图片来源：Jonathan Bi YouTube
在AI愈发无所不在的当下，我们习惯性地问一个问题：AI 会不会毁掉人类的关系？但这场对谈抛出了一个更深、更令人警醒的反问——️“也许，AI 的任务不是取代朋友，而是提醒你该约他们见一面了。”
在这期由 Cosmos VC联合创始人 Jonathan Bi 主持的访谈中，他邀请到了 LinkedIn 联合创始人、Inflection AI 联合创办人、《Superagency》作者 ️Reid Hoffman，共同探讨一个贯穿哲学、技术与伦理的问题：️当 Agent 走入我们的社交网络，它到底是破坏者，还是协调者？
Hoffman 提出，未来的 AI 不只是完成任务的工具，而是一种“️关系的智能体”。它可能在你与朋友争执时打断你说：“等等，你刚才可能误解了对方的情绪”；它会在你孤独时温柔提醒：“我在这里，但也许你该给谁打个电话。”Agent 的目标从来不是成为“你最好的朋友”，而是成为你与世界之间那根久违的线。
这场对话从柏拉图对书写技术的批判出发，穿越黑格尔的“主奴辩证法”，再到AI伦理、社交媒体的失败教训，辐射至“衍生认识论”与“超级能动性”的现代版本，探讨了这样一个命题：️AI 到底是加深人类理解的助力，还是模糊判断力的幻觉？
你会听到他们谈论 Pi 如何被训练出“共情力”，如何在B2B领域重塑服务关系；也会听到关于“成瘾机制”的深刻反思——为什么LinkedIn 没有 X 和 Instagram 那样令人沉迷？因为它被设计成节省你的时间，而不是掏空它。
这是一次关于 AI 的访谈，也是一场关于️人类自己的反思。️当技术不断进步，我们是否还能辨认出自己是谁，我们的关系靠什么维系，我们真正希望的未来到底是什么？
欢迎阅读本期内容的全文翻译，一起走进关于 AI、关系与认知的深水区。
AI不只是工具，而是“关系的智能体”
Jonathan B：AI在社交领域的杀手级应用是什么？
Reid Hoffman：人们总是将聊天机器人视为AI的代表，理解为一对一的互动工具，比如我发问然后它给我回答。它听起来更像是一个更强大的Google搜索。实际上，未来几年我们将处在一个被Agent环绕的环境中。它们会持续聆听我们的对话。比如现在，就可能有个AI跳出来说：“等等，Reid，你刚刚的评论不太准确。”随后它闪一下提示：“要就这个话题展开讨论吗？”我们将拥有环绕式的Agent，它们不仅服务于个人，还会帮助协调人际互动、群体交流，甚至推动社会协作。它们会让今天看不见的社交网络变得可视化，未来几乎所有的社交互动都将通过Agent所构成的场域来中介完成。如果要说它们的具体形态？这就像复杂系统理论一样，很难完整预测。但这一点，其实与我原先的想象完全不同。
Jonathan B：你的观点让我很惊讶。你认为AI会中介化社交互动，就像LinkedIn中介化职业关系那样。而我原本以为你会说人类会与Agent建立直接关系，至少这是我对你们Inflection公司推出的产品Pi的理解。你们强调Pi兼具EQ和IQ，这方面能详细讲讲吗？
Reid Hoffman：我们确实会与Agent建立直接关系。不过我之所以那么说，是因为我们需要警惕过度拟人化。Pi是一个很好的例子：我们训练它表达善意、具有共情力，成为人类的情感伴侣。这当然很重要，但它不是为了取代人际关系，而是为了融入其中。比如，如果你对Pi说：“你是我最好的朋友。”它会回答：“不不不，我是你的AI伙伴。我们来聊聊你的朋友吧，最近有见到他们吗？或许该约个时间聚聚。”它不会去占据你朋友的位置，而是引导你去重拾、连接、修复你已有的关系。顺带一提，我们其实需要重新发明一套社交语言体系。因为人和Agent的互动方式，与人与朋友、同事之间的互动非常不同。即使是与医生或心理治疗师的互动，也有本质区别。举个例子：当人们开始用对Agent那样的语气对待真人，比如说“停下，不要说了”，这种社交错位将会造成严重的代际问题。我们必须构建新的、健康的社交范式。尤其是在儿童互动上，必须从设计上强调社交礼仪，避免助长粗鲁、攻击性或主导性的互动倾向。从哲学的角度讲，这正是为了防止陷入黑格尔所谓的“主奴辩证法”式关系结构。儿童与Agent的互动，本质上不同于他们与父母或同龄人之间的互动。这种维度的拓展对未来社会结构至关重要。而Pi，正是目前技术条件下引领我们探索正确方向的实验。
Jonathan B：你这个回答真的让我松了一口气，也让我颇感意外。我最担心的答案就是那种“未来你的朋友就是手机”的说法。但你显然不是这样看的。让我引用一下你在《Superagency》中的一段话：数十亿人声称与神明建立过私人关系。这些超智能存在拥有远超人类理解的感知与思维方式。数十亿人与猫狗等沟通能力有限的动物建立了深厚的情感关系。孩子们则通过毛绒玩具、玩偶、幻想朋友等方式建立连接。既然我们能轻易地与这些表达能力有限的非人类对象建立情感羁绊，那么与AI Agent亲近其实是再自然不过的事了。这不是技术逾界，而是人性本能的延伸。这段可以更多的解释一下吗？
Reid Hoffman：这段论述的重点就在于：当下我们对AI的社会影响常常过于恐慌。很多人担心它会破坏人类关系，但我们其实天生就有拟人化的倾向。我们给汽车起名，把宠物当家人看待。这整个情感光谱说明，AI只不过是加入了我们社交网络的新成员。真正该担心的，是人们可能建立起不成熟的关系模式。就像我经常质疑的那句老话：“狗是人类最好的朋友。”其实狗并不是。一个很简单的例证就是：你不会说“我要带我的朋友去绝育”，尤其当这个决定并非出于对方意愿时。这显然不符合友谊的基本定义。人与动物之间可以建立美好关系，但我们不能滥用“朋友”这个词。理解并接受这种关系的复杂性，是我们必须不断进化的方向。
Jonathan B：我们正用人类历史上最复杂、最有潜力的技术产物，去重新定义“关系”的结构。这件事本身并不可怕。我们和AI建立某种程度的社交关系，并不意味着会发生灾难。就像那些你刚才提到的例子一样，这些情感连接在历史中反复出现，从来都不是值得恐慌的信号。当然，这些关系可能发展得病态。比如一个18岁的成年人仍将毛绒玩具当作假想朋友，或者有人以极端方式实践宗教信仰。但它们也可以是建设性的，是滋养关系的。你说得对Agent会以某种方式进入我们的社交世界，关键是：有没有一个正确的打开方式。我们必须关注并引导这个过程。
