造神：人工智能神话的起源和破除

AI 热潮中保持一份清醒、独立思考非常难得。DeepSeek 笔记很赞！ 这是一份关于《造神：人工智能神话的起源和破除》的深度读书笔记。本书的核心在于祛魅——它并非一本技术手册，而是一部思想史和社会批判著作，旨在剖析围绕AI的种种叙事如何被构建起来，并揭示其背后的权力、资本与人性动因。 这份笔记将分为以下几个部分： 1. 核心论点：本书试图回答的根本问题 2. 结构梳理：神话的构建与破除之路 3. 关键概念与精彩剖析 4. 批判性思考与启示 5. 总结与延伸思考 --- 1. 核心论点 本书的核心论点是：我们今天所熟知的“人工智能”并非一个纯粹的技术概念，而是一个被精心构建起来的“现代神话”。 这个神话融合了宗教预言、科幻叙事、商业炒作和哲学遐思，其目的在于获取巨大的资源、权力和合法性。作者呼吁我们“破除神话”，回归到对技术本身及其社会影响的冷静、理性的审视。 2. 结构梳理：神话的构建与破除之路 本书的逻辑脉络清晰，可以概括为“起承转合”： · 起（起源）：神话的古老根系 · 追溯了“人造生命”、“会思考的机器”等思想在西方文化中的源头，从古希腊神话的赫淮斯托斯黄金机器人，到犹太传说中的泥人戈伦。 · 指出了宗教中的“造物主”叙事是“造神”冲力的原型。人类渴望扮演上帝的角色，创造具有意识和生命的存在。 · 承（构建）：现代神话的成型 · 分析了控制论 如何为AI提供了最初的科学语言和哲学基础，将生命、心智和社会都看作信息处理系统。 · 剖析了“奇点”理论 如何扮演了“末日审判”或“弥赛亚降临”的世俗宗教角色，它提供了一个确定性的、充满诱惑/恐惧的未来图景，吸引了大批科技信徒。 · 揭示了资本与媒体的共谋：硅谷的风险投资、科技巨头的战略需要以及媒体的推波助澜，共同将AI包装成一个能解决一切问题、注定改变世界的“万能钥匙”，以此吸引投资、抬高估值、获取政策支持。 · 转（剖析）：神话背后的权力与意识形态 · 批判了技术决定论 的谬误，即认为技术发展是自主的、线性的、不可抗拒的。本书指出，技术的发展路径深受社会选择、权力结构和意识形态的影响。 · 解构了AI领域的“大师”与“先知”（如库兹韦尔），指出他们的预言往往带有强烈的个人信念和商业目的，而非严谨的科学推断。 · 揭示了AI神话所服务的权力结构：它让科技巨头拥有了近乎神权的权威，同时掩盖了其背后数据剥削、劳动异化（如数据标注工的廉价劳动）、算法偏见等现实问题。 · 合（破除）：走向理性的未来 · 呼吁从对“通用人工智能”的玄学争论，回归到对具体算法、数据正义、劳动关系和人机协作的现实关注。 · 提出我们需要建立新的伦理、法律和社会治理框架，来约束和引导AI技术的发展，确保其服务于人类整体的福祉，而不是少数精英的权力巩固。 · 最终结论是：AI的未来不应由神话来决定，而应由民主的、公开的社会讨论和审慎的监管来塑造。 3. 关键概念与精彩剖析 1. “造神”与“祛魅” · 造神：指人类将AI赋予超自然的神性，如全知、全能、乃至拥有意识和情感。这是一种非理性的崇拜和恐惧。 · 祛魅：源自社会学，指剥去神秘光环。本书主张对AI进行“祛魅”，将其看作由代码、数据和统计学模型构成的工具，其能力与局限都是人为设定的。 2. “神话”的三重面具 · 救世主神话：AI将解决气候变化、疾病、贫困等所有难题。 · 末日神话：AI将觉醒并毁灭或奴役人类。 · 天命神话：AI的到来是技术发展的必然归宿，无法阻挡。 · 本书批判：这两种极端叙事（乌托邦/反乌托邦）本质上是一体两面，都放弃了人类的主体性和责任，麻痹了我们思考和行动的能力。 3. 从“工具理性”到“神话叙事” · 本书深刻指出，AI领域已经从一个追求“工具理性”（如何让机器更高效地完成任务）的工程领域，异化成了一个充满“神话叙事”的意识形态战场。