06 延展大问题：如何让数学、编码和逻辑更可靠 我们尚未完全理解GPT-4的能力源于何处

赫伯特·西蒙(Herbert Simon)：“从行为系统的角度来看，人类相当简单。我们随时间表现出的行为复杂性很大程度上源于我们所处环境的复杂性。”

有时，当规模足够大时，复杂行为会从最简单的组成部分中涌现。

08 聪明的科学 从基础研究方面转化为临床实践问题

把基础生物学中的大语言模型（如Alphafold2）与大量包括生物医学知识在内的人类语言表达（如GPT-4）整合在一起。这种回报可能表现为一种全面的大语言模型——我们称之为“全知博士”(Dr.One-With-Everything)，它整合了蛋白质结构、其他基本的生物数据库（如基因调控和人类基因变异）、临床前研究以及临床试验的设计与实施。在21世纪30年代中期，这种包罗万象的模型很可能成为生物医学研究的核心智能工具。过去200年中形成的基础科学研究、药物发现、临床需求评估和临床研究等领域彼此孤立的状态将无法适用于全知博士这种广泛的概念整合者。

结语　欣赏AI的奇迹，人类智慧和无尽雄心的见证  悲伤的阶段

OpenAI对AGI的定义：“在大多数有经济价值的工作中胜过人类”。

拒绝相信大语言模型可能具有“智能”的自然冲动极为强烈：预测下一个词语是什么竟然能导致智能产生！智能一直是智人生存的主要优势，进化可能使人类物种对其赋予了极高的价值，因此，我们可能本能地认为带来智能的机制宏伟且庄严。就我个人而言，我确实天生就相信智能的架构必须具有高度复杂性和异质的结构。我相信，一定存在更高层次的符号结构，而这些结构一定是构成我们认知能力的基础。但是，也许正如我们无论如何都无法通过意志力让大脑看透一种已经被解释得很清楚的错觉一样，我们也可能被迫去相信诸如因果推理、常识推理、数学问题解决、规划、自我激励、目标设定等事务，是基于比大语言模型背后复杂的数字结构更复杂的结构实现的。GPT-4是否会迫使我们面对一个可能性，即智能产生的机制比我们曾经认为可能的情况要简单得多？

塞巴斯蒂安·布贝克的文章，对比了GPT-4对人类认知的冲击与哥白尼发现地球并非宇宙中心，以及沃森和克里克发现所有生命都是由四种碱基序列定义的相似之处。这些科学发现都挑战了我们对人在自然秩序中的地位的自负。

合作伙伴关系

作为一个社会的成员，乃至一个物种，我们需要做出一个选择。我们要想清楚我们是要因为害怕AI带来的风险和明显的危害可能性而限制甚至扼杀它？还是要屈服于AI，任由它自由取代我们，削弱我们的能力和需求？抑或是我们要从今天开始，共同塑造我们的AI未来，以期实现单凭人类或AI无法实现，而人类与AI结合却可以完成的目标，达到更高的成就？这个选择权掌握在我们手中，而且很有可能在未来不到10年的时间里就需要做出决定。