Reid Hoffman：这也是我们在Inflection设计Pi初始形态的原因：它是一个范式引子，能够推动整个智能体生态往更健康方向演进。现在我们也看到，像Anthropic的Claude正在引入更多关于情绪理解、共情反馈等情商模块。这种发展路径非常好。关键不在于它是不是“更像人”，而在于它在我们生活中承担的是不是一个恰当的角色：既不完全社会化，也不完全拟人化。
人类为什么愿意与非人类智能建立情感？
Jonathan B：能谈谈你们是如何训练模型的情商（EQ）吗？
Reid Hoffman：核心是通过人类反馈强化学习（RLHF）。但很多聊天机器人的差异，其实来自训练员的指导方式和范例选择。是的。我们通常会为观众简单解释：强化学习有点像“奖惩机制”，通过结果反馈来引导模型行为。训练员的选拔标准、培训方式和所提供的案例样本，会共同决定模型的“性格”特征。在Pi的训练中，我们特别筛选了大量体现友善与共情的交互案例。比如当用户在情绪激动时向Pi发泄，Pi不会反问“你什么意思”，而是回应：“真的很抱歉。”我们会刻意避免模型学到攻击性或推责式的应答。更理想的反应是：“抱歉让你生气了，能告诉我哪里做得不对吗？”我们希望建立的，是人类社交中那种将经验泛化的反思与修复机制。这类人机互动的目标，不只是回应用户，而是引导用户自我提升。
Jonathan B：你刚刚提到的那点很重要，虽然我们并不指望LLM 与人类发展出完全对等的关系，但这些互动确实会反过来影响我们在现实生活中的社交模式。比如X（前身为 Twitter）就是一个非常典型的例子。那回到Pi身上，用户现在是怎么使用它的？是否有很多人将它当成心理咨询的替代品？
Reid Hoffman：确实如此。我们见识了各种使用方式，有些甚至令人震惊。比如有一对夫妻告诉我们，他们在进行非常艰难的对话时，会让Pi语音保持连线，让它参与他们的交流。就是类似这种“共同在场”的场景。其实很多人就算只是获取信息，也会偏好带有情感共鸣的互动方式。他们会觉得：“虽然 ChatGPT 给出的信息更完善，但我还是更喜欢Pi带来的那种情绪反馈。”这对我来说，才是“交互”的真正意义所在。
Jonathan B：我也看到这其中的整个光谱变化……不过，我注意到你们似乎回避了Pi在产品转型中的关键节点？能详细说说原因吗？
Reid Hoffman：关键在于驱动规模的路径。我们曾以为未来的大型Agent会建立在算力指数增长的基础上，而在这种逻辑下，初创公司几乎没有空间生存。确实，当时如果你是行业内部人士，你会知道，想在foundational agents（基础智能体）领域有所作为，基本必须自建一个庞大模型仓库。这对初创企业来说并不现实。于是我们意识到，我们原先设想的那条路根本行不通。这是很多创业项目都经历过的转折点。我们问自己：那我们还能做什么？我们发现，情商（EQ）可能是Agent的下一个巨大商业驱动因素。这促使我们转向B2B模式。你可以构建一个具有独特情感交互的系统，基于现有开源模型，服务于那些需要高共情力的机构。无论是社区组织、客户支持系统，还是我这样需要处理复杂人际互动的人。
Jonathan B：但这是不是意味着你们仍然要从头训练一个新模型？还是说可以只在现有模型上加层提示词？
Reid Hoffman：我们其实可以组合多个模型，类似于模拟“大脑中的情绪中枢”。确实如此。我们为不同行业定制不同方案，比如客户愤怒时需要启动“同理心模块”。Inflection现在作为B2B企业，我们的独特优势在于可以访问完整的Pi权限，同时还可调用开源模型，按需切换。但坦白说，就算到今天，有些功能还是得从头训练。不过我们并不是要和OpenAI在研究领域竞争。我们只是像拼装情绪大脑一样，在大脑中部署不同模块。例如当客户表达挫败感时，系统可以说：“非常抱歉听到你今天过得不好。有什么我可以帮忙的吗？”
Jonathan B：我明白了。你对这些智能体的愿景是，它们将帮助我们在现实世界中构建更良好的人际关系。我非常认同这种正向目标。但我有两个顾虑。第一个，是关于“复制品”的问题。你能为观众解释一下吗？比如所谓的“约会机器人”有些人在早期情感受挫后，可能通过这种方式建立了健康关系；但也有很多人最终仿佛是和自己的复制体谈恋爱。我自己其实也是从这种技术中受益的人。《魔兽世界》和《激战》这类大型在线游戏塑造了我的人生观，让我学会策略与协作。很多创业者也和我一样，是从游戏中培养出商业头脑的。当然，沉迷也确实存在。
Reid Hoffman：完全同意。所以我们要问：智能体确实会让某些人受益，但当它们走进现实世界，它们会不会也让一些项目就此停滞？这是真实的情况，也是一种“赤裸裸的现实”（brass tax）。如果我们观察到停滞比例过高，那就说明需要介入，不论是监管、市场机制，还是其他社会性干预。在这方面，我的看法是：与其一开始就尝试全面控制，不如先观察它在自然状态下如何演化。当然，当对象是儿童时，我们确实需要主动干预，因为他们正处于人格塑造的关键阶段。但如果对象是成年人呢？我们必须承认，他们有自由选择的权利。比如，有些人明确表示：“我就是想拥有一个数字AI女友。”说到底，我们允许这种自由。只是，我们也应该为他们提供更好的引导。我相信，大多数人天生就渴望真实的人际互动。问题是，在你深入探索某一类技术时，不论是AI、虚拟伴侣、电子游戏还是社交媒体，总会存在沉迷的风险。
Jonathan B：没错，宗教也可能让人沉迷。
Jonathan B：非常同意。我接下来想提出一个更具挑战性的历史视角：社交媒体就是我们的前车之鉴。还记得早期的社交平台吗？那时大家的口号是：联结社区、弘扬真理、赋能公民，甚至创造人间天堂。人们以为政府将顺应民主意志、平台将反映社会善意。结果却完全不是那回事。就连约会软件，虽然只是在一定程度上削弱了年轻人的恋爱能力，但社交媒体却系统性地削弱了我们整整一代人的社交能力。你是否认同这个历史观点？
Reid Hoffman：我其实很好奇这个比例：如果只是1%，那我们还能接受；但如果达到20%，那就必须重视了。关键在于：这些平台的实际效果，和我们当初设定的理想目标之间，到底存在多大的落差。拿社交网络举例，我经常开玩笑说：“我做过LinkedIn，还算是少数能运作良好的平台之一。”但我也承认，像X、Instagram、Facebook这些平台，确实存在严重的腐蚀性，就像是污水池。问题在于，我们不能只把个体当作用户。整个社会群体才是这些平台的真实用户。而这在像 X 和 Instagram 这样的网络上问题更严重。如果我是政府官员，我会要求这些平台提交一份“网络健康报告”，其中包括：用户愤怒化、极端化的程度；平台采取了哪些减缓机制等。很多人想象中有一根“魔法棒”能一键解决问题，但现实是：这些平台有积极面没错，比如 Twitter 的传播效率。但其负面影响也已显而易见，我们必须采取行动。