讨论的重点从“它能做什么”变成了“它将成为什么”，这本身就是一种话语权的争夺。 4. “数据封建主义” · 书中可能提及或隐含的一个概念，指科技巨头通过垄断数据和算力，建立起一种新的封建权力结构。我们普通用户则成了数字时代的“农奴”，贡献数据并接受其统治。AI神话是巩固这种封建秩序的“君权神授”论。 4. 批判性思考与启示 阅读本书后，我们应如何思考AI？ 1. 提问方式的转变： · 从：“AI会有意识吗？” 转向：“这个推荐算法是如何加剧信息茧房的？” · 从：“奇点何时到来？” 转向：“自动驾驶事故的责任该如何划分？” · 从：“AI会取代所有工作吗？” 转向：“在AI辅助下，我们如何重新定义人的价值和劳动？” 2. 对科技报道的免疫力：以后再看到“历史性突破”、“改变一切”、“AI警告人类”之类的标题时，会本能地思考其背后的动机和叙事框架。 3. 关注权力的转移：会更加警惕科技公司以技术之名行权力扩张之实，并支持对算法透明度、数据隐私和反垄断的监管。 4. 重申人的主体性：本书的最终落脚点是人文主义。它提醒我们，技术是为人服务的，世界的未来最终取决于人的选择、价值观和行动，而不是某个自主进化的“神”。 5. 总结 《造神：人工智能神话的起源和破除》是一剂强有力的清醒剂。它不否认AI技术的巨大潜力和现实影响，但它坚决反对将这种潜力神秘化、宿命化。 它告诉我们，AI没有“天命”，只有“选择”。是选择让它成为加剧不平等、实施监控的利器，还是成为赋能个体、解决社会问题的工具，这取决于我们如何构建制度、制定法律和塑造文化。破除“造神”冲动，正是为了夺回我们对自己未来的主导权。 延伸思考问题： · 在AI时代，什么样的新社会契约是必需的？ · 如何在全球范围内建立有效的AI治理，避免“竞速底线”？ · 在人与机器的关系中，哪些人类的独特品质（如同理心、创造力、伦理判断）是必须被坚守和强化的？ 这份笔记希望能为您提供一个清晰的框架，帮助您深入理解和思考这本书的深刻内涵。

在这本书里，你将读到关于人工智能的神话。人工智能的神话认为人工智能的到来是必然的，这只是时间问题——我们已经踏上了这条道路，它通往人类水平的人工智能，然后通向超级智能。在媒体专家和以埃隆·马斯克(Elon Musk)为代表的思想领导者，甚至许多所谓的人工智能科学家的宣传下，人工智能的必然性已经在大众的讨论中根深蒂固，而反对者也常被当作卢德主义者，至少被认为是用短浅的目光看待科技的未来，或是未做好进入智能机器世界的准备的人。 正如在本书中展现的，人工智能关乎智能的核心奥秘，现在还没有人知道如何解答它。人工智能的支持者们踌躇满志，要把它已知的局限性减到最小。毕竟，人工智能是一桩大事，在文化领域中的地位也在不断提升。然而，无论我们承认与否，我们目前对智能本质的了解程度限制了未来人工智能系统的可能性。在此，我们应该坦率地说：所有证据都显示，人类和机器的智能是完全不同的。人工智能神话的拥趸者们坚持认为，这种差异只是暂时的，终将被更强大的人工智能系统抹去。未来学家雷·库兹韦尔(RayKurzweil)以及哲学家尼克·波斯特洛姆(Nick Bostrom)等人都是这个神话的大力宣扬者。他们声称人类水平的人工智能一定会出现，而且随着它的出现，人类将被超级智能机器远远地甩在后面。 这本书阐述了人工智能神话的两个重要方面，一个是科学方面，一个是文化方面。在科学方面，这个神话认为，我们只需通过在狭隘的特定领域中取得进步，比如做游戏或图像认知，就能找到通用智能的突破口。这是个严重的错误：在狭义的应用上取得的成功无法拉近我们和通用智能之间的距离。