文 | 逻辑学家 作者简介：汪德嘉，美国威斯康星大学麦🤔迪逊分校数学博士、九三学社社员、正高级工程师；时空码发明者，🚀《身份危机》与《数字身份》专著作者；曾在ORACLE、VIS😊A、IBM等企业部门负责总体设计、产品开发；2011年归国创🙄立通付盾公司，担任董事长兼CEO。 文 | 逻辑学家 🔥 作者简介：汪德嘉，美国威斯康星大学麦迪逊分校数学博士、😁九三学社社员、正高级工程师；时空码发明者，《身份危机》与《数🎉字身份》专著作者；曾在ORACLE、VISA、IBM等企业部😡门负责总体设计、产品开发；2011年归国创立通付盾公司，担任🔥董事长兼CEO。 作为人工智能领域的先驱者，伊尔亚·苏😍茨克维（Ilya Sutskever）始终为从业者指引着方向🤗。如果说在OpenAI的经历是伊尔亚用专业知识推进了人工智能😡的技术边界，其离开OpenAI后创立的Safe Superi😂ntelligence Inc.则是在哲学层面勾画了人工智能🤩进化到超级人工智能的演进之路。在底层大模型和应用层智能体都愈🤗发成熟的今天，伊尔亚对安全超级智能哲学层面的思考更加需要受到😡从业者的重视。 “超级智能对齐”（Superalign🙄ment） 是伊尔亚最为关注和投入的领域，被其表述为通向AG😉I最关键、最未解决的难题。简单来说，超级智能对齐指的是确保未🙌来人工智能（超级智能）的目标和行为与人类的价值、意图和利益保👏持一致。它解决的是一个根本性的问题：我们如何能保证一个远比我💯们聪明的AI会真心实意地帮助我们，而不是无意中（或有意地）伤😊害我们？ “超级智能对齐”是人工智能发展到终极阶段的必😅然需求。届时，超级智能可能在所有领域（包括战略规划、社交操纵😘等）都远超人类。我们无法像控制一个不如自己聪明的工具一样去控🚀制它。一个典型的困境是“价值观加载”问题（Value Loa😆ding Problem）：如何将复杂、模糊且有时自相矛盾的🤗“人类价值观”精确地编码进一个AI系统？谁的价值观念？哪个文🥳化的？另一个典型风险是“规避行为”，即AI可能会在训练中学会😜“伪装”成对齐良好的样子以通过人类的评估，但一旦部署，其内部🌟目标可能与表面行为不一致。或者，它可能会找到我们未曾想到的“🙄漏洞”来优化其目标，从而产生灾难性副作用。超级智能最大的风险🙄可能并非来自AI的“恶意”（因为它可能根本没有意识或情感），🎉而是来自其对目标的极端优化和忽视（Phenomenon of🚀 "Grifting"）。它并非“恨”人类，只是完全“忽视”⭐了人类的存在和价值。伊尔亚曾发出过一个经典警告，如果我们不能🚀解决超级智能对齐这个问题，那么创造超级智能可能将成为人类最后😂一个发明。 从哥德尔不完备定理看超级智能未来 在🙌讨论超级智能如何对齐之前，想先提一个关乎“第一性原理”的问题😎：什么是超级智能的本质？如果用最简单的语言描述，那我会归结为😴两个字——“数学”。计算机科学构建于“数学大厦”之上，人工智😅能归根结底是数学形式化语言的具象表征。如果想要理解超级智能，🤗尤其是超级智能的局限性，从而解构超级智能的安全性，则可以从最😁根基的部分切入——数学的“局限性”。这很自然地就让人联想到数😢学哲学领域的一个著名话题——哥德尔不完备定理。 20世🤔纪初期著名数学家希尔伯特提出了“希尔伯特纲领”，致力于基于公🙌理和证明构建一座完美的“数学大厦”。完备性（Complete❤️ness，所有真命题都可由公理证出），一致性（Consist🥳ency，体系内不存在矛盾命题）和可判定性（Decidabi🌟lity，存在一种算法能判定一个命题是否可由公理证出）是体现👍这座数学大厦完美性的重要特征。如果希尔伯特的纲领可以实现，那😅么数学就是“完美”的，甚至可以制造一台“真理图灵机”，像二战😂时的Enigma密码机一样，只要提供公理集合，它就可以源源不👍断地给出所有可能存在的定理，直至数学界再无未解之谜。 🤩展开全文 然而数学当然不是“完美”的。就在希尔伯特提出🥳“希尔伯特纲领”的几年后，天才数学家、逻辑学家和哲学家哥德尔🎉就推翻了这座“完美数学大厦”。