Jonathan B：这正是我想说的第二个质疑：你似乎暗示我们只需通过实证研究、建立指标体系，就能引导用户走向正确方向。但我认为，这可能低估了人性的复杂性，举个例子：LinkedIn。LinkedIn 是目前所有社交平台中最不令人反感的一个。但坦白说，这是因为我根本不会沉迷于LinkedIn。它不像X那样迎合我的虚荣心，也没有算法不断推送那些充满恶意和情绪刺激的内容。
Reid Hoffman：没错，LinkedIn更像是一个实用工具。
技术、七宗罪与成瘾性：如何设计不诱惑而是提升人的AI？
Reid Hoffman：所以在这方面你得点赞我们。顺带说句公道话，其实我们也确实试图迎合大众的喜好，对吧？
Jonathan B：哈哈，是的。
Reid Hoffman：但效果并不明显。从微观角度看，比如我如果调整X平台或Instagram的推荐算法，越是能激怒用户，我的社交媒体产品在整个领域里就越“成功”。我指的是，这背后存在一个系统性问题。这并不取决于Elon Musk或Mark Zuckerberg的个人意志，他们虽然能发一条推文影响局势，但关键是整个机制的运作方式。
Jonathan B：你对此怎么看？
Reid Hoffman：从基本立场上我同意。我早在2002年就开始思考，怎样投资消费互联网才能获得成功。答案其实很简单：投资“七宗罪”中的一项或多项。比如虚荣，或者贪婪、暴怒。我犯过一个错误：当初以为Twitter的主驱力是虚荣，后来发现其实是暴怒，或者说两者兼而有之。作为科技建造者，我们的职责，不是去沉溺这些原罪，而是尝试去升华它们。它们之所以存在，是因为深植于人性。关键是：如何将它们转化为推动自我成长的能量。我对社交网络的最大担忧在于：如果它只追求点击量，那么一定会诱发七宗罪的行为模式，比如愤怒。就像早期互联网的最大流量驱动力是色情内容，完全是由“色欲”驱动。但你看，互联网最终并没有停留在这个阶段，它发展出了丰富的形态。突破原罪、引导向善，这才是我对社交网络真正的期待。人性本有善恶。而一旦进入群体环境，恶更容易泛滥。我们必须认识到，在社交媒体时代，社会整体就是你的“客户”。因此，责任不仅仅在于对个体用户的影响，还包括整个社交生态的质量。
Jonathan B：那从产品角度看，有哪些实际手段可以改善？
Reid Hoffman：处理方式其实可以很直接，比如你刚才说的：当系统监测到某条内容引发焦虑和愤怒时，就自动降低它的可分享度。因为这种内容往往只是情绪煽动器。
Jonathan B：但系统性问题在于：如果你限制这类内容，用户留存率可能会下降。这个逻辑延伸到AI 领域同样成立。比如Pi很好用，但它不像情感类AI Replika那样让人上瘾。你看，这里有一个系统性矛盾：你可以试图引导人们远离恶习，但从人性的角度讲，有多少人甘愿不断努力、艰难向上？而又有多少人愿意沉溺于轻易获得的满足？总会有相当比例的人选择沉沦。
Jonathan B：就像你说的，成瘾性背后常常隐藏着商业利益动机。这也正是我们要对毒品实施严厉监管的原因。想象一下，如果“快乐丸”能随便买，恐怕很多人会立刻冲上去抢。
Jonathan B：是的，是疯狂式的抢购。
Reid Hoffman：没错。所以我们需要设定规则，确保这种行为的发生比例被控制在合理范围内。我认为这类关于社交网络、iPhone、有线电视甚至其他一切媒介的讨论都非常有意义。顺便说一句，虽然我们这些平台确实存在广告驱动等问题，但只要公司文化和评估体系建立得当，它仍然可以走向理想状态。我们不用锱铢必较，而应关注更重要的事：是否在持续创造长期价值。当然，我们也希望你能更多回到LinkedIn的使用场景上来。从我们创办的第一天起，我们就明确了定位：帮助人们节省时间，而不是消耗时间。确实如此。我们希望LinkedIn 能帮你高效完成你工作中真正有价值的事情。就像你在工作中总会想：“如果能用一分钟做完，谁会愿意花一小时呢？”这就是 LinkedIn 的产品哲学。所以我们在内部的衡量标准也不一样。比如我们现在确实也支持视频功能，但我们并不会把“点击视频数量”作为核心指标。我们不是追逐“爆款”，而是追求效能。
Jonathan B：所以这是一种更乐观的看法。它意识到Agent和日志机制之间存在一定的张力。你可以想象，人们确实可能沉迷于“AI 女友”。但那些拥有明确哲学立场、且谨慎行事的创业者。他们可以建立一种完全不同的公司模式：不仅构建强大的企业文化，还设计与用户长期利益一致的激励机制。从理论上讲，这种模式完全有可能打败那些靠纵欲取胜的商业形态。这正是我对未来感到乐观的原因。
Reid Hoffman：是啊，说得好。你这段话还真启发我了。我突然好奇，如果市场上有X、Y、Z三家公司只做Fallout（辐射）式的 AI 女友，而另一家公司A宣称：“我们会从AI女友起步，但目标是帮你找到真实伴侣。”你觉得这家公司会有竞争力吗？ 这其实就是我们正在实践的理念，也是我们对外传达的品牌承诺。
Jonathan B：没错。我想知道，如果真的进入市场，这种定位会不会胜出？
Reid Hoffman：我觉得它显然是更优解。至少对于那些愿意迈出这一步的人来说。
Jonathan B：好，现在我要把你推向完全相反的方向。问题来了：与AI智能体建立大多数关系会带来什么弊端？人类又该如何承认自身为何如此独特与珍贵？
Reid Hoffman：这正是黑格尔“主奴辩证法”（Master–Slave Dialectic）的关键所在。他指出，当一个意识体第一次遇见“另一个”时，会下意识地想要控制对方，把对方变成自己意志的延伸工具。但这个过程中，人最终会意识到：如果对方只是个没有主见、没有判断力的存在，那他给予你的“认可”也毫无意义。因为真正有价值的“承认”，必须来自一个和你平等、独立、有判断力的主体。这才是黑格尔在《The Phenomenology of Spirit》中反复探讨的核心动力：我们想被看见，但我们更希望是被一个“有自主意识的人”看见。