有人推断，人工智能系统需要通用智能来阅读报纸，进行基本的对话，或成为家庭喜剧动画片《杰森一家》里的机器人罗西那样的伙伴——以我们现在对人工智能的了解，这些都无法被程序化、被学习或被设计。受益于运算速度更快的计算机和海量的数据，人工智能也有了更简单、更狭隘的版本。我们成功地使用这种人工智能时，并没有在逐渐进步，而是在摘取低处的果实。而跳跃到通用智能是一件截然不同的事，也没有人知道从一处通往另一处的道路。通用智能中不存在算法。我们也没有足够的理由猜测，通过进一步研究深度学习系统或现在流行的其他任何方式，算法就会出现。它更可能需要重大的科学突破，而我们目前对这种突破一无所知，更别谈具体获得的途径了。 人工智能的神话不是好事，因为它无休止地谈论持续的进展，掩盖了科学中的奥秘。这个神话倡导人们相信必然的成功，然而对科学真正的敬意会把我们带回原点。这将带我们进入人工智能神话的文化层面，即人工智能神话对文化的影响。追寻这个神话对科学不利，也对我们不利。为什么呢？原因之一是，如果我们选择忽视智能的核心奥秘而不是面对它，我们就很难取得创新。健康的创新文化强调探索未知，而非宣扬现有方法的扩展——尤其当这些方法已经明显不足以让我们走得更远时。人工智能必将成功的神话容易抹杀取得真正进步(无论这种进步中是否包含人工智能)所需的创造性文化。这个神话还鼓动人们听任机器在各个领域蔓延，在那些领域，真正的发明被边缘化，取而代之的是鼓吹未来主义的言论，而这些言论往往来自既得利益者。 AI造神，不仅是一种人类的“原罪”，也是对科学的背叛。人们想象的智能时代很快就会到来的景象，只不过是一场梦而已。我们低估了人类智能，高估了人工智能。 这被拉森称为“技术媚俗”。他认为，现在AI被当成神一样来崇拜，可惜它却是个伪神。我们必须破除技术媚俗，破除AI神话，这绝非否定技术的价值，而是拒绝盲从与误区，只有这样，才能迎来真正的进步。 拉森的《造神》并不是一本否定科学的著作，恰恰相反，本书是从审慎的科学立场出发，对科学的精神正本清源，对各种“造神运动”发出警告，对人类的自由灵魂保驾护航。

《造神：人工智能神话的起源和破除》是一部为“AI 造神”现象祛魅的作品。作者埃里克·J. 拉森认为，当下关于人工智能的宣传把机器智能简化为“更快的算法”和“更大的数据”，忽视了真正的智能本质，由此催生出对 AGI（通用人工智能）和超级智能的不切实际期待。全书分三部分： 1. ​​简化的世界​​ • 追溯 AI 神话的思想源头：从图灵的“模仿游戏”到 I.J. 古德的“超级智能”概念，技术乐观主义与大众文化结合，形成了把复杂智能拆解为可计算指标的“技术媚俗”。作者称这种简化隔绝了对真正智能的理解，并削弱了文化深度。 2. ​​推理的问题​​ • 指出“推理”才是通向人类水平 AI 的核心难题。作者区分演绎、归纳、溯因三类推理，说明仅靠大数据与统计模式只能解决演绎或弱化版归纳，而缺乏溯因能力的系统永远难以具备真正的通用智能。 3. ​​神话的未来​​ • 如果社会把 AI 神话当成科学本身，就会在政策、投资和研究路径上走偏，甚至威胁后续创新。作者呼吁回到对人类自身智能的理解，谨慎评估技术潜力，避免重蹈“科技造神”带来的文化与科学危机。 通过这三部分，作者既梳理了 AI 发展史中的思想脉络，也批判了当前深度学习浪潮过度商业化、忽视基础智能研究的倾向。书中结合哲学、认知科学、神经科学与技术史，试图让读者看到：真正的人工智能远未到来，而我们更需要理解、保护和扩展人类智能。

