特斯拉CEO伊隆·马斯克(Elon Musk)在迪拜的一个活动上谈到了人工智能的未来。他说我们需要实现“人类与机器智能之间的共生关系”,这可以防止出现“危险的情况”,即比人类更聪明的机器人掌控世界。
伊隆·马斯克引用了一句古老的格言:”如果你不能打败他们,那就加入他们”,他建议人类也应这么做以防止机器人逆袭。
我们生活在模拟世界中吗?
去年夏天,在南加州的Code Conference大会上,伊隆·马斯克被问及我们是否生活在模拟的电脑游戏中,他回答说“可能是的”。
马斯克相信,电脑游戏技术——尤其是虚拟现实——已经接近一个与现实几乎难以区分的临界点。他说:“假定游戏的发展速度无限快,那么即使这一速度下降了1000,它也将达到与现实难以区分的状态。”
显然,我们正处在对于这一目标的追求阶段,而且现在有数十亿游戏等待发展。
马斯克表示,“这样看来似乎我们身处真实世界的几率是数十亿分之一。”
今天早些时候马斯克在迪拜世界政府峰会上讲话:
他说:“随着时间的推移,我认为我们可能会看到生物智能与数字智能的结合。这个结合主要体现在带宽、生物大脑与数字大脑之间的连接速度等,尤其是输出方面。”他接着解释说,虽然计算机能以每秒万亿字节的速度进行通讯,但人类只能每秒处理10比特。
这可能会让人类在今后人工智能主导的世界中显得有些多余。马斯克解释说:“大脑将有助于实现人类和机器智能之间的共生关系,或许还能解决人工智能的控制等问题。”
在讲话中,马斯克还提到了他对“深度人工智能”的恐惧,它“比地球上最聪明的生物还要聪明”,并称这种情况“很危险”。
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。”马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”然而,很多人的工作是驾驶。事实上,我认为这可能是雇佣员工最多的行业。
在讲话中,马斯克还提到了他对“深度人工智能”的恐惧,它“比地球上最聪明的生物还要聪明”,并称这种情况“很危险”。电影《终结者》中的机器人,它威胁要掌控世界。“所以我们需要思考人类将要扮演的新角色,但这将会发展得非常混乱而迅速。”
其实这不是马斯克第一次提出有一天人类将与机器人融合。在最近一次与Y Combinator公司的访谈中,马斯克解释说,人类和机器之间的“最佳结果”将是共生式,即“我们就是人工智能”。
马斯克将这种情况比作大脑边缘系统和大脑皮层的合作。在采访中,他解释说,这两种系统——控制本能的原始大脑以及“负责思考的部分”——可以很好地合作,而且几乎没人想要拆散这一结合。
他对Y Combinator说,“我认为,如果我们能够与人工智能进行有效融合,比如改善大脑皮层与数字化拓展之间的现有神经联系——这还需要解决带宽的问题——那么,我们就可以成为人工智能——人类结合体。”
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。”
马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。” 马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”
他还解释说,这也能解决对于人工智能的“控制问题”,毕竟人工智能很可能会发展得非常普遍,以至于“普通人也能唾手可得”。
马斯克对Y combinator说:“我们不需要担心人工智能会成为邪恶的独裁者,因为我们就是人工智能。“这似乎是我能想到的最好的结果。”
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。