作者｜高飛

中國國慶節(jié)期間，我卻在瑞士參與了一場AI峰會，蘇黎世AI節(jié)（Zurich AI Festival）。

這是這座以銀行和精密鐘表聞名的城市首次舉辦的大型AI活動(dòng)。活動(dòng)由蘇黎世聯(lián)邦理工學(xué)院AI中心和大蘇黎世地區(qū)聯(lián)合發(fā)起，背后還有蘇黎世州政府、蘇黎世旅游局，以及一眾學(xué)術(shù)機(jī)構(gòu)、科技公司的支持。

從9月29日到10月4日，整整一周時(shí)間，26場不同主題的活動(dòng)橫跨蘇黎世十多個(gè)場地：蘇黎世聯(lián)邦理工學(xué)院、大學(xué)醫(yī)院、科技園、Prime Tower、藝術(shù)館、StageOne活動(dòng)中心。醫(yī)學(xué)、機(jī)器人、藝術(shù)、環(huán)境、金融、教育，幾乎每個(gè)領(lǐng)域都能找到AI的身影。

有意思的是，和蘇黎世AI節(jié)同期，我還在瑞士街頭看到了瑞士電影節(jié)的各種宣傳物料，所以這個(gè)城市最近被技術(shù)和藝術(shù)包圍了。

由于日程關(guān)系，我只能參加10月2日的AI+X峰會。所以，僅就峰會的開場環(huán)節(jié)做一個(gè)詳細(xì)記錄，包括兩個(gè)主題分享，和一個(gè)圓桌對話。

但是AI+X峰會也是整個(gè)活動(dòng)周的旗艦項(xiàng)目，有120多位演講者、50多個(gè)參展商齊聚蘇黎世StageOne。

參加完活動(dòng)，我就收到了官方發(fā)來的郵件。據(jù)他們統(tǒng)計(jì)，有超過5500人從世界各地涌入這座城市，其中包括Google、Microsoft、Meta、Apple、IBM的代表，還有大量初創(chuàng)企業(yè)、研究機(jī)構(gòu)和投資人。26場活動(dòng)中有23場早早售罄。

大蘇黎世地區(qū)的副總經(jīng)理Sabine Müller給出了一個(gè)參照系是："這是蘇黎世經(jīng)濟(jì)區(qū)第一次擁有可以與倫敦科技周、波士頓機(jī)器人周、巴黎VivaTech和東京SusHi Tech相提并論的國際性活動(dòng)。"

顯然，這個(gè)"X"代表AI與各個(gè)領(lǐng)域的交叉融合。這讓我第一時(shí)間想到中國的人工智能+行動(dòng)?？磥砣澜缍荚陉P(guān)注AI這個(gè)新生事物，如何與這個(gè)社會原本存在的部分接軌。

瑞士的選擇題

峰會第一個(gè)上臺的是Nina Frey，她現(xiàn)在擔(dān)任ICAIN的執(zhí)行董事，同時(shí)是瑞士聯(lián)邦外交部國務(wù)秘書處的人工智能與新興技術(shù)高級顧問。在此之前，她做了17年外交官，最后三年幫助建立了瑞士的數(shù)字化外交部門。ICAIN是一個(gè)致力于讓全球南方國家能夠更平等地參與AI研究的全球倡議。

她在臺上展示的第一張圖，來自某個(gè)AI排行榜。中國和美國位居前兩位，與其他國家拉開了相當(dāng)明顯的距離。

"全球只有大約15家公司有能力訓(xùn)練大規(guī)模語言模型，"她說，"其中四分之三在美國，剩下的基本在中國，可能還有一家在法國。"顯然，法國的就是Mistral了。

這個(gè)數(shù)字勾勒出了一個(gè)相當(dāng)集中的格局。全世界195個(gè)國家，只有兩個(gè)在大模型訓(xùn)練上具備完整的能力。那其他國家呢？是只能成為技術(shù)的消費(fèi)者，還是有可能找到自己的位置？