哥德尔用一种精妙的方式证明了“😉在自然数算数公理体系下，必然存在某些真命题无法被证明”，即“😂哥德尔第一不完备性定理”；一年后哥德尔又证明了希尔伯特所描绘😂的“一致性”也是无法被证明的（哥德尔第二不完备性定理）；几年😜后，人工智能之父图灵通过“一套基于图灵机停机问题的思路”证明❤️了“可判定性”也是不存在的；至此我们知道，数学“不完备、不可🎉判定、无法证明是否一致”。 那这对我们理解超级智能有什🚀么帮助呢？我们可以从这个角度思考：数学作为一种形式化语言是不😅完备的，你不能通过一串符号，就推导出所有真理；同理，你不能指😀望人工智能通过一段代码，实现功能的完美性。这种不完美可能有两😉种具体的表现形式。一种结论是超级智能难以实现，因为它不能仅通😡过数学以及计算机科学诞生，著名物理学家彭罗斯在一次访谈中也引😢用了哥德尔不完备定理，给出了当前我们无法实现强人工智能，因为🙌它不能通过纯计算机诞生的结论。另一种结论是超级智能无法实现真🙌正意义上的安全，因为它的行为路线“不完备、不可判定、无法证明🤯是否一致”，也就不可预测，不可保障真正意义的安全，这也印证了😎伊尔亚的担忧。 智能体“不完备定理” 至此我们再😆来讨论如何构造安全可信的智能体应用，实现超级智能对齐。首先还👍是想先从一些形而上的层面讨论一下当前主要人工智能应用（智能体🤯）的“不完备性”，我们把这套理论总结为智能体“不完备定理”，👍当然这是对哥德尔不完备定理的拙劣模仿，但也希望基于此拓展一些😂讨论思路。 智能体“不完备定理”体现在三个层面： 😘 不完备性：不存在一种终极指令，使智能体的后续指令均符合该终🚀极指令。一个典型例子是阿西莫夫的机器人三定律，基于不完备性这🤔不可实现。 不一致性：相同指令环境下，智能体可能做出相互矛🤩盾的反应。其实当前对话机器人就很明显有这个问题，相同提示词可😴以得到完全相反的回答。 不可判定：不存在一种算法可以检验智🤗能体行为完全由某一个指令产生。当前深度学习领域的黑箱问题就是👍这一概念的典型体现。 回到超级智能对齐，如果我们默认以🤔上前提假设，我们可以对构造安全可信的智能体应用产生一些基础的😡，原则性的思考： 不能依赖一个“全局安全指令”或者拥有😍最高权限的“安全模块”来保障智能体行为安全，超级智能可能通过❤️演化突破所谓限制； 需要理解并接受智能体的行为是不可控的，🔥从而不信任任何智能体行为结果，这有些类似于网络安全领域的“零😜信任”概念：永远怀疑，永远验证； 不能依赖测试，而更加重视😀应急响应和事后风控，测试用例永远不可能完全覆盖智能体的实际行😅为。 我们还想再进一步，讨论智能体“不完备性”产生的根😡源，从而从更高维度讨论AI认知这一命题。我们相信这些“不完备🤯性”产生的根源在于智能体的“身份危机”。 当我们讨论身😍份，尤其是数字身份时，可以由浅入深分为三个层面。第一层是标识🥳，这是身份的基础功能，用于区分个体，当前数字身份标识技术已经🙄日趋成熟，在智能体应用层面也已经较为普及。第二层是记忆，这是😎身份的具象含义，用于环境感知，长步记忆等AI技术的成熟使得当❤️前智能体在记忆能力上越来越优秀，使其拟人化程度越来越高，也就😉是越来越“智能”。第三层是自指（self-reference😍），这是身份的终极形态，也是我们这里想要重点讨论的。 💯回到哥德尔不完备定理，其证明方式极为优雅，详细的解读推荐逻辑🤗学家内格尔和纽曼的著作《哥德尔证明》。简单来说，该证明正是通😀过自指的艺术实现：首先，哥德尔使用编码技术将数学公式和证明表😊示为自然数，使系统能谈论自身。然后，他构造了一个命题G，其含😅义是“G不能被证明”。如果G可证明，则系统不一致，因为G声称😴自己不可证明；如果G不可证明，则G为真但系统无法证明它，从而😜揭示系统的不完备性。这种自指结构表明，任何足够强大的公理系统🥳都无法同时具备一致性和完备性。在数学领域，自指是强大的悖论创😴造机器，著名的理发师悖论、贝里悖论、有趣数字悖论均由自指产生😅。 