得留在最后:“我们可以接受机器在感知能力方面超越人类,但对机器认知智能的研发,需要高度审慎。”

附录:关键史实与信源

一、可核实的履历事实

  • 梅宏,1963 年 5 月生,中国科学院院士,北京大学教授,计算机软件专家;中国计算机学会(CCF)理事长;曾任北京理工大学常务副校长、上海交通大学副校长。
  • 1992 年到北京大学,师从杨芙清院士进行博士后研究;1992 年至 1999 年,作为核心骨干和技术负责人之一,参加杨芙清院士主持的国家重点科技攻关项目”青鸟工程”(国家”八五”重点科技攻关项目)。
  • 主要从事软件工程、系统软件、智能软件、大数据等方向研究。

二、”软件定义”相关论述(据其为《企业软件化》一书所作序言)

  • “我们正在进入一个’软件定义一切’的时代!”
  • 软件定义的技术途径

把一体化硬件设施打破,实现”硬件资源的虚拟化”和”管理任务的可编程”,即分解为”基础硬件虚拟化及其 API + 管控软件”两部分。

  • “无论是软件定义的网络、软件定义的存储、软件定义的数据中心还是其他’SDX’,就其技术本质而言,均意味着构造针对’X’的’操作系统’。”
  • “从软件研究者的视角,操作系统体现了’软件定义’之集大成。”
  • 软件定义 ≠ 软件化

“‘软件化’仅仅描述了根据业务需求来开发具有相应功能的软件应用系统的过程……而’软件定义’则是一种方法学及其实现技术手段,其关注点在于将底层基础设施资源进行虚拟化并开放 API。”

  • “泛在操作系统”(Ubiquitous Operating System)软件”基础设施化”;人机物融合。
  • 软件形态三阶段:软硬一体化 → 产品化产业化 → 网络化服务化;信息化三波浪潮:数字化(1.0)→ 网络化(2.0)→ 智能化(3.0)。
  • 引用 Marc Andreessen “软件正在吞噬人类世界”、Bjarne Stroustrup “人类文明运行在软件之上”。
  • 亦系统列出软件定义面临的挑战:体系结构设计决策、系统质量、系统安全、轻量虚拟化技术、原有系统的平滑过渡、高度自适应的智能化软件平台。

三、AI 相关核心表述

2024 年 11 月 22 日,第二届中国科技伦理高峰论坛(据《中国科学报》报道):

  • AI 三大问题

“(1)泡沫太大,仍处于技术成熟度曲线(hype cycle)的高峰阶段,喧嚣埋没理性,需要一个冷静期;(2)以偏概全,对成功个案不顾前提地放大、泛化,过度承诺;(3)期望过高,用户神化 AI 的预期效果,提出难以实现的需求。”

  • “智能是人类区别于其他动物的专有特征,特别是认知能力。我们可以接受机器在感知能力方面超越人类,但对机器认知智能的研发,需要高度审慎。从科技伦理的视角来看,我们为什么要造出一个替代我们认知的东西?”
  • “雷声隆隆,雨点并不大。”
  • “我最近最大的困扰就是拿着手机却读不到想读的有价值的内容。”
  • “虽然基于当前的技术路径,大模型尚不能’无中生有’……但一味信奉’蛮力’、追求规模,也极易发展出在覆盖面和复杂度上人们难以掌控的’巨兽’。”
  • 关于研究禁区:基础研究阶段一般不做限制;涉及对人的认知能力调控、违背人的自由意志的研究应列为禁区;应用阶段,“大规模远程监控、自主决策的社会评价体系、操纵个人意识和行为并造成个体或他人身体或心理伤害的技术,以及以超越或替代人的认知能力为目标的 AI 技术研发,应当受到限制”;“研究禁区应该建立动态调整机制,适时调整伦理审查的复核清单。”
  • 呼吁建立 AI 生成内容的披露标注机制,建立涵盖开发者、创作者、使用者的标注责任机制,并推进相关标准国际化。

2024 年 10 月,第二十一届中国计算机大会(CNCC2024)期间接受搜狐科技专访:

