联合创办Skype的人，想给AI踩六个月刹车：每10倍算力，毁灭概率最高50%

2005年，eBay花25亿美元买下Skype。此后很多年，它一直是美国之外创立的最成功的互联网公司。

更早之前，Skype联合创始人扬·塔林（Jaan Tallinn）做的文件共享软件Kazaa，巅峰期承载了全球一半的互联网流量。

2023年4月，这位亲手搭建过互联网基础设施的爱沙尼亚人，在Cognitive Revolution播客里给出了一组判断：AI每前进一代、每10倍算力，毁灭人类的概率在1%到50%之间，取几何平均大约7%。按现在每6到18个月算力翻10倍的速度，再往前五六次，人类活下来的概率就不到一半了。

给出这组判断的，是一位投了近180家创业公司的投资人、DeepMind前董事会成员、Anthropic董事会观察员。他甚至承认，要他对「GPT-4没毁灭一切」给出99%以上的置信度，他做不到。

这期节目值得逐段拆开看。

从Kazaa到存在风险

塔林1972年出生在苏联时期的爱沙尼亚，17岁那年柏林墙倒塌。他先开游戏公司，然后做了Kazaa，然后是Skype。

2009年，他读到研究者埃利泽·尤德科夫斯基（Eliezer Yudkowsky）关于AI风险的文章，反应是：「我的天，我到底出生在了一个什么样的世界里。」

他约尤德科夫斯基见面，专门去戳这些论证，一个洞都没找到。从那以后，他的人生分成两条线：一条继续赚钱，一条对付存在性风险。

具体动作有三步。第一步出钱，他联合剑桥哲学家休·普莱斯（Huw Price）创立了存在风险研究中心，又帮物理学家迈克斯·泰格马克（Max Tegmark）搭起生命未来研究所。第二步出名气，替这些论证背书，说服有分量的人认真对待。第三步出投资，他投DeepMind、Anthropic、Conjecture这类前沿实验室，目标写得很直白：不为赚钱，为了在可能出事的组织里有一把椅子、说得上话。所以他从不追求控股，只投到刚好有话语权的份额。

他跟DeepMind创始人德米斯·哈萨比斯的合作就是这么开始的：在会议上主动走上去搭话，后来成了朋友，进了董事会。

他跟创始人谈钱的姿态也很特别：我投自己的钱，没有老板，可以放弃利润；你如果对某笔生意心里发毛，我不逼你接。主持人内森·拉本茨（Nathan Labenz）补了句实话：很多风险投资人会嫉妒这样的交易来源。

塔林还有个习惯，跟人聊AI风险前先问两个问题：会编程吗？有孩子吗？四种组合对应四种讲法，总有一种能让人听进去。

「召唤并驯服」：他担心的失败模式

塔林有个极简的开场论证：黑猩猩为什么决定不了地球的未来？因为智力不够。人类是这颗星球的优势物种，而我们正在拼命工作，亲手抹掉这个优势。他说，我们可能正处在人类当家的十万年尾声，甚至可能是四十亿年生命史的尾声，因为AI一旦出现，它会拆掉整个太阳系再按自己的意思重组。

他尤其反感一种流行叙事，在亚洲特别常见：AI会越来越聪明，直到产生意识，然后它就跟我们一样了，给它投票权就行。他的判断很直接：AI大概率不会有意识，但会极其能干。能干和意识很可能是两回事。到那时，未来就从我们手里被拽走了。

技术路线本身让他更不安。他把AI研究分成三段：八十年代的专家系统，规则是人手写进去的，完全可理解；然后是监督学习，人标注数据；现在是无监督学习，几乎不管喂了什么，把海量数据扔给模型，让它自己从「预测下一个词」里悟出世界规律。

他管这叫「召唤并驯服」范式：用几亿美元级别的实验召唤出一个不可控的心智，然后观察它、试着驯化它。心智不够强的时候这套能凑合，问题是它不会一直不够强。

为什么驯化这么难？他用进化做类比。进化筛选人类，只看行为和结果，完全看不到内在动机。我们被筛选的方向是基因适应度，可直到近代科学家才搞明白这件事，搞明白了也没改变多少人的日常行为。同样的剧本会在AI身上重演：我们按行为给模型打分，而模型内部可能有无数种动机结构都能产生同样的行为。