瑞士在那個(gè)排行榜上排第12位。不算差，但也談不上領(lǐng)先。但Nina認(rèn)為，瑞士有其優(yōu)勢所在。

首先是學(xué)術(shù)實(shí)力。瑞士的AI論文發(fā)表數(shù)量和質(zhì)量都排在世界前列，蘇黎世聯(lián)邦理工學(xué)院和洛桑聯(lián)邦理工學(xué)院是歐洲最頂尖的理工科學(xué)府。一個(gè)題外話，兩周前，這兩所大學(xué)聯(lián)合瑞士國家超算中心發(fā)布了一個(gè)名叫Apollos的開源模型。這個(gè)模型的特別之處在于，它是真正的"全開源"，不是某些公司那種掛著開源旗號實(shí)際上只開放部分代碼的做法。架構(gòu)、權(quán)重、訓(xùn)練數(shù)據(jù)、訓(xùn)練流程，全部公開。

這在當(dāng)下的AI世界里其實(shí)挺稀缺的。大公司都在把自己的模型當(dāng)作商業(yè)機(jī)密，甚至連訓(xùn)練數(shù)據(jù)的來源都諱莫如深。Apollos的發(fā)布，某種程度上是在說：我們還有另一種可能性。

其次是生態(tài)系統(tǒng)。Nina展示了一張?zhí)K黎世地區(qū)的科技公司分布圖，密密麻麻的，幾乎所有大型科技公司都在這里設(shè)有辦公室，同時(shí)還有大量創(chuàng)業(yè)公司。瑞士的稅收政策、人才儲備、法律環(huán)境，都讓它成為科技公司愿意扎根的地方。

但更有意思的是日內(nèi)瓦。這座城市是聯(lián)合國系統(tǒng)僅次于紐約的第二大總部所在地，有50多個(gè)國際組織，700多家NGO。聽起來跟AI沒什么關(guān)系？恰恰相反。當(dāng)我們談?wù)揂I治理的時(shí)候，那些制定標(biāo)準(zhǔn)的組織（比如ISO、IEC）、處理知識產(chǎn)權(quán)的世界知識產(chǎn)權(quán)組織等，全在日內(nèi)瓦。換句話說，關(guān)于AI的規(guī)則，可能會在這座阿爾卑斯山腳下的城市里誕生。

Nina提到一個(gè)細(xì)節(jié)：明年（2026年）的全球AI峰會將在印度舉行，2027年的下一屆，主辦地就定在了日內(nèi)瓦。

不過，Nina也談到了AI應(yīng)用中的一個(gè)問題：影子AI（Shadow AI）。這個(gè)詞指的是員工在工作中私自使用ChatGPT或其他公共AI工具，繞過公司的數(shù)據(jù)安全政策。聽起來是個(gè)小事，但想想看，一個(gè)銀行員工把客戶的敏感信息輸入到ChatGPT里尋求幫助，或者一個(gè)政府官員用Claude處理機(jī)密文件，這些數(shù)據(jù)都會流向其他地方的服務(wù)器。

"192個(gè)國家不應(yīng)該只停留在消費(fèi)端，"Nina對此的看法是："它們需要有選擇的權(quán)利，需要能夠用自己的數(shù)據(jù)訓(xùn)練模型，需要坐在駕駛座上而不只是乘客座上。"

痛苦的智能

接下來上臺的是芬蘭赫爾辛基大學(xué)的Aapo Hyvärinen教授。他的研究方向聽起來有點(diǎn)出人意料：用AI來理解人類的精神痛苦。不是那種身體上的疼痛，而是心理層面的痛苦。焦慮、失望、沮喪、抑郁，這些困擾著現(xiàn)代人的情緒狀態(tài)，能用計(jì)算的方式來解釋嗎？

Aapo的答案是：可以。而且他認(rèn)為，AI提供了一個(gè)特別好的隱喻或模型。

他從一個(gè)古老的哲學(xué)觀點(diǎn)出發(fā)。佛陀說過："求不得苦。"斯多葛學(xué)派的哲學(xué)家也有類似的表述。現(xiàn)代神經(jīng)科學(xué)里有個(gè)概念叫"獎(jiǎng)勵(lì)預(yù)測誤差"，說的是當(dāng)你得到的獎(jiǎng)勵(lì)少于預(yù)期時(shí)產(chǎn)生的那種失落感。這些描述其實(shí)都在講同一件事：挫折。