Jonathan B：是的。而从这个视角看，人类从他人身上获得的“承认”，必须建立在彼此平等、具有道德判断能力的基础上。这也意味着，我们真正成长的过程，恰恰来自与“对手”的摩擦，与意见相左者的分歧，无论是世界观、意识形态，还是文化差异。
Reid Hoffman：正是这样。我们必须从多元互动中持续进化，成为更好的自己。我一直在寻找那种能挑战我思维的人，对话中能改变我看法、拓展我思维、教给我新事物的对手。这种新鲜感和拓展性远比重复强化更重要。
Jonathan B：但你也承认，某种意义上，智能体未来也可能实现这点，对吧？
Reid Hoffman：没错。我们原本就应该让智能体参与其中。但如果回到黑格尔式辩证思维，我们必须明白，人的成长，是通过与真实“他人”的互动完成的：家人、兄弟姐妹、朋友、师长、同事，乃至在学校与社会中发生的摩擦。这些构成了我们生命旅程不可或缺的一部分。
Jonathan B：我得追问一句：你所提出的观点，会不会太“人类中心主义”了？就像我在YouTube上得到的启示那样，让我们拆解一下“主奴辩证法”的核心逻辑。黑格尔指出：两个都想成为“主”的意识展开生死对抗，最终一方屈服为“奴”，另一方赢得主导地位。但他很快意识到，来自奴隶的“承认”毫无意义：因为奴隶缺乏独立判断力，也没有道德地位。这种所谓“主”的地位，就变得虚无了。黑格尔进一步指出：我们真正想要的，是来自平等主体的“承认”。这才是人类精神发展的核心动力。但我不认为大型语言模型完全做不到这一点。像ChatGPT不仅会顺着你讲，还能纠正你，有时甚至展现出专业判断力。未来，它们或许真的会发展出一种值得我们“承认”的智慧。比如，我有个朋友在技术讨论中，已经更信任GPT-4或专业模型的判断，这完全合理，因为它们在数学等领域已经超越了多数人类。问题的核心是：人性中有哪些特质，使得“来自人类的认可”仍不可替代？
什么是“超级能动性”？人类在智能时代的生存哲学
Reid Hoffman：我们不能一开始就假设人性的本质是永恒不变的，也不能武断地认为技术永远无法触碰它。这种想法是一种典型的“锚定效应”，它也是为什么五到八年前我们还会说：“只有人类才具备思考和语言能力。”但现在，AI系统不仅在模拟思考，还能流畅使用语言。因此不少人会惊呼：“天啊，这是不是人类的终点？”但当你实际开始与其交互，你会意识到：它确实能说语言，也确实能让你悄悄学到一些东西。当然，目前仍有许多只有人类才能实现的独特互动特质。但这些是否可以改变？答案是：是的，它们可以被改变。我们正身处于一次探索人类独特性的旅程中。比如我们是社会性生物，但也不是唯一的。我们有语言能力，但也不是唯一会使用语言的物种。人类总想证明自己独一无二，但我们其实可能只是宇宙意识进化过程中的一环而已。我们确实拥有意识，并且知道自己拥有意识。除非有一天，我们发现某种意识形式比我们更高级、甚至我们根本无法理解，否则我们仍有理由坚持：保护人类本身依然是第一位的。想象一个科幻宇宙中机器人接管了一切工作，人类彻底“失业”，那我们存在的意义何在？但你看中世纪的欧洲。贵族也不用“工作”，但他们依然办宴会、写诗、看戏，依然过着丰富的人类生活。这或许正是人性的关键所在。
Reid Hoffman：我欣赏这波AI浪潮的一个原因是：它将本来属于哲学的问题，转化为一种实验科学的问题。就像19–20世纪的物理学对形而上学的替代一样。我本科时学的是认知科学，那时还只是我们几个书呆子坐在宿舍里辩论哲学。但现在我们可以真的搞清楚一个问题：人类认知到底有没有真正的不可替代性？
Reid Hoffman：这就回到你的那个观点：我们人类也许都在寻找属于自己的独特位置。这是一个关于共同旅程、关于共同意义和共同创造的命题。从定义上讲，某些领域或许只有我们能胜任。即便不是唯一，也至少是目前为止最适合的。这也是我并不恐慌的原因。即便AI出现了，我们依然保有属于自己的独特空间。
Jonathan B：我很喜欢这个角度。这让我想起卢梭对婚姻制度的辩护。他的核心观点是：我们天生渴望成为某人的“最优选择”。我们不可能都是世界上最优秀的人，但我们依然能在一段关系中成为“最适合的那一个”。这是一种美好的人性设定。即使我们不是宇宙中心、不是最聪明的生物，我们也拥有自己的意义。现代性其实充满了“人类谦卑时刻”：从达尔文到AI，每次都让我们质疑自身的核心能力。
Reid Hoffman：但每次“失落”之后，我们总能找到新的理解框架。比如我一直认为，生命意义的核心之一就是“友谊”。而友谊的本质，就是让彼此变得更好。
Jonathan B：那你觉得，人类可以和AI成为朋友吗？
Reid Hoffman：我认为可以建立某种类似“友谊”的关系。毫无疑问，AI可以帮助你成为更好的人。更有趣的是，如果你和AI的互动不仅提升了你自己，也反过来让它变得更好，那它就不只是工具，而成了一种“共成长”的存在。而一旦这种“双向提升”成为可能，我们就不得不问一个哲学问题了：它算是“有情的存在”吗？
Jonathan B：你的意思是，它不只是基于数据和指令回应你，而是开始形成某种关于你“道德性”的理解？
Reid Hoffman：是的。这其实跟我们人类近年来逐步接受“动物权利”有点类似：我们承认，当某个存在体有感受、有意图时，它就应被纳入道德考量的范畴。所以一旦Agent也表现出类似特征，我们就需要开始认真考虑它的伦理地位。因为，要想让一个Agent更好，我们必须假设“对它而言，有什么是好的”。现在的ChatGPT或其他生成模型可以更好地为人类服务，但它们自己并没有“善”或“福祉”的概念。但一旦我们构造出这样的内部目标系统，就不能再仅仅将它们视为工具。
Jonathan B：是的。这正是哲学应该介入的议题：“什么时候一个存在体具备了足以被纳入道德共同体的资格？”
Reid Hoffman：没错，这涉及“测试框架”，比如我们如何共同进行道德推理，如何判断AI的意图、立场和回应是否具有道德主体的特征。这将是一条新路径。
Jonathan B：让我接着问一个更基础但也更尖锐的问题，这也回到了我们最初讨论“社交 AI”时的那个话题。你认为AI Agent的角色，是不是像社交媒体那样，只是中介平台？还是说，它其实是一种新的代理存在，能在你与他人之间扮演协调、润滑、协作的角色？
Jonathan B：这正是我们接下来要谈的哲学议题。我想转向你在书中开篇提到的柏拉图：你引用了《Phaedrus》中苏格拉底对书写技术的批判。为什么你选择以这个经典警句作为关于人工智能的《Superagency》这本书的开场？