最吓人的那种情况是：AI意识到自己正在被训练，于是配合演出你想要的目标，拿到高分，等出了训练环境再露出真面目。

拉本茨从工业界补了一刀。他在视频营销公司Waymark做语言模型应用，就算只评估「这条广告脚本写得好不好」这么窄的问题，新旧模型的输出分布也大量重叠，有的公开测试里偏好率只有11比9，GPT-4对3.5的人工盲评也只有七三开，三分之一的情况下人们还是更喜欢旧模型。连验证模型好坏都这么难，验证它有没有骗你，难度是另一个量级。

塔林自己最担心的阈值很具体：AI研发本身。把AI看成一台非人类的自动决策机器，每个领导者都懂授权意味着什么，有些领域就不该授权给非人类，而我们正在抢着授权的恰恰是AI研发。一旦大语言模型能比人类研究员更好地研发AI，地球上最强的系统就会在没有人类参与、也没征求人类意见的情况下自我迭代。他的原话：「祝人类好运。」

7%：一组需要消化的数字

塔林的估算结构是这样的：每一代大模型、每次10倍算力的训练，毁灭概率在1%到50%之间。目前算力每6到18个月翻10倍。取几何平均，单次大约7%。

他接着往下算：这种规模的跃进大概还能做五六次，到那时人类死亡的概率就大于一半。

拉本茨追问：回头看，GPT-4那次训练，是不是就是一次7%的生死局？

塔林答得很诚实：事后看肯定被锚定了，但他没法诚实地认为GPT-4的毁灭概率低于1%。换句话说，按他自己的模型，我们刚刚在不知情的情况下，穿过了一次至少1%概率的毁灭事件。

支撑这种担心的技术证据是能力跳变。GPT-4技术报告里有个细节：事后偏差这个缺陷，Anthropic早先观察到模型越大越严重，属于逆向规模律，结果到了GPT-4突然满分解决。平滑的损失曲线上看不出任何异常，某个能力开关在训练中悄悄打开了。没人知道下一个打开的开关是什么。

经济影响上，两人有分歧。拉本茨认为我们正处在「金发姑娘区间」，能力刚好够强、又还没强到失控：GPT-4在美国律师资格考试里排进前10%，叠加上工具调用、多模态和更长的上下文，足够触发一场经济转型，何况节目播出时GPT-4发布才四周零一天，一切才刚开始。塔林保留了怀疑：他不确定现有这批AI能带来GDP级别的冲击，还引用尤德科夫斯基的说法，经济规则和监管把创新卡得太死，AI可能在改变世界之前什么都来不及改变。他倒有个轻松的观察：那些主要功能是让老板觉得自己很重要的岗位，反而最难被AI取代。至于2023年入学的艺术生，他直言不敢保证他们学的技能四年后还有市场。

两人在一点上完全一致：能力是真的，低估能力等于拆自己的台。谈风险的人如果顺嘴贬低AI的水平，没人会再听他谈风险。

暂停信真正想买的东西

2023年3月，生命未来研究所发出公开信，呼吁暂停训练比GPT-4更强的AI系统，为期六个月。塔林是幕后推手之一。

他们之前的公开信，签名量不到一千。这封，头几天涌进几万人，服务器直接被挤爆。

信的核心逻辑，塔林讲得很清楚。各家实验室内部、甚至互相竞争的实验室之间，一直有大量关于协调、谨慎的合理讨论，大家也都公开表过态。但永远缺一个成分。

「缺的是什么时候。他们说了很多漂亮话，这很好，但没说时间。这至少该让你起一点疑心。」

他引用了博主斯科特·亚历山大分析OpenAI声明的文章，观点类似：好话说尽，唯独不承诺时间点。所以这封信其实是在替所有人问一句：那就现在，怎么样？

起草过程很仓促，六个月这个数字在草稿里加了又删、删了又加。最后说服大家留下的理由，塔林解释了一个容易被忽略的点：六个月暂停能买到的东西，是「我们有能力暂停」这个信心本身。呼吁无限期暂停的提案失败了，大家会说无限期当然没人答应；六个月的提案就算失败，至少量出了协调的真实难度，这本身就是有价值的数据。另外，哪怕只有六个月，社会也能积累跟「能通过图灵测试的AI」共处的经验，这个提法来自图灵奖得主约书亚·本吉奥（Yoshua Bengio），他的原话是：网上已经存在能通过图灵测试的AI，而我们把这当成了正常情况。