用AI的語言來說，挫折可以被定義為兩種情況。第一種來自規(guī)劃（planning）。假設(shè)一個(gè)AI智能體設(shè)定了一個(gè)目標(biāo)狀態(tài)，制定了一個(gè)計(jì)劃去達(dá)成它，但在執(zhí)行過程中失敗了，沒能到達(dá)目標(biāo)。這就是挫折。第二種來自強(qiáng)化學(xué)習(xí)（reinforcement learning）。智能體預(yù)期能獲得一定的獎(jiǎng)勵(lì)，但實(shí)際得到的少于預(yù)期。這也是挫折。

聽起來有點(diǎn)抽象？他給了幾個(gè)具體的例子。你想去某個(gè)地方，但路被封了。你想擊中一個(gè)目標(biāo)，但偏了。你計(jì)劃完成某個(gè)項(xiàng)目，但遇到了意料之外的障礙。生活中這樣的場景太多了，每一次都是小小的挫敗。

有意思的是，Aapo指出，有些痛苦似乎是大腦自己制造出來的。比如"游走思維"（wandering thoughts）。你坐在辦公桌前想專心工作，但腦子里突然冒出各種雜念。研究顯示，這些雜念大致可以分為兩類：一類是對未來的規(guī)劃，一類是對過去的回憶。

為什么會這樣？Aapo提出了一個(gè)計(jì)算假說。當(dāng)大腦判斷當(dāng)前沒有緊急任務(wù)需要處理時(shí)，它會自動(dòng)進(jìn)入后臺模式：規(guī)劃未來可能遇到的情況，或者回放過去發(fā)生的事件。前者是為了提前做好準(zhǔn)備，因?yàn)橐?guī)劃本身是非常耗費(fèi)計(jì)算資源的事情。后者是為了學(xué)習(xí)，就像神經(jīng)網(wǎng)絡(luò)需要反復(fù)輸入同樣的數(shù)據(jù)來優(yōu)化參數(shù)，大腦也需要重復(fù)回放經(jīng)歷來鞏固記憶。

從演化的角度看，這是有益的。但從主觀體驗(yàn)來說，這會放大痛苦。因?yàn)槟悴粌H要經(jīng)歷當(dāng)下的挫折，還要在腦海中模擬未來可能的挫折（這叫"威脅"），以及反復(fù)咀嚼過去的挫折。換句話說，你的智能越高，想得越多，可能就越容易陷入痛苦。

這就是Aapo那本新書的標(biāo)題來源：《痛苦的智能》（Painful Intelligence）。更聰明不一定意味著更快樂，有時(shí)候恰恰相反。

那怎么辦呢？Aapo提出了幾個(gè)基于這套理論的干預(yù)方法。

最核心的一條是：降低期望。記得剛才那個(gè)公式嗎？挫折等于預(yù)期獎(jiǎng)勵(lì)減去實(shí)際獎(jiǎng)勵(lì)。如果你降低預(yù)期，那么即使實(shí)際獎(jiǎng)勵(lì)沒變，挫折感也會減少。

這聽起來像是一種消極的人生態(tài)度，但Aapo的角度不太一樣。他認(rèn)為，降低期望的本質(zhì)是深刻認(rèn)識到世界的不確定性和不可控性。你越是意識到很多事情不由你掌控，就越不會抱有不切實(shí)際的幻想，也就越不容易失望。

這其實(shí)正是斯多葛學(xué)派和佛教修行的精髓。古羅馬哲學(xué)家愛比克泰德有句話："如果你要去公共浴室，先在腦海中想象一下那里通常會發(fā)生什么：有人潑水，有人推搡，有人說臟話，有人偷東西。"如果你提前做好這樣的心理準(zhǔn)備，那么當(dāng)這些事真的發(fā)生時(shí)，你就不會那么惱火。