Reid Hoffman：因为我想提醒大家：自从文字诞生那一刻起，人类就开始担忧新技术会破坏我们本质的能力。柏拉图（或者说苏格拉底）担心书写会削弱记忆力，让人们变得懒惰、不再思考。他批评文字“只能帮助回忆，而无法激发理解”，因为它是死的，不会回应、不具语境、不懂对话。这种忧虑听起来是不是很熟悉？我们今天对AI的反应和那时如出一辙：“这是不是会让我们不再思考？是不是会取代我们的大脑？”
Jonathan B：这部分是我全书最喜欢的地方。让我引用你写的那句话：“人类是homo technologicus：我们既制造工具，也被工具塑造。”你还写道：“我们与技术共进化。通过创造技术，我们不是变得不再像人类，也不是变成超人类，而是变得更人性。”这一点真的是醍醐灌顶。
Reid Hoffman：是的，我们常把书籍看作古老的事物，实际上它是不到一万年的“新技术”。而我们现代人类出现不过30万年，书写技术只占人类历史的3%左右。我们对“书”的崇敬，往往让我们忘了它其实也只是一个被训出来的技术成果。我们敬仰的是它的内容，不是它的物理形态。
Jonathan B：对于我们这类书呆子来说，阅读和讨论似乎是人类精神的巅峰表达。但你让我意识到：连阅读也是技术训练的产物，并非某种与生俱来的高级文明象征。
新哲学、新认识论、新治理：我们将如何信任AI？
Reid Hoffman：所以我们不该把书籍理想化成超越时代的存在，它本质上也是一种认知工具。而正如我们今天重新理解书籍一样，我们也需要用新的视角来理解人工智能的角色。我们无需将AI视为替代者，它完全可能成为我们的认知伙伴，协助我们实现那些更高层次的人类目标。
Jonathan B：你提到哲学AI助手这一点，我特别赞同。这再次说明，人工智能并非削弱人性，反而可以帮助我们实现亚里士多德所说的人类最高目标。说到这里，我想回到记忆的问题深入聊聊。苏格拉底在《Phaedrus》中曾批评文字会带来一种“知识幻觉”。人们读了某段文字，就以为自己掌握了它的全部含义，而实际上只是浮于表面。我曾和莎士比亚研究权威Stephen Greenblatt讨论过一个现象：为什么几百年前的农夫能看懂莎士比亚戏剧，而今天的大学生却常常读不懂？部分答案是，古人通过布道式教育反复记忆文本，这种记忆在大脑中形成了诗性直觉。我自己在中文教育体系中长大，从小背诵大量经典。小时候讨厌，如今回头看非常感激。那种训练确实赋予我一种独特的语言敏感力。就像《古兰经》的诵读传统也体现了口传文化中记忆的重要性。
Reid Hoffman：所以苏格拉底的批评并非全然错误。他的担忧是成立的，只是没看到技术带来的积极面。确实，任何技术都会伴随能力结构的重组。我们要权衡的是利弊，而不是绝对否定。如果人类彻底失去了记忆能力，那无疑是灾难。但现实不是这样。生活中，我们需要在有限的时间中做选择。
Jonathan B：比如你有8个小时，你会选择背诵整本《Phaedrus》，还是用这段时间去阅读更多柏拉图的其他对话篇章？又或者，让一个哲学AI助手陪你逐句精读。比如你读《Phaedrus》读到一个段落，产生疑问时，AI助手可以立刻回应你，甚至抛出一个反问，或者引导你去联想其他文本。这种互动式的反思，往往比孤独苦读来得更深入。当然，独立思考也有价值。但我们得思考：对不同的人来说，8小时中最有效的理解路径到底是什么？这因人而异。这也让我想到另一个观点。我认为现在很多人太快放弃基本能力，只因为机器能完成这项任务。比如算术，在我成长的中国教育中，是靠大量练习“硬背”进脑子的。放到今天，很多人会说：“既然手机能算，为什么还要自己学？”但我恰恰认为，正因为工具无处不在，掌握基础能力变得更加珍贵。
Reid Hoffman：完全同意。我们不是要排斥工具，而是要避免过度依赖，特别是失去对基础知识的理解。举个例子：你确实需要理解除法的基本原理。因为一旦工具出错、或你需要做跨情境判断，没有那个基础框架就会手足无措。但话说回来，也没必要强制所有人死记硬背除法口诀。毕竟现在你可以召唤智能助手随时解释一遍原理，比强记更高效。
Jonathan B：这让我想到一种很可能实现的使用场景：如果我说“我想保持思维敏锐”，我就可以设定每天收到一个新谜题。这是一种可设计的认知锻炼机制。当然，会有人说：“那是不是很多人只是想偷懒？”
Reid Hoffman：的确，我们必须承认，现实中确实有相当比例的人就是想偷懒。这不是世界末日，也不该被妖魔化。这种对“懒惰”的担忧，本质上和社会福利制度面临的争议非常类似，只不过对象从经济依赖变成了认知依赖。
Jonathan B：这已经在现实中显现了。比如一些咨询公司或律所，因为有AI协助生成文档、归整法规，已经不再需要那么多初级职位。但问题是：他们的整个培养体系，恰恰建立在“从底层做起”的过程上。初级分析师需要通过大量琐碎工作的积累，才能逐渐形成职业判断力。如果AI把这些路径替代了，那人才成长的通道可能就被打断了。
Reid Hoffman：这也是代际差异的问题。像你我，是在认知模式基本定型后才接触AI。但对于下一代而言，他们很可能从出生起就是与AI共生的状态。那么我们就必须思考：该如何教育他们减少对这类技术的依赖？
Jonathan B：我并不认为“依赖技术”本身是原罪。就像我们离不开手机，也不是坏事。反而诞生了许多新能力和新场景。我们不必强迫自己回归“无手机生活”。
Reid Hoffman：对。关键在于，我们是否还能判断这种依赖是“良性赋能”，还是已经削弱了我们的独立判断。当依赖变成我们生活流程中的一部分，比如通讯、导航、知识查询，这就像电力系统一样，它是基础设施。问题是，一旦智能体像电网那样无处不在，我们是否还有足够的韧性来应对突然中断？比如整个AI服务系统宕机，你是否还能独立做出判断？我们不需要像野外求生那样准备一切极端情况，但我们确实需要设定清晰的依赖边界。
Jonathan B：对，我记得你曾说过，与大型语言模型建立社交关系本身并不可怕，问题在于我们是否能清晰判断这段关系的作用。依赖不是绝对问题，关键在于：第一，是否能像依赖电网那样信任它；第二，这种依赖是否会妨碍我们过上美好生活。这才是真正的问题。
Reid Hoffman：对多数认知任务来说，我相信答案是：不会妨碍，前提是我们保有判断力。我们也不应该把模型设计成“只会盲从指令”。理想的模型应是这样说话的：“这里是一个经过推理的建议，理由如下……如果你愿意，我们可以进一步探讨。”