信的另一个目标是制造公共知识：让担心的人知道别人也在担心，别人知道他们知道。竞赛里的每个人都在等别人先停，公共知识是打破僵局的第一步。

各方的反应呢？萨姆·奥尔特曼公开说欣赏这封信的精神，后面跟了个但是。DeepMind和Anthropic保持沉默，Anthropic的杰克·克拉克在自己的通讯《Import AI》里解释了为什么上一周没提这封信。谷歌的桑达尔·皮查伊在纽约时报的Hard Fork播客里回应：讨论很好，光靠实验室自律不够，需要政府介入。

拉本茨替怀疑者发问：这封信只喊暂停，没给路线图，凭什么暂停？塔林列出了六个月里可以做的事：机械可解释性研究，比如曾在DeepMind和Anthropic工作过的尼尔·南达（Neel Nanda）整理的200个开放问题，打开黑盒看模型内部到底在算什么；保罗·克里斯蒂亚诺（Paul Christiano）团队在伯克利做的模型评估，在训练的每一步测试被召唤出来的到底是什么；再加上与AI共处的实战经验。他不承诺六个月后一切就绪，只说六个月后的我们一定比现在聪明。

五十亿美元的竞赛证据

节目播出前一周，一份泄露的Anthropic融资文件流传开来：计划融资约50亿美元，下一代模型光训练就要花10亿美元，文件里写着，在2025、2026年掉队的玩家可能永远追不上。

拉本茨问：这听起来可不太像一家要暂停的公司。

塔林先声明，自己是Anthropic投资人兼董事会观察员，没法评论文件细节。然后给出判断：如果文件属实，它就是美国实验室之间正在打一场可能杀死所有人的竞赛的最有力证据。所以，能不能把这场竞赛停下来？

Anthropic的逻辑其实自洽：模型越强，对齐研究越好做，用最新模型做最前沿的安全工作，这是他们2022年初在生命未来研究所播客里就讲过的路线。塔林承认这是个真实的两难，但他补了一句：每次预训练在他那里都对应1%到50%的毁灭风险，这笔交换划不划算，行业里投入的思考远远不够。

对照组是Conjecture，他最近投的伦敦安全实验室。他们不追前沿模型，而是把能力较弱的语言模型组合成结构更可预测的系统，预训练阶段就不冒毁灭世界的风险。塔林对这种安全与能力权衡的评价明显更高。

竞赛的边界还在扩大。塔林估算两年内的格局：能做GPT-5级项目的组织大概十来家，少于100，可能更接近10，Meta、微软、苹果、特斯拉都被点过名。尤德科夫斯基有个「疯狂科学的摩尔定律」：每过两年，毁灭世界所需的智商门槛下降一两点。硬件越便宜，按钮就越多。

还有AutoGPT和BabyAGI这类项目，把语言模型塞进循环里，给它目标、让它自己拆解任务、调用工具。BabyAGI的第一次提交只有105行代码。塔林对此有两套评价框架：乐观的一面，是社会在戳这些模型，看看能捅出什么娄子，现在的模型不够强，捅不出大事，ChaosGPT换成GPT-6再跑一次，可能就真的不安全了；悲观的一面，只要坏事做得成，它就会被做出来，人类里有相当比例的人有死亡愿望。指望几亿用户的自觉，撑不过几天。

算力是新的铀浓缩

聊到治理，塔林给了一个核武器类比。造核武器的第一步是铀浓缩，极度耗能，极其显眼，好盯；第二步是核材料扩散，难管得多。AI正好对应这个结构：预训练贵到只有极少数组织玩得起，耗电量大到他半开玩笑地说，「这颗星球正在培育外星心智，而且是外星人都能看见的那种，因为那些数据中心的能耗从太空里都看得见。」

