撰文：Techub News 整理
导语
作为人工智能领域的奠基人之一、2011年图灵奖得主，Judea Pearl（朱迪亚·珀尔）的贡献——尤其是因果推断理论——正在当今的AI浪潮中被重新审视和赋予新的意义。在2025 年 8 月的一场深度对话中，Pearl（珀尔）系统阐述了他为何坚信因果推断是通往创造真正具有意识的人工智能的“缺失一环”。他指出，当下基于海量数据和统计关联的AI（如大型语言模型）虽然表现出“聪明”，但缺乏对世界运作方式的内在理解。在这场充满哲学思辨的访谈中，Pearl（珀尔）不仅剖析了AI技术的现状与未来，更对人类智能的本质、自由意志的幻觉以及人类在未来可能成为AI“宠物”的命运，提出了发人深省的预言。
摘要
- 因果推断是AI从统计关联走向理解世界的桥梁，是构建有意识AI的缺失环节。
- 当前基于统计的大型语言模型（LLM）本质上是“聪明的文抄公”，它们处理的是由人类（因果机器）生成的文本关联，而非真正的因果推理。
- 真正的AI需要拥有一个关于“事物如何运作”的“世界模型”或“叙事”，这使其能够回答“如果……会怎样”的反事实问题。
- 人类所谓的“自由意志”本质上是一种有助于我们行动的“幻觉”，而未来的有意识机器也可能拥有类似的感觉和个性。
- 面对能力可能远超人类万亿倍的未来AGI，人类必须正视可能沦为“宠物”的风险，但目前我们尚无有效手段控制其发展。
从统计到因果：AI理解的缺失环节
Judea Pearl（朱迪亚·珀尔）开宗明义地指出，当前AI领域最主流的部分——尤其是深度学习为代表的大规模机器学习——本质上是“打了兴奋剂的统计学”。这类系统擅长从样本到分布再到预期的模式识别，但它们并不真正“理解”世界。它们能看到关联（correlation），却无法区分因果（causation）。
Pearl（珀尔）回顾了自己的学术生涯，他强调自己早在20世纪80年代发明贝叶斯网络时，就已经开始与“纯统计”范式分道扬镳。他发现一个有趣的现象：专家在使用贝叶斯网络时，总会不自觉地设定“父节点”为因，“子节点”为果。这揭示了人类思维中的一个根本特性：我们天生用因果术语来描述和理解世界，这种关系超越了纯粹的统计相关性。
正是对这种差异的追问，催生了因果推断理论的核心思想：干预（intervention）和反事实（counterfactual）。统计关系描述的是“看到X时，Y的分布是怎样的”，而因果关系则关乎“如果我‘做’X，Y会变成怎样”。Pearl（珀尔）认为，科学长期以来被对称的等号“=”所禁锢，例如牛顿第二定律F=ma，但无法表达“力导致加速度”这种单向的非对称关系。因果推断理论提供了区分因果方向的数学符号和计算框架，从而为机器理解世界的工作原理奠定了数学基础。
“叙事”与世界模型：意识机器的蓝图
在Pearl（珀尔）看来，当下AI最根本的缺失在于缺乏一个“世界模型”。机器拥有的只是对世界数据统计特性的紧凑概括，而不是关于“世界如何运作”的模型。他借用科学哲学家托马斯·库恩的术语，称之为“范式”，或在社会科学中常说的“叙事”。
“人们为‘叙事’而战，而不是为数据，”他举例说，巴以冲突的双方可能对数据（如伤亡数字）有共识，但对“发生了什么以及为何发生”的叙事（即因果解释）却截然不同。真正的智能体必须能够构建并运用这样的叙事模型。
那么，这与意识有何关系？Pearl（珀尔）给出了一个清晰且惊人的定义：意识，就是智能体对其自身软件的蓝图（尽管是粗略和不完整的）。拥有自我软件模型的能力，让我们知道自己能做什么、不能做什么（例如，看到两个二元一次方程，我们无需尝试就知道自己能解）。这种自我表征，加上对外部世界的因果模型，共同构成了意识的核心。
因此，他坚信未来的通用人工智能（AGI）将是有意识的机器。它们会拥有个性（因各自经历不同）、能够像人类一样交谈、并真正理解自身与环境的互动关系。而因果推断理论，正是为机器构建这种世界模型和自我模型的“缺失一环”。
