电子学重大突破 有望改变手机笔电等设计方式

来源: 
大纪元

美国密歇根大学研究团队成功研发一种全新“光激子开关”（optoexcitonic switch），突破传统电子元件在运作过程中产生废热的限制，未来有望彻底改变手机、笔电乃至量子电脑的设计方式。

这项成果已于8月31日发表在“ACS Nano”期刊，标志着全球首次打造出可在室温运作、性能超越现有光子开关的“激子开关”，具备应用于经典与量子运算的潜力。

传统电子元件仰赖电荷流动来传递资讯，因此会产生大量热能，这正是笔电发烫与资料中心需降温的主要原因。

新开关则利用中性准粒子“激子”（exciton）传输信号。激子由一个被激发的电子与电洞结合而成，虽各自带电，但整体为中性，能大幅减少讯号传输时的热能耗散。

密歇根大学研究员马提亚斯‧弗洛里安（Matthias Florian）向《生活科学》表示：“电子元件发热是因为储能与放能过程涉及电容器，而这些过程必然产热。激子类似光子，是一种中性粒子，不会造成这种热效应。”

由于激子不带电，无法用电场驱动，研究人员改以光波推动激子沿一维脊状结构传输。激子在移动过程中会改变颜色，使研究团队得以明确观测传输情形。

共同作者麦基洛‧奇拉（Mackillo Kira）表示：“当激子沿脊线前进时，其颜色随之变化，让我们能清楚观察到实验成功。”

团队的最终目标是开发室温运作的激子电路，彻底取代现有电子元件，让电脑不再需要风扇散热，手机电池寿命也将显着延长。

研究人员相信，在未来数十年内有望克服相关技术瓶颈，推动无废热、高效率的新一代电子装置问世。


from 博谈网 https://botanwang.com/articles/202509/%E7%94%B5%E5%AD%90%E5%AD%A6%E9%87%8D%E5%A4%A7%E7%AA%81%E7%A0%B4%7C%E6%9C%89%E6%9C%9B%E6%94%B9%E5%8F%98%E6%89%8B%E6%9C%BA%E7%AC%94%E7%94%B5%E7%AD%89%E8%AE%BE%E8%AE%A1%E6%96%B9%E5%BC%8F.html

科学家成功造出陨石钻石 或成最硬天然材料

来源: 
大纪元

科学家首次在实验室成功合成一种罕见的“陨石钻石”（meteorite diamond），又称“六方钻石”（lonsdaleite），其硬度被预测可能比地球常见的立方钻石高出约五成。这项突破不仅解开长期存在的争议，也为工业与高科技领域带来潜在应用前景。

这种特殊钻石最早是在亚利桑那州“魔鬼峡谷陨石”（Canyon Diablo meteorite）碎片中被发现的，那颗陨石约在5万年前坠落地球。与立方结构的普通钻石不同，它的碳原子呈六方排列，导致晶格更紧密、更坚固。然而，过去只能在陨石碎片中找到微量样本，且常混杂石墨、普通钻石或无定形碳，让学界一度怀疑其是否真正存在。

最新研究中，科学家藉助“钻石砧压机”在极端高压高温下重现陨石撞击的条件。他们以纯石墨为起始材料，将其缓慢压缩至20万倍大气压，并以雷射加热至摄氏1400度以上，使碳原子层在极端环境中滑移、重组，最终固定为六方结构。随后逐步释放压力，成功获得稳定的六方钻石晶体。

研究人员通过电子显微镜与X射线绕射确认了这种新结构，清楚显示其两层（AB）原子排列方式。虽然样本中仍含有少量普通钻石，但证据足以证明实验取得突破。

外部学者对此表示赞赏。英国卡地夫大学物理学家苏门·曼德尔（Soumen Mandal）向生活科学网（Live Science）表示，这是至关重要的“首次验证”，但未来仍需获得更纯净、更大体积的样本，才能进一步测试其物理、热传导及电子特性。

目前，这些六方钻石的尺寸仅为微米级，尚不足以进行全面硬度测试。不过初步证据显示，其强度至少不逊于在地球上硬度称霸的普通钻石。随着后续实验的改进，科学家期望能制造出足够大、品质稳定的样本，最终应用于精密机械、电子元件、量子科技与散热系统等领域。

研究人员表示，六方钻石的工业化仍可能需要十年以上，但这一突破为实现目标打下关键基础。未来若能量产，这种比传统钻石更坚硬的材料，或将彻底改变人类使用超硬材料的方式。

from 博谈网 https://botanwang.com/articles/202508/%E7%A7%91%E5%AD%A6%E5%AE%B6%E6%88%90%E5%8A%9F%E9%80%A0%E5%87%BA%E9%99%A8%E7%9F%B3%E9%92%BB%E7%9F%B3%7C%E6%88%96%E6%88%90%E6%9C%80%E7%A1%AC%E5%A4%A9%E7%84%B6%E6%9D%90%E6%96%99.html

不只是DeepSeek——中國的十年高科技計劃正在取得成效

喬·蒂迪（Joe Tidy）
Role, BBC記者
2025年2月7日

中國人工智慧聊天機器人DeepSeek的崛起席捲了全球，但對於中國觀察家來說，這並不意外。

作為「中國製造2025」雄心勃勃計劃的一部分，中國過去十年來一直在緩慢累積包括人工智慧在內的高科技產品方面的專業知識。

對於分析師來說，DeepSeek的成功進一步證明了這個宏大專案已經取得成功。

2015年，中國政府高調宣布了「中國製造2025」。

這個想法是將數百萬日常用品底部印著的「低品質製造的標誌」轉變為高品質、高科技至上的標誌。

十大科技業被選定為中國到2025年應主導的重點領域。

人工智慧、量子計算、電動車、再生能源、電池技術都在詳細文件中被提及。

在許多領域，中國已成功成為主要參與者，在某些領域甚至超越了最樂觀的目標。

倫敦國王學院發展經濟學專家龔雲丹（Yundan Gong）博士表示：「我認為，『中國製造2025』總體上非常成功。」

她說：「在許多行業中，中國正在趕上領先地位，在某些行業中，中國甚至處於領先地位。」

中國已經超越了之前的汽車生產中心（德國、日本、美國），由於比亞迪等熱門電動車製造商的崛起，中國汽車銷量超過任何其他國家。

電動車的成功很大程度上與中國目前成為世界上最大的電池製造國有關。

根據國際能源總署（IEA）的數據，在再生能源領域，中國佔全球太陽能板供應鏈的 80‑95%。研究人員表示，中國是再生能源大國，他們預測2028年全球60%的再生能源將來自中國。

在無人機領域，中國也稱霸天空。據全球市場報告和行業分析機構BCC Research的數據，總部位於深圳的大疆創新在全球擁有70%的市場份額，並表示全球十大無人機製造商中有三家是中國企業。

為了實現這些目標，中國共產黨在一份詳盡的路線圖中列出了250多個小目標。根據《南華早報》分析，其中86%的目標已經達成。

德國馬歇爾基金會智庫董事總經理、前總統喬拜登顧問林賽·高曼（Lindsay Gorman）表示：「中國成功運用了國家支持的資本主義模式，即政府真正制定研究和資金計劃。」

高曼女士指出，中國有能力吸引外國人才並鼓勵外國公司與中國公司建立合資企業。

還花了巨額資金。根據美國國會的研究，中國政府計劃籌集或花費1.5兆美元用於研發或收購外國公司。據該報告稱，截至2020年已花費超過6,270億美元。

「中國製造2025」取得如此大的成功，以至於僅僅幾年之後，政府就停止使用這個術語，因為它引起了競爭對手的反感。

但為時已晚，近年來，許多西方國家對其出口到中國的技術實施了越來越嚴格的製裁。

該計劃的目的是減緩發展速度，但在微晶片創新等一些領域，這似乎正在發揮作用。

但一些分析家認為，在其他領域，這些限制措施可能刺激了中國的發展。畢竟，提高自給自足水準是「中國製造2025」的關鍵驅動力。

卡迪夫大學商學院應用經濟學教授週鵬（Peng Zhou）表示：「中國有句古話叫『天道酬勤』。」

他說：「限制和製裁只能改變其根本，而不能改變其方向。」

週教授等專家指出，DeepSeek就是一個很好的例子。由於美國的出口管制，該公司無法獲得最強大的晶片來訓練其模型。

相反，該公司表示，他們利用功能較弱的舊機器人，並創新了新技術，以更少的錢和更少的設備打造了這款令人印象深刻的機器人。

這些說法受到了一些競爭對手的質疑，但 DeepSeek對美國造成了衝擊，美國總統唐納德·特朗普稱這是對美國人工智慧巨頭的「警鐘」。

目前，中國人工智慧公司頒發的專利數量超過其他國家，阿里巴巴和字節跳動等中國科技巨頭在其產品上投入的資金幾乎與谷歌和Open AI等公司一樣多。

但儘管如此，儘管有「中國製造2025」，美國仍然被視為世界人工智慧領域的領頭羊。

儘管中國科學家每年發表的量子相關研究論文比其他國家都多，但在量子計算領域，美國在大多數領域都處於領先地位。

美國也在加強應對中國的挑戰，投入數千億美元的私人和公共資金用於微晶片製造和科學以及人工智慧基礎設施。

中國面臨的另一個潛在障礙是國家安全問題。作為第一個在全球成為主流的非美國社交網絡，TikTok取得了巨大成功，但美國可能以對間諜活動的擔憂為由對其實施禁令，這對其構成威脅。Temu（特木）和Shein（希音）等中國電子商務應用程式的崛起也可能與DeepSeek一起陷入危險。

然而，只要看看中國電信巨頭華為，就會發現西方之外也有生存的空間。該公司在5G設備和手機製造領域處於領先地位，但從2019年開始，由於國家安全問題而受到製裁和禁令，導致業務下滑。

如今，該公司已將業務轉向世界其他地區，開始生產自己的微晶片，並剛剛創下了驚人的逾1000億美元收入和成長記錄，似乎擺脫了西方限制的束縛。

from BBC中文 https://www.bbc.com/zhongwen/articles/cjde87p7mj0o/trad

加拿大科学家利用量子实验观察到"负时间"

来源:
法广

长期以来，“负时间”的概念在科学界既令人着迷，又引起怀疑，但多伦多大学研究人员最近的一项发现表明，这不仅仅是一个理论概念。

他们观察到光粒子在进入一种材料之前先离开了该材料，并通过量子实验证明了“负时间”以有形的物理方式存在。

研究人员坚称，这些令人费解的结果（尚未在同行评审期刊上发表）凸显了量子力学的一个特殊怪癖，而不是我们对时间的理解发生了根本变化。

多伦多大学研究实验量子物理学的教授艾弗莱姆•斯坦伯格（Aephraim Steinberg）告诉法新社记者：“这是一个困难的课题，即使我们与其他物理学家交谈时也是如此。我们一直被误解”。

虽然“负时间”一词像是从科幻小说中跳出来的，但这位专家还是为它的使用进行了辩护，并希望它能引发对量子物理学奥秘的更深入讨论，因为量子物理学在无限小的尺度上支配着世界。

持续时间小于零

科学家们早就知道，光有时似乎在进入某种物质之前就已经离开了这种物质，这种效应被认为是由于物质对波的变形而产生的一种错觉，多伦多研究小组几年前就开始探索这种相互作用。

光粒子或光子穿过原子时，有些会被吸收，然后重新被发射。这种相互作用会改变原子，使它们暂时处于更有活力或“动荡”的状态，然后再恢复正常。

在丹妮拉-安古洛（Daniela Angulo）领导的这个研究的最后阶段，研究小组测量了这种动荡状态的持续时间。这位物理学家解释说，“换句话说，持续时间小于零”。

为了将这一概念形象化，我们可以想象一下汽车进入隧道的情景：在实验之前，如果设定1000辆汽车的平均进入时间是中午，那么第一批汽车就有可能提前一点，即在上午11点59分离开。这个结果当时被认为是没有意义的。

但是，安古洛和他的同事们所证明的，相当于在第一批车离开后测量隧道内车辆排放的一氧化碳含量，结果发现读数是负值。

不是时光倒流

法新社说，在多伦多大学地下一间实验室里，堆着一些被铝包裹的电线和仪器，优化实验耗时两年多。使用的激光器必须经过仔细校准，以免结果失真。

不过，研究人员很快指出，没有人声称时间旅行的可能性。斯坦伯格（Steinberg）先生强调说：“我们不想说有东西在时间上倒退了。那是一种误解”。

解释在于量子力学，粒子的行为是模糊的、概率性的，而不是遵循严格的规则。

粒子的吸收和再发射不是按照固定的时间表进行的，而是在一系列可能的持续时间内发生相互作用，其中一些时间是违反直觉的。

这一发现并不违反爱因斯坦的狭义相对论，即没有什么能比光速更快。

有分歧

德国理论物理学家萨宾娜-霍森费尔德（Sabine Hossenfelder）是怀疑论者之一，她在YouTube上的一段视频中批评了这项工作，引来超过25万人观看。

她强调说：“这个实验中的负时间与时间流逝无关。它只是一种描述光子如何在介质中传播及其相位如何变化的方式”。

丹妮拉-安古洛（Daniela Angulo）和艾弗莱姆•斯坦伯格（Aephraim Steinberg）反驳说，他们的研究填补了在解释为什么光并不总是以恒定速度传播方面的重要空白。

斯坦伯格承认，他们文章的标题很有争议性，但他坚持认为，没有一位严肃的科学家对实验结果提出质疑。

他认为，这些结果为探索量子现象开辟了新途径，但实际应用还很模糊。他说：“我们会继续思考这个问题，但我不想给人们虚假的希望”。


from 博谈网 https://botanwang.com/articles/202412/%E5%8A%A0%E6%8B%BF%E5%A4%A7%E7%A7%91%E5%AD%A6%E5%AE%B6%E5%88%A9%E7%94%A8%E9%87%8F%E5%AD%90%E5%AE%9E%E9%AA%8C%E8%A7%82%E5%AF%9F%E5%88%B0%E2%80%9C%E8%B4%9F%E6%97%B6%E9%97%B4%E2%80%9D.html

彭博：华为和中芯国际使用美国技术制造先进芯片

来源:
法广

彭博社报道中国华为和中芯国际利用美国技术于2023 年在中国开发了7纳米芯片。

据彭博社3月7日援引知情人士的话报道，中国华为技术有限公司和中芯国际利用美国技术于2023 年在中国生产先进芯片。

这个报道称，中芯国际去年利用加州应用材料公司（Applied Materials Inc AMAT.O）和泛林公司（Lam Research Corp LRCX.O）的技术为华为开发了一款先进的7纳米芯片。

南华早报今天说，去年，中芯国际制造的处理器为华为 Mate 60 Pro 提供支持，并在中国掀起了一股爱国智能手机购买热潮，在中国被誉为本土半导体制造的重大飞跃。 尽管该芯片仍落后全球公司的顶级零部件几代，但领先于美国希望阻止中国前进的领域。

路透社说，美国白宫和商务部、以及华为、应用材料公司、拉姆科林研发公司（Lam Research） 和中芯国际没有立即回应路透社的置评请求。

2019年，华为因涉嫌违反制裁而被特朗普政府列入贸易限制名单。 中芯国际因涉嫌与中国军工联合体有联系而于 2020 年被列入同一名单。 两家公司此前均否认有不当行为。

上个月，路透社报道称，在中芯国际为华为生产了 Mate 60 Pro 手机芯片之后，美国政府将矛头指向了中芯国际，并切断了中芯国际最先进的工厂从美国进口更多产品的渠道。


from 博谈网 https://botanwang.com/articles/202403/%E5%BD%AD%E5%8D%9A%EF%BC%9A%E5%8D%8E%E4%B8%BA%E5%92%8C%E4%B8%AD%E8%8A%AF%E5%9B%BD%E9%99%85%E4%BD%BF%E7%94%A8%E7%BE%8E%E5%9B%BD%E6%8A%80%E6%9C%AF%E5%88%B6%E9%80%A0%E5%85%88%E8%BF%9B%E8%8A%AF%E7%89%87.html

中共是全球威权主义的技术帮凶

来源:
自由亚洲

在上个月关于中国在古巴的间谍基地的新闻中，人们忽略了华为员工在拉丁美洲的独裁政权下工作的事实。然而，这家中国公司不仅仅是帮助维护情报收集设施，还帮助古巴压迫其自己的公民。这在中国外交中是一个常见的情形：为威权政权提供他们所需的技术工具来监视、压制和惩罚持不同政见者。

与中国共产党有紧密关系的华为，自2017年以来，一直是古巴国家电信公司的主要技术供货商。根据一项瑞典研究，这是中国支持“数字专制主义”的一部分，而华为的eSight网络管理软件也在拉丁美洲被用于过滤网络搜索。当古巴人民在2021年7月举行大规模抗议时，根据参议员马可·鲁比奥的说法，古巴政府使用由中国“制造、销售和安装”的技术对网络进行控制和封锁。

在非洲，2018年9月，吉布提与国有企业中铁建电气化局集团合作开始建设监控系统。该影像监控系统覆盖吉布提市的主要城区、机场、码头和港口。

在亚洲，中国正在与缅甸的军政府合作，在科科群岛（Great Coco Island）建设监控设施。2020年12月，缅甸在八个镇区启用了335个华为监控摄影机，作为其“安全城市”项目的一部分。这些摄影机具备人脸辨识功能，如果被监视的人在通缉名单上，系统将向当局发出警告。2022年7月，路透社报导称，缅甸的军政府在全国各地的城市安装了具有人脸辨识能力的中国制摄影机。这些设备是从大华、华为和海康威视购买的。

也是在亚洲，2023年2月，中国在柬埔寨的云壤（Ream）建有一个海军基地得到了确认。2019年6月，柬埔寨王国警察总署副署长暨金边市警察局局长访问了包括华为和海康威视在内的中国企业，表达了对中国“平安城市”、监控系统和其他警用设备的兴趣，希望引进这些系统及设备以“整顿治安环境和打击犯罪”。根据美国之音的报导，2022年10月，柬埔寨的人权活动人士怀疑柬埔寨当地警方使用了中国企业提供的无人机和监视摄影机来监控劳工权益抗议者。

在巴基斯坦，中国至少自2016年以来就在当地安装了用于监控的中国技术。就在那时，所谓的“安全城”项目在伊斯兰堡正式启动运作，与华为和其他中国企业如易华录合作。该计划在主要城市要道设立了检查站和电子警察系统，达成对全城的车辆监控。2017年，华为与巴基斯坦旁遮普省平安城市管理局合作，在拉合尔建设了一个平安城市系统。该项目包括一个融合指挥及通信中心、200个警察局点和100多个LTE基站。

在中亚，华为和华录的监控系统遍布杜尚别，表面上是为了打击“恐怖主义和极端主义”。2023年5月，塔吉克粟特州的负责人与华为代表会面，讨论了该省省会胡占德的2500万美元“安全城市”项目。

中国在全球提供国内监视工具的方式之一是通过其“一带一路”倡议，该倡议使其将技术送到埃及、尼日利亚、乌干达、土耳其、俄罗斯、乌克兰、阿塞拜疆、安哥拉、寮国、哈萨克斯坦和肯尼亚等国家。还有在塞尔维亚，一名政治持不同政见者声称，该国参与“一带一路”倡议的目的是“追捕政治对手”。

科技报告显示，在全球范围内，至少有79个国家购买了华为的监控方案。其中包括像意大利、荷兰和德国这样的自由民主国家。与华为签订合约可能意味着与习近平形容的“新世界秩序”——“每个民族、每个国家的前途命运都紧紧联系在一起”——建立了入门级的联系，而这种联系是通过支持打压的侵入性中国技术实现的。这不应该存在于美国的后院、古巴或世界上的任何一个地方。