  • “我认为不可能,现在的大模型不可能(通往 AGI)。这是其技术实现的底层逻辑决定的。”
  • “很可能就在几年之内。这里我指的是大模型能力的天花板,模型产出内容的质量还是会有不断改善。”
  • “当前大模型的竞争已经成为’数据工程’的竞争。”
  • “就这个意义而言,大语言模型可被视为是已有’语料’压缩而成的’知识库’。生成结果的’语义’正确性高度依赖于数据的空间广度、时间深度以及分布密度,更高度依赖于数据的质量。”
  • “大模型可以产生基于内容’基元’的新组合,虽然它本身并不知道该’组合’的含义。这种组合有可能是某种’知识’,也有可能是’幻觉’,这就需要人类专家去验证审核了。”
  • “我不认为现在的 AI 有什么所谓的意识,我也不认为它有知识涌现能力。”
  • “我们为什么要去造出一个替代我们智能的东西,进而让出我们地球主人的地位?我个人是反对追求 AI 取代人类认知的。我们应该是把它视为工具。”
  • “AI 设计是’智能’,那人的设计是什么?”
  • “我们不应该过度使用类人的术语来描述机器,比如’意识’、’心智’甚至’硅基生命’等……我个人也特别不喜欢’硅基生命’之类的提法,说重一点,这是对生命的不尊重。”
  • “面对 AI 技术发展现状,如果对 AI 的落地应用有所疑问和彷徨,那么,积累数据——可采尽采、能存尽存。”
  • 关于低熵 AI:“我只是觉得现在的模式熵增太快,过于耗费资源。以当前可以看到的发展路径,离这个理想还有很长很长的路。”
  • 关于开源:“大语言模型将像互联网一样走向开源。全世界共同维护一个开放共享的基础模型。”并自陈”这至少也是表达自己的一种期望”。
  • 关于中国科研:“绝大部分’从 0 到 1’的原始创新都不是规划出来的……基本都是来自基于兴趣去探索未知。””中国的科研人员应该培养批判性思维……不怕争论,思维碰撞的火花应该再多一些。”

另据报道,其在 2024 年 9 月《中国计算机学会通讯》发表文章《对当前人工智能热潮的几点冷思考》,上述部分观点出自该文。

四、笔者的分析建构(非其本人表述)

以下为笔者依据公开材料所做的分析与推断,未经其本人确认,读者可以不同意:

  • “软件工程师看 AI 与 AI 研究者看 AI,一个看能力上限、一个看工程下限”这一提炼;
  • “软件化产出应用,软件定义产出平台”,及其向中国企业数字化困境的迁移;
  • 第四节与李明”理解即压缩”的对撞与调和——两位学者之间不存在公开论辩,将其并置比较为笔者的分析编排;”压缩证明模型理解了读过的东西,但也因此无法产生没读过的东西”这一调和为笔者提出。
  • “人的位置不在生成,在验证”这一推论;
  • “语言的降格往往先于地位的降格”,及对”人工””智能”等词用法变迁的分析——其原话为对”智能设计”一词的追问,扩展分析为笔者所加
  • “当你不知道该做什么时,做那件无论未来怎样都不会错的事”这一判据化表述;
  • 第八节的定位对照表与”技术性怀疑会被进步消解,伦理性质疑不会这一核心判断——表中其他三位学者的立场为笔者的浓缩表述,非其本人原话,且四人之间不存在公开交锋;
  • 与维纳《人有人的用处》、Fred Brooks《没有银弹》的两处历史对标;
  • 第九节所列五条边界,其中第一条关于其天花板预测正在被时间检验的说明,为对时间事实的客观陈述,本文未对该预测的对错下结论。

本文为公开信息基础上的思想评述,所引职务、荣誉与观点均为公开信息的客观陈述;不构成对任何机构、产品或技术路线的推荐,亦不构成投资建议。

© 版权声明
THE END
喜欢就支持一下吧
点赞12 分享
评论 共1条

请登录后发表评论