另一個(gè)方法是冥想。冥想的好處之一是減少游走思維，讓你的大腦不再不停地模擬挫折場景。同時(shí)，冥想也是一種學(xué)習(xí)過程，它幫助你體會到思維本身的無常和不可控。

Aapo特別強(qiáng)調(diào)，他并不是在發(fā)明新方法，而是用AI和計(jì)算神經(jīng)科學(xué)的框架，為古老的智慧提供了一套現(xiàn)代的理論支撐。

有人在問答環(huán)節(jié)提出質(zhì)疑：如果把期望降得太低，人會不會就失去動(dòng)力了？Aapo的回答很實(shí)在："我不是說要把期望降到零，我是說大多數(shù)人的期望可能普遍偏高了。"

我覺得Aapo的研究方式非常有啟發(fā)性，也就是通過對AI的觀察，而了解人類自身。

物理學(xué)家理查德·費(fèi)曼（Richard Feynman）有一句名言"What I cannot create, I do not understand."他的意思是，如果你不能親手構(gòu)建、模擬或推導(dǎo)某個(gè)事物，就說明你對它的理解還不夠透徹。

實(shí)際上，此前認(rèn)知科學(xué)的誕生，離不開計(jì)算機(jī)的發(fā)明。20世紀(jì)中期，當(dāng)人類第一次能用機(jī)器來處理信息時(shí)，研究者們突然發(fā)現(xiàn)，這也許就是理解心智的一把鑰匙。大腦可以被看作硬件，思維和意識則像是軟件，記憶、學(xué)習(xí)、推理等過程都可能用"信息處理"來描述。

大語言模型，一定會催生出更多類似Aapo的研究。

數(shù)據(jù)的重量

接下來的圓桌討論，題目更和實(shí)際AI場景相關(guān)，叫"從數(shù)據(jù)到信任：高風(fēng)險(xiǎn)領(lǐng)域中的人工智能"，主持人是Melanie Gabriel，她是蘇黎世聯(lián)邦理工學(xué)院AI中心的聯(lián)合主任兼首席運(yùn)營官。臺上坐著的五位嘉賓分別是：

Sina Wulfmeyer，金融科技公司Unique的首席數(shù)據(jù)官，之前在瑞士信貸工作，和銀行那些龐大復(fù)雜的數(shù)據(jù)系統(tǒng)打了二十多年交道。

Chiara Debenedetti，紅十字國際委員會的全球數(shù)據(jù)負(fù)責(zé)人。有意思的是，她的學(xué)術(shù)背景是粒子物理，在歐洲核子研究中心（CERN）做了十年研究，后來轉(zhuǎn)到了人道救援領(lǐng)域。

Fruzsina Homolka，瑞士廣播電視公司SRG SSR的首席數(shù)據(jù)官。瑞士的公共媒體系統(tǒng)在歐洲算是相當(dāng)獨(dú)特的，四種官方語言，每個(gè)語區(qū)都有自己的節(jié)目制作體系。

Menna El-Assady，蘇黎世聯(lián)邦理工學(xué)院的助理教授，研究方向是數(shù)據(jù)可視化和可解釋AI。她的實(shí)驗(yàn)室名字叫"交互式可視化與數(shù)據(jù)智能"，聽起來有點(diǎn)拗口，但做的事情很實(shí)在：怎么讓人真正理解AI在做什么。

這五個(gè)人一個(gè)管學(xué)術(shù)研究，一個(gè)管金融數(shù)據(jù)，一個(gè)管戰(zhàn)區(qū)數(shù)據(jù)，一個(gè)管媒體數(shù)據(jù)，一個(gè)做技術(shù)研發(fā)。

Sina提到，她之前在瑞士信貸工作時(shí)，公司有超過2000個(gè)數(shù)據(jù)系統(tǒng)。一個(gè)簡單的問題：某個(gè)客戶的風(fēng)險(xiǎn)等級是多少？要回答這個(gè)問題，可能需要從幾十個(gè)不同的系統(tǒng)里調(diào)取數(shù)據(jù)，然后手工整合。這不僅低效，而且容易出錯(cuò)。

