谷歌DeepMind董事長兼Alphabet首席科學家德米斯·哈薩比斯談人腦：「圖靈機的一種生物近似」

傑米斯·哈薩比斯（Demis Hassabis）的職涯，始終以人腦作為通用智能唯一可行的藍圖。本週，他的一句話被截取出來，成了批評者眼中 AI 產業對心智理解錯誤的象徵；然而，這句話的完整原文範圍更窄，也更能揭示他的本意。

「圖靈機的生物性近似。」

這句話出自班傑明·萊利（Benjamin Riley）在 The Verge 發表的文章〈Our minds aren’t equipped to handle AI〉。萊利以控制論先驅諾伯特·維納（Norbert Wiener）的名言開篇：「每個時代的思想，都映照在它的技術之中。」他並以哈薩比斯為例，指出這是最清楚的例子之一：如今擔任 Google DeepMind 主席、Alphabet 首席科學家的他，代表了一個看著頭顱便看見自家機器的產業。這些話則出自哈薩比斯與詹姆斯·馬尼卡（James Manyika）的對談，刊於今年的《Dædalus》——美國藝術與科學學院的期刊。

完整原句說了什麼

在《Dædalus》中，哈薩比斯談的是 AGI 對他而言意味著什麼。他將 AGI 定義為「具備人類心智所有認知能力的系統」，因為大腦是「迄今為止我們所知的唯一存在證據，也許在宇宙中亦然，證明通用智能確實可能存在」。接著才是那句話的完整版本：「大腦可以被視為圖靈機的生物性近似；也就是說，理論上，它能學會任何可計算的事物。」緊接著的下一句則為這個說法踩下煞車：任何有限系統都需要「某種程度的專門化，因為時間、記憶與資訊都有其限度。」

如此讀來，他並不是在宣稱人就是筆記型電腦，而是在談大腦的能力範圍，談它原則上能學會什麼；這同時也像是一份工程規格。若大腦是參照機器，那麼 AGI 就必須涵蓋大腦的全部能力範圍。哈薩比斯甚至勾勒出一場測驗：用知識截止於 1910 年的資料訓練模型，看看它能否像愛因斯坦在 1915 年那樣推導出廣義相對論。他說：「目前答案顯然是否定的。」

批評瞄準的是更深一層

萊利的異議落在另一個層面。他援引蒙特婁大學神經科學家保羅·西塞克（Paul Cisek）的觀點，主張理解大腦的更好方式，是把它視為一套回饋控制系統：透過作用於外在世界來改變自身所感知的事物。這套系統先受演化塑造，之後又受到文化影響，包括模仿、語言、書寫與學校教育。依照這個模型，聊天機器人代勞了思考中最費力的部分，就像「認知熱狗」——當下很誘人，若成了日常飲食，卻會帶來傷害。他舉例指出，OpenAI 教育事務主管莉亞·貝爾斯基（Leah Belsky）稱 ChatGPT 是「全球最大的學習平台」；他也提到中國的一項研究，數千名學生開始使用 AI 後，幾乎不再自己做功課。

決定爭論走向的那個子句

最尖銳的衝突，其實就在哈薩比斯自己的段落裡。幾行之後，他說關鍵在於「大腦幾乎能學會任何事物的潛力，尤其是當我們能設計並打造工具與機器，協助自己獲取知識時」。這個子句承載了整場爭論的核心。萊利真正要證明的，並不是圖靈機的比喻錯了；他的證據指向的是：有些工具不是協助人學習，而是取代人去學習。關於可計算性的主張，描述的是大腦理論上能吸收什麼，卻沒有回答某項產品究竟讓學習者腦中裝得更多，還是更少。

如今，這個問題落在一位負責制定 Alphabet 科學方向的人身上。《Fortune》報導，哈薩比斯在八月卸下日常執行長職務，專注於 AGI 策略與科學研究；他當時告訴員工，AGI 已近在眼前，而正確踏出下一步對人類至關重要。若一間實驗室以人腦的完整能力範圍衡量自家機器，它便直接有利害關係：使用這些機器的人，不應因此失去這種能力。

即使是圖靈機的近似版本，也仍需要某種力量替它編程。對人而言，那始終是緩慢的學習過程；而工具既可以讓這一步走得更遠，也可能悄無聲息地讓它被跳過。

標籤: Demis Hassabis, Google DeepMind, AI in education, Artificial general intelligence, Turing machine