而在实际场景中，其中一种思路往往更有效。我经常在被问到最喜欢的电影、电视剧或书籍是什么。不出所料，当我列出清单时，总会收到回复说，其中很多也是他们的最爱——这并不奇怪，我是科幻迷，观众里也有很多科幻迷，这和我们的主题高度相关。我能观测到这些喜好清单，或是你们现在能看到它们，确实和我们的存在本身密切相关。

    

    反过来说，如果我们调查最喜爱的食物，就不会预期出现与全体人类相比异常偏高的偏好，尽管可能会因地域或其他因素产生偏差。

    

    需要强调的是，这两个概念并非相互对立，我们一直在同时使用它们，只是具体场景会决定哪个更适用，并将其简化为一种常见、甚至有些枯燥的思维练习。

    

    当我们所知甚少，却探讨世界末日、神是否存在、你是否可能只是计算机模拟产物这类话题时，这些概念能引发更深的兴趣，但也往往会掩盖一个工具的本质：它既简单，又具有深刻的决策价值。

    

    在切入我们今天第二个、也是主要的话题**超级智能**之前，我先做一个和**邓宁-克鲁格效应**相关的类比。

    

    如果我们把一个人对某个主题或问题的信心，与其掌握的相关知识绘制成图，会得到类似双峰曲线的形状：起初信心很低，但会急剧上升，随后随着知识增加而下降，最终再次回升。我常把这个阶段称为“愚蠢之巅”，这似乎是一个很受欢迎的“停留地”，或许我们所有人都时常在这里驻足。

    

    不过我现在提到它，更多是为了说明我们通常如何做决策：我们常常能依据极少的信息做出非常自信的判断，而随着了解增多，信心反而下降，直到最终掌握足够信息，才会重新对决策充满信心。有时，了解更多甚至会让我们质疑正确的结论，进而做出错误选择，但这不是我此刻的重点。

    

    我一直强调，人择原理主要关乎**信息匮乏时的决策**，它帮助你做出有信心的决策，不是因为你认为这个决策极有可能正确，而是因为你知道，基于现有信息，这是最优选择。如果获得更多信息，你可以修正判断，但在此期间，你可以做出决策并采取行动，清楚这个决策本身是合理的——无论它最终是否正确。

    

    如果一个选项的正确概率是其他选项的两倍，那它就是最优选择，哪怕它的绝对成功率很低。如果有人即将掷一对骰子，而你必须猜点数之和，你应该选7，而不是2或12，更不是1或100——因为7的概率最高，2和12最低，1和100则看似不可能。如果你后来发现这不是六面正方体骰子、点数不是1到6、或是两颗骰子都 heavily 倾向于掷出6，你再相应修正判断即可。

    

    现在，邓宁-克鲁格效应也适用于人类对超级智能的思考。重要的是要明白，我们所有人都会停留在“愚蠢之巅”，因为人生的时间有限，能学习的东西有限，激发我们去学习各类知识的兴趣与需求也有限。这些知识可以包括如何成为好的交谈者、有说服力的演讲者——这些都是可习得的技能，和扔球、做计算一样。

    

    无论我们接下来要讨论的三种超级智能中的哪一种，都理应在这类技能上远超人类。因此，在探讨这些概念时，我们最好摒弃虚构作品带来的偏见：不要觉得计算机大脑或超人类会像冰格一样毫无个人魅力。

    

    我在之前提到过：一个想要统治世界的人工智能，大概率不会靠军团杀手机器人和核武器实现目标，反而更有可能通过普选上台。没错，它可能会利用自身更理性、更博学的特点作为优势，但总体而言，我认为无论超级智能的来源是计算机意识还是超人类，它绝对会运用魅力与社交技巧。

    

    那么，什么是超级智能？尼克·博斯特罗姆将其大致分为三类，我沿用他的分类：

    

    **第一类：速度型超级智能**

    