AI的承諾就是把這些分散的數(shù)據(jù)連接起來。但現(xiàn)實(shí)總是比理論復(fù)雜。金融文檔的格式千奇百怪：表格、圖表、PPT、PDF。人類一眼就能看懂一張折線圖代表什么，但對AI來說，這只是一堆像素或者數(shù)字。"你必須花大量時(shí)間去清理數(shù)據(jù)，標(biāo)注數(shù)據(jù)，告訴模型'這是一個(gè)表格，那是一個(gè)圖表,這些數(shù)字之間有什么關(guān)系'。"

Chiara面對的情況更極端。在戰(zhàn)區(qū)和災(zāi)區(qū)，數(shù)據(jù)收集往往是用筆和紙完成的。有時(shí)候是衛(wèi)星圖像，有時(shí)候是現(xiàn)場人員的報(bào)告，有時(shí)候是從各種渠道收集來的零碎信息。這些數(shù)據(jù)不僅格式混亂，而且高度敏感。一個(gè)囚犯的姓名、一個(gè)難民營的位置、一次醫(yī)療救助的記錄，如果泄露出去，可能會危及相關(guān)人員的生命。

所以當(dāng)全世界都在擁抱ChatGPT的時(shí)候，紅十字會不能簡單地說"大家都用上吧"。他們必須先制定政策，做培訓(xùn)，解釋清楚哪些數(shù)據(jù)可以輸入，哪些絕對不行。同時(shí)，他們也在搭建自己的內(nèi)部工具，基于GPT的API但部署在私有云上，后來干脆開始構(gòu)建自己的模型。

"我們的首要原則是'不作惡'（do no harm）"，Chiara說。這個(gè)原則適用于他們服務(wù)的人群，也適用于他們自己的員工。AI應(yīng)該讓救援人員更有效率，而不是增加他們的負(fù)擔(dān)或把他們置于危險(xiǎn)之中。

Fruzsina來自瑞士廣播電視公司，她的觀點(diǎn)很明確："信任是我們的貨幣。"公共媒體不像商業(yè)媒體那樣依賴廣告收入，它的存在本身就是為了服務(wù)公眾。所以當(dāng)AI被引入到內(nèi)容生產(chǎn)和分發(fā)流程中時(shí)，透明度和倫理考量必須放在首位。

她提到一個(gè)細(xì)節(jié)：SRG正在探索多語言推薦系統(tǒng)和手語虛擬主播。瑞士是個(gè)多語言國家，如何讓不同語言區(qū)的觀眾都能平等地獲取信息？AI可以幫助打破這些障礙。但同時(shí)，個(gè)性化推薦也可能制造信息繭房，讓人們只看到自己想看的內(nèi)容。這是一個(gè)需要小心平衡的地方。

Menna從研究的角度補(bǔ)充了一些見解。她提到一個(gè)概念叫"有害的合理化"（harmful rationalization）。當(dāng)我們讓AI解釋它的決策時(shí)，它往往會給出一個(gè)聽起來很有道理的答案。但問題在于，這個(gè)解釋可能只是模型學(xué)會了如何取悅?cè)祟?，而不是真正反映了它的?nèi)部邏輯。換句話說，AI可能在撒謊，但撒得很漂亮。

所以可解釋性不是簡單地讓AI輸出一段文字說明，而是需要嚴(yán)謹(jǐn)?shù)募夹g(shù)手段去驗(yàn)證這些解釋是否真實(shí)。這在高風(fēng)險(xiǎn)領(lǐng)域尤其關(guān)鍵。

