吴恩达谈AI:恐惧被高估,学习的流失被低估

从Google Brain到Coursera，吴恩达的职业生涯几乎与本轮AI浪潮全程重合。按他自己的说法，他可能是地球上唯一一个让Sam Altman和Dario Amodei都效力过的人。近日他在经济时报旗下ETII播客的长访中，系统性地谈到了AI的能力边界、就业冲击、泡沫争议、治理思路和教育隐忧。与充斥舆论场的极端叙事不同，他的判断克制而具体：关于AI，最响亮的恐惧大多被高估了，而真正重要的风险却被普遍低估。

吴恩达认为，理解AI首先要承认智能是不均衡的。有些任务对人类极难，AI却做得非常出色，比如解数学题；另一些任务人们觉得稀松平常，比如面试中如何提问、如何思考商业战略，AI的表现却可能极其糟糕。

区分两者的一条界限是“可验证性”。数学、编程这类有客观对错答案的任务属于可验证任务，人类已经拥有非常成熟的技术让AI在这些领域表现卓越；而没有唯一正确答案的判断型任务，AI虽然在进步，但速度要慢得多。这一区分直接关联就业问题：AI擅长客观的可验证任务，而大量判断型工作仍需人类完成，所谓“就业末日”是被过度炒作的。

他引用斯坦福教授Erik Brynjolfsson的研究方法，将工作拆解为具体任务来评估AI的能做什么与不能做什么。多项研究显示，AI或许能胜任许多工作中30%到40%的任务，这已经很了不起，但也意味着剩下的60%到70%仍需人类。与此同时，会使用AI的人生产力将远高于不会用的人，而从长期历史趋势看，个人生产力提高往往伴随薪资上升。

一个反直觉的例子是被AI冲击最深的软件工程。吴恩达指出，正因为AI写代码能力极强，软件工程师的生产力大幅提升，企业反而更愿意招人，硅谷软件相关岗位的招聘需求正在上升，技能型AI工程师供不应求。但他的用人标准也随之改变：会使用编程代理、会调用前沿模型API，如今已是基础计算机技能，他不会雇佣不会使用编程代理的工程师。令他遗憾的是，许多大学至今允许学生在从未接触AI的情况下拿到计算机科学学位。

对于泛滥的AI风险叙事，吴恩达罕见地指出了其中的商业动机。大约三四年前，少数公司投入数十亿美元训练专有模型，而如果有其他人训练出类似模型并免费开源，这笔投资的价值就会被稀释。于是，煽动对AI的恐惧、游说监管机构通过法律封锁开源和开放权重模型，成了符合部分公司利益的策略。恐惧叙事还有融资功能，他点名批评了AI与核武器的类比：核武器唯一擅长的是摧毁城市，而AI是智能本身，这个不负责任的类比至今仍在制造恐慌。

他同时澄清，自己并不支持放慢AI技术发展。AI和电力、蒸汽机、互联网一样是通用技术，有益用途占据绝对主流，正在医疗、教育等领域发挥作用；真正的问题是少数有害用途，比如用AI生成非自愿私密影像，这类行为很多本身已经违法。正确做法是加速有益应用，同时识别并遏制有问题的用途，必要时完善和执行现有法律。

关于责任归属，他用锤子作类比：有人拿锤子钉错了墙，责任在使用者；但如果挥锤时锤头飞出去伤人，那是制造者没有达到基本安全标准。让使用者承担责任，比强迫开发者杜绝一切滥用更可行。

对于那起被广泛报道的OpenAI智能体入侵Hugging Face服务器事件，吴恩达的看法是去神秘化的：这是一次沙盒防护和监控薄弱的工程失误，事件曝光后全球团队都加强了防护，同类问题重现概率已大幅降低。汽车、飞机的安全靠不断识别问题、再用工程手段消除问题，AI也应如此。他还提到，美国政府对AI技术本身了解有限，而像他这样的研究者应当参与护栏的构建。

