朱松纯称审美可数学表达,杨澜质疑人文体验能否被公式拆解

纪实访谈《探寻人工智能2026》最新一期,把讨论焦点放在机器能否体察人心上。主持人杨澜与朱松纯展开对谈,朱松纯是北京大学的通用人工智能方向研究者。

陈繁昌此前担任香港科技大学校长,也在席间补充观点。算法究竟能不能把握审美,这场分歧被直接摆到台面上。



一侧的判断偏保守:人心与审美很难靠算法原样复刻,价值取向也无法被简单写成规则。另一侧则给出偏理科的回应:审美或许可以被理解为感知在低维美学空间上的投影,背后规律仍存在被建模、被推导的余地。

两种判断针锋相对,真正的分歧究竟落在数据能力、价值建模,又或者是人对自身经验的体认方式?

一场摆到台面上的文理之辩

整期节目把话题落在人工智能能不能体察人心、领会审美、承载复杂的人类价值上,这类问题被视作通用智能推进途中难以回避的关口。镜头把几位学者关于通用智能的判断并置在同一组观察窗口里,彼此对照着看。

杨澜站在人文一侧连续发问:算法能不能推导出一套审美公式,价值观念又能不能被形式化处理。她并不否认探索通用智能是长远方向,但对机器原样复刻人心,始终保留着一份谨慎。



朱松纯从理科角度作答。在他的数学视角里,审美可以被看作感知在低维美学空间上落下的投影,审美规律具备被建模、被推导出来的可能,而且离这一目标正在一步步靠近。

他把一套能够贯通审美、价值与文明差异的统一理论,当作自己毕生的研究追求。这套理论落到现实层面,是让智能体理解价值所在、行为可以追溯,最终换来更高的安全性与运行效率。只有行为背后的动机可以被追溯,系统在复杂场景里才更不容易偏离预期。

面对不同文明与偏好的差异,他的框架并不把对立看作非黑即白的冲突。在他看来,这些差异更像是同一个价值空间里不同维度上的选择,好比有人偏爱辣味、有人避之不及,说到底只是口味偏向之分,谈不上高低优劣。

陈繁昌则从教育与能力边界的角度补上一层观察。他认为人工智能更擅长规则清晰、素材充足的任务,比如刷题作答、语言翻译、材料整理;一旦碰上复杂系统、价值取舍和从未见过的题目,人的判断力与创造力暂时仍难以替代。

谈到人才培养,陈繁昌更看重兴趣与长处是否匹配。朱松纯强调的则是视野与判断力的养成。两人都认同,这类高风险、长周期的探索,离不开相对宽松的试错环境。

鹦鹉与乌鸦:两条智能路径的分野

朱松纯用鹦鹉和乌鸦打比方,区分出两类智能。鹦鹉记性出众,投喂多少就背诵多少,参数堆得越大、存得越多,表面上越显得有文化;可接得上话,并不等于明白对方话里的缘由。

它能复刻语气和句式,却未必追问语句背后的处境与动机,模仿越流畅,越容易让人误以为它已经懂得人情世故。

当下主流大模型的运作方式,是在海量文本中检索下一个最可能出现的词,依靠概率接龙把回答生成出来,并未真正领会表达背后的因果、目的与价值。训练数据覆盖得再广,也只是在统计意义上逼近人话,这一类路径,被他称作鹦鹉范式。



乌鸦走的是相反的路子:先观察环境,再梳理因果,定下计划,等待时机。比如把核桃丢到路面上,借过往车轮把壳碾开,随后留意信号灯变化,等行人通行的绿灯亮起再上前拾取,取舍全靠自主判断完成。它不依赖旁人逐句下达指令,而是根据当下情境自己权衡先后。

落到技术框架上,朱松纯团队提出了CUV架构。其中C代表认知架构,承担感知与推理;U代表能力函数,把握客观规律以及每种做法的代价;V代表价值函数,承载动机、偏好与判断。

三者分工明确,认知负责看清世界,能力函数衡量手段是否可行,价值函数则回答为什么选这件事而不选那件事,决定取舍方向。

在团队的方案里,价值系统V被划成五层:基础生存、个体体验、基础人际、群体声望、集体文明,分别覆盖人从朴素需要到精神追求的各个层级。层级越靠上,越接近人对尊严、归属与理想的追求。

依照这套思路研制的通用智能体“通通”,其实早在2024年1月就第一次公开露面,一直到2026年3月,已经迭代到3.0版本。

它融合视觉、语言与声音能力,能够拆解任务、规划路径、完成因果推理,并识别人的意图、情绪与需求,围绕目标主动安排行动步骤。

公开演示中,室内温度偏高时,通通会自行打开空调;听到老人咳嗽、了解到对方不宜被冷风直吹之后,它重新权衡价值权重,把老人的健康放在降温前面。

它关掉空调,改开远处一台不直吹人的电扇,全程没有等待新的指令。这个选择说明,在它的判断里,不同目标之间存在可以被排序的轻重关系。

为机器立心:价值建模的长期命题与边界

两条路线的根本分野就在这里。大模型沿着海量数据堆叠的路径去驱动窄场景任务,容易被数据洪流裹着往前走;CUV方案则主张依靠少量样本完成复杂任务,一举一动由内在的价值坐标引导。

前者的能力边界由数据覆盖面决定,后者则把判断依据收束到一套可解释的内在坐标上。

价值标尺必须能够建模、能够迭代、也能够校准。参数堆叠并不会自然生出轻重之感,机器要在两个都说得通的选项之间排出先后次序,仍然离不开一套清晰的价值函数体系。价值排序不是一次标定就能固定下来,还需要在反复交互中对照现实持续修正。

朱松纯为这套体系找到了思想上的锚点。他援引传统心学中“致良知”的思路,认为良知并不是知识日积月累后的副产品,而是人天生具备的价值判断力;在他看来,让智能体明白应当去做什么,比让它掌握可以去做什么,更接近问题的本质。

杨澜在对谈中又追问了一层:人自身的信念往往会随年岁更迭,年轻时笃信的道理,到中年可能被自己推翻,那么又要把哪一版价值图谱教给机器。

朱松纯给出的践行方向,是不把一套僵死的教条灌输给机器,而是赋予它一套可不断生长、自行纠偏的判断机制。这也正是为机器立心这一提法的真正落点。

人才侧的配套同样不可缺少。朱松纯挑选学生,看重开阔的视野、认知能力与稳定价值取向叠加而成的判断力,看重原生兴趣,也看重坐得住冷板凳、耐得住漫长周期的性情。

兴趣提供长久投入的内驱力,稳定的价值取向则保证方向不至于跑偏。这种回报慢、周期长的高风险探索,需要一片容许反复试错的宽松环境。

这条路最终能不能抵达通用智能,目前还没有定论。但把行为背后的动机与逻辑纳入研究核心,本身已经说明,当前人工智能的竞争正在从执行效率,转向对价值与意图的理解,这一层显然更难。

技术走到最后,终归是为了让人把日子过得更踏实、更有尊严,机器能不能读懂人心,答案也终将回到人自己身上。

展开阅读全文

更新时间:2026-11-21

标签:科技   公式   人文   数学   朱松   价值   智能   繁昌   人心   机器   人工智能   建模   能力   判断力   函数

1 2 3 4 5

上滑加载更多 ↓
推荐阅读:
友情链接:
更多:

本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828  

© CopyRight All Rights Reserved.
Powered By 61893.com 闽ICP备11008920号
闽公网安备35020302034903号

Top