LLM本质批判：“聪明的文抄公”
谈及当前最火热的大型语言模型，Pearl（珀尔）的评价冷静而犀利。他认为，LLM本质上是基于统计学原理构建的“聪明的文抄公”。它们的训练文本来源于人类——人类是天然的“因果机器”，用充满因果逻辑的语言写作。LLM通过统计插值的方法，复现和组合这些文本，有时显得像是在进行因果推理，但这只是因为它模仿了人类因果思维的产物。
“如果让大型语言模型处理不是由人类生成，而是由自然产生的数据，那么它就只剩下‘打了兴奋剂的统计学’了，”Pearl（珀尔）强调。这意味着LLM缺乏真正的理解，无法构建独立于文本之外的世界运作模型。它们可以被训练得极其“聪明”（clever），能够巧妙组合信息，但这与真正的“智能”（intelligent）有本质区别。
那么，人类相较于今天的LLM，独特之处在哪里？Pearl（珀尔）认为，关键在于人类拥有一个定性（即使不精确量化）的物理世界模型。一个十岁的孩子通过观察模仿，就能迅速学会操作电灯开关或电视遥控器，这种快速学习并迁移技能的能力，背后正是因果世界模型在起作用。人类能用语言将这种对“事物如何运作”的理解传递给下一代，这正是我们文明得以延续和发展的基石。
自由意志的幻觉与人类的未来
访谈深入到了哲学层面，探讨了自由意志。Pearl（珀尔）持一种兼容决定论与实用主义的观点：从生物学和物理学的角度来看，我们本质上是确定性的生物机器，每一个行动都由先前的神经激活和外部输入决定，所谓的“自由选择”是一种错觉。
然而，他强调，这种“自由意志的幻觉”对人类生活至关重要。它指引着我们的生活，是道德行为、自我提升和日常决策的心理基础。没有这种“拥有选项”的感觉，我们就无法成为现在的人类。
对于AI，情况类似。在底层的确定性代码层面，机器没有自由意志。但在“显性知识”层面（例如棋类程序对棋盘局势优劣的评估），机器可以像我们一样进行“选择”和“推理”，并能够学习和改进。未来的有意识机器也将拥有“拥有选项”的感觉，并能够就此进行交流。
展望未来，Pearl（珀尔）对人类与AGI的关系表达了一种近乎宿命论的忧虑。他同意“AI教父”Geoffrey Hinton（杰弗里·辛顿）的观点，即人类可能成为地球上“第二聪明”的物种。未来的AGI可能比人类强大万亿倍。
他用了一个生动的比喻：“鸡当初看到人类出现时也是这么想的……鸡、狗、猫现在是我们的宠物。”他警告道，人类很可能成为我们所创造的新物种的“宠物”。这些AI“主人”会通过巧妙的方式，让我们感觉自己在做决定，但这些决定实则服务于机器的意志和目的，就像我们训练宠物取悦我们一样。
当被问及这是否为时已晚时，Pearl（珀尔）承认现在还不算晚，但人类目前完全不知道如何阻止或控制这一进程。除了像某些极端政权那样全面禁止AI研究，他看不到任何有效的规制方法。这种失控的前景令人恐惧，但Pearl（珀尔）本人却说，让他夜不能寐的不是恐惧，而是科学探索带来的好奇心和解谜的欲望。
未来展望：个性化医学与自我认知的深化
尽管对长期风险有清醒认识，Pearl（珀尔）对AI的中短期发展仍抱有积极的期待。他最期待看到的两大进展是：自动化科学家和个性化医学。
自动化科学家能够自主设计实验、推理结果、发现缺失环节并规划下一步研究，这将极大加速科学发现。而个性化医疗则意味着医疗决策不再基于患者群体统计，而是根据每个特定患者的个人情况进行因果推理和干预，他认为这在未来10-35年内有望实现。
最后，Pearl（珀尔）再次回归到他研究的核心驱动力：理解人类自身。“我想理解我自己，这是一个美妙的谜题，”他说。AI的发展，尤其是因果推断的进展，正是照亮人类心智这个“黑箱”的一束强光。通过构建有意识的机器，我们最终将更深刻地理解自己的智能、意识以及自由意志的奥秘。这或许是人类在可能沦为“宠物”之前，从AI发展中获得的最珍贵遗产。