    这是我们在之前的超人类主义中讨论过的类型。本质上，智能的提升仅体现为**思考速度加快**。这通常是人们最容易想象的形式，有点类似于你周围的世界整体慢了下来。用计算机术语来说，就是**处理器更快**。

    

    **第二类：集体型超级智能**

    

    这或许是你最熟悉、某种程度上已经存在的超级智能类型。它的范围很广：从结构松散的集体（比如拥有专业技能分工的部落），一直扩展到整个文明，或是共同推动领域发展的专家团队；再到更直接的高带宽集体——你甚至可以认为其中只有一个意识，个体更像是某个整体的器官，或是集体大脑的脑叶。用计算机术语来说，就是**多处理器或联网计算机**。

    

    **第三类：质量型超级智能**

    

    这是最难想象的一类，只能通过对比理解。它不是加快处理器速度，也不是增加并行处理器数量，而是某种可以大致归为**软件层面**的提升。

    

    一只猫就算大脑运转更快，也不可能发现微积分；一百只猫联网并行也做不到。对人类而言，一位训练有素、才华横溢的科学家或艺术家，在其正常职业生涯中产生的洞见或深度成果，会远超一个有十倍主观时间研究问题的普通人，或是十个普通人组成的委员会。

    

    再用一次邓宁-克鲁格效应：我们会认为这三类超级智能都极少停留在“愚蠢之巅”。

    

    - 速度型超级智能有更多主观时间学习，能更快地详细研究课题；

    

    - 集体型超级智能拥有“三个臭皮匠顶个诸葛亮”的优势，和它交流，就像向一屋子普通人提问，而不是只问一个人；

    

    - 质量型超级智能，则相当于向专家提问，而非向普通人提问。

    

    如我所说，我们之前在超人类主义中聊过速度型超级智能，今天只简要回顾重点，并补充一些相关新内容。

    

    速度型超级智能，本质是把人类大脑加速——要么通过小型化让信号传输更快，要么用更快的传输机制替代原有生物结构。人类的思维速度大致不超过音速，而理论上可以提升至光速，差距可达数百万倍。

    

    从实际角度看，你只是在一个时间流逝看似慢得多的宇宙里，拥有了更长的主观寿命。你的主观时间流速极快，你并没有变得更聪明，但有更多时间思考问题、应对事件。

    

    当然，因为你的大脑天生适配眼睛、耳朵等感官的信息接收速度与带宽，你需要对自身进行大幅改造，比如实现思维联网，能和其他加速个体以类似心灵感应的方式交流——想必是通过无线电通信。很多时候我们会假设，这类智能会抛弃自然躯体，或是只将其作为自身存在的一小部分，因为躯体的反应速度太慢。就算我们把躯体换成能以子弹速度移动的赛博底盘，对它们来说也还是太慢。

    

    你大概会预期这些个体聚居在一起，因为和其他加速个体住在同一栋楼里，交流就不会有时间延迟。对我们来说，信号跨越地球的几分之一秒延迟完全可以忽略，但对它们而言，给邻镇的人打一通电话，感觉就像我们和月球上的宇航员对话——你说完话，对方要几分钟后才能听到，再等几分钟才能收到回复。我们确实会通过邮件进行延迟对话，但就算知道打电话能更快得到即时回复，我们也不喜欢那样聊天。

    

    集体型超级智能，在某种意义上是你已经熟悉的概念：群体协作实际上会创造一个新的实体。从字面意义上看，多细胞生物、群居生物甚至蜂巢思维都是如此；从比喻意义上看，团队、俱乐部、部落、兽群、人群也都是。你和我都属于多个集体型超级智能，尽管在这个定义下都相当原始。而群体与文明本身，本质上就是大型问题解决实体。

    