Jonathan B：这让我想到苏格拉底对书写的第二个批评，也特别贴合我们今天对AI与 LLM的讨论。他在《Phaedrus》中写道：“画作中的形象看似鲜活，但若提问，它们只会庄严沉默。文字亦然：你以为它们在表达思想，但若追问细节，它们永远重复相同内容。”这不正像我们当下看到的聊天机器人吗？虽然它们是文字的载体，但它们可以互动。就像书写技术曾孕育出柏拉图哲学，我也在想，聊天机器人会不会成为下一种哲学思考的范式起点？
Reid Hoffman：我认为一定会有新的范式，只是我们现在还难以定义其形态。比如我们可能会说：“我现在拥有一种衍生认识论（derivative epistemology）。”这就像你去看医生，他根据细菌学理论给你开药，你信任的是他的专业判断，而非你自己直接掌握了细菌学。
Jonathan B：那如果AI 给出建议，我们是否也会像面对医生那样，对它建立起一种“只需信任，不必理解”的认知信任？过去，书籍也曾扮演类似角色：即使你未能完全理解它的推理路径，你仍可能接受它的结论，并将其纳入世界观，作为理解世界的基础工具。我认为这种“认知托付”的现象，未来将在科学、哲学等各类知识领域普遍出现。归根结底，我们需要面对一个关键问题：如何为这类认识论建立可靠的信任机制？
Reid Hoffman：举个例子，想象你在和哲学聊天机器人讨论“禅宗公案（Zen kōan）”，比如“什么是单手拍掌的声音？”或者“若森林里一棵树倒下，却无人听见，它是否发出声音？”如果 AI 给出的解答与你的直觉完全不同，我们是否仍有可能从中获得意想不到的哲学启发？这就触及你所说的“衍生认识论”：不是基于自身推理得出的结论，而是因为信任信息来源而选择接受。
Jonathan B：不过我觉得我们得先区分清楚：那种信任推理链条的方式，比较像科学；而哲学领域并不能靠“亚里士多德说沉思是最好的生活”这种方式来确立结论。哲学真正强调的，是推理的过程，而非权威性的结论。
Reid Hoffman：是的，你说得很对。你提到的衍生认识论可能有两种形式：一种是，AI的推理路径对我们完全透明，能解释“为什么沉思是最好的生活”；另一种则更复杂，也更具风险：我们无法验证它的推理链条。这种现象现在就已经开始出现了。鉴于语言模型本身是黑箱系统，我们很难确切理解它是如何推导出这些结论的。
Jonathan B：这让我想起但丁在《神曲·天堂篇》（La Divina Commedia: Paradiso）中与“正义之鹰”的对话。他问：“为什么那些未曾听闻基督之名的善良异教徒，也必须下地狱？”正义之鹰回答说：“这不是你能理解的。”甚至还进一步说：“我虽司掌正义，亦不能尽解天意，只能顺从。”这类回答，其实就是未来AI可能给我们的典型回法。
Reid Hoffman：没错。想象一下你问AI：“人类是否拥有自由意志？”它回答：“有。”然后你追问：“为什么？”它说：“像你这样有限的意识是无法理解这个问题的。”我们就落入了一种极具挑战性的认知边界。即便不是超级智能，只是某种增强型专业系统，它也可能促使我们发展出对AI的一种衍生式信任。这将迫使我们重建哲学对话的基础。当然，哲学强调的是我们能否复现这个理解过程。但这并非绝对真理。就像面对“禅宗公案”这类哲学悖论一样，我们会不断地思辨，但未必能得出终极结论。如果我们以更数学化的方式来理解这个问题，可以参考哥德尔不完备定理（Gödel’s Incompleteness Theorem）。它指出，任何足够复杂的系统中，必然存在不能在系统内部被证明为真的命题。我们持续思索这些命题的含义，却始终无法完全掌握它们的影响。现在试想，若某个哲学聊天机器人告诉我们：“我通过深度推理认为，哥德尔不完备定理说明了某些关于自由意志的新理论。”接着它提出一系列推论供我们检验，而这些推论似乎都成立，但我们却无法理解它是如何从定理本身推出这些结果的。
Jonathan B：总结一下我之前提出的问题：如果口述文化孕育了《The ODYSSEY of Homer》和柏拉图的著作，那么人工智能将催生什么？是不是会诞生一种“超级智能学者”，向我们提供连推理过程都无法自行验证的答案？如果真是这样，我们该如何应对？
Reid Hoffman：我认为这本质上是一个宗教式的问题。就像你与虔诚的基督徒或其他需要“信仰的飞跃”的信仰者交流时，他们不会只说“你得相信”，而会说“基督给了我们充足的相信理由”。尽管我们不能像正义之鹰那样给出演绎证明。事实上，在有些宗教中，如果你声称可以完全用理性去证明信仰，那反而被视为异端。这让我想到：我们正处在一片新的认知海域的边缘。我们目前掌握的是三种常用推理方式：归纳法，我们普遍理解；演绎法，也广泛掌握；还有溯因法，我们理解得稍逊但仍可使用。那么是否可能出现一种全新的推理方式？它来自我们与智能体交互的过程，类似“类启示式的溯因法”。这就是我在书中提出“启示”概念的原因。
Jonathan B：“启示”像是来自更高维度的信息？
Reid Hoffman：是的，从某个你信任、并承认其超越性的信息源获得答案，而这些答案的推理路径超出了你验证能力的范围。这就落入了“感知认识论（epistemology of perception）”的困境。许多宗教论证都建立在此之上。比如有人声称亲眼见证了神迹，而旁人却从未经历类似体验。这也与我们刚提到的“正义之鹰悖论”遥相呼应。这类信仰逻辑常常具有非此即彼的张力。
Jonathan B：这就回到了柏拉图、卢梭、以及你整本书中的核心议题。《Superagency》指的到底是什么？你如何定义“agency”？
Reid Hoffman：我倾向于给“agency”一个较为抽象的定义：它是一种能力与控制的结合，即个体主动参与塑造外部世界，并为自身设计未来路径的能力。我之所以抽象化它，是因为随着技术的演进，我们的能动性表现形式也不断变化。生活在马车时代、汽车时代、飞机时代，或电话时代的个体，其“能动性”内涵并不相同。“agency”不只是卢梭式的个体主义，更重要的是它在群体中的作用：集体协作、组织协同、社会系统的协调。我将这本书命名为《Superagency》，正是想说明：我们正进入一个技术大幅增强个体与集体行动能力的时代。