通用人工智能，未来还是神话~木铎书评之《造神》 《造神》这本书有一个副标题叫做人工智能神话的起源和破除，我想作者起这么一个副标题是想破除通用人工智能很快就会到来的神话，在作者看来现在的人工智能路线并不能必然带来通用人工智能，对通用人工智能的期待和炒作在某种程度上不过是创造一个神话。 很多人把这本书和《智慧的疆界》做比较，我觉得这些做比较的人完全没读懂作者的核心观点。作者对现在人工智能发展路线的怀疑是奠定在对人类认知模式的总结之上的。按照作者的总结，人类的认知模式一共只有三种，演绎，归纳和溯因，把三种认知模式结合起来才是完整的人类智能。 演绎法就是我们经常接触到的形式逻辑，比如三段论：人都是会死的，苏格拉底是人，所以苏格拉底也是会死的。最早的人工智能都是基于演绎法的，也就是试图给计算机输入一堆“因为……所以……”，但是这条路后来基本上失败了，演绎逻辑具有确定性。然而在真实世界里，确定性其实是一个很高的标准，真实世界是一个开放环境，并没有百分百的确定性。 演绎永远不会增加知识。如果我知道人不能永生，而某某是人，我就已经知道了某某会死。演绎只是确定了一个理性的人应该从已给出的前提中总结出的东西——这在简单的三段论中很明显，因为“知识”已经含在命题里了，结论只是让它更清晰而已。因此，在追求新知识的过程中，演绎是无用的。只有当推理中出现了错误，演绎才会澄清有争议的论点。 因为基于演绎法的人工智能的失败使人工智能陷入寒冬，人工智能的研究者和投资机构寥寥无几，是什么挽救了人工智能行业呢？是归纳法和大数据，归纳的意思是从经验中获得知识和。演绎不同，归纳的一般形式是从特定的观察推导出普遍的假设。归纳假设解释了观察到的现象，它的基本机制是枚举。归纳能力强大，不仅因为它能通过假设，帮助我们把事物分门别类（所有这些X物体都具有Y特征），还因为它会赋予使用它的智能体预测的能力。 人工智能死灰复燃的原因还有一个：数据。突然间，海量数据集出现了，特别是来自数百万网络新用户共同努力的文本语料库（网页），给陈旧而“肤浅”的统计和模式识别方法注入了生命。有了杰弗里·辛顿(Geoffrey Hinton)、杨立昆(Yann LeCun)、约书亚·本吉奥的早期研究，2006年前后，深度学习“革命”开始了。到2010年，谷歌公司、微软公司和其他大型科技公司都把神经网络用于主要的消费者应用软件中，比如语音识别。辛顿的弟子伊利亚创造了我们今天看到的ChatGPT，把人工智能的发展推到一个新的高峰。 不过我们应该清醒地意识到仅仅依赖于归纳法的人工智能早晚会遇到归纳法的普遍瓶颈，那就是无法确定知识的准确性，也就是意外事件的长尾效应，就算你看见了一百万只白天鹅，你也永远无法确定天鹅都是白色的，一个反例足以摧毁之前的所有归纳。就像《三体》中的故事一样，火鸡科学家永远无法知道圣诞节等待它们的是屠刀还是饲料。 18世纪的哲学家大卫·休谟(David Hume)是第一个指出归纳局限性的人——他向哲学家和科学家提出过的问题，如今被公认为是归纳的问题。如休谟所说，如果依靠归纳，我们就要相信“我们没有经历过的例子和我们经历过的相似”。换句话说，我们使用的通用归纳规则需要扩展到看不见的例子上，而且不能保证它会成立。与演绎不同的是，归纳的结构没有东西能提供逻辑确定性。它只能得出世界具有某种特性，我们据此可以审视这个世界，从而梳理（我们认为）我们已有的知识。 现在所有的机器学习和大语言模型都是建立在对数据进行观察并获得知识这个基础上的，所以都是归纳法。更要命的是机器学习模型的局限是由训练集引入的。现实世界一周7天，一天24小时都在生成数据。因此，训练使用的数据集只是一个很小的时间段，是代表现实世界系统行为的部分证据。这就解释了为什么不太可能发生的事件的长尾问题频出——系统实际上没有理解真实（相对模拟）的系统。对于深入学习和通用人工智能的讨论，这是非常重要的，而且引发了很多困惑：既然模型无法理解它们分析的现象（除了用于训练集中表现出的现象），那么我们应该在什么时候，在何种程度上相信它们。 