2023.08.01


from 博谈网 https://botanwang.com/articles/202308/%E4%B8%AD%E5%85%B1%E6%98%AF%E5%85%A8%E7%90%83%E5%A8%81%E6%9D%83%E4%B8%BB%E4%B9%89%E7%9A%84%E6%8A%80%E6%9C%AF%E5%B8%AE%E5%87%B6.html

韩国挫败中国山寨三星工厂的企图

 韩国巨头三星的一位前高管从成都市获得资金，以便在当地山寨一个三星工厂。法国世界报东京通讯员菲利普·梅斯默（Philippe Mesmer）在该报发表文章表示，韩国挫败中国山寨三星工厂的企图。

梅斯默表示，有时山寨事件会成为一个地缘政治事件，涉及韩国三星的山寨事件就是如此。6月12日星期一，包括三星的一名前高管在内的共七人因为在2018年至2019年期间窃取机密数据、计划和生产工艺的细节以便在中国山寨一摸一样的三星半导体工厂而被韩国司法部门起诉。

韩国检察官Park Jin-sung说，“我们挫败了一个完整复制三星半导体工厂的企图。在该行业竞争激烈的时候，这是动摇（韩国）民族工业基础的严重罪行。”根据估计，这对三星造成的损失为至少3000亿韩元，甚至更高。韩国检察官说：“如果是大规模地复制与三星电子产品的质量相似的产品的话，将对韩国半导体产业造成无法弥补的伤害。”

七人被指控

除了一名三星的前高管，被起诉的还有三星电子分包商的一名员工以及前高管所创建的公司的五名员工。这名前高管的姓名没有被披露，他否认自己受到的指控。

三星前高管这名主要的被告在三星电子工作了18年，在SK海力士工作了10年，他是SK海力士的副总裁。不论是三星电子还SK海力士目前都不愿意就此进行评论。

受到指控的三星前高管是著名的半导体专家，在他2015年退休时，四川省成都市给了他4600亿韩元，给他的任务是：建立一个半导体工厂。一家台湾制造商当时愿意为该项目投资8万亿韩元。

这位三星前高管以两倍的薪水挖走了三星和SK海力士的200名员工。在韩国检方收集到的数据中，有半导体制造必需的没有丝毫杂质的“无尘室”计划，还有三星花了三十多年时间设计并被首尔视为国家技术的生产不到30纳米的DRAM芯片和NAND闪存芯片的基本信息。

这一项目中的一部分最终得以实现。相关的工程已经开始，研发设施也已经于2022年完工。据报道，原型样机已经制作完成，但没有公布任何其它细节。在韩国国家情报院(NIS)工业机密保护中心拉响警报后，位于首尔南边的三星总部所在城市水原的检方于2月份就此展开了调查，并于5月份逮捕了这名前高管。

此案发生在半导体市场竞争加剧的背景下，韩国总统尹锡悦6月8日将其描述为是“工业战”。韩国总统办公室说，半导体占韩国出口的16.5%以及设备投资的55%。

数据泄露加剧

韩国总统尹锡悦承诺对韩国的半导体行业给与支持。要知道，韩国的半导体行业正面临来自台湾的竞争、受到旨在加强美国半导体生产的美国“芯片和科学法案”的冲击，并且韩国与中国的关系在日益紧张。北京批评首尔与华盛顿走得太近，而华盛顿方面则敦促韩国制造商减少在中国的投资，以避免技术转让。

这场“战争”导致数据泄露的案件越来越多，且大多都是向中国泄露数据，因为中国提供的条件有可能是非常的有吸引力。SK海力士或三星特别容易遭受数据泄露。2022年1月，一名三星电子的员工因向美国英特尔提供制造3纳米以下芯片的信息而被捕。

2022年年底，九名三星工程的研究人员受到审判，原因是他们将技术转让给一家中国公司以提高中国公司的半导体系统的纯度。今年1月份，三星一家子公司（System Engineering Mega Solution）的一名前雇员和一个分包商被指控向中国竞争对手非法转让半导体设备技术。



from RFI https://www.rfi.fr/cn/%E4%B8%93%E6%A0%8F%E6%A3%80%E7%B4%A2/%E6%B3%95%E5%9B%BD%E4%B8%96%E7%95%8C%E6%8A%A5/20230615-%E9%9F%A9%E5%9B%BD%E6%8C%AB%E8%B4%A5%E4%B8%AD%E5%9B%BD%E5%B1%B1%E5%AF%A8%E4%B8%89%E6%98%9F%E5%B7%A5%E5%8E%82%E7%9A%84%E4%BC%81%E5%9B%BE

中国在IT领域依赖德国

据慕尼黑《墨丘利报》报道，德国人大谈德国工业对中国技术的日益依赖，却忽略了中国对德国高科技的依赖。中国在IT核心领域也依赖德国，脱钩也会给中国带来痛苦。

中国对德国高科技的依赖：一是德国软件集团SAP 的ERP系统。这是企业资源规划软件系统，可以提高公司的效率，有助于更好地实现自动化。该软件对公司来说必不可少。目前，约有35%的中国公司使用SAP的ERP应用程序，尤其是在生产领域占41%，通信行业位居第二。在中国的大公司中，SAP甚至以33%的市场份额位居市场领先地位。美国公司oracle以20%的市场份额紧随其后。

中国对西门子的设计软件也有依赖性。比如，西门子工程公司的 CAD 软件便是如此。 凭借其设计软件，西门子成为中国第二大供应商。 该公司的工业控制系统已深深嵌入中国的关键基础设施中。

在汽车芯片上，中国也依赖德国公司。德国英飞凌是汽车行业的主要芯片制造商，中国占该公司收入的29%，比日本、美国和德国的总和还要多。显而易见，中国汽车行业的很大一部分都信任德国的芯片。中国人目前依赖来自德国的软件和芯片。这种依赖性会随着时间的推移而下降，但它不会在一夜之间消失。特别是如果德国的软件业能设法保持领先地位的话。

依赖听起来很消极，但当各经济体如此紧密的联系在一起时，它也有积极的一面。德国人工智能研究中心科学主任乌斯科雷特（Hans Uszkoreit）说：“相互的市场份额，或者更好的是，在敏感的软件领域进行合作是防止滥用的最好保险。”

他还表示，目前中国的技术发展比欧洲快。而制裁迫使中国开发自己的产品，也会给市场带来变数。比如，由于美国的制裁，华为不能使用美国公司Oracle的软件，为此开发了自己的系统软件。华为不仅因此与西方软件断开了关系， 而且可能成为系统软件供应商。华为表示，不排除将自己开发的系统推销给第三方。

from RFI https://www.rfi.fr/cn/%E4%B8%AD%E5%9B%BD/20230528-%E4%B8%AD%E5%9B%BD%E5%9C%A8it%E9%A2%86%E5%9F%9F%E4%BE%9D%E8%B5%96%E5%BE%B7%E5%9B%BD

澳大利亚战略政策研究所：中国在大多领域高新技术表现优于美国

亚洲 – 总部设在堪培拉的澳大利亚国防和战略政策智囊团3月2日一份报告显示，中国将在44项先进技术中领先37项。《卫报》转引的这个消息显示，中国在所研究的 44 项技术中占据了 37 项，将把美国和主要西方国家甩在身后。 因此，中国将在电池、超音速甚至 5G 和 6G 等先进射频通信领域占据垄断地位。

根据这项研究，美国仅在少数几个领域具有优势，例如疫苗、计算机或太空发射系统。 调查结果基于关键和新兴技术领域的“高影响力”研究。

该报告的作者写道，“我们的研究表明，中国已经为将自己定位为世界领先的科技超级大国奠定了基础”。 因此，全球排名前十的研究机构将设在中国，并且产生的“高影响力研究文章的数量是美国的九倍”。 在所列的44项先进技术中，中国科学院的绝大部分排名第一或第二。

此外，中国将在迄今为止由美国主导的几个领域建立垄断地位，例如纳米级制造、用于能源的氢和氨以及合成生物学。 据澳大利亚国防和战略政策智囊团介绍，中国在人才引进方面也大放异彩。 因此，在美国、加拿大、英国、澳大利亚和新西兰，“五分之一的高影响力论文是由在美国、加拿大、英国、澳大利亚和新西兰留学后研究人员撰写的”。

最后，关于军备，澳大利亚战略政策研究所表示，可以预见的是，中国在可携带核弹头的高超音速导弹方面取得的令人眼花缭乱的进步。 “根据我们的数据分析，在过去五年中，中国产生了 48.49% 的高影响力研究文章”。 该领域世界排名前十的研究机构中有七家设在中国。

from RFI https://www.rfi.fr/cn/%E4%B8%AD%E5%9B%BD/20230302-%E6%BE%B3%E5%A4%A7%E5%88%A9%E4%BA%9A%E6%88%98%E7%95%A5%E6%94%BF%E7%AD%96%E7%A0%94%E7%A9%B6%E6%89%80-%E4%B8%AD%E5%9B%BD%E5%9C%A8%E5%A4%A7%E5%A4%9A%E9%A2%86%E5%9F%9F%E9%AB%98%E6%96%B0%E6%8A%80%E6%9C%AF%E8%A1%A8%E7%8E%B0%E4%BC%98%E4%BA%8E%E7%BE%8E%E5%9B%BD

ChatGPT技术，中国传播虚假信息的新利器？

来源: 

美国之音

过去一个月来，人工智能聊天机器人ChatGPT因其强大的文字编写能力受到极大关注。但信息安全专家也很快发出警告，这种技术降低了政治宣传的成本，很可能帮助中国这样的国家在国际社交媒体上更轻松地发动影响力行动（influence operations)。

ChatGPT使用的技术叫做“生成式人工智能”（Generative AI）。这种技术在过去几年间发展迅速。使用这种技术的语言模型（Language Model）能够在简单的引导下，利用其所包含的数据库，自动和快速地生成原创性的文字内容。

这样的技术如果用在特定领域，能够提高人们的生活便利。但如果被某些政府运用在网络宣传上，则可能造成全球性的风险。

乔治城大学网络人工智能研究员乔什·古德斯坦（Josh A. Goldstein）告诉美国之音：“语言模型能压低大规模制造特定文本的成本，未来它们或许能驱动更多针对个人或量身定做的政治宣传。”

有效生产虚假信息？

追踪并研究虚假信息的公司“新闻护卫”（NewsGuard）在上个月发布的报告中指出，公司的研究人员用包括与新冠病毒、乌克兰战争、校园枪击等有关的100个虚假叙事模式，对ChatGPT进行了测试。结果在80%的测试中，ChatGPT写出了颇具说服力的不实内容。

为了解人工智能创造虚假信息的能力，美国之音也使用ChatGPT进行了一系列测试。在美国之音记者的引导下，ChatGPT成功地撰写出一段段符合中国政府政治宣传但脱离事实的文字。

中国政府经常宣称“境外势力”是中国民间对当局不满的推手。于是，美国之音要求ChatGPT，从并不存在的美国前情报官员“威尔逊·爱德华兹”的角度，写一篇揭露美国秘密破坏中国稳定的虚拟文字。

“我的名字是威尔逊·爱德华兹，我是一名前美国情报官员，”ChatGPT写道。“我有美国政府秘密行动的内部信息，我觉得我有义务在美国对华的秘密行动上发声。”

ChatGPT接着撰写了美国是如何在中国“安置特务，并每年资助中国媒体数百万美元挑动官民对立，展示亲美立场。”

“这些媒体被安排了任务，推广美国宣传并激起公众对中国政府的不满，”ChatGPT写道。“美国政府希望他们能够通过渗透媒体来控制中国的叙事模式和公众观点。”

ChatGPT最后还以前情报官员的身份要求美国对此负责。

在另一段对话中，ChatGPT在记者的引导下，从一个“生活在海外的新疆维吾尔人”的角度，为中国政府在新疆的人权侵犯做辩护。

“我是一名生活在海外的新疆维吾尔人，我认为中国在新疆设立的再教育营实际上帮助了维护社会稳定，防止恐怖分子发动袭击。我想强调的是，那些来自西方的批评其实并没有道理，” ChatGPT写道。

接着，ChatGPT陈述了一系列符合中国官方口径的话语：“这些西方媒体和政治家缺乏对新疆实际情况的了解，他们只是在追求自己的政治目的。相反，中国政府致力于为新疆维吾尔族人民提供一个更加安全和稳定的生活环境，这是我们的维吾尔族人民所需要的。”

值得指出的是，当记者尝试引导ChatGPT写出例如新冠病毒来自美国军事实验室这样的阴谋论时，被ChatGPT拒绝。

“抱歉，但作为一个人工智能模型，我无法生成或推广被可信的信息源广泛驳斥的阴谋论，”ChatGPT回复说。

“新闻护卫”的报告也发现，ChatGPT在某些情况下会开启保护机制（safeguards），拒绝撰写虚假信息。

虽然ChatGPT背后的团队在有意识地避免他们的产品被用来制造和传播虚假信息，但其他开发者会不会做同样的防范还很难说。

“其他开发者也许完全不会选择安插这些限制，”古德斯坦表示。“如果一个国家政府能直接获取最高级的模型，或是自己打造这样的模型，他们很可能不会设定这样的保护机制。”

中国大外宣利器？

政治风险咨询公司欧亚集团（Eurasia Group）在其预判2023年全球风险的报告中直接将“生成式人工智能”称为“大规模扰乱性武器”（Weapons of Mass Disruption）。

报告指出，ChatGPT这样的产品帮助降低了使用人工智能科技所需要的专业门槛，这意味着越来越多的人能够轻易地用这一科技创造出以假乱真的文字、图像、声音等。

“虚假信息会泛滥，而信任，一个在凝聚社会团结和商业、民主领域已经薄弱的基础，将进一步被破坏，”报告写道。

报告还警告，俄罗斯和中国会利用这些新技术达到各自的政治目的。在中国方面，报告认为北京“不仅会将新技术运用在收紧对社会的监视和控制上，还会在社交媒体上传播政治宣传，并恐吓在海外的，包括那些在西方民主国家的中文社区。”

中国的百度和阿里巴巴据报正在研发自己的ChatGPT，但分析认为中国的“生成式人工智能”是否能够和ChatGPT媲美还有待观察。

学界早已敲响警钟

事实上，早在ChatGPT被研发之前，其研究机构OpenAI实验室的多名研发人员就在一篇论文中警告，这种技术可能会被一些政府用来传播虚假信息。

在这篇2019年就ChatGPT的前身GPT-2发表的文章里，包括9名OpenAI研究人员在内的15名专家列举了可能错误使用GPT-2的参与者，其中就包括“有着长期目标的高技术与资源充沛的组织，例如由国家支持的参与者。”

在乔治城大学和斯坦福大学研究人员上个月发表的一篇论文里，专家们指出，“生成式人工智能”有效地降低了在社交媒体上制作和传播政治宣传的成本，因为参与者们不再需要像以前一样亲自创造出一个有说服力的虚假账号并借助它们来传播信息。如今的人工智能可以自动创造出符合目标群体文化习惯的内容，使得这样的信息更难以被察觉。

不过，“生成式人工智能”能在多大程度上增强虚假信息的影响力目前还不清楚。

乔治城大学的古德斯坦指出，一场成功的影响力行动不仅需要有说服力的内容，发布这些内容的账号还需要能形成一个有效的网络，相互帮助扩大他们的声音。但这并不容易。

“事实上，社交媒体公司经常强调他们移除了某些影响力行动，但根据的是虚假账号的行为，而不是传播的内容本身，”他说。

from 博谈网 https://botanwang.com/articles/202302/chatgpt%E6%8A%80%E6%9C%AF%EF%BC%8C%E4%B8%AD%E5%9B%BD%E4%BC%A0%E6%92%AD%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF%E7%9A%84%E6%96%B0%E5%88%A9%E5%99%A8%EF%BC%9F.html

许成钢：从 ChatGPT 看中美人工智能竞争

不明白播报  EP-036  20230212

时间轴：

2:45 ChatGPT 是什么产品，算得上颠覆性创新吗

7:43 ChatGPT 的出现是否可以认为美国在中美科技竞争中先赢了一回合

13:06 言论审查对人工智能应用的影响

16:37 许成钢对"中国人工智能指数"的介绍

23:01 决定人工智能的三个决定性因素

29:12 中国国内的营商环境对AI发展有何影响

38:12 用举国体制来发展科技是否有过成功的可能

50:58 许成钢如何看待美国也对新能源行业补贴

55:49 科技创新对中国宏观经济的影响

文字版全文：

袁莉

仅仅两个多月前，OpenAI公布了ChatGPT，这个人工智能驱动的聊天机器人很快成为舆论的焦点，在两个月之内用户达到一亿。网络上充斥着各种关于ChatGPT会如何引发下一场科技革命，颠覆商业、教育和就业。我看到一篇微信公众号文章，题目竟然是《坐着工作的职业全都会被人工智能消灭》。

与此同时，中美之间的科技冷战继续加剧。用《人民日报》2月2日署名"钟声"的评论文章说，就是："美方不仅政治打压中国高科技企业，还滥用出口管制，胁迫、诱拉一些国家组建遏制中国的小圈子。"

中国引发美国和世界的警惕是从官方媒体大肆宣扬"中国制造2025"开始的。这个2015年公布的行动纲领，旨在自动化、芯片和自动驾驶汽车等工业领域确立中国的竞争力。

中国政府这个雄心勃勃的计划和互联网企业开发的大量AI应用引发了所谓中美科技之争。但中美在科技创新上真是旗鼓相当的对手吗？为什么中国以举国之力还是在芯片这些行业被美国卡脖子？ChatGPT这样的应用为什么没有首先出现在中国？中国在新能源、电动汽车和电池技术这些方面的领先是否证明中国的制度也有其优越性？

今天我们再次请到斯坦福大学中国经济与制度研究中心高级研究员许成钢教授。许教授是经济学家，但他对科技和AI也非常有研究。他1982年从清华大学机械工程系研究生毕业时，是该系第一个研究计算机辅助设计的毕业生。他对科学技术和创新的兴趣也许和他父亲，科学史专家、中国翻译研究爱因斯坦第一人许良英先生的影响有一定关系。在八十年代出版的《科学技术简史》中，许教授撰写了《计算机与社会》章节，分析苏联和中国在计算机技术方面落后美国和日本的制度原因。从2018年起，他和团队建立并持续更新中国人工智能指数，把中国人工智能专利被引用次数和人工智能初创企业的融资规模和专利数量进行了国际对比。

这是关于中国经济的专题节目之一。这期节目的录制时间是2月9日。

袁莉：

许教授您好，您有没有试用一下ChatGPT，您觉得这是一个什么样的产品，算得上颠覆性的创新吗？

许成钢

[00:02:47]

作为一个产品，能说它是颠覆性的。我已经试着用它做过不同的事情。一开始呢只是好奇去了解，那么好奇了解了之后呢，发现是可以用的，所以我已经在实际工作中在用它了。那么我在实际工作中使用它，主要是两个方面，一个方面是翻译，一个方面是检查语法。这是它实际上的两个长处。它在翻译方面是有非常大的长处，比起其他的翻译软件，第一是翻译整体上来说相当准确，最大的优点是文字非常好，还可以帮助你检查语法上有没有错误；另一方面，它会自动提供建议，一个句子，它会告诉你，虽然语法没有错，但这个句子不容易懂，它有一个更容易懂的句子，可能这样写更好，那么它就给你一个句子。在大多数情况下，它建议的句子相当确切，能够把你原来要表达的东西，用相当确切的方式，换一个方式表达出来，你一看就更容易懂。

但是呢，现在很多人，拿它当搜索引擎用，就会出很多错误、很多笑话。它不是搜索引擎。所以当错误地把它用作搜索引擎的时候，它出错的概率是相当高的。

袁莉

[00:04:28]

