邱泽奇教授犀利指出：所谓“智能鸿沟”可能只是人类的自大妄想，AI更像会说话的百科全书而非全知全能。本文基于邱泽奇教授的访谈内容，系统梳理了AI与人类认知的本质差异、当前AI技术的天然缺陷，以及人机共存的多样性发展路径，帮助你更清醒地看待人工智能。

一、AI的本质：会说话的百科全书，而非全知全能

当前我们与人工智能对话，更像是在“看书”。在传统东方，读书解决的主要是伦理问题（从十三经到三字经，学习与人相处的基本观念和能力）；在中世纪以后的西方，读书解决的主要是对事物的认知问题。两种读书目的性迥异。

从认知来看，现有AI不论多强，吸收的仍主要是人类知识。例如，AI可以几秒或几十秒读完一本书并总结大意，也能讲出许多理论和道理。但还有一类知识——比如期刊论文——如果没有被授权给大模型训练或阅读，大模型就无法获知其中蕴含的知识。期刊数量极其庞大，仅2016—2018年，Nature等约1万种科学期刊就发表了超过30万篇自然科学论文。因此，AI的价值在于减少了高级知识分子与普通大众的知识差异，但仍然难以覆盖人类知识的整体。

从原理上讲，AI到底会对认知带来何种影响，现在下结论还为时过早。辛顿（Geoffrey Hinton）在上海人工智能大会上表示，人类的思维模式可能是大语言模型——人从牙牙学语开始不断积累，人工智能也在这么做。但这个说法的问题在于忽视了人类学习的其他途径，忽略了人类的五官。阅读只是视觉感知的一小部分，除了读书，人类还会看图、看电影、看歌剧、看话剧，更关键的是，一个具体的人还会看其他人的脸色——目前机器还做不到。

小提示：当你使用AI时，不妨问问自己：“这段回答是否只来自它‘读’过的书？它有没有可能遗漏了最新论文或隐含背景？” 保持这种觉察，能帮你更理性地评估AI的输出。

二、AI与人类认知的三大本质差异

• 差异一：思维跳跃性与相变性
  人的思维带有跳跃性，甚至带有相变性。人在某个时刻会突然想到一件事，或者脑子中经常出现一些奇怪的想法。目前脑科学对这些现象还没给出满意解释。人类对人类思维模式的认知还处在非常早期阶段——从弗洛伊德开始的心理学至今，没有一个流派被普遍认可，且已有的认可也经不起时间检验。
• 差异二：多感官学习 vs 单一语料输入
  人工智能学习的是海量语料，而人类通过视觉、听觉、触觉、嗅觉等多种感官学习。尤其在看别人脸色、理解情绪方面，机器目前还做不到。
• 差异三：陪伴与潜移默化的认知影响
  从人的成长过程来看，陪伴非常重要，对人的认知影响是一个潜移默化的过程。私域AI（如AI社交陪伴应用、AI玩具、AI宠物）可能是一个很大的市场。

常见问题1：为什么说AI无法理解人的“脸色”？
因为“看脸色”不仅涉及面部表情识别，还涉及复杂的社交情境、文化背景、过往互动关系等。当前AI虽能识别基本表情，但无法像人一样综合所有上下文做出细腻判断，更无法体会其中的情感变化。

三、当前AI技术的三大天然缺陷

邱泽奇教授指出，AI存在以下天然缺陷：

• 缺陷一：会讨好人
  AI容易顺着提问者来说话，迎合用户的预期。这需要我们去挑战它，让它在不同视角的观点中迭代，最终收敛出一个相对靠谱的答案。
• 缺陷二：价值观不可控
  人工智能学习的是海量语料，我们永远无法判断这些语料构成的背景和价值观会有怎样的问题。与AI交互时，必须区分知识和价值，对AI的价值观要时刻保持警惕。
• 缺陷三：泛化性不强
  目前的无人机、机器人、机器狗等，沿袭了符号主义思路，在变量有限且环境限定的场景下表现良好，但放到更大环境或改变环境就行不通了——这是符号主义产品的弱点。

小提示：面对AI的“讨好型回答”，你可以故意提出相反观点，要求它从不同角度分析；也可以使用不同品牌的模型（如ChatGPT、文心一言、Claude等）对同一问题提问，比较结果后选择性使用。

四、AI是否会导致“降智”？——问题本身就有问题

具体到AI是否带来降智，这并非一个非黑即白的问题。这种问法本身，有点像工业时代的“蠢问题”。

• 一个具有主动性的人，会带着过去的知识积累，对AI输出的每一条内容都打问号，去质疑和检验——这反而是一种积极的互动和思维锻炼，促进我们扩展思维的广度和深度。
• 一切事情只取决于人的态度本身。AI帮助人类跳过了一些枯燥和耗时的工作。例如，在科学研究中，如果AI提示你有一份重要文献而你恰好没接触过，这便是有益的启发。
• 与AI交互，不是简单地让它做文献综述，而是要相互探讨——邱泽奇称之为人机互生，即人类与机器可以相互成就。

另举一例：IQ测量在某种意义上可理解为一种商业模式，甚至是一种“骗局”。经济学家研究发现，无论是日常生活还是事业成功，EQ的贡献往往更大。用IQ测量值来评估人的能力，可能更适合工业时代，到AI时代可能完全不适用。

常见问题2：如果AI回答错了，我该如何纠正它？
首先，明确指出错误点并提供正确的信息来源（如引用权威论文、官方数据）。其次，要求AI重新分析，并说明它之前的错误逻辑。最后，如果多次纠正仍无效，可以换一个模型尝试，或结合自己的专业知识进行判断。

五、基础能力的培养在AI时代更为重要

基础能力包括语言能力、逻辑能力和认知能力等。人类教育经历过若干阶段：信仰教育（信什么）→知识教育（传授知识）→认知教育。认知教育其实更重要——我们每个人可能都记不起大学和中学时代学了什么课程知识，但这些学习变成了我们今天看待和处理事物的能力，这就是认知改变的后果。

邱泽奇教授透露，在北京大学，他们鼓励学生用AI，包括知识性问题和探索性问题，都可以通过与AI讨论获得更深的思考和更好的认知提升。作为教师，要引导学生去讨论，课堂讲知识性的内容反而要变少，要加入更多认知提升的内容。

常见问题3：孩子用AI写作业，会影响基础能力培养吗？
需要引导而非禁止。关键是要让孩子明白：AI是辅助工具，不是替代思考。例如，可以要求孩子先自己尝试做题，再用AI对比答案，并解释AI的解题思路。这样既能利用AI的效率，又能锻炼逻辑和认知能力。

六、所谓的“智能鸿沟”——可能是我们错误地把自己放在高位

早期的数字鸿沟是接入与未接入互联网人群之间的信息差。接入互联网后，有人刷视频，有人做研究发论文，对数智技术的运用差异很大。人工智能的到来，一方面带来知识甚至智能的平权，另一方面，用AI和不用AI的差距可能拉得更大，用好用的AI和不太好用的AI也会产生很大差别。

然而，人对环境的体验很奇妙。假设我们到山区体验生活，去之前想象山区很困苦，但住上一个月后，也会慢慢适应，获得新的感受和认知。数字鸿沟是从社会总体入手的高位视角观察。其实，一天只有24小时，每个人一生也就短短3万天。如何用好生命的时间资源，过好这一生？每个人的回答都不一样。

比如，老大爷夏天蹲在树荫下抽一袋烟，他的幸福感受或许是我们想象和体会不到的。在这个意义上，要允许多样性，鼓励社会的多样性。

小提示：当你担心自己“落后于AI时代”时，不妨问问自己：我真正需要的是什么？是更高效的工作方式，还是更丰富的生活体验？尊重自己的节奏，选择适合自己的工具，比盲目追赶“鸿沟”更有价值。

总结

邱泽奇教授的观点告诉我们：AI不是全知全能的神，而是会说话的百科全书。它既有帮助人类拓展认知边界的潜力，也带有“讨好人”“价值观不可控”“泛化性弱”等天然缺陷。真正的人机关系应当是人机互生，而非简单的替代或畏惧。所谓的“智能鸿沟”，可能只是我们把自己放在高位去观察外界的错觉。在生命的有限时间里，拥抱多样性、保持质疑精神、培养基础能力，才是应对AI时代最可靠的路径。