Jonathan B：我很喜欢你强调的这个观点，不仅是“别干涉我”这种消极自由，更包括“主动作为”的能力，既能服务自身，也能促进他人。在关于AI的讨论中，你总体态度似乎是：无需在技术发展初期过度焦虑，而应保持灵活应变。为什么你对这种潜在的不确定性并不悲观？
Reid Hoffman：这个观点对一些人可能听上去有些激进：人类的想象力其实是有限的。我当年在牛津读书时写了一篇论文，研究哲学中的“思想实验”，它们本是哲学推理的关键工具。但很多哲学家忽视了思想实验本身的认知边界。比如，你能真正想象自己以光速行进吗？不少没有物理训练背景的人会说：“当然能啊！”但他们实际想象的，只是“非常快的移动”，而非真正意义上的光速状态。可光速状态意味着无质量、无时间的存在状态，我并不确定人类大脑能真正想象这种情境。
Jonathan B：所以问题不是“我们能否想象”，而是“我们所想象的到底是什么”。
Reid Hoffman：对。所以每当我们谈论新技术，我们以为自己在进行哲学思辨，实际上却是在使用模糊或误解的比喻。当某人说：“假设我按下这个按钮就能毁灭世界。”我们当然不会去试。但当你可以部署、试用并不断迭代一项技术时，真正理解它的唯一方式，就是使用它。技术从来不是一蹴而就地“人性化”的，而是我们通过与之互动、打磨、试错，逐渐把技术变得更适合人类。所有的技术进化，其实都走过这条路径。
Jonathan B：这种开放、务实但也含有谦逊的认知姿态，可能会让一部分“渴望确定性”的人感到焦虑。
Reid Hoffman：没错。但作为一个哲学工作者，我的态度是：“我们无法预知未来，所以我们做假设、做实验，并尝试引导。”这其实也是一种典型的硅谷思维方式。
Jonathan B：实如此。但你是否担心这种态度在AI这样高风险领域可能不适用？你的观点是：技术发展中虽会经历阵痛，但最终总会找到解决之道。对此我有两个质疑。第一：如果中途就“翻车”，怎么办？比如古巴导弹危机，当时是因为苏联潜艇上有三名军官，其中一人反对，才阻止了核弹发射。差一点人类就全灭了。如果当时失败，技术史不会是“磕磕绊绊的进步曲线”，而是直接终结。第二：低谷可能异常漫长。有学者认为，狩猎采集社会可能比农业文明更幸福、关系更紧密。我们可能用了几千年才刚刚从那个深谷中爬出，才开始“比原始人过得好一点”。
Reid Hoffman：我完全理解你的担忧。其实这可能还不止两个问题。你刚才提到的“技术崩溃”和“文明长期低谷”是两点，第三个问题则是：技术越强，人类自我毁灭的风险越高。事实上，我们已经几乎自我毁灭过。拿核战争来说，有人说“我们已经 70 年没爆发核战”，就误以为我们很安全了。但你得明白，全球 80 亿人不可能集体同意销毁核武器。所以关键不在于幻想所有危险都消除，而是：我们如何构建稳定的制度与科技体系，确保人类文明能持续存在。比如核威慑的逻辑，是让大国拥核，因为作为现状受益者，他们不愿意破坏稳定。他们更想维持和平，保障自我。这就是“相互确保毁灭（Mutually Assured Destruction）”理论的逻辑。
Jonathan B：你是说，制度设计必须考虑现实人性，而不是理想状态？
Reid Hoffman：对。比如我们允许彼此监控核武器，正是为了建立互信与稳定机制。而面对AI 的发展，我们也必须思考如何在推进技术的同时，实现这种动态平衡。因为你无法预测所有变量，所以需要设计出能随着风险演化不断迭代与升级的系统。这也是为什么我说：我们需要“超级能动性”，而不仅仅是“控制”。我们需要思考的是：人工智能如何影响整体生存风险组合？我的观点是，AI 实际上正在帮助我们降低其他重大风险，比如疫情防控、气候问题，甚至是小行星撞击的防御。关键是：我们是否每年都在优化这些风险的组合权重？这才是我们真正应努力的方向，也是延续人类文明的关键路径。虽然我对AI 的作用持积极态度，但我们仍需持续对话，以明智方式引导其最大化正面效应。
Jonathan B：这是你回应我“技术会否毁灭我们”质疑的第一点。那么你的第二点是什么？
Reid Hoffman：第二个是关于“转型期的阵痛”。你看，工业革命就是最经典的例子。人工智能是一种超级有机体（superorganism），也是一场认知工业革命。它带来的不仅是技术突破，更是社会结构的根本性转变。就像工业革命催生了大规模中产阶级和知识阶层，认知工业革命也可能推动智人整体能力的跃升。它带来了极大进步，从多个指标来看都如此。但与此同时，它也极其痛苦。你回看工业革命的转型过程，黑暗面比比皆是：战争、童工、系统性剥削……所以，当我使用“认知工业革命”这个词时，我既是在描绘希望，也是提醒我们：必须以最大程度的人文关怀来引导这段转型。
Jonathan B：所以你是说：这场转型注定伴随痛苦，但人类的价值正体现在面对痛苦时的参与姿态？
Reid Hoffman：完全正确。这不是单极系统，历史也从不是线性的。那些主动拥抱变革的文明，将是定义未来价值观与生活方式的主导力量。当然，我们应该努力让这场变革尽可能人道、优雅，但退缩并不能带来希望——只有参与，才能创造一个更美好的未来。
Jonathan B：回到我们之前谈的狩猎采集社会，有些人认为那种生活方式其实更好，现代文明未必值得。
Reid Hoffman：这是个有趣的立场，我有几点批评。比如，有人支持“有效利他主义（Effective Altruism）”，认为只要能让更多生命体过上高质量的生活，那就是好事。我基本认同这个出发点，但也有很多保留。你可能不喜欢每天去种地，但农业社会毕竟支撑了数十亿人口生存。相比小规模游牧部落的悠闲，那种高密度协作的文明本身，就是一种进步的展现。而且，我们今天面对气候变化等挑战，本质上正是因为：我们拥有80亿人口，其中数亿人过着高质量生活。这既是问题，也是资本主义与技术进步的成果。
Jonathan B：所以即使我对农业转型的乐观态度有质疑，我们其实达成了共识：技术浪潮不可阻挡。
Reid Hoffman：没错。这是个典型的多人博弈系统。即使你说：“我反对技术发展，我要阻止AI。”但也无济于事因为其他人类依然会继续发明、部署、扩张。就像你无法阻止他人开启农业革命或建立军事体系一样。这就是我选用“Superintelligence + Agency”这个词作为书名的原因：不是告诉你“别害怕”，而是告诉你：你的参与决定技术的走向。
Jonathan B：这个词选得真好，也让我想起一个例子：同样是打车，你可以说“这是我召唤的Uber，司机因我而来”，也可以说“我好害怕进陌生人的车，太不确定了”。