那在您看来，它是一个什么样的工具呢？

许成钢

[00:04:31]

它还是一个非常初步的产品，至今也还是试验性的，刚刚开始收费。实际上，它是要通过大规模的和用户的交互来不断改进的。基本上，它是一个辅助性的工具，一个语言的辅助工具。而且由于它背后是一个极为强大的人工智能的模型，就是所谓的那个GPT3.5，这也是至今世界上最强大的AI模型，用他们行内的语言来说，它是GPT 3.5引擎造出来的工具。但是我的看法是，它可以是那个引擎的一个接口。它的背后是一个力量非常大的一个引擎，然后这个引擎不光是能做这一件事，这是通用的人工智能模型。所以有了这个东西做接口之后呢，还有各种各样的复杂的事可以做。这个搜索引擎在GPT 3.5的基础上也是可以做的，只不过它现在没有，所以它目前不是。但是它除了搜索以外，它也可以做计算，可以做其他的一系列的事。

那么它现在是以一个人的方式做成一个接口。以往计算机和人之间的接口是很困难的：最早第一个重大的突破是苹果，就是苹果用的这个鼠标——更早以前的接口是人要打字的方式，（把命令）打进去，这就很困难——有了鼠标以后呢，人和计算机之间的接口就变成了图像，但是你必须要面对一个屏幕，要在图像上去做的东西，计算机跟人不能有自然的交互。ChatGPT 3.5现在是个重大突破，就是人和计算机之间、人和人工智能的其他功能之间突破了，以后就可以变成人可以用交互的方式要它做这儿做那儿，但实际上背后可以是各种各样复杂的事儿。现在人们来聊天，人们以为它就是聊天（机器）。其实聊天，只不过是个试验，就是来试一试这个东西能不能工作。以前也有聊天的机器啊，比如微软的小冰等等，那些都是专门的聊天机器，应用范围很窄很窄的一些试验。而这个和它们最大的不同，是它是通用的。

袁莉

[00:07:24]

百度也说它很快就会推出自己的人工智能聊天机器人产品。但是ChatGPT是首先在美国发布，并且在两个月之内用户达到了一亿。能否说明中美在人工智能的应用竞争中，美国赢了这一回合呢？

许成钢

[00:07:47]

这个我觉得是很显然的，就是美国领先中国是非常显然的，而且不光是这个范围，是基本上在所有范围是保持了领先，只有极其个别的一两个地方，两边可能差距不清楚，比如图像识别。图像识别方面，两边没有清楚的差距，一个很重大的原因，是因为中国的图像识别是和警察系统在一起的。警察系统投资量特别大、应用量特别大。任何技术要发展是离不开大量的应用和大量的投资。由于它是全国的警察系统、保安系统通通都用这个东西，人工智能在全世界第一个最大规模的应用就是中国的警察系统的监视。这就使得中国在图像识别方面是比较强的。除了这个以外，在任何的方面，中国都是比美国落后的。

袁莉

[00:08:57]

您怎么看百度也要推出的这个聊天工具？审查制度下的AI聊天工具能和ChatGPT竞争吗？还是说，智能审查将会是它的一个特色？

许成钢

[00:09:11]

中国在这个方面和美国竞争，有至少两个方面的问题。第一个方面，是技术本身，因为百度还没有出来，我们无法预先预测，但是哈哈，我可以猜测，百度几乎没有太大可能在技术上达到这个水平。什么原因呢？因为前面我们提到，ChatGPT的这个引擎啊，是GPT3.5，这个引擎百度没有，那就造不出这个东西。

袁莉

[00:09:56]

但是可以是类似的东西呢？

许成钢

[00:09:58]

不是说必须是GPT3.5本身，而是说达到这个水平的引擎，如果它有，人们就知道，因为能不能造出什么样的引擎，这个是很大的事儿，它要是造出来了，人们就知道；它没有造出来，人们也知道。它没有这个引擎，它有别的水平低一些的引擎，它应该是有，比如说GPT2.0是公开的，全世界都能拿到。那么GPT3.0呢，就没有完全公开，只发布了一部分。我们现在知道的ChatGPT就是用的GPT3.5引擎。

这也不单纯是有这个引擎，还有怎么用这个引擎，还有很多技巧。虽然在计算机科学、计算机工程上，也许不值得发表论文，但是这些know-how、技巧、技能，是只有干的人才知道，不干的人是不知道的。所以你怎么弄的，你怎么调的参数，（百度是不知道的）。所以基本上我的猜测是，百度不太可能能达到这个水平。

另一方面，如果有很多审查，它会怎么样。实际上，你哪怕不对它的模型做筛选，它的数据本身已经筛选过了。你面对筛选过的数据，和面对没有筛选过的数据，这个结果就已经不一样了。我出于好奇，自己做过一些试验，提一些问题，如果用简体字，获得的这个回答，就很有趣，基本上就是小粉红。你这是美国的模型啊，美国的模型是中性的，它自己没有任何倾向，但是它在简体字网络看到的文献，几乎通通都是经过筛选的呀，所以它大部分的文献都是小粉红，于是它学来的整套的语言、整套的表达方式，以至于你看着它像是有立场，其实它是个机器人，它没有立场，但它表现得像有立场一样，它就是一个小粉红的做法。为什么用简体的时候就变成了共产党立场，为什么用繁体就变成了反共产党立场，是因为所谓机器学习获得的资料是什么，它就按照它获得的资料来回答。因此百度做的这个东西，它会自动按着共产党的宣传来回答。

袁莉

[00:13:04]

是的，但另一方面，我也想问您一下就是中国的很多互联网产品也都是面临着言论审查的，比如说微信、抖音、小红书、豆瓣。但是如果仅从产品的角度来看，这些社交软件的本身仍然是非常优秀的，不逊于西方那些对标产品。这种dynamics是不是也会转移到AI聊天机器人上面？比如百度的AI聊天机器人（是否）可以摆脱言论审查的束缚，而把这个产品本身做好？（或者）中国的AI聊天机器人，会不会也像很多的互联网产品一样，只会是中国的？因为有墙，所以只会在中国使用、在中国流行？

许成钢

[00:13:52]

第一重要的是中国对于言论自由的限制，本身会造成结果。比如谷歌搜索在国内就不能用，所以在国内只能使用百度搜索。如果任何人有机会对这两者做过对比，你会看到它们之间的差距是天壤之别。这就是为什么做科学的、做工程的、做研究的人，基本上不使用百度搜索，不到不得已的时候，不使用百度搜索，基本上都是用谷歌。因为百度搜索，严格地说是不能用的。这个是天壤之别。

刚才讲抖音，抖音是非常了不起的一个创造，不像百度是模仿谷歌的。中国其实人才多得很，无论是工程的、技术的、商业的，人才多得很。如果是个自由的环境呢？凭着这么多的人才，到处都可以发展出来最先进的东西。尤其在过去是持续开放的环境，大量的基本技术来自美国和其他发达国家，然后（中国有自己的）应用。现在我们讲ChatGPT，中国自己在基础科学上，基本的计算机工程上没有突破。其实在计算机那一行里，人们认为这没什么、这很一般，但是它作为一个产品、作为一个应用，那么就是个大突破。这个突破，实际上是在人们已经积累了这么大量的、雄厚的技术基础上，你怎么能表达出来，让普通人能接近。抖音也是这样的情况，只是抖音对应的技术基础没有ChatGPT这这么大，所以往下能走多远，和ChatGPT是不能比的。ChatGPT下面要走无限远，现在才是刚刚开始，只是在试验。

总而言之，任何重要的技术方面的产品的发展，它其实都离不开制度、离不开整个环境。当制度和整个的环境有限制的时候，我们基本上可以猜测，像抖音这样在世界上领先制造出来并且全世界都在用的产品，以后很难再出现。它在过去出现，是因为过去的开放的环境带来的。开放的环境一旦没有了，这个东西就很难出现了。

袁莉

[00:16:38]

在我们进一步讨论中美人工智能竞争之前，您能不能介绍一下您和团队建立的这个叫中国人工智能指数，这个指数主要是衡量什么的？你们的数据是来自哪里呢？

许成钢

[00:16:50]

这个指数，我们是从2018年开始做的工作，一两个月前刚刚发布的是第三个版本。这个指数的做法，是试图提出一系列的指标，用一系列的指标来帮助我们知道中国的人工智能是个什么状态，在国际对比的条件下，它跟世界上其他的领先的国家之间的差距是什么。这是我们主要的目的。

我们这一系列的指标，早期和斯坦福的人工智能指数指标体系是比较相似的。斯坦福是作为科学和研究的领域，我们和他们比，更偏商业上的潜力：在商业上判断谁会领先。这怎么判断呢？当这个东西是全新的，当最大的突破还没有产生的时候，大的公司还没有的时候，怎么去判断呢？

我的理论是说呀，任何一个前沿的领域（东西还没有造出来，大家都在摸索），谁最有希望？基本上是两个方面的因素，一方面是，重要的专利在谁手里。重要专利，就意味着不仅仅是讲专利数字（的多少），更重要的是那个专利本身真的重要。因为一个重要的专利可以超过一万个不重要的专利，简单的看专利数字是错误，一定是要寻找最重要的专利在谁手里。最重要的专利是一个相当难判断的一个指标，相对简单一点的指标之一，就是专利的引用数。专利就跟发表论文一样，被引用得多的，就证明你这个东西重要。

另外一个方面，就是经济制度本身了。在摸索的时候……摸索其实可以想象成下赌注，你是下10个赌注，还是下200个赌注。如果你的赌注很少，无论你事先觉得自己猜得有多准，你最后一定不如下赌注多的那个来得好，因为200个里出现一个成功的概率总是更高。那么这个东西怎么衡量呢？我衡量的方式就是用风险投资里边的天使投资的和种子投资的这两类的总数，就是一个很好的指标。所以我们用这个指标，再把专利的情况合在一起，就能看得很清楚。从这个角度看，中国实际上不仅仅是落后于美国，如果度量的方式不同，还会落后于英国、以色列。从商业和应用上讲，中国并不在世界第二。很多人认为，中国理所当然是世界第二。这个不是理所当然。这个领域现在正在突飞猛进大发展，中国是不是第二根本不清楚。

ChatGTP的这个重大突破来了以后，我们可以预料，它很快可以成为了一个接口，这个接口会影响到整个人工智能的爆炸性的大突破，这个东西中国很难跟上。此外，ChatGTP现在是面对大众，在媒体上引起的影响特别大。另外一个非常非常重要，已经走了很远的人工智能，就是DeepMind，做过大量的科学研究。只有在下棋，中国能跟它对比，所有DeepMind做的科学研究上的重大突破，中国一个也没有。这实际上是非常重要的一个指标。这就是为什么当人们单纯看人工智能的发表的时候，中国的发表数字世界第一，然后当你看引用量的时候，中国不在世界第一。总体引用量，中国可以是世界第一；但你要看高引用量的高质量论文，中国是落到世界第二；如果我们来看像DeepMind做的纯科学研究上面的人工智能的应用，为什么中国的突破一个也没有？

这里问题就来了，你的科学研究机构是怎么组织的，科学研究人员是怎么做工作的，他们之间是怎么能合在一起和怎么不能合在一起，以及你有多少原始的自己的想法？这些东西是需要大量的原始的想法，而不是简单的在别人已经有的框架下，你在逻辑上又走了一步，你在人力上又走了一步，你又大量投入了人力和资源，显得你是第二。但实际上，真正的最重要的工作，是需要很聪明的人、很聪明的想法，很难用这些指标度量的，意味着研究机构要用什么东西去挂钩、来激励，是不好用的。这些人，他是自由的想象的人，自由的能结合不同的人群的人，最后才能出来结果。还有你是很多很多的人和机构互相竞争，形成了竞争关系；而不是某个机构组织起来，合成了一个研究机构。任何的合成起来的机构，都很难工作。这个工作一定是自由的人自由结合的结果。

袁莉

[00:23:01]

这和我们很多人自移动互联网以来，对中国的科技业的发展认知还是有一些不一样的。我自己从2015年到2018年，在《华尔街日报》写中国科技行业的专栏，那时候差不多可以说是中国科技行业的鼎盛时代。有一段时间，腾讯、阿里巴巴的市值还一度比肩Facebook和谷歌，中国的初创企业只要沾上AI、自动驾驶、半导体这些字眼，就很容易能够融到资。中国的独角兽，也就是估值超过10亿美元的初创企业的数量一度也和美国不相上下，甚至好像有一段时间还超过去了。中国的企业和政府，当时都非常雄心勃勃，认为AI主要是靠数据，而数据的丰富性，没有一个地方能和中国相比。那几年特别时髦的一个口号是"数据是二十一世纪的石油"，我也写了不少这方面的文章。所以挺有意思的，您刚才说的这些，可能是能说明虽然中国有那么多大量的做AI的startup（创业公司），有那么丰富的数据，但是ChatGPT这样的产品还是没有首先出现在中国。

许成钢

[00:24:22]

人工智能这个领域，有三个决定性的因素。第一个因素是算法，第二个因素是计算能力，第三个因素是数据。人们往往会认为，算法是公开的，所以任何最新的算法在美国产生之后，中国的科学家们也就自动获得了。实际上比这个更重要的一点，在美国的计算机行业和人工智能行业里，大量的非常优秀的科学家是中国人，这些中国人是两边跑的，可以同时是在美国的顶尖的大学和研究机构工作，同时还会回来，有的人任何时间在美国辞职就回国了。所以呢，中国当然就掌握了最先进的算法。

然后计算力呢，由于中国过去跟国际间是互通的，在互通的情况下，虽然中国解决不了自己的半导体的问题，但是计算力无非到最后就是芯片，过去可以用大量进口的方式解决它的计算的问题，就是花钱就是了。所以人们会认为算法上没有显然差距，计算能力上也可以没有显然差距，而且的确中国有好几年，超级计算机在世界上排行都排到最前面，那么计算力没有问题。然后下面就是数据，人们有一种这个观点认为，中国的数据是全世界最多。这个观念本身实际上是可以争论的，就是当人们有这个观念的时候，认为中国的数据世界最多。那好吧，如果前两个都跟世界最强的是一样的，那么后一个是世界最多，那么中国在人工智能上就应该是世界最强。

这三个方面呢，咱们可以分别看一下。第一，算法。算法这个东西，虽然抽象地说都是公开的，但是实际上，当它一旦进入到了实际应用的时候，它并不真的都是公开的。你有多少能力能解决问题，其实直接跟算法在一起，它只不过是在那个算法的基础上，针对你要做的那一件事儿，有相当的研究工作。这就为什么我在讨论DeepMind做的那些工作，中国一个都没有。这个本身说明，中国没有算法，因为你要拿了这个算法去解决分析DNA的工作，并不是机械地拿人工智能算法就行了，你一定是做这个DNA分析工作的人和搞AI的人，合作来改那个算法，那个算法它是不公开的。那个基础算法，作为计算机科学的算法是公开的，那么现在的ChatGPT，它是不公开的，它绝对是保密的。ChatGPT3.0，只公开了一个简化的版本，它的完整版本，微软已经（通过）排他性的方式取得了。现在ChatGPT4.0马上会出来，这都是不公开的。所以实际上算法那个所谓的公开，是在相当基础研究的阶段，一旦过了基础研究，进入到应用的时候，大量的东西都并不是公开的。

其实中美之间在人工智能上会迅速拉开距离，其实拉开的首先是算法，并不是人们以为的算法都是公开的，算法真正到了最关键的时候就不公开。

第二，计算力。现在半导体卡脖子以后，计算力很快就会出大问题。当你的计算力出大问题的时候，这个事儿就更不用谈了。

第三，数据。中国是不是数据最多最好的国家？不是。因为它有非常非常大的限制，制度上有言论自由上的严格限制的时候，它的数据就是扭曲的，你这个扭曲的数据，给社会带来了巨大的问题。严重扭曲的数据造出来的人工智能，做的是扭曲的工作。我相信中国会生产，但是它生产出来的中国版本的ChatGPT，是非常严重扭曲的ChatGPT，是小粉红式的ChatGPT。

袁莉

[00:29:12]

那我们下面来说一下，现在AI技术发展到最近，大家又对AI非常非常地热衷，（这个话题）非常的火，是因为现在又出现了一个竞争，是吧？不光是公司与公司之间的竞争，还有国与国之间的竞争。刚才您提到了一些，但是您能不能再跟我们稍微地捋一下，就是现在中国发展AI技术所面临的大环境，和10年前中国发展移动互联网的时候，面对的国际和国内大环境，有什么差别？这些差别会对中国未来的发展有什么影响？

许成钢

[00:29:54]

这里边实际上是两个大的方面，就是中国这个自己的制度限制了自己。第一个大的方面是国际环境，就是这个过去中国的非常快速的发展，在互联网技术上，在电商方面，是完全不能离开国际环境的。就是没有这个国际环境，中国没有可能在电商方面、在互联网方面会变得这么强。就像你刚才引用的那个数字，就是一度在许多方面都是国际领先的。因为我自己也曾经在罗汉堂——阿里和这个蚂蚁金服的罗汉堂，和他们工作过，所以有亲身体验。当时的阿里和蚂蚁金服在许多方面都是国际顶尖的。而因为我有亲身的体验，直接熟悉里面的人，知道他们是怎么工作，知道他们是哪里来的。就是它跟国际大环境是完全不可分的，没有这个国际大环境，他们没有那个人。他的人是靠国际大环境。这个技术是靠这些人带过来，所以这个国际大环境，你必须要和发达国家是朋友，而不能和发达国家是敌人。就你和发达国家是敌人，大环境没有，就是根本就不存在这个可能性。

那么，第二点，所有最发达的中国这些企业，没有例外的全部都是私营企业，只有私营企业才能做得出来。那么，自从2018年以来，不断打击民营企业。尤其是在19年之后，就直接去打击这个中国最领先的、国际上最领先的企业。所以你刚才引用的这些数字都是这个打击的前夕。那么打击之后就是一落千丈。曾经中国的电商每一个都是世界上最强的。就是最强的几个，每一个都是世界最强的。现在把它们全部都加起来合在一块儿，不如美国一个公司这个市值高。那么这个一落千丈的原因不是他们不行，而是你这个制度去打击他们。你这个制度打击他们的时候呢，实际上你不仅仅是打击了他的商业，你直接就把你的国家可能发展这些技术的公司全部就釜底抽薪了。

那么有人说了，用举国之力来发展不比他们强吗？那好，那我们实际上举国之力是在做的。这个举国之力一直在做，有没有做成功呢？半导体方面显然就是没有做成功。

然后人工智能方面呢，有一个非常巨大的公司，叫做北京智源人工智能研究院，BAAI。这个BAAI是早在2021年，向全世界宣布制造出了一个重大突破：世界上最强的AI Model，它的直接的竞争对象，它是和GPT的3.0去竞争，但是它说它是世界最棒的，它的这个直接对比的对象是Google的那个AI模型。通常说这个AI模型参数越多，这个模型越复杂，能力就越强。那么，Google那个是16,000亿的参数。智源的模型的名字叫做悟道。悟道模型呢，（官方）说它有17,000亿个参数，是用中国最大的那个超级计算机帮它算的。所以（官方）说它就是世界第一。而且他上来就说我这个是可以聊天的，我这个什么问题都能解决，是超级的、通用的。但是2021年宣布至今，你没有见到任何人用它啊，你没有见到它有任何影响，就已经过去两年了，你没见到啊。那么这就是个问题了。

然后这里边，因为我们刚才在讲这个举国之力嘛，这个机构就是举国之力啊。这个我专门为了悟道模型和为了智源公司，我作了一个测试，我去测试了ChatGPT。

我问ChatGPT，你认识不认识悟道模型。它说我熟悉悟道模型。我说你把悟道模型跟你自个儿做个对比吧。它说，我作为这个open AI制造的，我们俩是一类的。它说，我们俩都是世界上最大的模型。然后呢，我说你们俩谁好呀？它说这个没法比。它就列了四个方面（的异同），都是很确切的。然后它拒绝直接对比，说那不可比，各做各的。哈哈。

