实验室与现实：透视“人工智能作为普通技术”的演变路径

近年来，人工智能（AI）领域的发展引发了广泛的关注与讨论。部分专家预测人工智能将在短时间内带来革命性的变化，重塑职场、经济和社会结构；另一批学者则认为，人工智能的进展更像是一种“普通技术”，变化将缓慢且渐进。在“AI as Normal Technology”（人工智能作为普通技术）这一观点中，普林斯顿大学的Arvind Narayanan和Sayash Kapoor提出，人工智能的转型带来的经济和社会影响将持续数十年之久，远非瞬间爆发。通过对这一观点的解读，我们得以窥见技术进步背后更为复杂和温和的演变轨迹。 “普通技术”的内涵决定了其影响的渐进性。纵观历史，每项技术发明从产生到广泛应用，经历着从创新到市场采纳，再到深入社会结构和法规调整的复杂过程。

与电力、互联网等技术类似，人工智能亦将遵循发明、创新、采纳和扩散的阶段循环，每一阶段都依赖于前一阶段的成果，并且需要后续的实际应用反馈来推动进一步发展。这种反馈回路使技术的发展速度受限，也使得技术在早期无法呈现出爆发式的变革能力。 从现实层面看，虽然顶级人工智能模型如GPT-4已在诸多公开测试中展现出优异表现，如在律师资格考试中名列前茅，但这些成绩往往无法真实反映其在现实工作中的实际能力。标准化考试侧重于记忆与知识检索，而实际工作环境中则需要面对复杂的情境判断与协作能力，AI模型在这些方面仍有显著不足。此外，诸如编程辅助等领域亦表现出能力与现实应用之间的落差。换言之，能力基准测试过于依赖可量化和自动化的任务，忽视了真实世界工作所需的多元技能和实践经验。

这一认知导致“AI作为普通技术”观点认为，当前AI模型的现有能力被高估了，其快速发展的潜力被夸大。技术的进步将受到部署和应用周期的严重限制，正如无人驾驶汽车长达数十年的研发周期所示。无人车领域的挑战在于高安全风险与复杂的道路环境，测试和反馈的过程极其缓慢，限制了下一代技术的迅速迭代升级。同样地，AI的许多场景也将受到诸如数据隐私保护、商业秘密保护以及法规监管的限制，这些限制限制了可用于训练和改进模型的信息量，阻碍了技术的快速进步。 此类部署瓶颈与法规阻碍不仅仅来源于技术本身，也源于广泛的社会关切和安全考量。对于许多关键行业，比如医疗、金融和公共安全领域，技术的应用必须经过严格的测试和监管，确保其稳定性和可靠性。

这种严苛的标准自然导致AI扩散速度缓慢，即使在非安全关键领域，使用率和实用性也往往受限。由此看来，尽管人们对AI普及充满期待，现实中的采纳仍然充满诸多限制和不确定性。 此外，人工智能领域的“超智能”概念也被质疑。许多具备超级智能特征的科幻设想，如能够超越人类思维能力的AI，面临着根本性的逻辑和现实约束。现实世界充满了复杂、多变和不确定的因素，这些因素使得即便是超大规模的计算能力，也难以对未来事件进行精准预测，或在某些领域如政治预测和人类心理干预方面实现压倒性优势。人工智能的许多实际应用面临“不可降低误差”的瓶颈，也就是说即使人类表现已接近极限，AI也难以大幅超越。

对人工智能未来的影响预测存在分歧。持“普通技术”观点的学者认为，AI将长期处于人类的监督和控制之下。AI系统虽然能够接管越来越多的任务，但在人类的指令和监管下运作，因其自身稳定性不足以及安全风险，完全自主运作并非最佳选择。人机协作模式将成为主流，人类更多从事任务的指定、监督及评估工作，确保技术应用符合伦理和安全标准。企业市场和法律监管将推动这种有人监管的技术应用形态，确保错误发生的风险可控，避免潜在的社会冲击。 相比之下，急进观点则设想AI可能快速跃升并在全球范围内产生巨变，其影响如同历史上的微处理器和互联网技术一样迅猛而深刻。

然而，从历史角度审视，许多高调预期的技术在经过初期的热潮后，仍需经过时间沉淀和多方面考验，才能真正融入社会生产生活。例如，虚拟现实和3D打印技术虽备受期待，但至今未实现广泛、深远的社会效果。人工智能作为“普通技术”，面临的是一个复杂多层次的反馈和适应过程，技术持续进步的同时，也需应对市场、法律和社会规范的重重考验。 回望人工智能的发展轨迹，我们不难发现，从研究实验室到实际应用环境的转换远比部分技术观察者想象的要缓慢和复杂。实验室内，AI通过数据训练和算法优化迅速迭代；但在现实世界，必须面对具体情境的挑战、用户需求的多样性、安全与隐私保障的压力，这些都极大限制了技术的转化速度。此外，现实社会的多样性和复杂性也不会因技术突破而立即改变，社会结构和文化规范的调整需要时间才能配合技术的融合和普及。

未来，政策制定者、企业领袖和研究者需充分理解人工智能作为普通技术的现实路径，推动制定切实有效的监管和引导政策，促进AI在保证安全和伦理的前提下稳步融入各行各业。在保障人类监督和控制的基础上，科学规划部署周期、建立数据共享与隐私保护的平衡机制，有助于实现人工智能的可持续发展和社会价值最大化。 总结来看，人工智能作为普通技术的发展路径告诫我们，技术的社会效应和广泛影响并非瞬间加速的结果，而是众多阶段性因素交织推进的产物。怀抱对未来AI变革的期待，应同时理性面对技术进步与实际应用的差距，积极促进技术与社会的协调发展。未来人工智能将继续不断在实验室创新与现实应用之间摇摆，贯穿发明、创新、采纳与扩散的完整周期，逐步成为支持和增强人类社会运行的重要技术力量。