AI 真正的革命才刚刚开始

前段时间，我满怀期待地参加了一场 AI 大会。我很渴望、甚至有些兴奋，想见到全国范围内从事人工智能工作的一些最聪明的头脑。我想象中会有激烈的讨论、开创性的想法，以及那种站在数字创新最前沿的感觉。

迎接我的却是失望。许多与会者——包括一些学生和专业人士——对数字技术并不特别在行。对他们中的大多数人来说，AI 的全部印象就是一个"聪明的聊天机器人"。现场提出的一些问题，诸如"AI 有创造力吗？"之类——是你会在入门课堂上听到的那种问题，而不该出现在一场为先行者举办的大会上。

起初，这让我有些不安。它让我开始怀疑：是不是我在热情之中高估了我们在 AI 上所处的阶段？是不是我把当前技术还无法实现的能力投射了上去？

这种担忧促使我退后一步，批判性地重新审视自己的假设和计划。我需要确保我对这项技术的理解建立在证据之上，而不是空洞的炒作。而更深入的梳理之后，我的发现不仅让我安心，还进一步坚定了我的信念。它实际上给了我一个新的视角：我看到的那些障碍——基础设施的缺乏、AI 普及的迟缓、对新兴技术的浅层理解——对那些选择现在就动手建设的人来说，反而可能成为重大的优势。

人工智能有创造力吗？

AI 是否有创造力，这个问题很微妙。不是因为这个概念有多新，而是因为人们对创造力的看法和体验可能大相径庭。

AI 有创造力吗？我认为它绝对算得上一种创造性的媒介。

许多人可能会反驳："AI 是在海量数据上预训练出来的，它怎么可能有创造力？"可从很多方面看，人类自己就是预训练的生物模型。婴儿并不是某天醒来就自己会说话、自己长出个性；他们是被多年的感官输入与经历塑造出来的——视觉、听觉、触觉、味觉、嗅觉。从这个意义上说，人类吸收和处理信息的方式，与 AI 学习语言、与世界互动的方式颇为相似。

"世上没有所谓的新想法。那是不可能的。我们只是把许多旧想法放进一种心灵的万花筒里。" —— 马克·吐温

哲学家和历史学家普遍相信，一切都建立在先前之物的基础上。核心观点是：大多数想法都是既有思想的组合、重释或演化——百分之百凭空而生的东西少之又少。

有趣的是，人类与 AI 之间的界线正在模糊。甚至出现了一个新兴的生物 AI 领域：人类干细胞被训练去执行计算任务。科学家正在培育类脑类器官——由干细胞衍生、能模拟某些脑功能的微小、自组织的三维组织培养物。最近的实验已经展示了这些类器官如何被用于基础的计算模型。想象一下，一个真正的大脑——甚至一个神经类器官——被用来解决问题，或与传统计算机系统交互。

这项技术固然迷人，但需要指出的是，生物领域的进展往往比数字领域慢得多。事实上，干细胞技术已经存在十多年了，所以这些进展虽然令人印象深刻，却也并非全然出人意料。尽管如此，它们代表了生物学与计算之间一个耐人寻味的交汇点，暗示着人类在某些意义上或许也可以被看作天然形成的 AI。

那么，如果创造力是由意识和情感来定义的，那么不，AI 并不具备人类那种创造力。但如果我们把创造力定义得更宽泛一些——从既有数据中生成新颖而多样的输出的能力——那么 AI 事实上是有创造力的。AI 虽然缺乏情感深度和有意识的意图，但它重组、重构、生成新数据的能力表明，至少在其程序设定的边界之内，它是可以有创造力的，这使它成为一种独特而强大的工具。

AI 的突破性成就

为了让大家对现状有个概念，以下是 AI 的一些突破性成就，它们展示了 AI 非凡的能力和长期潜力：

• 蛋白质结构预测：人工智能通过 DeepMind 的 AlphaFold 等项目，攻克了生物学的重大挑战之一：预测蛋白质的三维结构。传统上，预测单个蛋白质的结构可能需要数年时间，常常是一整篇博士论文的核心课题。即便如此，许多研究者也未能完全解决它。六十多年来，全世界研究蛋白质的科学家们呕心沥血，总共找到了约 15 万个蛋白质结构。然后，AlphaFold 一出手，就揭示了超过 2 亿个——几乎涵盖自然界已知存在的所有蛋白质。这彻底改变了疫苗开发（例如疟疾疫苗）、遗传疾病研究以及对抗抗生素耐药性等领域。

• 生成式蛋白质设计：RF Diffusion 这类技术如今让科学家能够为特定目的创造全新的蛋白质。这包括设计中和蛇毒的抗体、开发癌症疫苗、创造自身免疫性疾病的疗法，以及设计能捕获温室气体或分解塑料的酶。

• 速度与效率：AI 能把流程加速高达 10 万倍。过去需要数年手工实验室工作才能完成的事，如今几天就能搞定。"牛仔生物化学"——快速、探索式的蛋白质设计——的兴起，正说明 AI 在如何拆除传统研究的瓶颈。

• 广泛的科学影响：在生物学之外，DeepMind 的 GNoME 等 AI 系统已经发现了数百万种新材料——其中包括可能带来更好的超导体、电池和可持续技术的材料。AI 正在加速催生全新的研究领域。

• 长期潜力：如果以负责任的方式发展，AI 可以帮助解决人类最重大的问题：治愈重大疾病、创造清洁能源、修复生态系统，甚至逆转气候变化的某些影响。它的力量在于它攻克问题的方式——那些人类苦苦缠斗了几个世纪的问题——给出此前难以想象的解决方案。

• 一种变革性的新方法：传统科学在复杂的非线性系统面前步履维艰。相比之下，AI 擅长解码和优化这类系统——无论是神秘的蛋白质折叠，还是新设计材料的特性。人类与 AI 的协作（比如 Fold It 项目）已经展示了集体智慧如何以全新的方式攻克科学前沿。

AI 潜力的早期阶段

还能好到什么程度？好得多——而且比大多数人意识到的更快。AI 有潜力拆除那些长期限制企业扩张速度的传统壁垒。知识如今已唾手可得，真正的差异化因素是巧思——你能多有创造性地、多无缝地把 AI 工具编织成一种独特的体验。

借助 AI 智能体，现在可以用更少的资源、以大幅更低的成本完成更多的工作。当然，会有一个不适的过渡阶段：AI 生成的文本、设计和产出起初可能很容易被识破。公众一旦意识到幕后是什么，会作何反应，很难准确预测。但无论如何，这场转变已经在进行中——而且只会加速。

回顾这些进展，我不禁意识到它们远远超越了我自己一直在做的 AI 项目。真是小池塘里的大鱼……我一度以为自己落地 AI 的那些想法开创先河、超前于时代。但看过这些突破之后，很明显我只是刚刚触到皮毛。

已有成就的庞大规模，真切地说明了一个事实：对于 AI 所能达到的高度，我们仍处在早期阶段。不只是今天的技术本身有多强大——而是即便 AI 的发展今天就此停止，我们也需要很多年才能把手头已有的全部知识和创新充分应用起来。

我们面前确实是一个不可思议的未来。