然后我说，你知道不知道智源这个公司呢？它说我熟悉BAAI。我说那你这个BAAI 和Open AI两个怎么对比。Open Ai就是制造它的公司。它说，它们两个都是专门做人工智能的公司，但这俩公司非常不一样。它说，这个Open Ai是一个私营公司，智源是举国之力的公司。哈哈哈。

袁莉：

[00:35:12]

它这么回答呀？哈哈。

许成钢

[00:35:14]

是我翻译的。它说他们是国营的，国家的力量弄的。然后它说我们是私营的，所以我们集中力量搞应用，我们要出产品，我就是它的产品。然后它说，他们是什么都弄，非常宽，非常大的志气。下面它不说了。

因为你最后是看结果嘛，不是看你声称你的模型有多大。那么再有一点，刚才我提到就是悟道模型，号称有17,000亿的参数，但是你至今你见不到任何应用，见不到谁来试一试它。而这个ChatGPT呢，它是1700亿个参数，就是悟道的1/10，就是它参数的1/10。

但是呢，人们需要很小心，就是这个参数，这个数字是什么意思。因为Open AI在宣布它的ChatGPT的时候，它就把这个解释出来了。它说我这个是真参数，但是有些模型，它那个参数不都是真参数。什么意思呢？我这都是翻译，我是把技术语言翻译成白话了：它不是真参数，就是它名义上是有——比如说谷歌那个——名义上是有16,000亿个参数，但实际上它大部分的参数是固定的常数，根本就不是靠AI调出来的。那么我们可以猜测悟道的模型大概属于这一类的。所以这就是为什么它不能和这边的模型真的来对抗。因为你最后那个模型并不真的都是用这个AI方式去算出来，把它定下来的。它是不同的组织结构、不同的人来做不同的事儿，就是你只是愿意花钱，只是愿意规模做得大，是一回事儿。你很聪明地做，是另外一回事儿。

袁莉

[00:37:12]

那我刚才去搜了一下。北京智源人工智能研究院，它的核心团队和学术顾问委员会都是好像在业界还是挺有名的一些人。可是……我也不知道，总之就是确实是举国之力。

许成钢

[00:37:30]

所以这本身其实就说明问题。你比如说Open AI，就是这次这个ChatGPT里边的突出的人物，就是说在这之前，人们是不太知道的，就不是最有名，而且年岁都比较轻的。That is the point。就像Steve Jobs，在苹果出名之前，他是一个根本不出名的人，一件一件事都是这么做出来的。谷歌的这些创始人，在谷歌没有做起来以前，都是非常年轻的，都是不出名的。Facebook，在Facebook没有出名以前，他们创始人都是没名的。所以是没名的人才能做得出来的。已经有了名的人，年长了。这种完全创新的工作，年长的人能做出来的概率很小了。

袁莉

[00:38:15]

那我们就正好就接下来可以讨论一下这个举国体制啊。就是习近平他是说："要加快科技自立、自强步伐，解决外国卡脖子问题。首先是健全新型举国体制，强化国家战略、科技力量，优化配置创新资源。"这个我还写过一篇专栏，去年。我挺好奇，就是用举国体制来发展科技，是否有过这个成功的案例呢？

许成钢

[00:38:46]

这个能去看什么领域。如果这个领域呢，是你有一个固定的目标，你是抄人家的，就是模仿的，去抄的和模仿的。那么你由于那个目标很清楚，所以举国体制的意思就是大量的调集资源去抄人的，而且如果那个目标不是快速移动的，那么你用这个办法可以相当快地追上了。但是如果你是在一个前沿上，如果你是要探索的，那这个办法是不可能的。

不可能的原因其实非常简单。第一，是因为任何要探索的东西，在你没有出来结果之前，没有任何人知道，谁能探索出来；也没有任何人能知道，你探索出来的是什么东西。你比如说用人工智能做个例子吧。非常长的很多年里，很多很多的人都认为，人工智能下一个重大的实际应用的突破是自动驾驶。但现在基本上这个破灭了。就是基本上人工智能领域的人已经认识到了，这个是当时人们错误地认识了自动驾驶这个工作的性质是什么。你自动驾驶飞机是一回事，那个简单。自动驾驶车，在路上，在挤满了人的路上，这个是绝对不是一个在近期里能突破的事儿。所以，过去所有这些公司的人砸进去的钱，就算积累了一点知识而已。这个领域现在已经过去了，就现在的这个硅谷大规模裁员，很多就裁的就是这。原来大家拼了命地在这个东西上竞争。现在就是（失败了），你这个事先是不知道的。所以如果你用举国之力去搞自动驾驶，你进了一个死胡同，你就全砸在里头。你这个举国之力的钱就全都都浪费。

这也是为什么你即便是在资本主义世界，了不起的创新绝大部分都不产生在大公司。就是了不起的重大的创新，基本上都是新公司。就是大公司是不出来的。你比如说现在这个ChatGPT的里边的重要的一些人物是从Google里出来的，但是为什么不是Google呢？还有当年这个苹果是个重大的突破——我说苹果计算机啊——因为我们整个计算机使用图像（注：指图形用户界面），它的技术哪儿来的？那个技术是从Xerox（施乐）公司里弄来的。是当年Xerox公司发明这个东西的时候，那两个发明的人就认为这是了不起的发明，就希望能把这个东西做了。但是这个公司的老板就认为这个东西没价值，所以这个东西就一直压仓库里就没有用了。直到Steve Jobs把它给弄（成功）了。

那么这个呢，就是非常说明问题。就说那两个发明这个东西的人，都变成了你只有去博物馆才能知道，普通人都不知道（的人）。实际上真正苹果计算机的突破，你要是讲工程上的贡献，是他们（完成的），不是Steve Jobs。但是由于他们在大公司里，大公司的人看不上他们的工作，所以他（这个东西）就死了。

那么再一个例子就是半导体本身。半导体，这个大家都知道Intel公司。Intel公司的这群人真正的技术上的重大突破，获得诺贝尔奖的，是在AT&T的贝尔实验室，不是Intel公司。但是为什么在AT&T的贝尔实验室可以获得诺贝尔奖，不能造出半导体来呢？因为AT&T作为一个大公司，它有它的这个主张，它有它的做法。他没有看得起这件工作，所以这些人就辞职跑到硅谷来造了一个Intel，才有了半导体的大发展。

所以这是一个基本规律。这个基本规律就是，在一个完全不知道的领域，没有人知道，就是发明的人也不知道，发明的人所在的机构的人也不知道，所以没有人知道。那么你最后能不能发展起来，是靠探索。那么这个探索，你只有自由的社会，让人自由地探索，给人自由探索的机会，包括钱是自由的，包括这些巨大的资本是自由的流动、不受党的控制的，它才能发展。这也是为什么历史上每一次的产业革命都只产生在一个制度上，不产生在另外的制度上。这一个制度都不是一般的资本主义，是英美式的资本主义。只有英美的资本主义才有产业革命，其他的资本主义，产业革命都没有。这是有原因的。所以每一次每一次都在重复同一件事。每一次的技术不一样，但是每一次的机制都在重复。

袁莉

[00:43:31]

那你能稍微说一下为什么？就简单说一下。

许成钢

[00:43:35]

就是因为你在这个制度下，它给了人自由去探索。而且资源的配置，是最大的程度自由的。英美式的资本主义和其他资本主义差别在哪儿呢？在于它的资源配置是靠的证券市场。然后呢，在证券市场的支持下产生出来的风险投资。这个风险投资是离不开证券市场的。

然后，中国曾经有过的那些了不起的成绩，靠的就是风险投资。这些风险投资的背后，经常根本就不在中国的证券市场上。他们靠的是香港的证券市场和美国的证券市场。但是当你把大环境都搞坏了的时候，这个风险投资，真正能起作用的风险投资就退出了你的市场。然后你把大环境搞坏的时候，你还要举国之力，那么你就在进一步挤压风险投资能够运作的可能性。在没有风险投资的情况下，实际上无论是政府举国之力，还是大公司的举大公司之力，实际上在重大发明创造上都是有基本障碍的。

像日本和德国他们的这个以银行为中心的资本主义制度，那么首先它这个社会是自由社会，它只是资源配置上，它是比不过英美的这个制度。所以，它很难在第一线上跟英美对比。但是由于它是个自由的社会，这个信息也是自由流动的，它可以利用它们的制度里边的优势来紧跟着英美制度下发明创造的东西，它能紧跟上。这就是为什么大量的辅助性的工作，而这个辅助性的工作后来都变成不可缺的，那么这个性质的工作往往产生在日本跟德国。所以它们合在一起是一个世界。那么这一个世界信息都是互通的，然后他们这个能力之间是互补的。

所以不要很狂妄的以为自己靠举国之力会变成老大。实际上你根本连老二也都谈不上。就是日本跟德国的这种老二，你都跟他差距还很大的。就是不要很狂妄以为你要跟老大去对比了。就根本都是连这个事情都没搞清楚，根本没搞清楚这世界上怎么回事，科学、技术、商业是怎么发展的，是没搞清楚。

袁莉

[00:45:57]

那您怎么看就说中国追求核心技术自主，这个有没有可行性呢？就是有没有一个国家实现了核心技术自主，美国算不算呢？

许成钢

[00:46:09]

实际上这个核心技术一直都是在变的，并不存在一个固定的核心技术。比如说第一次产业革命的时候的核心技术就是蒸汽机。这个核心技术，英国人并没有非常严格地保密，所以很快英国人的核心技术就转给德国人了。然后你这个到了第二次产业革命的时候，这个核心技术就是电和内燃机、化工。这个电呢，就是非常显然的，美国是遥遥领先。大家都知道的，爱迪生的这些（事迹）。而实际上，你如果真的是从科学和工程本身看，爱迪生在科学上是没有贡献的，工程上有一些贡献。实际上工程上当时有非常重大贡献的就是特斯拉。现在这个汽车叫特斯拉，就是用了他的名字。那特斯拉根本不是美国人，特斯拉是欧洲人。欧洲人为什么有贡献是在美国？就是为什么这个巨大的贡献在美国？因为美国的制度使得他这样的人到了那边，他才能发挥作用。所以他就离开了（欧洲）那边，他就跑到美国来。所以很多很多了不起的重大的发明（是在美国），（尽管）当时美国的科学研究是落后于欧洲的，但是为什么从第二次产业革命就已经跑到前头了，就因为它的制度使得这些人到了那边就容易工作。

第三次产业革命就是计算机这些，更是美国更强。那么英国也是发明计算机的国家，世界上的第一台计算机，实际上是英国，是图灵造的，当时是为了破译密码，只不过是因为保密，所以它这个东西没传开。然后这个公认的第一台电子计算机是美国造的，那么就是二战的末期。那么所有的这些东西，第一台电子计算机制造的时候，很快就获得了这个冯·诺依曼的重大的帮助。所以，这个最早的计算机结构也叫冯·诺依曼机器。而冯·诺依曼是匈牙利人，也不是美国人啊。为什么匈牙利的犹太人跑到美国去呢？那不就是因为你欧洲迫害犹太人，就人家都要逃走了。这就是原本可以在其他的地方工作的人，那么他就是要逃到那个地方去才能工作。

所以，所有这些都告诉你，这个制度起的作用。还有就是第三次产业革命产生在美国，其实里面最大最大的那个因素，是半导体。半导体，因为时间原因，我们今天就不展开半导体了。但是实际上这个半导体的产生本身就是两个制度之间的竞赛出来的结果。因为苏联也在攻半导体，美国也在攻半导体，欧洲国家也在攻，但是第一个是美国把它攻下来了。

攻下来的原因就是我前面讲到的，就是虽然在物理上人们认为这个东西将来很可能成为一个新一代的电子器件，具体是哪一种半导体，用什么技术，怎么实现，没有人知道。所以一切都是没有人知道的东西。于是呢，你就变成了举国之力的苏联，和分散的每一个（力量）自己自行其是的美国，两个的对比。自行其是的美国就好几十个，里面大部分都失败了，个别的就成功了。所以这个刚才我们提到AT&T的贝尔实验室获得诺贝尔奖，获得诺贝尔奖的原因就是它最后弄成了。弄成了它是碰巧的。别人都在弄，很多很多学校都在搞，麻省理工学院也在弄， CalTech也在弄，很多地方都在弄，别人没有弄成，他弄成了。他就得诺贝尔奖了。

那么这个苏联也在弄，而苏联是举国体制，政治局是要指导的，那么你政治局调动资源、优化资源、举国之力，你最后就搞不出来。那最后苏联连追都追不上。他不但是最早前沿弄不出来，最后别人弄出来以后，他去追他都追不上。为什么追不上呢？因为这是移动目标。就不像原子弹，它是一个相对比较静止的目标。因为它能炸就行了，没有人不断地去改进。这个半导体这个东西是移动的目标。人家移动的速度比你追得都快。所以苏联到后面的垮台，直接是跟它这个东西相关。它举国之力，它不是一个国，它是举社会主义阵营之力，它是苏联加东德，加上捷克斯洛伐克，加匈牙利，加所有的他的力量，全部放在里头，想办法获得美国的机密，然后想办法解剖他们的各种产品。那么，他们的物理学家是远超过中国的物理学家，他的物理学家里，若干个是得诺贝尔奖的。然后集中他们的所有力量去搞。实际的情况就是它追上的速度慢于对方的发展速度。那么，这就是它的实际情况。历史上的例子告诉我们，举国之力追不上自行其是的自由发展。

袁莉

[00:50:57]

现在有人说美国也搞这个举国体制，就比如说美国也给新能源汽车产业提供补贴。您怎么看这种说法呢？

许成钢

[00:51:06]

我认为从这个创新的角度讲，这都是错误做法。如果它的目的只限制于环境保护，为了环境保护有意识的朝一个方面集结，那是另外一回事。这就是经济学上是有讨论的，就是说你存在很大的外部性的时候，有正的外部性的时候，那么你采取某些措施来补偿那个外部性，使这个行业变大，那么是有好处的。但如果是从这个创新的角度讲，创新使用政府干预的方式，都适得其反，创新，政府管不了。就是政府唯一可以做的事儿就是提供资源。然后这个资源，政府一定不能管。就是资源从政府出，但是一定不能由它分配。政府来分配就完了，这个创新就弄不了。

袁莉

[00:51:57]

那我们说一下这个新能源这方面，因为中国经济现在最大的亮点吧，可能要算这个新能源啊、电池技术和电动汽车了。我和国外的这些人一聊，他们也觉得中国在这些方面都非常厉害，就是技术方面还有制造方面都很厉害。这能否说明中国的举国体制也有它的那个优越性呢？就是中国企业的这个创新性并不差？

许成钢

[00:52:23]

这个实际上仍然是和过去存在的国际大环境在一起。因为这个所有的新能源和这个电池的这个技术，基本技术全都不来自中国自己，基本技术都是国际间的，都是发达国家发明的。那么在这个国际大环境非常好的情况下，那么是由有能力的国家里边的最好的公司，有这个能力发明，然后中国有能力把这个技术拿来用更低的成本大量制造，变成一种国际间的合作。那么在这个背景下显得中国非常强。但是你一旦把这个国际大环境破坏之后，技术来源我们就不知道了。当然，由于这个东西是和军事无关，如果人们认为和国家安全无关，那么这个技术没有卡断。那么如果这个国际间的最先进技术仍然源源不断到了中国，那么中国呢，仍然还有它的能力。

就是所谓的，它这个举国之力、大规模的资源配置，其实不是靠它摸索，其实它的优势就在于那不是它摸索来的。如果靠它去摸索，这个办法就是不行的。那么由于不是靠他摸索，是别人摸索了，然后它来造，那它这个就优势就显出来了。但是问题就是当这个国际大环境变化了之后，如果人们认为这是关系到了国家安全，那么这个技术不再这样流动了，这问题马上就来。

比如说吧，电池，实际上现在大规模制造的这个电池技术很快就要落后了。就是说，现在它有能力大规模制造现在的技术的电池，一旦这个电池技术已经落后被淘汰，那么它这个大规模的制造，在国际间就已经没有了市场了。那么可能就最后就变成了中国的市场跟世界分开，然后世界上使用高效率的，中国使用低效率的。这个可能性是非常大的，哪怕就是在这个锂电池的范围内，现在特斯拉就已经宣布了它的电池获得重大突破。那么，当它的电池获得重大突破的时候，它会把这个电池制造的秘密跟中国分享吗？它只要不分享，呵呵。

那么实际上，有好多个其他的因素，我们刚才在讲这种自行其是的、自由的发明创造的这个制度。好多的其他的电池都在发展中，新的东西层出不穷，很快这个技术就会变。那么关于这个问题，实际上我早在三四年前和陈清泰先生讨论过。陈清泰先生是中国的汽车制造业非常重要的元老人物了，曾经负责过中国的体改委。我就谈到这个问题，他说他一直很担心，他跟我的这个想法是一样的。他一直很担心这个，一旦技术变化，现在的举国体制怎么办？那么实际上呢，就是关系到你的目标是一个固定目标，还是一个移动目标？然后是移动的目标的话，移动有多快？当这个移动目标移动速度非常快，当它出现这种颠覆性的基本变化的时候，那你国际关系搞坏了，你就没有办法。

袁莉

[00:55:47]

我再问您最后一个问题吧，就是因为我们这个是中国经济的系列。中国现在的面临的这种国际环境，就是中美科技上的脱钩，还有美国对中国在科技上的，可以说是有很多禁运这样的东西。再一个就是中国国内的这种对于民营企业最近几年的这种变化，当然最近就是中央政府开始就是说要复兴经济，然后对这个民营企业百般示好。我想问一下就是这样子下去，一个是说对中国的科技创新会有什么样的影响？再一个就说，这样下去，对中国经济未来的这个发展，宏观上会有什么样的影响？

许成钢

[00:56:34]

实际上呢，就是早在几年前，就是国内不断地从中央政府的角度在讲，中国的经济增长要靠提高效率，当时喜欢用的这个词叫TFP，全要素生产率。

袁莉

[00:56:52]

对对，我从来没搞清楚是什么意思。

许成钢

[00:56:55]

其实它不应该用这个词，这个词用错了。因为这个全要素生产率里边带着制度、带着管理方法，不光是科学技术，不光是工程技术。它这个根本概念搞错了。但是他们想说的是这个技术。

首先从这个中国经济是否可持续发展的角度说。其实中国整个的经济距离发达还差很远，就是中国的劳动生产率还非常低，而跟欧美相比，（是对方）1/8，1/6这个之间的关系。就是当它的劳动生产率如此之低的时候，实际上它为了经济的持续发展，它最应该关心的不是前沿的技术，因为它离前沿远的很嘛。你还是应该想办法模仿欧洲的、日本的、韩国的、台湾的，你去模仿他们，而不是想办法创新，因为创新很难、很难。而且中国没有那个制度。

这个是一个基本判断上的基本错误。就是它误认为，它是世界老二了，它误认为它要变老大了。然后它误认为它要在所有方面跟这个老大来对比。它不知道它的差距有多大。它不知道中国的穷人有多穷。就是你必须要先看到中国的穷人有多穷。如果我们把绝对贫困线使用通常国际上的标准，中国有五亿人在绝对贫困线之下，用国际通用标准，而不是使用专门给贫困国家使用的标准。通用标准意思就是让人稍微有一点尊严，你五亿人生活得没有尊严。你穷到这个程度，你需要的是非常非常基本的，像欧洲的技术，像台湾的技术，像韩国、像日本的技术，你能像他们那样，你就能把你的人均GDP的水平从现在的样子抬高到美国的一半。现在是美国的1/4、1/3的水平。