我们认为现有的人工智能和大模型无所不知其实是个误会，对机器学习真正致命的批评是它的落后性。机器学习只能根据从数据集得来的观察结果，即之前的观察，来发现我们觉得有用的模式和趋势。但是所有的机器学习都是过去的一个时间段，如果未来到来了，因为机器学习只能追踪我们经历过的变化，所以它的模型就必须被重新训练。领路的不是机器，而是头脑。 现在一种非常奇怪的现象是我们一直在讨论大模型会不会带来通用人工智能和具备自我意识的人工智能，Open AI的人认为现在的GPT已经具备自我意识，但是其他的人工智能专家如杨立昆和李飞飞认为大模型无法产生自我意识和感觉。我们一直在谈论通用人工智能，但是却很少有人谈论什么是智能，以及人类智能的特点和局限。 我觉得这本书最大的价值在于它定义了智能的特点和局限：首先，智能是有情境的——没有所谓的通用智能。你的大脑是更广泛的系统中的一部分。这个系统包括你的身体、你所在的环境、其他人，以及整体文化。其次，智能是有语境的，绝非存在于真空中。任何个人智能都将永远受到环境的定义和限制。如今，环境正在成为智能的瓶颈，而不是大脑。最后，人类智能在很大程度上是外化的，它并不包含在你的头脑中，而是包含在你的文化里。如果把个体想象成工具，他们的大脑就是一个比他们自身更大的认知系统里的模块。这个系统存在已久，而且还会进行自我改进。 我觉得这个认识是十分正确的，如果通用人类智能都不存在，我们谈何创造通用人工智能呢？我们总是认为人类智能是通用的，我们这样想是认为我们把人类智能理解为狭义的计算，但是我们的智能是关于在开放和不确定环境中解决问题和生存的。请问如果把一个没接触过现代科技的狩猎采集者训练成人工智能专家，需要多大的投入有多少的成功几率？同理如果我们作为一个城市居民被抛到一个依赖狩猎采集的自然环境中，我们有多大的几率能活过一个礼拜？ 人类的智能从来都不是通用的，我们对通用人工智能的期待是不是一种不切实际的神话？人类科技的突破都是以创造性的溯因带来的科学理论突破为引导的，无论是相对论还是量子物理都是如此。我们在没有看到对智能的理论突破的前提下单纯希望加大算力和数据就能带来通用人工智能，确实是一场豪赌，能赌赢吗？我觉得其实谁心里也没谱。 伊利亚认为GPT已经拥有自我意识，我不知道他的证据何在，我也不能说杨立昆和李飞飞是对的，我觉得他们都是基于各自的研究得出的不同结论，我目前也不认为单纯基于归纳法的人工智能会产生通用人工智能，不过我还是更期待对人类智能研究的理论突破，那才是人类未来真正发展的希望。至于国内某些打着人工智能旗号圈钱的人，他们本来是想煽动民间的焦虑情绪从而割一波韭菜的，结果没想到却触发了政策制定者的焦虑导致自己成为被割的韭菜，我只能评价为“求仁得仁”了。不过这样也好，大家都塌下来心来多读读书，多思考，才能看清未来的方向，瞎吵吵除了被人当韭菜，没有别的好处。

埃里克·J. 拉森的《造神》是一部既有产业经验又有哲学深度的著作。作者曾在 Cycorp 参与符号 AI 项目，创办过 DARPA 资助的公司，同时拥有哲学博士学位，研究方向融合计算机科学、语言学与哲学。他的身份张力让这本书格外值得关注：一个既懂工程落地，又懂逻辑根基的人，站出来质疑人工智能的主流叙事。 书的核心观点是：今天 AI 的成功，是归纳的成功，而不是智能的成功。逻辑学里有三种推理：演绎、归纳、溯因。AI 在归纳上极其成功，但在溯因上毫无头绪。医生诊断的“猜”就是溯因，而 AI 只能给出概率。归纳再强，也不会自动变成溯因，就像骑自行车不会自动变成开飞机。智能的核心在于敢于猜，而这正是溯因。 然而，溯因推理本身并非坚如磐石。它存在三大裂缝：创新性与逻辑性的矛盾、与贝叶斯概率框架的争论、与“最佳说明推理”(IBE)的混淆。作者承认溯因理论未解决，但仍用它指出 AI 的盲区。