討論中有個(gè)反復(fù)出現(xiàn)的主題：文化轉(zhuǎn)型比技術(shù)更難。

Fruzsina說得很直白："AI不應(yīng)該只是一個(gè)IT項(xiàng)目。"很多組織在引入AI時(shí)，把它當(dāng)作一個(gè)軟件升級，扔給技術(shù)部門去處理。但真正的改變需要整個(gè)組織的思維方式轉(zhuǎn)變。編輯團(tuán)隊(duì)、法務(wù)團(tuán)隊(duì)、制作團(tuán)隊(duì)、技術(shù)團(tuán)隊(duì)，都需要坐在一起，共同理解AI能做什么、不能做什么、應(yīng)該做什么。

Sina也提到類似的觀察。銀行里有很多老舊的流程，這些流程在沒有AI的時(shí)代被設(shè)計(jì)出來，現(xiàn)在看起來可能已經(jīng)不合理了。但如果你只是把AI硬塞進(jìn)這些舊流程里，結(jié)果可能適得其反。你需要重新思考整個(gè)工作流，從頭設(shè)計(jì)一個(gè)適合AI時(shí)代的流程。

這涉及到對人員的培訓(xùn)和賦能。不是教他們怎么用某個(gè)工具，而是幫助他們理解AI的本質(zhì)，理解它的能力邊界，理解在什么情況下應(yīng)該信任它，什么情況下應(yīng)該質(zhì)疑它。

Menna提出了一個(gè)"混合主動(dòng)系統(tǒng)"（mixed-initiative system）的概念。在這種系統(tǒng)中，人和AI是動(dòng)態(tài)協(xié)作的。有時(shí)候AI主動(dòng)提供建議，有時(shí)候等待人類的指令，具體取決于當(dāng)前的情境。這種動(dòng)態(tài)的、靈活的協(xié)作關(guān)系，比簡單的"人類監(jiān)督機(jī)器"或"機(jī)器自動(dòng)化一切"都更符合現(xiàn)實(shí)需求。

主持人Melanie在最后問了每個(gè)人同一個(gè)問題：十年后，你希望AI在你的領(lǐng)域里變成什么樣？

這些回答都挺實(shí)在的：

Menna說，她希望AI能像一個(gè)好同事，知道什么時(shí)候該出現(xiàn)，什么時(shí)候該安靜，用什么方式互動(dòng)最有效。

Fruzsina希望數(shù)據(jù)分析和AI能成為人人都掌握的基礎(chǔ)技能，就像今天的Excel和PowerPoint。

Chiara說，她希望AI能讓救援人員把更多時(shí)間花在實(shí)際幫助人上，而不是填報(bào)表和整理數(shù)據(jù)。

Sina的愿景最接近這場討論的核心："我希望AI能無縫融入到各種流程中，處理那些沒人喜歡做的繁瑣工作，讓人類可以專注于真正需要人的地方：建立信任，提供個(gè)性化服務(wù)。"她補(bǔ)充："很多人擔(dān)心AI會取代人類。但我看到的是，AI讓我們有機(jī)會成為更好的人。"

這三場發(fā)言，表面上講的是三件不同的事：地緣、認(rèn)知、應(yīng)用。但其實(shí)也能找到同一個(gè)思考線索：AI時(shí)代，如何掌控自己的命運(yùn)？

Nina談的是國家地緣。在一個(gè)算力和模型都集中在少數(shù)國家的時(shí)代，其他國家如何避免被邊緣化？

Aapo談的是人類個(gè)體。當(dāng)你的大腦不受控制地產(chǎn)生痛苦情緒時(shí)，你還能做什么？他的答案不是對抗，而是理解和接納。通過認(rèn)識到世界和自己思維的不可控性，你反而獲得了某種自由。

圓桌的五個(gè)人則談的是組織和個(gè)體在實(shí)際操作中的選擇權(quán)。是簡單地把數(shù)據(jù)交給大公司的黑箱模型，還是費(fèi)心費(fèi)力地搭建自己的系統(tǒng)？是讓AI自動(dòng)化一切，還是保持人在其中的控制？（human in the loop）

除了主會場的演講和對話，在StageOne，還有專題會議、現(xiàn)場路演和技術(shù)展示在同期進(jìn)行。我也留意了一下，發(fā)現(xiàn)AI For Science等議題關(guān)注度相當(dāng)高。