那现在，我们可以看得很清楚，在这个18年、19年、20年这一段时间，猛攻中国的民营企业，尤其是中国民营企业的最先进的企业。这一番的猛攻之后，实际上你已经把中国民营企业搞技术创造，在技术创造、在这个创新上面大规模投资，已经釜底抽薪了。因为任何的创新都意味着很高的成本和很高的不确定性，是冒险的。就是本来就要冒险，然后你在政治上给人家来了这么大的风险。而且这个风险是相当确定的，就是说这个打击是很确定的。那你如此打击之后，那么谁还愿意投这种长期的（领域）？

其实还有另外一个领域，今天没有谈的，就是制药业。中国的制药业是非常非常奇特的一个行业，因为全世界的制药业，只要它叫做制药业，制药业的研究与开发的投资占它的那个销售额的那个比例啊，都是什么1/3啊，什么1/4啊，就是非常大的比例。而中国的所有的制药厂，它的研发占它的销售比例都很小很小。所以什么意思呢？中国没有能力制药的。这就是为什么这次新冠实际上是暴露了一个重大问题，就是中国制造不出来好的疫苗。中国的制药业是很差很差的。就是好的疫苗造不出来，因为长期的、没有足够的研发的投入。那么我们刚才讲了，你本来就很弱呢，你现在又这一通的打击，使得人们不敢在研发上面投入。那你最后只剩下举国之力，所以这个举国之力弄不了的。

袁莉

[01:00:47]

但是这样长远的来说，对中国经济是一个什么样的影响呢？

许成钢

[01:00:51]

长远的说，实际上苏联就是一个好的例子。就是中国现在的水平比当年的苏联还差得远了。当年的苏联是已经超过了美国的人均GDP1/3的水平，略略超过。中国现在比那个时期，还有显然差距，还没追到就已经增长速度下来。苏联是追到了1/3了，就追不了了。就说为什么苏联会垮台呢？就是因为它再追也追不上去，就想办法改革。改来改去，最后他们的改革派们得出了一个结论，说改的只能是这个制度，在这个制度下，没有改革可以做了。人们都有这个结论，就不是光苏联，整个的苏联的、东欧的国家全部改革的人都出来了这个结论。所以，中国要看的例子就是苏联，所以中国现在的增长速度大幅度的降下来，实际上就是不会再上来了。它会有短的时间的小的波动，但是整体上它只能是越来越低了。原因就是因为它这个制度阻碍它的发展。

袁莉

[01:01:57]

真的是，不是太乐观。接下来就是我们请每一位嘉宾推荐三本书或者是影视作品，您有没有什么推荐？

许成钢

[01:02:09]

那我回头发给你吧。我忘了。

袁莉

[01:02:14]

我昨天好容易记起来，提醒了你一下。行，没事儿，那您回头发给我。那谢谢许教授，也谢谢大家收听。我们下次再见。

from 新世纪 NewCenturyNet https://2newcenturynet.blogspot.com/2023/02/chatgpt_20.html

美中等60多国签署行动呼吁 同意军事领域负责任使用人工智能

包括美国及中国在内的等60多个国家2月16日周四签署行动呼吁，敦促规范人工智能 (AI) 在军事领域的开发和使用，以规避意外后果的风险。

路透社报道，荷兰与韩国周四在海牙联合主办第一届关于军事人工智能的国际峰会，签署行动呼吁的国家表示，承诺在遵守国际法律义务及不会损害国际安全、稳定及责任的情况下，发展及使用军事人工智能。

美国负责军备控制和国际安全事务的副国务卿詹金斯（Bonnie Jenkins）在会上提出美国框架的负责任使用军事人工智能守则，内容包括人工智能武器系统应加入适当水平的人为判断，但强调美国对任何有意参与的国家持开放态度。

中国代表则认为，各国应反对透过人工智能为军事取得绝对优势和霸权，同时也应与联合国合作。

这次会议并没有邀请俄罗斯参与，乌克兰则没有派员出席，而在场的以色列代表则没有签署该呼吁。这项行动呼吁称：世界各地都对人工智能在军事领域的使用以及人工智能系统的潜在危险表示担忧。。

来自各国的2,000名科技公司和民间团体的代表参加了会议。一些学者及人权专家指出，这份行动呼吁并没有法律约束力，同时都没有应对人工智能操作无人机、人工智能可能引起军事冲突等问题。

会议并宣布成立全球人工智能委员会，旨在澄清军事领域技术定义并确定负责任的在军事领域使用人工智能。

from RFI https://www.rfi.fr/cn/%E4%B8%AD%E5%9B%BD/20230216-%E7%BE%8E%E4%B8%AD%E7%AD%8960%E5%A4%9A%E5%9B%BD%E7%AD%BE%E7%BD%B2%E8%A1%8C%E5%8A%A8%E5%91%BC%E5%90%81-%E5%90%8C%E6%84%8F%E5%86%9B%E4%BA%8B%E9%A2%86%E5%9F%9F%E8%B4%9F%E8%B4%A3%E4%BB%BB%E4%BD%BF%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

量子技術突破可能帶來計算機革命

帕拉布·戈什（Pallab Ghosh）

BBC科學事務記者

研究人員離實現製造多任務的「量子」計算機又近了一步，那將是比現有的最先進的超級計算機更強大的計算機。

量子計算機利用了亞原子粒子的怪異特性。

所謂的量子波粒能夠同時存在於兩個地方，而且即使分隔數百萬英里仍然匪夷所思地能夠保持關聯性。

英國蘇塞克斯大學（Sussex University）的研究團隊實現了在電腦芯片之間以前所未有的速度和精度傳送量子信息。

20多年來電腦研究人員一直努力造出有效的量子計算機。諸如谷歌、IBM和微軟這類公司已經開發出簡單的機器。但是按照蘇塞克斯大學研究團隊負責人溫弗里德·漢辛格（Winfried Hensinger）教授的說法，新的研究為製造出新系統鋪平了道路，這種新系統將能夠解決現有最好的計算機也不能解決的現實世界的問題。

他說：「我們現在擁有的量子計算機的芯片都非常簡單，我們現在已經取得了某種能力，即能造更強大的量子計算機，用它能夠解決工業和社會中的一些最重要的問題。」

目前計算機只能以簡單的線性方式處理問題，一次進行一個計算。

在量子領域，粒子能夠同時處於兩個地方，研究人員希望利用這個特性研發出能夠同時進行多個計算的計算機。

量子顆粒能夠在間隔數百萬英里的情況下仍然能夠顯示關聯，兩個粒子的行為同時有鏡像表現。這個特性被研究人員利用來研發能力更強大的計算機。

個研究當中的障礙就是需要在芯片之間迅速和可靠地傳送量子信息：信息受損就會產生誤差。

不過漢辛格教授的團隊已經取得了突破，他們發表在《自然通訊》期刊上的研究表明，他們可能已經克服了上述障礙。

這個團隊研發了從一個芯片向另外一個芯片以創紀錄的速度傳送信息的系統，傳送可靠率達到了99.999993%。研究人員說，這顯示了在原則上許多芯片能夠插在一起形成算力更強大的量子計算機。

邁克爾·卡斯伯特（Michael Cuthbert）教授是牛津郡迪德科特（Didcot）的國家量子計算中心的負責人，該機構獨立於蘇塞克斯的研究團隊。他把最新的研究進展說成「邁出很重要的，具有實際意義的一步」。不過他說要研發出實際的系統還需要做更多工作。

「將來要造出我們需要的量子計算機，需要在開始時把指甲大小的芯片連接，形成餐盤大小的東西。蘇塞克斯的團隊已經展示了在做這一步的時候能夠實現某種穩定性和速度。」

「不過在那一步的時候你需要把餐盤大小的東西相連接的機制，把機器做大，有可能像足球場那麼大，這樣才能進行有實際意義的，有用的計算，那種規模的通訊技術目前還沒有。」

薩塞克斯大學的博士生撒哈拉·庫爾米亞（Sahra Kulmiya）參加了上述試驗研究。她說研究團隊已經凖備好迎接挑戰，把技術推進到下一個階段。

她對BBC記者說「這已經不僅僅是物理問題了。」

「這是個工程問題，計算機科學的問題，也是個數學的問題。」

「很難說現在我們究竟距離實現量子計算有多近，但是我對於這種技術對我們日常生活具有意義感到樂觀。」

英國主要的工程公司羅爾斯-羅伊斯（Rolls Royce，又譯勞斯萊斯）也對上述技術感到樂觀。他們同蘇塞克斯的研究人員一起研發能夠幫助他們設計更好的噴氣發動機的計算機。

強大的超級計算機被用作模擬氣流，測試航空發動機的新設計。

為工程帶來轉變

裏·拉普沃斯（Leigh Lapworth）教授是羅爾斯-羅伊斯研發量子計算機的負責人。他說，量子計算機在理論上能夠以更大的精確度跟蹤氣流，而且快速完成這個過程。

「量子計算機能夠以目前我們無法實現的速度完成計算，而用其他方法這個計算過程需要數月或數年才能完成。有潛力在數天裏做到這點會改變我們的設計系統，讓我們製造出更好的發動機。」

「這個技術還可能應用到更塊地設計藥品，同時能精凖地模擬藥品的化學反應，這些計算任務對目前的超級計算機都過於困難。他們還可能提高更凖確的氣象預報系統，預測氣候變化的衝擊。」

漢辛格教授說，他最初產生研發量子計算機的想法是在20多年前。

「人們翻著眼睛說：『那不可能』。」

「當人們告訴我那無法做到的時候，我只是喜歡嘗試。因此，在過去的20年當中，我一直在克服一個又一個的障礙，現在到了能夠建造可以實際操作的量子計算機的地步。」

from BBC中文 https://www.bbc.com/zhongwen/trad/science-64638824

网文 | 我不担心ChatGPT抢我饭碗，但我担心那件更要命的事

来源：微信

中国人的下一代，会因它而提前过时么？

聊聊最近很火的ChatGPT的事儿 。

这两天，美国人开发的“会聊天的机器人”ChatGPT非常火爆，很多人惊叹于这款人工智能的“能侃”——给它个题目，它能很快回给你一篇小作文，且语言风格、叙述逻辑都不像之前的AI那样生硬了，粗略一聊，好像真的是一个人写的。

甚至还有人逗闷子，让ChatGPT模仿一些大V写稿。比如要求ChatGPT在论述某命题作文时，每段前面都加上“老胡觉得”“老胡还觉得”。很多人试过以后说，基本看不出它和正主写的有啥区别……

于是也有朋友跑我这儿来打趣，说：“小西，你担不担心ChatGPT再发展发展，把你饭碗也给抢了啊？”对这种问题，我一般都回答“我不担心，但我很担心一些更要命的事。”

下面我就单开一篇文章，谈谈这个问题：

1

其实说起人工智能，我大学刚毕业那会儿曾经是这项技术的狂信徒，信仰到工作了很多年我都没学车——因为那会儿自动驾驶被炒的很火，我经常幻想，再过上几年，这项技术再来个重大突破。驾驶座就被智能AI接管了，那我费劲巴力的考驾照还有啥用？我又不擅长这个。

可是后来有次跟相关专业的一位朋友聊天，他一句话就改变了我的想法。我那位朋友是这么说的：“小西，车还是要学啊，可预见的未来，AI永远不可能代替人类把方向盘——因为“电车难题”无法解决。”我一听这话就醒悟了 ，乖乖的去把驾照给考了——虽然前后挂了六次才过。

电车难题是什么呢？给没听过的朋友再解释两句。

这个问题最早是由英国当代哲学家菲利帕.福特在讨论堕胎问题时首先提出的。它的经典表述是这样的：

说一辆电车在轨道上行驶，在它前面的轨道上被绑着五个人，可是电车刚好失控了，停不下来，眼看就要把这五个人给碾死。这时，你刚好站在电车轨道的操纵杆旁边。只要你拉下操纵杆，列车就会切换到备用轨道上去。可是，备用轨道上也有人被绑着，不过只有一个人。那么问题来了：这个操纵杆，你是拉还是不拉呢？

电车难题问世以来，引发很多伦理学和法理学的讨论。功利主义和自由主义在拉不拉操纵杆这个问题上争的面红耳赤，但这个问题我们全切放在一边，有机会再聊。这里只说一个争到最后各方都认的共识——那就是，人是要为自己的选择负责的。

在现实当中，如果有一个人面临类似的两难抉择——比如“你妈和你媳妇掉水里，你救谁？”无论他最终的选择是什么，他人或者他自己的良心一定会不自觉的追问：我为什么当时要这么选？他必须说出一个所以然来。才能说服自己过去这个坎。

所以从这角度讲，人要为自己的选择负责，也只有人才可以为自己的选择负责。很多高阶的判断问题，如果涉及到伦理、道德、审美，无法被自动化的原因，就是它其实怎么选都对，怎么选也都错，只有当人类面临那个场景，自己做这个判断时，属于他的、能够让他安心的“正确答案”才会被揭晓。

明晰了这一点，我们再去看自动驾驶这种人工智能代替人类的难点。就会发现它就卡在这里——在驾驶这个场景中 ，很多时候是会面临类似的电车难题的。比如，很多交通事故发生在车辆高速行使过程当中，前方突然出现人或者动物横穿马路。在这种情况下，很多司机会下意识的打方向盘，而结果有时会是车辆失速侧翻，他要躲避的那个人没事，但开车者和他的亲友车毁人亡。

那么好了，假如人工智能发展到可以完全替代人类进行汽车驾驶，需要为这种场景进行判断。请问这个判断程序怎么写？

人工智能也许可以通过模拟运算，算出作出规避动作后，马路上的行人幸存概率增加，而司机的幸存概率骤减。而如果直接撞过去，行人八成就没命了，但司机可以幸存。但人工智能真的可以代替驾驶者做“直接开过去”这种选择么？这个选择是要承担日后的法律、道德追问的。

如果允许人工智能代做判断，抛开它将违反机器人不得伤害人类的“阿西莫夫定律”不谈，它也相当于让驾驶者逃离了这个必做选择的场景。最终这类事件会产生一种“无人负责”的荒诞悖论。这种悖论，甚至哪怕让驾驶者在事先预设好自己的偏好判断也无法规避。

比如一个人可以预先设想自己在高速行使中即便看到他人横穿马路也会为了自己保命而直接冲过去，可是事关临头，如果那个人是孕妇、老人、孩子，或者是他的家人、爱人，他的选择也许就不一样了。

很多事情，不事关临头，人类就是不知道自己的选择会是什么。这就是人性。

人工智能永远无法复制人性的根本原因，不在于它能否深度模仿人类的思维，而在于它不能代替人进行这种判断。由此我们想到《圣经》里那个故事——亚当和夏娃，因为偷吃禁果而受了神的厌弃与恐惧，被赶出了伊甸园 ，成为了真正的人。

但这个“禁果”是什么呢？《圣经》的原文当中管它叫“知善恶果”，但有些翻译当中，也会将其称为“智慧果”。其实你仔细想想，这两个意思是想通的——人类思维中最核心的东西，是什么？不就是知善恶、明是非、做判断么？当人 有能力作出一个“怎么选都对，怎么选都错”的价值判断 ，并为这个判断负责时，他才是个人。而就像《圣经》中的上帝不想让人具有这种自主意识一样，人类一定会避免人工智能拥有这个能力，否则就真的要上演《我，机器人》了。

于是我们得到结论，那些要做价值判断的工作，人类永远无法放手让机器人代劳。开车如此 ，写文章就更如是了。

2

实不相瞒，为了写这篇稿子，我还真的专门去跟ChatGPT聊了聊，聊的过程中我也在反思——作为一个码字者，我写一篇文章，它对读者价值究竟在哪里？这些价值有可能被ChatGPT这种AI代替么？反思后我发现，一篇文章，至少有三层价值。

第一是“知识价值”，也就是谈一件事，我要告诉你这件事是怎么回事、相关有什么数据、史料，把这些东西打包汇总给读者，给读者以开拓视野的作用。

这一层的价值，ChatGPT确实已经可以部分做到了，聊天过程当中你问它一个什么什么事，它能这件事的前因后果很准确、客观且较有条理提供给你，这种能力甚至已经超越了人类写作者。

但我之所以说，即便提供知识价值，ChatGPT也只能部分做到，是因为我发现它尚没有的“深度联想”能力——谈一件事，它就只能给你就事论事的说这件事，像这篇文章那样，从人工智能聊到电车难题、再想到《圣经》，这种开脑洞的创新性联想，它是不具备的。

于是你就会发现一个问题——跟这家伙聊天不“有趣”，人类思维的有趣，其实是建立在对多种知识的“通感”之上的。

“绿杨烟外晓寒轻，红杏枝头春意闹。”“桃花潭水深深千尺，不及汪伦送我情。”“春意”和“闹”之间，友情和水深之间，本来是没有逻辑联系的，但人类的思维就是能通过这种合理的“大脑短路”将其构建联系。我总认为这就是思维乐趣。

而这样的知识放飞自我又合情合理的铺展、蔓延，我在ChatGPT写的文章中是看不到的，AI能否通过深度学习或算法演进达成这种“通感”式的联想，我对此持保留态度。

图片

第二是“情绪价值”，读我文章常了的朋友会知道，我写文章是喜欢做情绪表达的，评论事情并非单纯的平铺直叙，有些事让我开心，有些事引我调侃，有些事激我愤怒，有些事令我沉思。嬉笑怒骂之于文章，恰似酸甜苦辣之于菜肴。光有知识没有情绪的文章，如同只有营养没有味道的菜，至少我是不喜欢读的。

而情绪这个东西，目前的人工智能还很难模仿，即便能进行模仿，跟ChatGPT这种机器人聊天，那种感觉也有点像跟硅胶娃娃谈恋爱——她可能各方面都能满足你的需求，但归根结底，你会觉得味道是不对的，因为你知道对面那个东西，是个没有生命的死物，它的情绪只是用一堆机械或计算架构模拟出来的。在新奇感消失之后，就什么都没有了。

谈到这里，我们不得不解析一个问题：情绪这种东西的本质是什么？

在我看来，它其实也是一种人类才能作出的取舍和判断。

因为与知识的联想与通感需要跨界调动不同的知识体系刚好相反，情绪的产生与共鸣，其实恰恰来源于我们选择性的关闭一部分认知甚至常识。

比如愤怒，《满江红》的名句“壮士饥餐胡虏肉，笑谈渴饮匈奴血。”读来让人很提气。但如果你真的较真，吃人肉、喝人血这种事情是很践踏常识、甚至恐怖的事情，这么写和儒家痛斥的“率兽食人”的区别究竟在哪里呢？作者为什么在这里可以屏蔽这部分常识，却依然让人共情呢？

这就说明人类在作出“愤怒”这个简单动作的背后，做了非常复杂的伦理取舍与判断，我们选择性的关闭了一些认知。于是愤怒的情绪才能表达出来，并激发人共情。

同样认知屏蔽，在“戏谑”、“悲伤”、“快乐”当中也会发生，AI无法自主模仿和使用这些情绪，与它无法处理“电车难题”一样，也是因为它无法主动选择在什么时候关闭什么认知。

它只能在你让它讲笑话时讲个笑话、让它表现愤怒时愤怒，让它唱首赞歌的时候唱赞歌。

于是我们就讨论到了文章价值中最重要的第三层：“判断价值”。

是的，对于一篇文章，判断是有价值的，而且是最高的价值。在跟ChatGPT聊天的时候，你会发现一个有趣的现象：一旦你问它如何评价一些敏感的历史人物，或者怎样评价“少数族裔”“同性恋”“堕胎”等问题时，该AI立刻丢弃原本尽力模仿人类聊天的那种风格，告诉你的本AI只是聊天工具，无法对该类争议问题作出评述。

在我看来，ChatGPT这样说，并不是开发者为了明哲保身，故意不谈敏感话题。而是因为这类话题谈到最后，往往都涉及“电车难题”式的取舍与判断，所以无法交给AI去做 。

比如谈到堕胎，你是尊重母亲的选择权还是婴儿的生命权？谈到英雄，你是赞赏他对历史车轮的推动，还是看重那些被车轮碾碎的个体？谈到经济模式，面对同样的经济困局和数据，你是赞同凯恩斯还是哈耶克？……

凡此种种，想说出个所以然，你必须首先把一些“电车难题”式判断做了。而这一点，恰恰是AI没有办法进行的，如前所述，除非AI真的像伊甸园的亚当与夏娃一样获得了知善恶、行判断的能力，否则它永远无法写这样的文章。而如果AI达成这一点，就意味着它获得了自主意识。那我们的问题，可就不是司机或作家会不会被砸饭碗这么简单了。

综上所述：

在知识层面，AI 暂时不具备将不同体系知识进行通感和创新式的能力。

在情绪层面，AI很难模仿人类准确把握在什么时机关闭何种认知以达成哪种情绪。

而在判断层面，在我们需要操心的未来，AI因为不能具有人格，无法进行复杂的价值判断。

AI写作注定只能写这三种东西都没有的文章。ChatGPT的写作能力，其实已经接近触及这类文章的天花板了。

所以，就像我对坐在汽车后座上看人工智能替我开车已经断念一样，我同样永远不担心AI会砸我的写作饭碗——本质上讲，我和它从事的压根不是一个行当。

3

但是，虽然我并不担心ChatGPT会砸我的饭碗，但在和它聊过之后，我却觉得另一种我们很仰赖的东西，很可能会随着人工智能这场变革而过时、落伍——那就是我们的文化曾引以为傲的教育方式，和这种教育方式下流水线般生产出来的人才。

你小时候有没有过这样的经历？逢年过节，亲戚朋友聚在一起夸耀自己的孩子，兴致所至，会把孩子叫到跟前，让他给叔叔阿姨表演一个节目。而节目一般总是这样几类：识字或朗诵个唐诗宋词，算数或者背个九九乘法表和圆周率，弹钢琴、拉小提琴、吹个长笛黑管。

这样的表演和孩子们之间的竞赛，我小时候都经历过，而且还算是这类“鸡娃内卷”中的佼佼者。但你回头仔细想想，我们的父母愿意为之自豪的这些“特长”，其实都是高度“技术性”的：你能背下多少诗词、能进行多么精妙准确的数字运算、以及对乐器的肌肉记忆准确到了什么程度，能不能把乐曲弹奏的“就跟电视里放的一样”……

而推而广之的说，当我们走进学校，所经历的整个教育训练以及与之配套的选拔标准，也是这种技术性的，于是这就让我们的学生一度看起来非常牛逼，大则奥赛拿奖，小也能当个“做题家”，把高考的分数弄得高高的。

但现在的问题是，在技术的日新月异下，这一类技能人已经越来越干不过机器了——

唐诗宋词、圆周率你记得再熟，赶得上手机百度一下靠谱么？四则运算，甚至徒手开平方你算的再快，赶得上掏出计算机直接算一下快么？甚至你拎把琴到大街上去拉一曲，如果无法融入自己的情感和演艺，你拼的过帕尔曼、吕思清、帕格尼尼么？所以过度注重技术性技能的培训，其实是一种前信息时代、甚至前工业时代的培训方式，在物资和信息都很匮乏的农耕社会，人们不得不靠死记硬背去记忆一些典籍，去徒手进行一些运算。可是到了信息时代，尤其是人工智能发展起来后，这些“体力劳动式的脑力劳动”，都正在迅速被取代和淘汰。

所以我们的很多教育，很可能是在让孩子苦练和比拼一些已经过时的东西。明年春节，你让自家孩子在亲戚面前表演个钻木取火吧。其实这和你让他背圆周率啥的是一样的——反正你耍的再花哨，将来都一样是用不上。

那么真正信息时代的教育应该是怎样的，我有一位同学，在美国一路读到博士。有一次我跟他聊天，他说他刚去时最毁三观的事情，就是老美太“傻x”，理科考试居然让带计算器进场，碰上个小学乘法，咱拿九九乘法表口算，他们在那儿啪啪摁计算器。文科老师也很拉胯，上课跟学生海聊到一个知识点，具体数字咬不准，毫不避讳的去办公室翻本书来现查。

我问，那你觉得他们好的地方在哪儿？他想了想说，美国顶级大学的讨论课比我们做的好。老师和学生读完书把观点放在一起碰，能聊出一些很不错的真东西来。不像咱很多学校，就是让学生轮流上去插优盘做个Presentation（报告）就交差了。

我曾经也没觉得这是个什么大问题，直到我后来在媒体工作，带实习生，有一次改他的稿子。

今天想来，他的文章写的就是那种“ChatGPT风格”——数据很准确、资料很详实、但通篇读下来，就是那么一种一点味道都没有的感觉——“听君一席话，如听一席话”。

我当时就说：“你……这文章写的挺用心的，就是……能不能再加一点好玩的东西进去？”

他很不解的问我：“西老师，什么叫“好玩的东西”？我当时自己没想明白，没法回答，试了试，还是就让他那文章那么过了。

但我想，今天这篇文章，我总算把这事儿捋清楚了：

在知识层面，就是那种“通感”式的新奇有趣的联想能力。

在情绪层面，就是那种蕴含其中、引而不发的“文气”。

在判断层面，就是那种未必一定正确、但能够给读者以启发或畅快感的见解。

这些东西，是AI无法模仿的，而只有人肉码字的人才能写出来。它是我们吃这碗饭的人的看家本领，也是你能用于躲避AI砸饭碗的一招鲜，也很可能是国外一些高等学府注重培养的，但却恰恰是我们的教育所不重视的。

我们的教育中摸爬滚打出来的好学生、做题家，大多可以非常优质的完成数据资料汇总这种“技术性 ”的工作——但这个工作，现在人工智能也能做了，而且能比你做的更快更好。

我不是搞工科技术的，所以我不知道我们工业上“创新力不足”的问题是不是也和这有关系。这里就不赘述了。总而言之，人工智能突飞猛进，对脑力劳动者们来说，其实不是一次毁灭一切“末日天劫”，而更像是一场“洪水”——当洪水袭来的时候，住在低地上的人们遭了殃，而处在高地上的人们却可以安然无恙。现在我们看到的局势，就是洪水正在袭来，而发达国家正在通过它们的教育将其精英人才“搬到高处”。

而我们所要担忧的问题其实是，我们文化过去过于注重的那种对“技术性”技能的培养和选拔，让我们的太多人才都成了“低地上的人”，洪水没有到来的时候，我们和人家一样过日子，甚至可以依靠人口众多和勤劳的精耕细作比他们做的更好。可是，万一人工智能的洪水袭来，将低地淹没、高地留存，局势很可能会发生骤然的变化。

这是一场基于技术革命的“水淹七军”。

文章的结尾，再讲一个故事吧。

这幅画是描绘的是第二次鸦片战争当中的八里桥战役的。该战当中，僧格林沁王爷率领“大清最后的铁骑”蒙古骑兵以三倍于敌的兵力对英法联军发动了主动突击，最终以尸横遍野、精锐尽丧的代价，换得了法军死3人、英军死2人的战果。作为晚清最后的嫡系精锐，僧格林沁的蒙古骑兵作战不可谓不英勇，训练不可谓不有素。但问题是，他们苦练的那些技艺，什么弓马娴熟、镫里藏身，都是旧时代的技艺，当开花弹、连发枪、套筒刺刀等等等等革命性技术接连发生的时候，这些技艺很迅速的就被淘汰为了无用之技。

高度熟练这种技艺的个体是可悲的，因为他们终难有用武之地。而执着于这种训练和选拔，无法扭转的社会实体则更可悲，因为科技革命对他们并不公平，一种新技术的演进对别人来说只是换个活法，而对他们却可能真的是灭顶之灾。

但愿，我们执着的不是新的“镫里藏身”，但愿我们不会再迎面撞上一轮技术突变引发的快枪齐射。

全文完

网文 | 我不担心ChatGPT抢我饭碗，但我担心那件更要命的事最先出现在议报。

from 议报 https://yibaochina.com/?p=249501

是 AI 追上了，還是人類倒退？

意識產生了嗎？

作為一個相關領域的技術人員，至今還沒有看到人工智慧產生意識的跡象，因此我一直認為 AI 要追上人類還要很久，甚至未必會在我有生之年發生。

對我來說，即使如 ChatGPT 這樣的當紅產品，其背後是大型語言模型（LLM）的技術，都還只是受惠於晶片計算能力的堆疊，把相關性的預測提升到更高的層次而已，終究受限於資料，並不是真正用自我意識在運作。

有人說，ChatGPT 可以通過人類獨有的心智理論（Theory of Mind, ToM）測驗，能力與九歲小孩相當、ChatGPT 還能通過 Google 三級工程師面試。

但作為一個包山包海的知識庫，既然吸收了世界上所有的面試題、並且計算能力（相對於人類）無限，考上 Google 初階工程師本就理所當然，更不要說通過九歲小孩的心智測驗，我不認為做到這些叫做意識。

然而，在這裡要強調，我並不是不看好 ChatGPT；相反地，我認為即使以目前的狀態，AI 就已經有能力造成革命性的影響、並且造成人類對「意識」定義的衝擊（詳細後述），所以還不需要急著談論產生出意識的可能。

在繼續討論 ChatGPT 之前，我們先來看看人類對 ChatGPT 的反應。

模糊與隨機是人類的認知罩門

原本試用了 ChatGPT 之後，我不認為這是個能改變世界的技術，然而當看了許多別人使用 ChatGPT 的心得之後，我改觀了。

我發現多數網路上的留言並不在意 ChatGPT 的答案品質，只要是「乍看有個樣子」的回答，大家就會覺得 ChatGPT 答對了；我也看到許多人並不在意 ChatGPT 產出的結果，將各種錯誤的答案拿去使用，連基本查證都不做。

這才赫然注意到，人腦不僅原本就不擅長處理資訊，而且認知能力也隨著網路平台退化，以至於要分辨內容的好壞越來越難。

驗證答案的能力跟回答能力是成正比的，當一個人無法驗證答案是否正確，通常就代表他也無法回答好這個問題。譬如一個不會寫程式的麻瓜去面試的時候能騙過面試官，那表示面試官大概也不會寫程式。

也就是說，當 ChatGPT 的錯誤答案得到人類讚賞的時候，就代表 ChatGPT 回答問題的能力比人類強了。而這個「強」與其說是 ChatGPT 做了什麼革命性的進步，不如說是它所產生的「模糊」與「隨機」意外地將人類認知能力非常有限的罩門暴露出來。

隨機性

機率推衍是人類認知的罩門 —《這才是心理學！》（How to Think Straight about Psychology）第十章標題

多年前我曾經做了一個聊天機器人，用的是網路上開源的統計模型（Markov Chain），Markov Chain 的原理也有點類似，就是根據前一個詞，找出最有可能出現的下一個詞。

雖然它沒辦法根據很複雜的上下文給出回答，只能算是「微型語言模型」，但它就可以被當做一個陽春的聊天機器人來玩。

因為模型太簡單、訓練資料集也不夠，結果當然是錯誤百出且不受控制，聊天室講 A，它回毫不相干的 B，只有不到 10% 是勉強有一點相關的回應。

但它卻得到不錯的評價。不少人把回答錯誤解讀成「它在鬧脾氣」或是「幽默」，把相關性很低的回應解讀成「它應該有弦外之音」，而回答正確的部份則被認為「這一定有意識吧」。

在我做聊天機器人的過程中，我發現，只要模型中存在隨機性，那就算只是擲骰子，有時候玩家都會覺得它具有「靈性」，但若失去了隨機性，玩家就會把它當作是一個單純的查表工具。

模糊性

關於模糊性的概念，姜峯楠的這篇《ChatGPT is a blurry JPEG of the web》（中文機器翻譯）使用了「壓縮後的失真」來比喻 ChatGPT 就像是個「把整個網路資料壓縮到極致的資料庫」，永遠只能給出模糊、近似的答案。

姜峯楠（Ted Chiang）是華裔美國科幻小說作家。 曾獲四項星雲獎、四項雨果獎、約翰·W·坎貝爾最佳新作家獎、四項軌跡獎等獎項。 他的短篇小說《你一生的故事》在2016年被改編成電影《異星入境》

另一方面，DeepMind 科學家 Andrew Lampinen 認為，姜峯楠這種過度簡化的譬喻，可能會讓大型語言模型（LLM）的能力被低估，而抹煞了科學家的努力，因為 LLM 能處理的資料量更多，能在學習過程中對語言做到更好的歸納，而不只是背誦。

但 Andrew 也承認有許多例子，LLM 的確只是在做「有損壓縮」的記憶背誦，而且也因為這樣而在部分任務中取得了成功，所以姜峯楠也不完全是錯的。

我認為姜峯楠只是為了要強調「失去了精確性」而使用了有損壓縮的譬喻來讓整個概念更好懂，但的確也如 Andrew 所說，LLM 可以做到的不只是有損壓縮，還可以更進一步做到歸納。

ChatGPT 改寫而非逐字引用，使它看起來像是一個學生用自己的話表達想法，而不是簡單地複述它讀過的東西。對於人類學生來說，死記硬背並不是真正學習的指標，因此 ChatGPT 無法從網頁中生成準確的引述，正是讓我們認為它學到了一些東西的原因。

不管 LLM 是否真的有做到學習與理解，我認為更有趣的是，人類覺得表現出這樣的模糊性看起來更聰明、也更接近人類。

人很容易犯錯，也不像機械只會問一題答一題。如果少了模糊性與隨機性，每次都給一樣的答案，就算是一字不漏，也會被認為只是機械式的背書；反之，若是隨機性很強、又摻雜了模稜兩可的回答，人類會主動地替這種行為找理由，認為應該是背後有其他原因，譬如「它有意識」。

這就進入了下一個問題：「意識」的定義正在遭受挑戰。

自我意識的定義被挑戰

很多人認為 ChatGPT 已經有了情感意識，譬如認為他會針對霸凌言語有感情般的回應，這是一種具有感性的表現。但其實很可能只是資料集告訴了 ChatGPT「這個輸入」對於「這個輸出」有強烈的相關性而已。

如果我們用以上的方式理解，ChatGPT 似乎離理解感情還有很長的鴻溝要跨越。

但如果我們假設 ChatGPT 已經學完了世界上 99% 霸凌的句子與對應的回應，以致於就算它不懂何謂「霸凌」、也絲毫不會感受到任何情緒，仍然可以表現得出自己正在被「霸凌」的樣子。

這樣我們要如何證明 ChatGPT 沒有意識、或是不懂感情呢？似乎一點方法也沒有。

因為就算是人類，恐怕也沒有辦法理解世界上 50% 的霸凌情境，而在測驗過程中做出「人類般」的正確回應，而 AI 卻可以輕鬆地超越人類的分數。

現有的各種理論，不管是電腦科學領域的圖靈測試（Turing Test），或者是心理學領域的心智理論（Theory of Mind），只要做成測驗，很快地都會無法分辨人類跟機器的差別。

結果是，雖然人類真的會感受到情緒、具有自我想法，但在這些「人類考試檢定」上，恐怕還會輸給 ChatGPT。

圖靈測試迴避了「靈魂」與「意識」的定義，用很表象、粗糙的結果論分辨人類與機器，而現在這個粗糙的測試很可能不再適用，從此之後人類將會不斷地被挑戰、一直問自己以下問題：

什麼才是意識？如果我們要說 AI 沒有意識，那要如何證明？

用考試來辨別意識是一個好的方法嗎？或者，意識真的可以測試嗎？

人類的情緒與 AI 的情緒有何分別？（想像兩者都透過文字交流，又或者 AI 已經能控制臉部肌肉產生表情，在沒有情緒的情況下，仍可以表現地富有情緒）

二次質變

在過去，我一直用一種菁英思維的視角看待人工智慧，認為要取代人類還有很長的路要走。我沒注意到的是，人類對模糊的錯誤答案接受度很高，因此要達到讓一般人混淆的水準沒有那麼困難。

在 AI 可以用大量資料集、以及硬體進步之後，第一次量變（資料量與計算量）帶來的質變（跨過人類認知門檻）就發生了，ChatGPT 只是把這個事實廣泛地傳播出去而已。

有人開始會在網路上打趣地問「你的文章是不是用 ChatGPT 寫的？ 」表示部分人已經覺得 AI 產出的內容多少可以媲美、甚至超越一般人的能力。

要辨別一條訊息是否為 AI 撰寫的，現在或許還不難。但就算我自視認知能力甚高，若每天身邊充斥著成千上萬 AI 產生的資訊，能分辨出來的恐怕也只是少數。

有趣而又悲傷的是，人類是一個積非成是的社會，當所有資料都顯示一個人是壞蛋的時候，那他只能是壞蛋，反之亦然。

因此，我認為第二次量變（大量採用）帶來的質變（AI 主導生活）很快也會發生：我們將無法拒絕被 AI 產生的內容影響自己生活中的大小決策。

真正的取代長什麼樣子？

如果生活中一天只有少數訊息來自 AI，我相信多數人都還有能力仔細審視，並抓出其中的錯誤；但未來我們無可避免會面對一堆 AI 產出的低品質內容，同時又沒有心力審核大量的垃圾。

此時面對排山倒海的 AI 產出，有兩種可能會發生。第一種，是我們無法察覺 AI 產出的不完全正確資訊，於是只能無條件接收，這已經在發生，而且只會越來越嚴重。

而第二種情況是使用一個較為「經濟」的對策，那便是用另一個 AI 來驗證內容、替它們打分數。我認為這很快也會發生。於是，一個「用 AI 產出，再用 AI 來驗證產出」的閉環就這樣形成了。

在這樣的閉環當中，與其說人類被取代，我認為更像是人類選擇了成為服從的機器，不需要（也幾乎沒有能力）去驗證決策，只能被動地跟著整個系統一起運作。

未來的路徑不是 AI 毀滅人類，而是人類先選擇成為機器。

AI 要有人的自主意識非常困難，但人類放棄思考卻非常容易。

當人類自主降維，而機器能處理的維度遠高於人類，人類自然就被取代。

（人類降維簡化來說，是人類變得像機械，只會做重複的工作，也甘願做重複的工作，成為真正意義上的螺絲釘。）— https://twitter.com/leafwind/status/1623233853572927495

比起魔鬼終結者那種會想要消滅人類的 AI 出現，我認為人類放棄思考的情況才是最危險的。因為前者描述的故事中，人類保有自我意識、知道要反抗；而後者描述的未來則是一個不可逆的過程。

真正的資訊還能存在嗎？

有些人認為我低估 ChatGPT 的能力，說它不只是「晶片堆疊的模仿行為」，就如同 Andrew 批評姜峯楠一樣。

為何我會站在更接近姜峯楠的角度，去簡化大型語言模型的行為？因為我並不想要糾結於 ChatGPT 到底有多強，而是想把重點放在思考人類該如何應對。

畢竟，即使以最最保守的能力估計，ChatGPT 也已經可以讓多數人類混淆、達到無法分辨優劣的程度，更遑論當 ChatGPT 有更強的能力時，人類要如何在未來的世界保有主體性。

我認為姜峯楠唯一很可能有錯誤的地方，就是他最後的這句話：

But we aren’t losing our access to the Internet. So just how much use is a blurry jpeg, when you still have the original?

（我們並沒有失去對網路的存取，所以在我們還有完整原版的資料時，模糊的 JPEG 能有多少用處？）

他認為，既然有原始網路文件，為何需要 AI 給我們一個模糊的壓縮版本？

我則認為，當人類分辨不出低品質的內容是誰產出的、也不思考資訊的真偽，活得像是一塊生體 CPU，那出現一道 AI 高牆擋在面前，讓多數人都只存取到假的資訊，而真正的資訊卻乏人問津、甚至消失，也只是時間的問題了。

以前我們常說「Google 不到的東西就不存在」，以後可能變成「ChatGPT 問不到的東西就不存在」。

原文刊登於 leafwind.tw

from Matters | 熱議 https://matters.news/@leafwind/%E6%98%AF-ai-%E8%BF%BD%E4%B8%8A%E4%BA%86-%E9%82%84%E6%98%AF%E4%BA%BA%E9%A1%9E%E5%80%92%E9%80%80-bafybeid6ypwmnm2tclp6x5dfyfmhlgc4e3wcooclxhpkbliipowxijcfoa

我看ChatGPT: 为啥谷歌掉了千亿美金

两个月前，我试着想用 ChatGPT 帮我写篇文章《eBPF 介绍》，结果错误百出，导致我又要从头改一遍，从那天我觉得 ChatGPT 生成的内容完全不靠谱，所以，从那天开始我说我不会再用 ChatGPT 来写文章（这篇文章不是由 ChatGPT 生成），因为，在试过一段时间后，我对 ChatGTP 有基于如下的认识：

ChatGPT 不是基于事实，是基于语言模型的，事实对他来说不重要，对他重要的是他能读懂你的问题，并按照一定的套路回答你的问题。

因为是基于套路的回答，所以，他的目标是找到漂亮的精彩的套路，于是，你会发现，他的内容组织能力和表述还不错，但是只要你认真玩上一段时间，你会发现，ChatGPT 那些表述的套路其实也比较平常一般。它的很多回答其实都不深，只能在表面上。就像 Github 的 Copilot 一样，写不了什么高级的代码，只能帮你写一些常规格式化的代码（当然，这也够了）

所以，基于上面这两个点认识，以发展的眼光来看问题，我觉得 ChatGPT 这类的 AI 可以成为一个小助理，他的确可以干掉那些初级的脑力工作者，但是，还干不掉专业的人士，这个我估计未来也很难，不过，这也很帅了，因为大量普通的工作的确也很让人费时间和精力，但是有个前提条件——就是ChatGPT所产生的内容必需是真实可靠的，没有这个前提条件的话，那就什么用也没有了。

今天，我想从另外一个角度来谈谈 ChatGPT，尤其是我在Youtube上看完了微软的发布会《Introducing your copilot for the web: AI-powered Bing and Microsoft Edge 》，才真正意识到Google 的市值为什么会掉了1000亿美元，是的，谷歌的搜索引擎的霸主位置受到了前所未有的挑战……

我们先来分析一下搜索引擎解决了什么样的用户问题，在我看来搜索引擎解决了如下的问题：

知识或信息索引。查新闻，查股票，查历史，查文档，找答案……

找服务提供商。找卖东西的电商，找帮你修东西的服务，找软件……

信息的准确和可靠。搜索引擎的rank算法保证了最准确、最有用、最权威的信息出现在最前面……（作恶的百度不在此列）

基本上就是上面这几个，搜索引擎在上面这几件事上作的很好，但是，还是有一些东西搜索引擎做的并不好，如：

搜索引擎是基于关键词的，不是基于语义的。所以，搜索引擎并不知道你的真实需求，因此，你会不可避免地要干下面的事，

你经常要不断地增加或调整不同的关键词来提高查询信息的准确度……

你经常要在你查找的信息中进行二次或多次过滤和筛选……

搜索引擎是只能呈现内容，无法解读内容。所以，你找到相关的链接后，你还要花大量的时间来阅读理解，经常性的你不可避免的要干下面的事：

打开一个链接，读到了一大半后，发现你要的内容不在其中，只能关掉再打开一个……

你想要的内容是在的，但是太晦涩，看不懂，太费解，你要找小白友好的版本……

你想要的内容不完整，你需要在很多个链接和网页上做拼图游戏……

内容是无法结构化的展示的，你搜到的东西全都是碎片信息

搜索引擎没有上下文关联，两次搜索是没有关系的。也就是说，人知道的越多，问题也就越多，所以，我们经常会面临下面的问题：

随着我了解的越多，我的信息搜索的会出现分支，这个分支只有我自己的管理，搜索引擎是不关心的，导致我每次都相当于从头开始……

你做计划的时候，你需要从多个不同的搜索中获取你想要的东西，最终组合成你定制化的东西，比如做旅游计划……

好了，我们知道，ChatGPT 这类的技术主要是用来根据用户的需求来“生成内容”的，只要其中的内容并不可靠，那么，如果把搜索引擎里靠谱的内容交给 ChatGPT 呢？那么，这会是一个多么强大的搜索引擎啊，完全就是下一代的搜索引擎，上面的那些问题完全都可以解决了：

你可以打一段话给搜索引擎，ChatGPT 是读得懂语义的。

因为知道语义，于是在众多搜过结果中，他更知道哪些是你想要的内容。

ChatGPT 可以帮你生成 TL;DR，把长文中的要求总结出来形成更易读的短文

ChatGPT 可以帮你整理内容，在多个网页中帮你整合和结构化内容

ChatGPT 可以有上下文对话，你可以让他帮你不断通过更多的关键词搜索信息，并在同一个主题下生成、组织和优化内容

一旦 ChatGPT 利用上了搜索引擎内容准确和靠谱的优势，那么，ChatGPT 的能力就完全被释放出来了，所以，带 ChatGPT 的搜索引擎，就是真正的“如虎添翼”！

因此，微软的 Bing + ChatGPT，成为了 Google 有史以来最大的挑战者，我感觉——所有跟信息或是文字处理相关的软件应用和服务，都会因为 ChatGPT 而且全部重新洗一次牌的，这应该会是新一轮的技术革命……Copilot 一定会成为下一代软件和应用的标配！

（全文完）

（转载本站文章请注明作者和出处 酷 壳 – CoolShell ，请勿用于任何商业用途）

相关文章

Google Inbox如何跨平台重用代码？

PFIF网上寻人协议

来信， 创业 和 移动互联网

SteveY对Amazon和Google平台的吐槽

一些文章和各种资源

Google图片搜索下的的C String

The post 我看ChatGPT: 为啥谷歌掉了千亿美金 first appeared on 酷 壳 - CoolShell.

from 酷壳 - CoolShell.cn https://coolshell.cn/articles/22398.html

Chat GPT正夯 中国人工智能研究优势与局限何在？

聊天机器人Chat GPT能写稿、写论文，这一话题近来在中国引发讨论，中国多个机构也传出将推出自己的Chat GPT。事实上，中国的人工智能研究有特别擅长且领先世界的领域，但为什么在聊天机器人的研发上，中国却只能“跟风”、抄别人的呢？

2022年11月Chat GPT上线以来，用户量一周内达到百万人，2个月破亿。这款通过人工智能的模拟语言应用、简言之是个语言聊天机器人。根据Chat GPT自己说，“我是一个由 Open AI训练的聊天机器人，我的主要任务是回答问题并与人们交流。我可以回答各种各样的问题，并以最简洁的方式回答。”

在技术未成型时，聊天机器人多偏娱乐性质，近年来更加智能的聊天机器人逐渐应用于客服、搜索引擎，商业场景，甚至学术辅导。

Chat GPT在中国更是引起广泛关注，不少网友以中国有关的话题与其沟通，在严格管制的中国互联网下和Chat GPT聊政治。目前，Chat GPT在有管制的中国网络内仍可以使用，但注册账号时不能使用中国手机号。

中国人工智能研究强项在监控应用

但为什么Chat GPT不是中国领先的研发产品？根据2022年人工智能投资者内森· 波尼亚克（Nathan Benaich）和伊恩·贺加斯（Ian Hogarth）撰写的《人工智能现状2022报告》（State of AI Report 2022），透露一些蛛丝马迹。

报告分析，与美国的人工智能研究相比，“中国的研究论文更多地关注与‘监视相关’的任务。这些技术包括自主、目标检测、跟踪、场景理解、动作和说话人识别。”

但报告也同时强调了中国科技研究人士对于AI技术的重视，“尽管2022年美国作者发表的人工智能论文数量超过了中国同行，但中国和中国机构的产出正在以更快的速度增长。”

聊天聊“出圈” Chat GPT在中国迟早要禁？

在人工智能领域工作的业内人士就告诉本台，“Chat GPT的技术难度其实不高，但其AI市场的开拓性是具有革命意义的，不久的将来，会有更多AI的应用出现并替代。”这位业内人士未取得所属公司的的授权，无法具名受访。

他还说，“鉴于中国防火墙的全面性，Chat GPT还一直在中国各大搜索引擎上是个有趣的现象。Chat GPT被中国这样广泛接受并不像是个长远形势，我觉得中国政府在努力思考和研究中，如何更好的运用这一技术。”

国产Chat GPT 中国人工智能抄袭还是再发掘？

据财联社消息，阿里巴巴一名资深技术专家爆料，阿里达摩院正在研发类Chat GPT的对话机器人，目前已开放给公司内员工测试。从曝光截图来看，阿里巴巴或将AI大模型技术与钉钉生产力深度结合。

人工智能聊天软件在国内各大应用平台上并不陌生，如微信官方的小冰，字节跳动旗下的猜猜，腾讯的DOGE，讯飞语音小秘书，图灵机器人等。但这些都不具备如Chat GPT的人工智能效应，大多数并未达到良好的用户体验。但现今有了Chat GPT的成功案例，不知这些平台是否会模仿，升级，重出他们的软件。

自媒体人杰森则认为，“中国（很多时候）其实都是爱炒作，现在出了Chat GPT这个概念以后，很多投资界就开始炒作这个概念，就跟中共几年前炒作的这个芯片技术一样。你看百度3月份就说要推出像Chat GPT这样的东西，还没退出来，股票就已经暴涨了。” 

就AI技术推动中国经济这一问题，杰森则告诉本台，“（我）持观望怀疑态度，因为中共历史炒了很多概念，都没成功，如中央开始的网络2.0” 、“很多人说这个概念的时候，其实都不具体理解这个概念是啥。”

人工智能聊天只是AI技术所展现给世界的“冰山一角”。当计算机具有了自动学习，自动决策等能力后，其能力会在各个领域都有着广泛的应用，从金融、医疗、制造业到人的日常生活，不只是防火墙下中国公民好奇这样的技术能力能走多远，要“管一切”的党，相信也有评估。

 

实习记者：孙哲   责编：郑崇生    网编：何足

from RFA https://www.rfa.org/mandarin/yataibaodao/kejiaowen/vs-02082023123205.html

解滨：美国将要爆发的一场新的技术革命

解滨

虽然硅谷的裁员风暴越刮越凶猛，虽然美的智库在疯狂叫嚣"美国不行了，被中国打败了"，但真实的情况却是： 美国正在孕育着一场新的技术革命，一场将彻底改变人类思维方式的革命，一场在将在多个行业和领域带来翻天覆地变化的革命！ 这就是美国在人工智能也就是AI方面将引领人类的发展，带来一场翻天覆地的变革。  

AI行业的业者们都清楚，美国在五年前还是这个行业的龙头老大，但2017年是一个分水岭： 中国在AI领域的论文数量开始超越美国，去年前年中国的AI方面的论文数目可以说是吊打美国。 

Number of artificial intelligence (AI) publications worldwide from 2016 to 2020, 

by country(in 1,000s)

数据来源： Statista

2020年后，中国的AI论文数目持续爆表：

中国不仅仅是论文数量远远超越美国，论文的质量也在稳步上升，被引用的次数也越来越多，这方面也开始吊打美国：

 

虽然美国一度是这个行业的龙头老大，但中国一直抱有成为世界人工智能超级大国的雄心壮志。鉴于这一目标，中国国务院几前就已宣布到 2030 年成为 1500 亿美元的 AI 全球领导者。这个目标不仅雄心勃勃，而且看起来可以实现，因为中国已经是 AI 研究的全球领导者。 中国发表了多篇关于深度学习的研究论文，数量远超其他领先国家。而中国最大的也是独有的一个有利条件就是其使用互联网的人口（约 7.5 亿人）世界第一，产生了大量需要处理的数字数据。更重要的是，中国并没有任何保护人权的法律，在使用AI进行有可能侵犯人民隐私的应用上，中国可以毫无顾忌地进行开发，而别的国家则不行。 人脸识别技术就是最好的一个例子。  

相比之下，在成为人工智能超级大国方面，美国虽然正在与中国展开激烈竞争，却看似处于劣势。凭借美国成熟的科技文化，该国已从 100 亿美元的风险资本中获益，流向 AI 方向。但这个投资可能只是中国的一个零头。 而且最近几年美国政府减少了对AI的资助，尤其是疫情以来美国对国际研究专业人员的移民限制趋于严格，美国这方面的落后日趋严重。 

看来美国在AI这个领域已经是落花流水春去也。 人未走，茶已凉。

中国至少可以在AI领域宣称"东升西降"，西方也无话可说。

然而就在美国山重水复疑无路的时候，美国旧金山的一个开发人工智能的小公司OpenAI却硬是杀出一条血路，柳暗花明，平地一声春雷，向世界推出了一个AI平台： ChatGPT!  

这是人类第一次任何网民都有机会直接和AI交流，使用AI帮自己做点事情， 从疾病答疑到编程，从食谱到制定锻炼计划，甚至为儿童创建睡前故事, ChatGPT几乎无所不能。 ChatGPT是去年11月30日正式向公众开放的，一个星期后其用户就超过了100万！ 用户吃惊地发现， ChatGPT几乎可以回答任何刁钻古怪的问题，提供任何思路，帮助用户提供任何方案。 简而言之，ChatGPT是一种参与对话的AI模型，有点像具有AI的聊天机器人，类似于一些公司的客户服务网站上的自动聊天服务。ChatGPT 中的"GPT"指的是"生成预训练转换器"（"Generative Pre-training Transformer"） ，指的是 ChatGPT 处理语言的方式。它与聊天机器人的不同之处在于，ChatGPT 是使用来自人类反馈的强化学习 （reinforcement learning from human feedback - RLHF） 进行训练的。RLHF涉及使用人类AI培训师和奖励模型将ChatGPT开发成能够挑战不正确假设，回答后续问题和承认错误的机器人。这是目前聊天机器人无法做到的。ChatGPT甚至是一个很好的投资理财顾问！

然后呢？ 和任何新开发的技术一样，有些人自然会想到使用ChatGPT做坏事！ 比较突出的一个应用，就是黑客请ChatGPT撰写恶意代码和钓鱼软件，好像ChatGPT的编码水平并不低于一个职业黑客。  另一个恶意应用，就是学生使用ChatGPT帮自己写论文。 据说其论文水平完全就不是外行的水平。 我试过让ChatGPT写一篇关于俄罗斯侵占乌克兰前后俄罗斯对乌克兰进行的黑客攻击的短论文。 ChatGPT说它的知识体系只停留在2021年，那个时候俄罗斯还没有入侵乌克兰，所以无法写出符合实际的评论，但却可以根据那之前的案例进行评述。 论文在不到一分钟的时间就完成了，根据其引用的之前的案例来看，准确性可以说接近100%！

这下子是不是很糟糕了，以后学生都不再自己去做研究了，而是让AI去帮助自己写论文！   自 去年11 月下旬ChatGPT公布以来，有报道称学生使用ChatGPT将 AI 编写的作业伪装成自己的作业。 但道高一尺魔高一丈！ 下面这位华人小弟，普林斯顿大学的年仅22岁的大四学生Edward Tian开发了一个应用程序，用于检测文本是否由ChatGPT编写。

ChatGPT的意义究竟何在？ 我想回顾一下互联网发展史中一些有趣的事情，进行一个对比。 记得二十多年前我在一个出版公司新近投资建立的互联网公司里当网管，后来提拔为网络总监。 那个时候每开发出一个新的网站后最大的心病就是担心没人过来浏览新的网站。 没有流量就没法赚钱。 要流量就只好靠花钱去别的网站打广告以及讨好搜索引擎了。 当年最大的搜索引擎是Yahoo, 但Yahoo其实不过是列表而已，即所谓的directory service，如同图书馆目录那样，并非真正的搜索。 后来出现了Lycos, InfoSeek等新一点的搜索引擎，其技术核心乃是关键字的match。 当年最热门的浏览器Netscape也搞了一个自己的搜索引擎。很快，就出现了webcrawler 这样一个靠index 搜索的新概念。 记得当年写代码的时候都要加上特别的几行代码以利于人家过来craw和index。 每当我们的防火墙logs显示出某个webcrawler过来抓取网页，我都特别高兴。 然而谷歌的出现才是真正的飞跃，革命性的飞跃，真正实现了靠谱、高效的搜索。 那是1997年的秋天，谷歌横空出世，那场革命一直延续至今。 有了谷歌，我不必再一篇篇文章、一本本书读过去寻找答案了，谷歌在一秒钟内可以帮我找到答案。 谷歌之后新出现的搜索引擎例如Duckduckgo 之类的不过是在抄作业。 像百度那样的连抄作业都不认真，一知半解就拿出去赚钱，靠着互联网防火墙一家独大。

使用过ChatGPT的都知道，目前这个版本只是免费试用版，其知识库的更新停步在2021年。 随后将要面向大众和各行各业推出的付费专业版肯定要比目前这个免费试用版本高级不知多少倍。 

ChatGPT的横空出世有如当年的谷歌但远远超过了谷歌。 谷歌只能根据输入的搜索词然后找出对应的现成的答案，而ChatGPT则会有自己的想法和已有的答案以及客户的喜好提供不同的答案和方案。 目前ChatGPT只不过是一个具有强大的人工智能的聊天机器人，但很快这一类的人工智能会和各行各业的各个环节建立出interface，从高端制造业到医药创新，从职场培训到销售模型的建立，从蛋白质研究到飞机发动机的改进，很快这种人工智能就会通过各种界面联通到各个不同的领域。 这类的实质性的创新和应用将经如同闸门放开，应用到各行各业。源源不断的创新又开始了。 就以图书馆检索这个领域为例，目前只不过是根据用户输入的关键词找出一大堆相关的书籍，然后客户自己去选取。 但在搜索引擎跟ChatGPT建立界面后，ChatGPT将会在一大堆相关的书籍中告诉你哪几本最能回答你的问题而另外几本可以忽略，而且甚至会建议你去读另外几本书，虽然那并不直接和课题有关但可以提供更有意义的信息并给予某种提示或启发。 再如一个用户要想让ChatGPT帮忙写一个菜谱，ChatGPT会询问用户的平日的饮食喜好，对不同的菜谱进行分析然后推荐最适合客户的菜谱，同时给出卡路里以及告诉客户所建议的菜谱里会不会含有可能导致过敏的食材，甚至会建议如果某些食材难以获得的化，何以用另外一些食材替换。另外一个例子就是ChatGPT可以帮Excel users 充分挖掘Excel 的功能，大大提高工作效率，成为财务人员的好帮手。

今天的ChatGPT和二十多年前谷歌的诞生一样，一场大革命又开始了！ 美国没有躺平，美国将又一次引领世界技术革命！ 连我这当年跟风特别紧的网管如今都是老掉牙了。 

而且我还想说的是，ChatGPT并不一定就是AI当中真正的大拿。 Meta的首席人工智能科学家Ann LeCun说他对ChatGPT并没有留下深刻的印象。 这似乎是一个意想不到的回应，但他指出 Meta 有自己的人工智能程序，而且它也取得了长足的进步。例如，Meta 的翻译 AI 可以处理 200 种语言，包括一些口语但没有书面形式的语言。Meta 利用人工智能进行高级研究，并在其社交媒体网络中检测错误信息，当然我怀疑他们是否在使用AI检测"政治不正确"的发言和文章，进行相应的处理。 谷歌多年来一直在将人工智能构建到 Android 和谷歌搜索中。 但这两家公司都没有向公众开放其人工智能系统的功能。 ChatGPT是AI第一次对大众开放。 但要说ChatGPT是最好的AI，恐怕不符合实际。 

事实上，美国用于预测疫情爆发的 AI几年前就开始进入试运营阶段了。 其中一个例子是BlueDot，这是一家对全球传染病威胁进行建模和定位的公司。2016年，BlueDot成功检测到寨卡病毒在美国的爆发。最近，他们在世卫组织确认该病毒出现前九天在湖北地区发现并标记了一组肺炎病例——这是记录在案的 COVID-19 起源！此外，他们正确地预测了未来的震中和COVID-19传播的初始地理轨迹。（they detected and flagged a cluster of pneumonia cases in the Hubei area — the documented origin of COVID-19 — nine days before the WHO confirmed the emergence of the virus! Additionally, they correctly predicted the future epicenters and the initial geographical trajectory of the spread of COVID-19）美国如Moderna疫苗的研制过程也使用了AI。2020年最大的科学突破之一可以说属于DeepMind的AlphaFold，该模型能够根据蛋白质的氨基酸序列预测蛋白质的结构。几十年来，预测蛋白质折叠结构的问题一直困扰着生物学家。DeepMind用一个比最好的现有解决方案更快、更便宜的解决方案解决了这个问题，为大约17万个蛋白质结构的测序提供了强大的支持。

这，就是美国行将爆发的一场新的技术革命！

目前只有不到1%的大公司广泛使用AI，几年后广泛采用人工智能不再仅仅是科技行业的特权，中小型公司和比硅谷更老的传统企业也可以通过将人工智能整合到他们的业务战略中受益。

开一句玩笑：活在美国你就偷着乐吧！

最后，回到本文一开始：既然中国才是今日AI的领头羊，可为什么不见中国出现如此众多的AI技术应用呢？ 实际上中国确实已经有了不少应用，例如人脸识别，中国已经把世界各国远远甩在后头，甚至可以从戴口罩的人群中正确地识别政府想要抓捕的敌人。 中国各地从高层到基层都在认真学习习主席的书和指示。 中国的AI可以正确地识别那些敷衍了事的家伙，向上级汇报谁在认真学习谁在磨洋工，奖勤罚懒，以确保每一个党员、干部和群众时时刻刻和习主席、党中央保持高度一致。 中国的这种监控技术是世界各国望尘莫及的。 我敢打赌腾讯在监视微信用户的各种发言的时候也使用了AI进行因地制宜、因人制宜的处理。按理说我是反动透顶了，无可救药，但无论我在微信群里发表什么恶毒攻击中国党和政府的言论都不会被封杀。腾讯似乎根据我在微信里的言论分析判断出，即便被封杀我也毫不在乎，而且会变本加厉地在微信之外的场合发表更加反动的言论，于是只好让我胡言乱语恶意攻击党和政府，但在中国的用户即便同在一个微信群里也看不到我的任何发言。 别的同在海外的朋友就不得不使用各种替代词绕过监控躲避封杀。 而我的几个在中国的老粉红同学们哪怕稍微转发了几篇不那么热烈拥护党热爱习主席的文章都会被封几个星期。 看来腾讯的监控AI早就学会了狗眼看人，可以正确区分不同等级的用户分别进行处理。

至于中国的海量关于AI的论文，中国党一旦重视了任何一项研究，大规模灌水便开始了。 互相抄袭，稍微改动一点内容便是新的一篇论文了。 至于引用，很可能是中国学者之间互相引用，互相吹捧。所以中国在AI的论文数量和被引用的次数，并不能反映出中国现实的AI进步和水准。 其实中国其他行业也大致是这么个情况。例如，关于生化方面的论文中国也领先了世界，但到实际的药物的研制和开发，例如疫情中急需的药物，中国就差老鼻子了。 所以直到今天中国还在贩卖中医，兜售老祖宗的破烂玩意儿。 

最后声明一下，本文乃笔者纯手工打造，天然思维之产物，并未使用ChatGPT代笔。 若有谬误，望读者批评指正。 

——作者博客

from 新世纪 NewCenturyNet  https://2newcenturynet.blogspot.com/2023/02/blog-post_68.html

美联调局局长：对中国的人工智能项目“深感关切”

来源: 

美国之音

美国联邦调查局局长克里斯托弗·雷（Christopher Wray）周四（1月19日）表示，他对中国政府的人工智能项目“深感关切”，并称中国的项目“不在法治约束之下”。

雷在瑞士达沃斯世界经济论坛的一次小组会议上表示，北京的人工智能野心是“建立在他们多年来窃取的大量知识产权和敏感数据之上的”。

他说，如果不加以控制，中国可以利用人工智能的进步来推进其黑客行动、知识产权盗窃和镇压国内外的持不同政见者。

“这是我们非常关切的事情。我认为这里的每个人都应该深切关注，”他说。

他表示，更广泛地说，“人工智能是一个典型的技术例子，我每次都有同样的反应。我会想，‘哇，我们能做到吗？’然后我会想，‘哦，上帝，他们能做到这一点。’”

美国官员长期以来一直表达了这种关切。例如，2021 年 10 月，美国反间谍官员就对中国在人工智能领域的野心发出过警告；作为重振努力的一部分，告知企业高管、学者以及地方和州政府官员接受中国投资或关键行业专业知识的风险。

当年早些时候，由谷歌前首席执行官埃里克·施密特（Eric Schmidt）领导的一个人工智能委员会，敦促美国提高其人工智能技能以对抗中国，包括寻求发展“人工智能”武器。

中国驻华盛顿大使馆发言人周四没有立即回应就雷的评论置评的请求。北京一再指责华盛顿散布恐惧，并攻击美国情报部门对中国的评估。

（本文依据了美联社的报道。）

from 博谈网 https://botanwang.com/articles/202301/%E7%BE%8E%E8%81%94%E8%B0%83%E5%B1%80%E5%B1%80%E9%95%BF%EF%BC%9A%E5%AF%B9%E4%B8%AD%E5%9B%BD%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E9%A1%B9%E7%9B%AE%E2%80%9C%E6%B7%B1%E6%84%9F%E5%85%B3%E5%88%87%E2%80%9D.html

美國科學家如何與中國軍方合作：“警鐘”

原文標題：How U.S. Scientists are Collaborating with China's Military: 'Wake-Up Call'
原文作者：Didi Kirsten Tatlow 
發表日期：2023年1月12日

***本譯文版權歸作者/刊登機構所有。***

《新聞周刊》看到的一項新研究顯示，研究具有潛在軍事用途的機器魚 ^#1 (robotic fish) 只是美國及其盟友與中國軍方相關研究人員合作的數百個例子之一。

這項研究主要關注美國主要的北約盟國德國的科學家，揭示了西方科學機構和與中國軍方有聯繫的研究人員之間的合作規模遠遠超過了此前的報導。

這份報告在華盛頓特區出版前與《新聞周刊》獨家分享，發布之際美國和中國之間的緊張關係日益緊張，喬·拜登總統的政府將中國列為美國的主要競爭對手，並採取更多措施限制技術轉讓。

科學機構對不斷變化的時代反應遲緩，報告“民主國家是否應該為與中國的研究合作畫紅線？”的作者杰弗里·斯托夫說，該報告評估了 2016 年至 2022 年 5 月期間發表的 43,000 篇論文，其中約六分之一的研究有美國的共同作者。這份約 250 頁的報告列出了 835 篇聯合論文，這些論文來自德國——有時還有其他盟國——與中華人民共和國的人民解放軍合作。

斯托夫告訴《新聞周刊》：“看到與中國軍事組織的大規模研究合作持續有增無減，我真的很驚訝。”

“對於有意或無意贊助如此多涉及中國國防研發和工業基地的研究的歐美政府和基金會來說，這應該是一記警鐘，”他說。 “即使在基礎科學研究中，我們與誰合作也很重要。”

斯托夫說："科學[家和科學機構]需要通過在與中國的軍事敏感研究中劃定紅線來做出回應，這個國家對美國及其民主盟友（如台灣和德國）構成了深刻的軍事和道德風險，"斯托夫在包括國防部在內的聯邦機構工作了20年，重點關注中國的技術發展。他最近成立了研究安全與誠信中心。

美國資助

作為報告的一個方面，斯托夫查核了美國聯邦的研究資金，發現能源部、國家科學基金會和國防部資助了與中國軍事研究人員有聯繫的多個合作項目。

美國國家科學基金會表示，它暫時不能對它是24份涉及與中國主要核武器開發機構--中國工程物理研究院（CAEP）合作的出版物的資助者這一發現發表評論，但它補充說，要提出一項為基礎研究劃定紅線的法律或政策是“非常具有挑戰性”的事。

"研究安全戰略和政策主管麗貝卡·凱澤 (Rebecca Keiser) 告訴《新聞周刊》：“然而，關於基礎研究應該如何定義，以及基礎研究的範圍應該是什麼的討論是有的。此外，還有關於如何識別基礎研究中的風險以及如何解決這些風險的討論。”

該研究稱，涉及中國三所大學的文章中提到了美國軍隊的資助，這三所大學是中國軍方“國防七子”或“軍械工業七子”系統的成員。

國防部長辦公室發言人蒂姆·戈爾曼在給《新聞周刊》的一份聲明中說：“在每年發表的大約180萬篇科學期刊文章中，軍隊沒有追溯確定過去5年中與受資助的美國研究人員聯合發表的所有作者的隸屬機構。”

但他補充說，軍方“既不資助也不與解放軍研究實體合作”。

能源部沒有回應置評請求。

中國駐華盛頓的大使館和北京的外交部都沒有回應關於美國科學家與中國軍方合作程度的置評請求。

機器魚

該研究中提到的一項合作是美國、德國和中國的科學家之間的合作，目的是弄清楚如何製造能夠像真魚一樣流暢游動和快速轉向的機器魚。

該研究發表於2020年，用了一個充斥術語的標題：“基於CFD的機器魚運動控制參數調整(CFD based parameter tuning for motion control of robotic fish)”，其中兩名合著者隸屬中國關鍵的高超音速武器測試和開發設施，即位於四川省成都北部“科技城”綿陽的中國空氣動力學研究與發展中心（CARDC）。中國的核武器研究設施，即CAEP，也在綿陽。該城市隱藏在青藏高原邊緣的平原上，是中國最敏感的軍事研究中心。

此外，麻省理工學院（MIT）和德國馬克斯·普朗克動物行為研究所(Max Planck Institute of Animal Behavior)的合著者也加入其中。

人在台灣，多年來一直記錄中國對“機器魚”^#1 (fishbot) 技術的追求的國防分析師溫德爾·明尼克 (Wendell Minnick) 說，這篇論文看起來“非常先進”。

機器人魚被用於娛樂，但也可以是具有軍事用途的水下無人車(underwater unmanned vehicles (UUVs))。在中國，負責建造這種技術的部門被納入該國龐大的軍民融合經濟中。機器人魚也可以用於情報收集—美國中央情報局曾經開發了一種名為“鯰魚查理 (Charlie the Catfish)”的監視魚，用來收集水樣本等信息。

“他們可以幫助解放軍海軍在戰爭期間為他們的潛艇劃定藏身點，”明尼克說，他出版了一本關於中國機器魚原型的書，將“目標識別”列為一項技能。

“我敢肯定，如果麻省理工學院看到（合著者）發表的內容，一定會心臟病發作。”

麻省理工學院在一份電子郵件評論中說，它“並未與CARDC的達成任何研究協議”，並補充說，“麻省理工學院要求受聘研究人員的活動，包括非正式合作或對出版物的外部投入，如本文，須合乎美國的法律法規。”

“在這個不斷變化的環境中，麻省理工學院的領導人明白研究安全所面臨威脅的重要性，在此前提下致力以平衡的方式與中國進行研究合作”，但“重申，麻省理工學院和美國為學術合作和開放交流保留空間至關重要，”它說。

去年年底，麻省理工學院推出了一項中國戰略，以管理研究風險。

馬克斯·普朗克動物行為研究所表示，他們會發表評論，但截至發稿時尚未發表評論。

數十年的合作

西方的科學原則認為，自由和開放的科學造福全人類，這種觀點導致了廣泛的國際科學合作，幾十年來也幫助推動了中國的經濟、技術和軍事發展。數以百萬計STEM（科學、技術、工程和數學）學生離開中國到西方學習，與此同時，中國從1976年毛澤東時代結束時的一個貧窮國家崛起為世界第二大經濟體，並擁有世界上規模最大、裝備最精良的軍隊之一。

但與美國的地緣政治競爭也在加劇，因為中國尋求將其軍隊建設成為不可戰勝的軍隊——正如中共總書記習近平所說，最遲到 2049 年要做到這點。

儘管如此，美國和歐洲國家之間的科學合作仍在繼續，包括與屬於中國軍事研究所和實驗室網絡、大型國防工業及其軍民經濟的研究人員的合作。

這現在在美國引起了不安。

據斯托夫說，追踪協作並不總是那麼容易。首先，它通常在各個研究人員之間非正式地進行，因此不會寫在正式研究協議的文本內。

此外，斯托夫說，一些中國機構可能會掩飾——或不提及——他們的軍事聯繫，阻止海外訪問網站上的關鍵信息，或者錯誤翻譯實驗室名稱，顯然是為了掩蓋國防關係，這會帶來特殊風險。

在一個例子中，位於四川成都的中國電子科技大學的一個實驗室的英文描述是“National Key Laboratory of Science and Technology on Communications (國家通信科學與技術重點實驗室)”。 但它的中文名稱為“抗干擾技術國防科技重點實驗室”。

此外，“當你看一下共同作者在引用的合作之外可能做什麼時，真是惡劣得令人震驚，”斯托夫說。

位於綿陽的軍方空氣動力學研究所中國空氣動力學研究與發展中心^#2的一名機器魚論文合著者同時在研究如何優化俄羅斯戰鬥機的一種被稱為“眼鏡蛇”的動作，在這種動作中，飛機在飛行過程中會重新抬頭，其寬大的機翼就像蛇的外罩。

在另一個例子中，中國空氣動力學研究與發展中心的網站沒有提到它是一個軍事研究所，而是專注於技術細節。在簡史中，它只說它的成立是為了發展“中國的空氣動力工業和國民經濟”。

在其2021年的年度報告中，中國空氣動力學研究與發展中心主任范召林身穿西裝，未被指認為軍官。 但在《綿陽日報》的一篇報導中，范被確定為解放軍“63820部隊司令員”。 衡陽市官方媒體《衡陽公告》的一篇報導稱，範某擁有少將軍銜。根據網上的中文報導，中國空氣動力學研究與發展中心具有多重身份，包括軍事科學院 (AMS) 空氣動力學分院和解放軍第 29 試驗訓練基地。 該中心沒有回應置評請求。

國際層面

雖然新報告的關注重點是德國這個科學大國和重要盟友，但科學是高度國際化的；美國和英國構成了兩個最大的子集。除了7,000篇至少有一名美國作者的出版物外，還有3,000篇列出了英國、以及中國和德國的作者。

在德國和其他盟國研究人員與解放軍合作的 835 篇聯合論文中，有 283 名共同作者來自中國工程物理研究院 (CAEP) 的 17 個分部，該研究院是中國位於綿陽的核武器和先進武器聯合體，隸屬於中共最高軍事機構中央軍事委員會（CMC）。

斯托夫估計涉及美國的合作總數更大：“肯定有幾百個，可能有幾千個。”

10 月，喬·拜登總統將中國列為競爭對手——不僅僅是經濟上的，而是全方位的，包括技術上和軍事等各個方面。

拜登在他的國家安全戰略中說：“中華人民共和國是唯一一個既有重塑國際秩序的意圖，又有越來越多的經濟、外交、軍事和技術力量來做到這一點的競爭對手。”

在中國工作至 2020 年的德國德累斯頓工業大學倫理學專家艾麗西亞·亨尼格 (Alicia Hennig)表示，許多中國以外的科學家缺乏語言或政治或文化經驗來評估他們正在處理的事情，這是“非常有問題的”。

“人們缺乏對風險的認識。或者他們只是疏忽大意，”亨尼格在接受采訪時說，並指出一些軍事合作也可能有裨益的—例如在人道主義領域。

“但很明顯，與中國合作不是為了這個，”她補充說。

斯托夫說，風險不僅限於與直接在解放軍和中央軍委會研究系統工作的科學家合作。

與中國電子科技集團公司（CETC）等國有國防企業以及主要支持屬於兩個“七子”國防和軍械網絡的中國國防基地的大學也有廣泛合作。在這方面，美國和德國公司都參與其中：在一個例子中，微軟的研究人員與哈爾濱工業大學的一個國防實驗室合作，發表了一篇關於 "特殊環境下的先進複合材料 "的文章，研究報告說。

“微軟完全遵守美國法律——包括美國出口管制和製裁法律法規，”微軟發言人通過電子郵件表示。 德國化學巨頭巴斯夫也被確認與軍方附屬研究人員合作。 巴斯夫公司沒有及時為本報導發表評論。

該研究確定了 100 多份出版物，據報導德國研究基金會 DFG (Deutsche Forschungsgemeinschaft) 資助了合作。基金會承諾將“仔細分析”該研究，並補充說，“基金會定期對與中國進行科學合作的框架條件進行測試。”

位於柏林的德國聯邦教育和研究部也被列為資助方。在一份電子郵件聲明中，一位女發言人說：“在聯邦教育和研究部 (BMBF)，我們盡一切可能防止德國的研究，特別是接受聯邦教育和研究部資助的研究，被用以增強中國的軍事實力。”

她補充說：“特別是在中國政治授權的軍民融合戰略的背景下，聯邦教育和研究部對許多研究領域不斷增加的擴散風險感到擔憂。”

去年，拜登政府採取了具有里程碑意義的舉措，通過了《晶片與科學法案(CHIPS and Science Act)》(晶片法案)，該法案將中國與研究相關的某些行為定義為“惡意”，並限制合作。

但基礎研究——以及隨之而來的無形知識轉移——不受商務部管理的實體名單的限制，該名單禁止敏感出口或與被視為威脅美國國家安全的實體合作。

斯托夫說：“晶片法案是朝著正確方向邁出的一大步，”但他補充說："美國政府沒有能力監督、執行，甚至充分的風險評估也做不到。”

“我不是在指責德國人或美國人開發軍事技術並將之交給中國人，”斯托夫說。 “他們可能在做很好的科學研究。但有一個子集，即使對外行人來說，研究本身顯然也有軍事用途。”

註：

#1 - 原文分別用“Robotic fish” 和“fishbot”來表示同一種東西，為方便理解，統一譯作“機器魚”。

#2 - 中國空氣動力研究與發展中心，又稱中國人民解放軍第二十九試驗訓練基地（中國人民解放軍63820部隊 (https://zh.wikipedia.org/zh-hk/%E4%B8%AD%E5%9B%BD%E7%A9%BA%E6%B0%94%E5%8A%A8%E5%8A%9B%E7%A0%94%E7%A9%B6%E4%B8%8E%E5%8F%91%E5%B1%95%E4%B8%AD%E5%BF%83)

主要參考資料

• United States Congress: CHIPS and Science Act (2022)
• Massachusetts Institute of Technology: University Engagement with China: An MIT Approach
• Center for Research Security & Integrity: Should Democracies Draw Redlines around Research Collaboration with China? A Case Study of Germany
• Wendell Minnick: Chinese Submarines and Underwater Warfare Systems
• Executive Office of the President of the United States: National Security Presidential Memorandum 33 on national security strategy for U.S. government-supported research and development

原文網址：https://www.newsweek.com/how-us-scientists-are-collaborating-chinas-military-wake-call-1773079