这种批判有风险，但也锋利：它触及了人类智能最神秘的部分。 这种批判对当下 AI 浪潮的冲击各不相同。对语言模型的“理解论”，冲击最大——预测不是理解，模式不是思考。对 Scaling Law 与 AGI 乐观主义，冲击强烈——算力能放大归纳，却造不出溯因。对商业 AI，冲击有限，因为商业要的是“有用”而非“理解”。对神经形态计算，则是方法论警示——结构不是思维，模拟不是理解。总体而言，这本书像一盆冷水，浇不灭 AI 应用的火，却能让造神者清醒。 书中也给我们留下了几条启发。第一，警惕归纳傲慢：别把预测当理解，别把涌现当奇迹。第二，保护人类的溯因优势：AI 能替你算，但不能替你猜。第三，区分工程问题与科学问题：工程让工具更好，科学才让世界更深。同时，作者的论证也有盲点——他隐含“人类特殊论”，认为溯因不可计算，但未充分论证。这一点值得我们继续追问。 展望未来，书中批判也指向了可能的方向。首先是溯因基础理论研究，长期必要但短期难突破。其次是人机协作，AI 做归纳，人类做溯因，最现实的路径。第三是因果推断与大模型结合，从相关性走向因果性。最后是新范式探索，超越深度学习，尝试世界模型与主动推理。AI 的未来，不在算力的极限，而在理解的起点。 总的来说，《造神》不是否定 AI，而是提醒我们：不要把工具的成功误认为智能的突破。它让我们重新思考：什么才是理解，什么才是智能。AI 能造工具，但造不了神——真正的智能，仍在我们自己身上。

唯一和个人的不可通约性和不可取代性。所谓本来一切或全部，即每个唯一或个人，少一个都非完全。本来皆有皆无 ，不多不少。 故此，万能者万物也，全能者全体也，人工智能不过是其中即本来整体的组成部分而已，好比老话说的：烙饼再大也大不过烙饼的锅。人工智能就像是这个烙饼，一方面它还能大过老天或造物主，另一方面它还能取代宇宙万物不成？且不论神最厉害的就在於超神，而能造神已然超神也，当做如是观。

作者开宗明义，人类文明史是一部反复“造神”的历史：从法老崇拜到理性崇拜，从祖先崇拜到帝王精英的个人崇拜，而今转向对AI的盲目信仰，这种造神冲动根植于人类的文化基因。 当下以ChatGPT、Sora为代表的大模型技术，正被包装成“第四次工业革命”“人类意识数据化”等新神话。这种狂热掩盖了一个事实，也就是现有AI本质是“对人类深层思想的肤浅模仿”，其底层逻辑（基于大数据的统计归纳）与人类智能（融合演绎、归纳、溯因的复合推理）存在不可逾越的鸿沟。 拉森以罗素的“火鸡悖论”为喻：一只靠归纳法总结出“每日9点必获食物”的火鸡，最终在圣诞节被端上餐桌。当前AI正是这只火鸡——它依赖海量数据训练，却无法理解数据之外的常识与因果（如圣诞节的意义）。 真正的智能需同时具备三类推理： 演绎推理（从规则推结果） 归纳推理（从现象总结规律） 溯因推理（从结果反推最可能的原因） 而主流AI仅停留在归纳层面，就连最新的几个主流AI版本，也只是帮助人类更好的工作，既无法创新，更无法应对未知风险。 作者批驳了所谓“AI将超越人类”的预言，甚至被他斥为一种由科技巨头、媒体和盲目乐观主义者共同编织的肤浅叙事。 技术媚俗为既得利益者创造风口（如吸引资本涌入），却让公众陷入恐慌（如“AI取代人类工作”）或盲目依赖（如用ChatGPT替代思考）。OpenAI首席执行官山姆·奥特曼的自我反思佐证了这一观点：“我曾对AI有科幻式幻想，但现在它只是个工具……以前的我太天真了。” 拉森尖锐指出，当前AI研究在一条死路上狂奔：“进度条不是卡在99%，而是卡在1%”。人类连自身意识都尚未破解，却妄想用神经网络模拟智能，犹如试图通过观察飞鸟的飞行轨迹造出火箭。 而科技乐观主义者们在面对拉森的批判，也并非毫无声量。