托马斯·萨金特：AI历史性机遇在前，年轻人别被不学习诱惑

【文/托马斯·萨金特】

今天要讨论的主题是人工智能供应链与中国。这个组合很有意思——中国在AI供应链上的布局，放在全球视野下看，确实有非常独特的逻辑。先讲几个核心判断：人工智能到底是替代人力资本，还是对人力资本的补充？这个问题对在场的年轻朋友尤其关键。我会从人工智能的起源说起，然后拆解供应链中的人力、物理和道德维度，最后聚焦中国，大家也可以拿其他国家的体系来做对比。

在深入供应链之前，先聊聊人工智能本身。智能是什么？本质上就是人类执行的三类活动：第一，模式识别——收集数据并归纳成模式；第二，泛化能力——从历史数据中提取模式并应用到新场景辅助决策；第三，决策行为。人工智能就是用机器来模拟这三类活动。那么，开发人工智能需要哪些工具？这里有四类核心方法：数学、经济学、生物学和物理学。

但这里藏着一个美妙的悖论。认知科学家史蒂芬·平克指出，人类经过数万年进化，原本是狩猎采集者，天生不擅长统计学、生物学、经济学、物理学这类现代认知。教育的目的，就是用技术克服这些认知障碍。而人工智能的开发恰恰需要这些认知能力——这本身就是一种有趣的张力。

中国大模型有了极大的进步

如果把一个机器人拆开，或者把AlphaGo、AlphaFold这样的模型拆开，你会发现里面都是充满创意的科学家用数学工具搭建的：优化动态规划、概率学、贝叶斯推理、线性代数、几何学……经济学层面则融入了定价、博弈论、拍卖机制、探索与利用的平衡。生物学贡献了神经网络和遗传算法。物理学则提供对称性、蒙特卡罗模拟和统计力学。这些学科的交汇，才是人工智能真正的底座。

那么人工智能擅长什么？它特别擅长识别和梳理模式，模拟和逼近复杂的函数。实际上，大语言模型本质上就是用最小二乘法来估计非线性函数。它还能处理海量数据集，完乘人类觉得乏味、繁琐或容易出错的任务——这些是AI的强项。

短板在哪里？人工智能能很好地完成“开普勒阶段”的工作——就像托勒密和开普勒从行星轨迹中总结规律、用曲线拟合数据。但“牛顿阶段”——深入挖掘数据本质、建立结构化模型——AI目前还力不从心。冯·诺依曼和库普曼斯早就区分过这两个阶段，而今天的人工智能在开普勒阶段表现亮眼，牛顿阶段仍需突破。

作为长期在大学任教的人，我看到人工智能带来了一个深刻的教育选择问题。过去几年，不少学生——不是少数，是大部分——把人工智能当成了替代工具：让人工智能写作业、写论文、做推理，自己跳过痛苦的基础知识学习。为什么？因为觉得枯燥、乏味。我自己有学习障碍，二年级数学不及格，到现在还会拿张黄色小纸条涂涂画画，反复试错。学习确实不好玩，但当你真的找到答案，一切都值了。

现在的问题在于，学生是否愿意逃脱苦学阶段？大部分确实屈服了。但那些真正学懂了基础知识——不管是算术、生物、统计还是物理——这些知识会变成你的人力资本，存进你的脑子。这时候，人工智能不再是替代，而是辅助、是补充、是能量倍增器。你成为人工智能的主宰，给它提出问题、纠正方向。我认识一个20多岁的中国学生，对他来说，人工智能就等于手下有一支研究助理大军。关键经验是什么？人工智能提高了学习基础知识的回报率——无论你学什么，它都能让你更有收获。

那么，供应链这个概念怎么理解？这是一种由多个相互关联模块构成的系统，每个组件都必须正常运行才能交付成果。一旦出现薄弱环节或瓶颈，整个系统就会受威胁。工程师在设计机器人时，一定会考虑最糟糕的故障情景。人工智能供应链也是如此，它有物理组成部分：机器、电网、发电机、半导体、芯片、数据中心；还有人力和人力资本组成部分。

人工智能供应链的人力资本，指的是一个源源不断输送人才的管道。这些人才有家庭、有父母、有教育投入，从小学到中学到大学，还有私营企业、研究机构、政府机构在不断积累人力资本。此外，还有一个由文化圈构成的生态系统。我特别推崇开源计算——它本质上是一种社会主义式的共享：你分享代码，也获得别人的代码。大语言模型、数据、监管环境、制度环境……所有这些都构成了供应链的一部分。任何一个薄弱环节都危机重重。

学生们在人工智能通识课上学习如何给机器狗编程。新华社记者 江汉 摄

说到中国，作为一个局外人来看，可以观察到很多深思熟虑的权衡。举个例子，过去四五年，我最好的学生纷纷跑去中国读中小学——那里能学到扎实的基础知识，掌握各种工具。而我在美国的孙子孙女们，反而不太能接触到这些工具。这只是供应链中的一个小切片。电力是人工智能的另一个瓶颈，中国在电池等领域投入巨大，成效显著。芯片瓶颈、贸易壁垒以及它们带来的后果，中美两国都在各自应对。

最后是人力资本瓶颈。中国在科学、技术、学生培养方面打造的基础设施，放在国与国比较中位置非常突出，这绝非偶然。开源计算也是供应链生态系统的一部分，东方和西方在这个问题上做出了不同选择，值得深入探讨。

总体来看，作为一个外来观察者，我认为中国的人工智能供应链确实有乐观的理由。谁走在前面，不取决于某个大模型在当前测试中得分最高——那只是冰山一角。作为一个来到中国的客人，能在这里看到、听到、学习到这一切，包括在深交所的经历，都深感荣幸。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：托马斯·萨金特：AI历史性机遇在前，年轻人别被不学习诱惑要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题