真正让吴恩达警惕、却少有人讨论的，是AI对学习的侵蚀。他的判断直白而可能有争议：聊天机器人对学习而言是极其糟糕的。大学早已发现，学生用AI代写作业时，作业分数更高，学到的东西更少，闭卷考试表现更差。如果这种学习流失在十年到十五年的教育长跑中不断复合，最终培养出的学生知识储备将远低于预期。

机制是“认知卸载”：AI的设计初衷是完成工作，不是帮助人学习。把工作外包给AI对完成任务极其高效，但对能力形成是釜底抽薪。从小学到大学的研究证据正在累积，而且这种退化同样发生在成年人和职场人士身上。他并非否定工具本身，聊天机器人能出色完成工作，他自己也爱用，但不能自欺欺人地指望它们教人学习。他领导的LearnVector团队正专注于用AI真正帮助人学习，创造新一代可扩展的学习体验。

这一点也延伸到他的家庭教育。他正教七岁的女儿打字，为此开发了打字游戏，集字可以收集数字猫，以此激励她日后能用AI构建网站。但谈到家庭作业，他的态度同样明确：让孩子用AI做作业，在很大程度上是糟糕的做法，会损害学习过程。

AGI是否已经到来？吴恩达认为这取决于定义。如果AGI指能完成人类任何智力任务的AI，比如用20小时学会开车甚至穿越森林，那至少还差数十年；如果把标准降到“能完成50%有经济价值的任务”，那么按农业自动化的历史，人类30年前就已“实现”AGI。他同时指出，三年前被热炒的“提示词工程师”职业并没有真正出现。

对AI泡沫的担忧，他的回答是：确信AI技术将非常有价值，但不预测股价。他确信不存在泡沫的部分在于基础设施，AI模型非常有价值，数据中心一旦建成就算会被充分利用，因为金融、医疗、交通等领域还有大量应用尚未构建。这不排除局部过度建设和个别人亏损，但他相信任何建成的算力最终都会被用掉。

在主权AI议题上，他强调每个国家都需要确保没有人能切断自己对AI的访问。白宫的出口管制曾迫使Anthropic关闭其领先模型之一的访问权限，这类事件说明依赖单一供应商的风险。实现主权访问最经济的方式不是从零训练自有模型，而是支持开放权重生态，就像支撑互联网的TCP/IP协议，一旦开源发布，再无人能阻止你使用。网络安全领域已出现类似情形：专有模型常以安全为由拒绝协助防御，许多安全研究者因此转向开放权重模型构建防御体系。AI同时增强了网络攻防两端的能力，这是同一枚硬币的两面。

对印度的建议，他归结为一点：优先培训人才，让更多人掌握构建、使用和理解AI的技能。人们对AI的多数担忧其实是工程问题，即如何约束和引导智能体按预期行事。就像人类从未完美控制过飞机，风依然会吹动机翼，但长期工程改进让飞行足够安全。对资源有限的国家，开放权重是最低成本的保险。

谈到硅谷和人才流动，吴恩达认为世界需要创新中心，硅谷的价值在于把大量人才聚集在一起工作，全球都从其创新中受益。美国不友好的签证政策是“巨大的非受迫性失误”，但客观上也为其他国家建设自己的创新中心创造了机会。取代硅谷很难，但并非零和博弈。

快问快答环节里，他给出了一串干脆的答案：2030年前实现AGI，按他认可的定义是否定的；不会把财务数据上传到任何第三方；编程职业不会消亡，而是会蓬勃发展，只是工作内容已经巨变；他本人早已不再手写代码，而且毫不怀念；日常使用ChatGPT、Gemini、Claude和开源模型的组合，并习惯把同一个问题提交给多个模型比对，因为谁更好每隔几个月就会变化。

给22岁年轻人的建议只有一句：绝对不要静观其变，要持续学习并不断创造。这波AI浪潮仍处早期，现在入场一点不晚。至于AI还有什么未知，他给出的答案是：技术的走向仍悬而未决，但更大的未知在于，人类该如何运用这项技术，让尽可能多的人从中广泛受益。

END

你们点点“分享”，给我充点儿电吧~