Google前執行長與史丹佛AI教母激辯:超級智慧將如何引爆15兆美元財富,以及人類的最終價值

Google前執行長與史丹佛AI教母激辯:超級智慧將如何引爆15兆美元財富,以及人類的最終價值

當AI的智慧超越全人類總和,世界將會變成什麼樣子?這不是科幻小說,而是矽谷正在激烈辯論的未來。前Google執行長艾瑞克·施密特(Eric Schmidt)與被譽為「AI教母」的史丹佛大學教授李飛飛(Fei-Fei Li)在一場深度對談中,就「超級智慧」(Superintelligence, ASI)的到來時間、經濟衝擊,以及人類的最終角色,展開了精彩的交鋒。這場對話揭示了我們未來社會、國家乃至個人命運的關鍵走向。

超級智慧,被定義為「超越所有人類智慧總和的智能」。關於它何時到來,矽谷內部存在巨大分歧。施密特指出,一群被他稱為「舊金山共識」的專家們,樂觀地認為超級智慧將在3到4年內實現。他解釋:「他們認為我們正在目睹的複合效應,將以比人們預期快得多的速度將我們推向這個目標。」

然而,施密特本人對此持保留態度,認為可能需要更長的時間。他點出當前AI技術的一個關鍵瓶頸:「現有系統很難將它們在推理過程中學到的東西,迅速反饋並融入自身。一個數學家證明了一個定理,可以立即將其作為下一個證明的基礎,但AI系統還做不到。」他認為,要達到真正的超級智慧,可能需要一次全新的「演算法突破」。

AI的創造力極限:我們能打造下一個牛頓或畢卡索嗎?

李飛飛教授提出了更根本的質疑。她承認,今日的AI在某些方面早已是「超級人類」,例如:「AI能說數十種語言、進行快速計算、掌握從化學到體育的龐大知識,幾乎沒有任何人類能做到。」

但她話鋒一轉,拋出了深刻的問題:「AI能成為下一個牛頓嗎?能成為下一個愛因斯坦嗎?能成為下一個畢卡索嗎?我真的不知道。」她舉例說明:「就算你把今天觀測到的所有星體運動數據餵給任何AI演算法,它也無法從中推導出牛頓運動定律。這種人類獨有的創造力和抽象化能力,我還沒在今天或明天的AI中看到。」這意味著,AI或許能解決已知問題,但提出顛覆性的新問題或新框架的能力,仍是人類的專屬領域。

15兆美元的經濟衝擊:財富共享還是贏家通吃?

根據預測,到2030年,AI將創造高達15兆美元的經濟價值。這筆巨額財富將如何分配?是會弭平貧富差距,還是會讓贏家通吃?

對談主持人彼得·戴曼迪斯(Peter Diamandis)樂觀地認為,AI將帶來一個「後稀缺社會」,就像Google免費提供資訊一樣,AI也將免費提供頂尖的醫療和教育。

然而,施密特潑了一盆冷水。他警告:「這些技術具有網絡效應,會將利益集中在少數贏家手中。你可能會看到少數國家、少數公司和少數人獲得了所有好處。」他直言,率先採用AI的企業將獲得不成比例的巨大回報。

李飛飛則提供了更中性的觀點:「我同意AI將大規模地普及知識和能力,但全球生產力的提升,不必然轉化為共享的繁榮。共享繁榮是一個更深層次的社會問題,涉及政策、地緣政治和財富分配。」

全球AI主權競賽:各國該如何佈局?

面對這場無法避免的競賽,各國領導人該如何應對?施密特直言不諱地分析了當前局勢:美國憑藉其深厚的資本市場和台積電的先進晶片,處於絕對領先地位;中國緊追在後,但其他國家遠遠落後。

他給出的策略是「選邊站」:「你必須想清楚自己站在哪一邊。希望是美國這邊。然後與美國公司合作。」他以沙烏地阿拉伯和阿聯酋為例,認為它們與美國合作,將大型數據中心設在國內,是一個明智的戰略。

李飛飛則強調各國應投資於自身:「各國都應該投資於自己的人力資本、合作夥伴關係,以及自身的技術堆疊和商業生態系統。不投資AI,宏觀來看絕對是錯誤的決定。」但她也提醒,對於能源昂貴或國力較弱的國家,未必每個國家都有能力建立自己的主權AI數據中心,尋求國際合作將是關鍵。

人類的最終價值:當AI比我們更聰明時,我們還剩下什麼?

這場對談最終回到了最核心的哲學問題:當AI能夠做出最佳的戰略、科學和經濟決策時,人類不可替代的功能是什麼?

施密特的答案是「人機協作」。他認為:「最終的勝利將來自於人類的判斷力與超級電腦的思考力之間的合作。」他舉例,即使自動駕駛賽車更快,我們依然想看人類車手在F1賽道上較勁,因為「人類永遠對其他人類能做什麼感興趣。」

李飛飛則以一段強而有力的呼籲作為總結:「當我們討論AGI和ASI時,最重要的事情是必須牢記『人類的尊嚴和自主性』。我們的世界,除非我們打算毀滅這個物種,否則必須以人為本。無論是自動化還是協作,都必須將人類的福祉置於中心。我們絕不能偏離這個焦點。」

這場對話清晰地揭示,超級智慧的浪潮不僅是技術革命,更是一場對全球經濟秩序、國家戰略和人類自我價值的全面重塑。

參考資料: https://www.youtube.com/watch?v=Q_9KNz7nnlA

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin