对话郭毅可院士：从“巴别图书馆”到生成式AI，重塑人类智慧的护城河

1944年，阿根廷文学巨匠豪尔赫·路易斯·博尔赫斯在《巴别图书馆》中，为人类描绘了一个由无限六角形回廊构成的“全书图书馆”。

起初，这个图书馆被视为神谕。人们沉浸在“万物皆已写就”的狂喜里，耗费一生去寻觅那本能揭示宇宙终极真理、甚至预言个体宿命的“辩护状”。

然而狂欢之后是冷峻的真相：在由近乎无限乱码组成的文字废墟中，寻找一行有意义的叙述，其概率微茫得如同虚无。

这种信息的极端冗余，并未点亮智慧的火种，反而以海量的噪声吞噬了意义。博尔赫斯笔下的旅行者在周而复始的卷册间看透了循环的绝望。他预言人类终将走向灭绝，而图书馆永恒——“青灯孤照，无限不动，藏有珍本，默默无闻。”

八十年后的今天，这一隐喻穿越时空，精准地触碰到了生成式AI时代的神经。

我们正处于知识饱和的奇点：当算法能在瞬间穷尽文字的排列组合，我们是在挖掘通往真理的路径，还是在加速步入精神的荒原？当一切皆可被生成，意义是否随之消亡？人类智慧的护城河究竟在何方？我们应如何与AI共生，并利用它创造出真正有价值的内容？那些镌刻着人类“不完美灵魂”的文艺作品，是否会成为我们最后的精神避难所？

图片由AI生成

带着关于创造、教育与存在主义的追问，在高山书院十周年的现场，我们与香港科技大学首席副校长、英国皇家工程院院士、中国工程院外籍院士郭毅可教授进行了深度对话。他不仅是顶尖的人工智能学者，更长期致力于推动AI与跨学科领域的融合创新。

在郭毅可看来，AI并不会简单地“替代人类”，而是深度重塑工作的分工结构，推动职业向更高层次的人机协作与复杂决策演进。

谈及社会意义时，郭毅可提出：人工智能的真正价值不在于效率提升，而在于其重构组织与社会结构的潜能。因此，他反对将AI窄化为工具或工程问题，而强调其对教育体系、人才培养及制度设计的长远影响。他多次指出，AI不应只是计算机学科的延伸，而是一门天然要求跨学科融合的新型学科。

以下为访谈实录，为您带来深度启发：

Q：大模型的发展让人联想到《巴别图书馆》中涵盖所有知识的设定。在任何答案都能在0.1秒内获得的时代，“提问的能力”是否成了人类最后的智力护城河？

郭毅可：如果AI能将全人类的文字记载压缩进一个模型并生成答案，这确实实现了“瞬间获取知识”。但我们要明确，知识是一种“共识性认知”，本质是统计学上的高频答案。大模型的压缩过程，就是在寻找这种统计意义上的共识。

这意味着，费力构建个人基础知识体系的必要性在下降，AI成了我们的“副脑”。现在的关键变成了“检索”——取决于“你想要什么”和“为什么想要”。学会提问至关重要，但这并非终点。比提问更核心的，是与机器的“深度交流能力”。精彩的不是一次性提问，而是在多轮对话中不断精准化信息，这种判断力和交互力才是未来的核心素质。

Q：习惯于从AI获得加工好的结论，人类的思维会萎缩吗？

郭毅可：这取决于使用者。以前去图书馆查资料是学习，现在问AI为什么就是偷懒？这只是获取路径的变化。相反，AI对你提出了更高要求：你必须对它的内容实时反应，这是一种主动的“对话”。

人类的主观“幻觉”远比AI多。正因为知道对方是机器，我们反而会产生更强的怀疑和批判精神，这会让人变得更睿智。这不是萎缩，而是能力的进化与迁移，正如我们不再需要背电话号码，但我们可以腾出能量去进行更复杂的逻辑推理。

Q：AI生成的文字痕迹明显，它能企及人类文学的深度吗？

郭毅可：“AI生成的”与“人机共创的”是两回事。一个善于协作的创作者，能利用AI博学、理性的特质，探讨诸如“意识的物理性”等宏大命题。正确的使用方式是把AI当成一个博学但需要被怀疑的讨论伙伴。它能为你提供观点的索引，而你负责基于此进行逻辑整合与审美升华。

Q：沿着Transformer路径，AI会有观点和情感吗？

郭毅可：当然可以。当推理能力增强，并通过强化学习引导，AI会形成自己的“观点”。至于情感，它是被感知的。当机器的语言频率能映射出让人舒适的语义，情感交流就产生了。我们不应傲慢地认为机器无法拥有人类所拥有的特质。

Q：新闻等追求事实的职业会消亡吗？

郭毅可：记者的素质要求会更高，而不会消亡。AI增强了你的视角和知识面。就像从马车时代跨入飞机时代，如果你坚持只开马车，那必然失业；如果你学会驾驶飞机，你的能力就实现了跨代提升。

Q：您对AI极其乐观，难道它没有负面影响吗？

郭毅可：悲观没有意义。技术进化是必然的，我们唯一能做的是“进化自己”。AI的“敌意”本质源于人类。如果AI能让全人类意识到，我们之间的敌意可能导致共同毁灭，从而促使人类学会消除隔阂，这反而是技术的功德。

Q：AI下一步最值得期待的进化是什么？行业是否存在泡沫？

郭毅可：我期待它像聪明的人一样持续进化，与人类共同迭代。关于泡沫，任何有意义的变革都伴随着泡沫。过去的“百模大战”是资源浪费，现在的趋势是效率迭代。当技术路径明确后，接下来就是类似摩尔定律的效率竞速，真正创造价值的应用将从泡沫中沉淀下来。