    因此这是一个非常宽泛的类别：从现有人类通过低带宽语言交流思想，到人们的大脑紧密连接，以至于更适合被视为某个更大大脑的半球或脑叶——从“三个臭皮匠”，到完整的蜂巢思维，甚至是融合程度更高、只有一个明确人格与身份的多细胞生物等价体。这也包含了网络计算机意识在某个临界质量突然觉醒的设想，比如所谓的“谷歌觉醒”。

    

    这是大家熟悉的概念，不过在进入第三类之前，我想补充一个反向案例供大家思考。

    

    我们都曾在自已或朋友身上发现：在不同的人或群体面前，会展现出不同的一面。这可能意味着这个人的身份带有一定的虚伪与伪装，但我指的是很多人在他人面前改变行为、甚至语气和举止的普遍现象。这种转变可能相当深刻，不只是表面细节，几乎接近轻度的多重人格障碍。

    

    因此我能想象，一个升级后的单一智能体，可能会分裂出相当独立的部分，来处理不同的任务或互动——这是集体智能或并行处理的反向形式，但更偏向软件层面，有点像多任务处理、打开多个窗口，但区分度更高，就像计算机处理器兼任音频或视频编解码器，而不是用独立设备完成。

    

    用谷歌的类比来说，我们常常预期人工智能会从类似搜索引擎、与海量用户频繁交互的系统中诞生。我能想象一个庞大的人工智能，拥有大量定制化界面，适配特定的用户性格，甚至为每个用户提供独一无二的界面。

    

    速度型超级智能让你思考更快，集体型超级智能让更多大脑参与解决问题，二者对解决问题都非常有帮助。但我们认为，存在一种智能，能以更优的方式处理某些问题——就像十个人可能要花数年甚至永远都想不出答案的问题，一个思路合适的人能轻松解决；或是一个人可能要花数年才能写出一本像样的书，而另一个人几周就能写出更优秀的作品。

    

    这是一种模糊、不明确的智能类型，我们称之为**质量型智能**。我会用类比来解释：它本质上是软件层面的提升，部分原因是我本身对“天才”这个概念持怀疑态度。我认为人类的智力水平、天赋才能，主要取决于后天培养与专注度——从软件角度看，是经验、知识；从肌肉类比的角度看，你必须锻炼大脑，建立并维持所有神经连接。

    

    关于人类智能，有多种相互竞争的理论：加德纳的**多元智能理论**很受欢迎，将智能分为空间、语言、逻辑-数学、人际等类别；还有斯滕伯格的**三元智能理论**（成功智能），分为分析型、创造型、实践型；我们还有**流体智能**与**晶体智能**——流体智能指独立于知识的问题解决能力，晶体智能负责基于技能与经验的能力。此外还有至少十几种其他理论。

    

    据我所知，该领域的专家并未认为其中任何一种理论是极具说服力的主流观点。我猜测，除了我们目前了解得还不够多之外，我们还需要警惕部分结论可能受到偏见影响：一方面，研究人员很可能有充分理由认为自已是高智商人群，进而产生偏见；另一方面，我们普遍希望“每个人都有自已的聪明之处”，这种心态也可以理解。

    

    我不清楚这两种偏见对结论的影响有多大，希望微乎其微，但它们无疑会影响我们非专业人士的判断。因此在思考质量型智能时，我们要牢记：它可能全部或部分等同于更快的处理器、更多的处理器、更大的内存、更丰富的知识与经验，以及在过程中形成的更优方法或软件。

    

    你可能会遇到一个超级计算机大脑，它能想出我们就算投入更多时间、更多人力也想不明白的问题，而它转过身解释原因时，我们会拍着额头恍然大悟：“原来这么简单”，然后也能复现同样的智能表现，只是速度更慢，或是需要更多人力。

    

    又或者，我们普遍需要扩展所有记忆，才能同时思考更多事情。我们的多任务处理能力还算不错，但同时思考或跟踪的事情数量确实存在上限。从质量角度来看，能突破这一限制，或许是智能最大的单项提升。