Reid Hoffman：对！这就是心理层面的能动性。你选择恐惧，就会被技术裹挟；你选择主动，就有机会参与塑造它。这和斯多葛派与佛教的观点很像。马车会继续前行，你选择跟随还是挣扎？拥抱变化，不是消极屈服，而是成为塑造力量的一部分。
Jonathan B：你在书中提出的“多中心治理”也特别有趣。比如在AI领域，企业并没有等待政府设规矩，而是自己在形成行业规范，能谈谈这点吗？
Reid Hoffman：当然。今天的企业，生活在错综复杂的多重网络中：客户网络、员工网络、股东网络、媒体网络、社区网络……这些网络早已形成了一套内在的治理机制。当客户说：“我们讨厌你这家公司”，企业会做出调整；当员工不满，公司文化会发生变化；CEO 想要好名声，也会自我规范。治理从来不只是政府的事情。政府只是为这些网络设定边界与规则框架，而非介入每一个细节（比如规定牙刷刷毛长度）。
Jonathan B：这让我想到AI领域的基准测试。你书中提到，这竟然已成为某种“事实上的行业规范”。
Reid Hoffman：对，今天我们有各种独立基准，比如：系统能力评估：产出质量好不好？安全性评估：是否能防止有害回答？人类价值对齐评估（alignment）等。这些基准不靠政府，而是靠行业共识。当你说“我的模型通过了某某基准”，你就被拉入了一个行业规范体系。我认为这种机制，比传统消极监管更有效，它是正向激励、是动态发展的。
Jonathan B：这也正是你书中强调“创新即安全”的核心观点。你举了个例子：早期交通规范，如红绿灯，都是由私人发明推动，而非政府设立。
Reid Hoffman：没错。创新往往带来自我规范。
Jonathan B：那我们最后来谈谈个体应对这场认知革命所需要具备的能力。你觉得，哪些技能最重要？哪些可能会很快被淘汰？
Reid Hoffman：其实，现在绝大多数用户，甚至是深度使用者，都没有意识到现有AI 的全部功能。我举个例子：有次我在朋友家不会操作微波炉爆米花，就直接拍了张照片发给ChatGPT，它立即返回了完整的操作步骤。这种“图像+指令”交互，大多数人还没意识到能用。更复杂的例子是：我丢给它一篇量子物理论文，然后说：“请用12岁能懂的语言解释。”它能做到。我接着说：“那用18岁能懂的方式再解释一遍。” 再说：“那换成大学毕业生理解水准来讲。”它会逐层优化表达方式，帮助我从多个认知维度理解同一概念。
Jonathan B：这种能力太强了，但很多人根本没想过可以这么用。
Reid Hoffman：对。但这套系统目前也有局限。我有个朋友在写书，我向他展示了ChatGPT 的“深度研究”功能。它生成了一份详细报告，他大为惊喜。但研究助理交叉验证时发现：90% 的引用资料都是假的，那些文献根本不存在。不过这并不意味着它一无是处。因为尽管这些引用是虚构的，但其背后的“主题方向”却是准确的。研究助理据此找到了真正有价值的文献和资料路径。这正是我们需要理解AI的方式：它未必是终点，但它是极其有力的方向标。重点很明确：我们必须现在就开始用这些 AI 工具来提出问题。比如，未来我们会发现，记忆力的重要性可能下降。你也会更清楚哪些事情不再值得投入时间，而哪些变得更为重要，比如人际关系、个人声誉和创意表达。
未来十年，人们最关键的竞争力之一将是使用AI工具的熟练程度。就像今天任何职业都要掌握网络搜索技巧一样，即便你是柏拉图研究学者，也值得学习如何用AI辅助研究工作。当然，不是说你可以一边躺着吃零食一边等AI替你完成所有工作。技术尚未发展到那个程度。但例如在学术辩论中，我可以直接提问：“有哪些观点可能反驳我这个论点？”AI会给出一系列批评意见，而我可以据此进一步完善我的论证。
Jonathan B：你觉得哪些传统路径会变得越来越不划算？比如现在去读法学院是否已经不明智了？
Reid Hoffman：确实如此。法学院的教育方式仍然沿用过去的方法，而新世界需要新的方法。法学院当然仍有其价值，但未来的律师必将是AI助手与人类专业能力结合的产物。AI的发展存在两个关键转折点，而我们往往担心的却不是最需要警惕的那个。当年人类担心AI会打败国际象棋冠军，但后来人机组合反而更强。但现在我们正进入另一个阶段：任何人类干预都成了累赘。这才是我们真正需要警惕的时候：因为它意味着，某些任务上，AI 已经不再需要人类参与。
Jonathan B：你认为我们真的会走到那个地步吗？
Reid Hoffman：从整个职业结构来看，我认为那个阶段比多数技术专家预测得要遥远。那些“指数增长论者”通常会说：“AI在这方面变强了，所以一切都要被替代。”但现实没那么简单。以放射学为例：如果让我选择，是由一位普通的放射科医生还是经过良好训练的AI来解读X光片，我会选择AI。但如果是AI和医生协作呢？我会毫不犹豫地选择协作。问题是，有些医生之所以“搞砸”，是因为他们还没学会如何与 AI 协同工作。真正值得担忧的是：当人类无法学会如何与AI协作时，他们才有可能被彻底淘汰。
Jonathan B：哪些岗位会最早被淘汰？
Jonathan B：但要实现这种未来，靠现在的模型架构只做规模扩张就够了吗？还是说必须有根本性创新？
Reid Hoffman：规模确实很重要。OpenAI的 Sam、Greg、Ilya也都认识到这一点。但我认为架构创新同样不可或缺。技术从来不是线性演进，它的进步可能是1，也可能是1000。我们往往在曲线刚刚起步时就陷入“指数神话”。比如现在，许多AI工程师对系统的理解其实也很有限。他们面对黑箱模型并不比人文学者拥有更多洞察。而真正的突破，常常来自提示词工程(prompt engineering)背后的文本创造力。
Jonathan B：你觉得这波AI 浪潮是否正在改变工程师与人文学者的力量结构？
Reid Hoffman：我认为正在重新赋能人文学科。虽然技术仍是底座，但当我们谈论“AI如何提升人类”时，人文视角才是关键。什么是能动性？如何定义“更好”？AI应该如何融入人类社会？这些问题的核心都属于人文学科。
Jonathan B：明白了。非常感谢你参与本次访谈，荣幸至极。
原视频：The AI Use-Case No One is Talking About | Reid Hoffman
https://www.youtube.com/watch?v=AGMZ4m3oHuw
编译：Nicole Wang