他们以三点回应： 进化论视角：AlphaGo的突破证明AI能解决人类未解难题，未来或涌现“超预期智能”。 工具价值论：即便AI不具意识，其提升效率的能力（如医疗诊断、气候建模）已足够推动社会进步。 悲观预言的自反性：过度强调AI威胁可能阻碍技术发展，错失解决全球性问题的机遇。 对我们非技术背景的读者而言，本书的价值远超一本科普著作，书中揭穿了ChatGPT等工具的真相：它更像“升级版搜索引擎”，而非全知神明。普通人可摆脱“被取代”的焦虑，转而思考如何借AI提效而非取代人性（如创意、伦理判断）。 本书不是反技术宣言，而是对科学精神的正本清源。它呼吁公众在AI狂潮中保持冷峻目光，拥抱工具革新的同时又警惕造神冲动。拉森剖析了神话制造链条：企业炒作概念→媒体渲染革命→公众盲目追随。由此我们可以学会识别利益驱动的话术如“AI将终结所有工作”，避免成为商业泡沫的牺牲品。 事实上“我们低估了人类智能，高估了人工智能”，书中强调，人类的常识、直觉、道德抉择等能力（如医生面对矛盾病例时的权衡），是数据无法量化的“缄默知识”。作为普通人类，我们其实可以更自信地守护自身价值，拒绝将决策权让渡给算法黑箱。破除AI神话，绝非否定技术价值，而是拒绝盲从，唯此才能迎来真正进步。真正的智能，永远始于对人类局限的认知，而非对机器的幻想。

《造神：人工智能神话的起源和破除》核心观点 核心的一句话：现在的AI根本不是真正的智能，也永远无法靠当前技术路线变成通用智能（AGI），所谓“AI成神、奇点降临”全是人造神话。 具体核心观点浓缩为5点： 1. 当前AI只有“模仿”，没有“理解” 大模型、深度学习本质都是数据统计与模式匹配，只是在模仿人类语言和行为，并不懂语义、常识、因果，更没有意识、意图和自我认知。 ​ 2. 缺失人类智能的核心能力：溯因推理 人类思考靠三种推理：演绎、归纳、溯因推理（提出新假设、给出最佳解释、创造性联想）。AI只会前两种，完全没有溯因能力，这是AI与人类智能无法跨越的本质鸿沟。 ​ 3. AGI（通用人工智能）是伪命题，现有路线走不通 靠堆数据、加算力、优化大模型，只能做出更厉害的专用AI，永远造不出能像人一样通用思考、灵活适应世界的通用智能，科学界至今都不知道实现AGI的正确路径。 ​ 4. “AI成神、智能爆炸、奇点临近”是商业与文化神话 这种说法源于对图灵测试、智能概念的简化曲解，再被硅谷资本、科技舆论炒作放大，把工程技术进步包装成“智能革命”，制造焦虑与泡沫。 ​ 5. AI造神的危害远大于技术本身 盲目神话AI会扭曲科研方向、浪费资源，还贬低人类独有的创造力、道德判断、常识认知，让社会陷入对技术的非理性崇拜。

心多憔悴～爱付与东流水～ 舍命奉陪～抵不过天公不作美～ 往事回味～不过是弹指一挥～ 日复日望穿秋水恕我愚昧～ 你爱着谁～心徒留几道伤～ 我锁着眉～最是相思断人肠～ 劳燕分飞～寂寥的夜里泪两行～ 烛短遗憾长故人自难忘～ 你爱着谁～心徒留几道伤～ 爱多可悲～恨彼此天涯各一方～ 冷月空对～满腹愁无处话凄凉～ 我爱不悔可孤影难成双～～

人工智能的“神话”源于三重叠加：技术突破带来的想象放大、商业资本的刻意包装、人类对“超越自身”的本能渴望。但AI本质是“基于数据的概率预测系统”，既非无所不能的“神”，也非即将失控的“魔”，其能力边界始终受限于算法逻辑、数据质量与人类设计目标。破除神话的关键，是理解AI的“工具属性”——它是人类能力的延伸，而非替代。 人类智能依赖三种推理——演绎、归纳、溯因，而主流AI仅靠归纳推理（大数据统计关联），缺失最关键的溯因推理（最佳解释、直觉、常识、背景理解）。AI只会“相关性”，不懂“因果性”；能预测，不能真正理解与创造。他用“罗素的火鸡悖论”比喻：AI靠历史数据归纳规律，却无法应对未知与例外，本质脆弱。