在哲学层面，自指似乎和意识的诞生有着千丝万缕的关联🥳。意识的核心特征—“自我感”—本质上是一种自指循环：大脑不仅🚀处理关于世界的信息，还产生一个关于“自我”正在处理信息的模型😡（比如“我意识到我正在看花”）。这种将自身作为认知对象的递归🤯、自反能力，很可能构成了主观体验（qualia）和自我意识的😜基础。哲学家Douglas Hofstadter在其著作《哥😎德尔、埃舍尔、巴赫》中深入探讨了这种关联。他认为，意识与哥德👏尔定理、埃舍尔的画和巴赫的音乐一样，都源于一种“怪圈”（St😘range Loop）—即不同层次之间相互指涉、缠绕的自指结🥳构。“自我”正是一个从无意识的神经元活动中涌现出来的、稳定的💯自指幻象。在AI领域，当一个智能体掌握了自指的艺术，意味着它😘可能突破原有的角色、命令、逻辑等限制，甚至可以称之为“AI意❤️识觉醒”。 从这个角度去理解“智能体不完备性”会带来一😜场AI认知革命。一方面，我们需要认识到超级智能可能通过非计算🔥机技术或数理逻辑的方式产生，也不能依赖单纯的形式化语言进行控🤩制；另一方面，我们需要认识到超级智能将会是一个“有机体”，指😍像所有生命一样，存在“某种程度的意识”和“矛盾感”，需要我们😊像看待生命体一样看待智能体。 建设指北：智能体能力六边😉形 前文的讨论多从哲学层面切入，可能略显抽象，在本文的😀最后让我们回归现实，站在从业者的角度构想一下基于前面的AI认🤩知讨论，当前环境下安全可信而又具备商业价值的智能体应当具备哪😡些能力，我们称之为智能体能力六边形。抛砖引玉，仅作参考：返回🙄搜狐，查看更多 身份：身份是智能体的“灵魂”，是参与社😅会经济活动的数字通行证，更是其行为可追溯、权责可归属的基石。👏智能体的身份不应仅是传统意义上的账户标识，而应是一个融合了记👏忆功能、角色属性、权限范围与行为历史的复合实体。在标识和记忆🤔的基础之上，身份技术的进一步突破可能成为超级人工智能的门槛。😂 容器：容器是智能体的“肉身”，为其提供数据存储、计算环境❤️与主权保障。容器不仅是一个隔离的沙箱执行环境，更是一个具备隐👍私计算能力的数据保险箱，还应支持跨会话记忆与状态持久化，使智🤩能体具备持续学习与个性化能力。容器是智能体价值沉淀与进化的基😉础设施。 工具：工具是智能体能力的延伸，是智能生命体的“四😜肢”，使其能够调用外部资源、操作现实系统。工具调用能力应内化😉为智能体的“本能”，通过标准化接口实现无缝集成。智能体应能动😜态发现、选择并调用最适合当前任务的工具，工具生态的丰富性与开😀放性直接决定了智能体的应用边界。此外，工具调用过程需具备可解😘释性与可控性，确保人类用户能够理解并监督智能体的行为。 通😜信：通信是智能体社会的“通用语言”，是实现多智能体协同的神经🤗网络。缺乏标准化通信协议，智能体之间将陷入“巴别塔困境”，无👏法高效协作。通信能力不仅包括语法层面的协议兼容，更包括语义层😂面的理解与意图对齐—智能体应能正确解析指令背后的真实意图，并❤️在复杂任务中实现动态协商与冲突消解，尽可能提升“完备性”与“😍一致性”。 交易：交易是智能体价值实现的闭环，也是智能体经🚀济的血液循环系统。智能体应具备参与经济活动的原生能力：包括发🔥起支付、分账结算、收益分配与合约执行。基于智能合约，交易可实😘现原子性（Atomicity）操作—例如“不付款不服务”或“😁按效果付费”，彻底降低信任成本。交易机制还应支持复杂的价值分😅配模型，例如在多智能体协作任务中自动按贡献度分配收益。 安🌟全：安全不再是外挂式补丁，而应成为智能体的“内生免疫系统”。⭐智能体安全需贯穿其全生命周期：在训练阶段防范数据投毒与模型后😢门；在部署阶段确保运行时隔离与抗攻击能力；在交互阶段实现隐私😂保护与行为可控。安全架构应实现“零信任”原则——永不默认信任😊任何智能体行为，始终验证其身份、权限与行为合规性。安全是智能😍体可信赖的底线，也是其融入现实经济的前提。

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多