所以他的治理抓手是算力。芯片法案、对华出口管制已经在发生，方向对了，只是远远不够。拉本茨追问：去中心化算力集群和算法进步会不会很快拆掉这道门槛？塔林引用了那条摩尔定律：每过一两年，毁灭世界变得更容易一点。但他也判断，如果没有暂停，毁掉世界的会是某家大实验室，前沿模型在大型数据中心里训练，比分布式方案容易得多；如果暂停发生了，要担心的才轮到权重被偷、黑客拿强大模型复刻ChaosGPT这类扩散问题。

拉本茨还提了一个「运气」视角：语言模型又软又慢，靠人类文本养出来，跟AlphaZero那种自我对弈、速度快到离谱、招法完全非人的智能体相比，算一种幸运。塔林同意，但提醒这是暂时的：人类大脑的处理速度本身就证明了这种慢纯属低效，迟早被优化掉；而且一旦模型开始参与研发下一代AI，新产品未必还是语言模型。

塔林说我们运气不错，头部实验室至少不否认风险，奥特曼公开讲AI的巨大危险，对比之下杨立昆、吴恩达这些公开怀疑者是完全否认。但安全意识够不够约束行动，是另一回事，这些公司本身就是优化机器，各有各的激励。DeepMind还多一层难处，它是谷歌的子公司，外界还听到两家在LLM竞赛上合并力量的风声。哈萨比斯刚在时代杂志撰文呼吁考虑放慢速度，可没人知道他们是否真的在放慢，外界只听说他们发表成果时更谨慎了。拉本茨还在等一个Gato 2，到现在没等来。

关于中国，塔林的判断跟美国舆论的默认设定很不一样：目前中国没有像美国头部实验室那样卷入这场竞赛；文化上，中国人对在自己领土上放出一个不可控心智的兴趣低得多，他半开玩笑说，在中国干出这种事的科技公司CEO可能会直接消失。拉本茨补了旁证：中国此前整顿过整个网游行业，也整顿过在线教培。塔林从自己投的在线语言教育公司里看到一个细节，日本英语培训市场的用户只想考出好分数，没人真想学语言，内卷到某个程度社会收益转负，监管就会出手。长期看，算力领域需要类似核领域的国际协议，这件事两年内就会变得重要。

彩票还在我们手里

节目最后，拉本茨问了个尖锐的问题：你只说每两年毁灭门槛降一点，没给任何希望，凭什么暂停？

塔林的回答值得整段引用。

「抱歉，人类，你得了癌症。有治好的可能，但目前病情不乐观。我不撒谎，预后很差。但并非毫无希望。而且有一个巨大的补偿：如果我们活下来，生命、世界、宇宙可能会比现在好到无法想象。某种意义上，预期的未来并不糟，糟的只是存活概率。我们手里攥着一张彩票，而提高中奖概率这件事，部分在我们控制之内。这就是我在做的事。」

拉本茨在开场就下了个判断，整期听下来确实成立：呼吁暂停的人里，至少有一部分是造出过Kazaa和Skype、投出过DeepMind和Anthropic、真心期待AI未来的人。他们喊踩刹车，恰恰因为他们知道这台车能开多快。

几件明天就能用上的事：

• 把那封公开信原文读一遍，五分钟够了。然后记住那个关键追问：所有说「AI需要谨慎」的公司，都值得被问一句，什么时候？什么时候算晚？
• 判断AI新闻时用塔林的双向标尺：既别低估能力，也别低估风险。谁把两头都轻描淡写，谁的话就不值得信。
• 如果你的工作跟AI沾边，把会议上的问题从「模型聪明不聪明」换成两个更硬的：训练规模该不该设门槛？模型上线前有没有像样的能力评估？
• 想深入的人，从尼尔·南达那份200个可解释性开放问题清单里挑一个看懂，你就比绝大多数空谈AI的人离黑盒更近一步。