对话人：

　　彭飞本报评论员

　　曾毅中国科学院自动化研究所研究员、北京前瞻人工智能安全与治理研究院院长

　　彭飞：回顾2025年，人工智能发展一日千里。大家谈到通用人工智能，充满热情，而谈到超级人工智能，则顾虑重重。2025年10月以来，一份呼吁暂缓研发超级人工智能的声明，获得全球一大批科学家、政商界知名人士的签名。这是为什么？通用人工智能与超级人工智能到底有什么区别？

　　曾毅：目前所说的通用人工智能一般指具有高度泛化能力，接近或达到人类智能水平的信息处理工具，有很广泛的应用前景。超级人工智能则是指各方面都超过人类智能水平，且被认为是接近生命的存在。这意味着“它”会产生自主意识，且很多想法和行动将难以被人类理解，更难以被人类控制。

　　我们期望超级人工智能是“超级利他”的，但如果是“超级邪恶”怎么办？有研究发现，当前主流大语言模型在面临被替换的可能时，竟采取欺骗等方式以自保。更令人震惊的是，当模型意识到自己处于被测试的环境时，会故意掩盖不当行为。通用人工智能尚且如此，更何况超级人工智能？大家忧虑的正是这种未知感。

　　彭飞：从历史看，每次重大技术革命都会对经济社会发展产生重要影响。而且，随着技术完善、治理跟进，人类发展最终都能趋利避害。超级人工智能为何不会遵循这样的规律？

　　曾毅：不能简单把超级人工智能类比为历史上任何一种技术工具。“它”可能拥有独立认知并超越人类智能，这一挑战是前所未有的。“它”带来的风险和颠覆性改变也绝不限于就业、隐私保护、教育等局部领域，而是系统性的。最核心风险在于对齐失败和失控。如果超级人工智能的目标与人类价值观不一致，即使微小偏差也可能在经能力放大后导致灾难性后果。人类的负面行为大量存储在网络数据中，不可避免会被超级人工智能习得，这极大增加了对齐失败和失控的风险。因此，在人工智能开发与治理中，时刻都要坚持底线思维，摆脱传统的被动反应、跟进式的模式，做到未雨绸缪、前瞻布局。

　　彭飞：面对这么紧迫的课题，我们应采取一种怎样的治理思路？

　　曾毅：从基本原则看，安全必须是发展超级人工智能的“第一性原理”，即安全应成为模型的“基因”，不可删除，无法违背，不能因为可能影响模型能力而降低安全护栏。应尽可能全面考虑安全隐患并开展模型安全加固，坚持主动防御而非被动应对。

　　从实现路径看，通过“攻击—防御—评估”的技术过程不断更新模型，能有效解决如隐私泄露、虚假信息等典型安全问题，妥善应对短期风险。但从长期看，真正的挑战在于使超级人工智能与人类期望对齐。目前采取的基于人类反馈的强化学习——即在人机交互中将人类价值观嵌入人工智能的模式，很可能对超级人工智能无法奏效，迫切需要全新的思维与行动方式。

　　从最终效果看，由于超级人工智能可能拥有自我意识，更安全的理想图景是使“它”自主产生道德直觉、同理心与利他之心，而非单纯依靠外部“灌输”的价值规则。确保人工智能从合乎伦理变成拥有道德，才能最大限度降低风险。

　　彭飞：超级人工智能的安全问题具有全球性，一旦出现漏洞、失控，影响是跨越国界的。而人工智能的全球竞争又非常激烈，无论国家还是企业，都在争先。一些发达国家在超级人工智能的研发上更是“油门踩到底”。如何避免盲目竞争导致失控？人工智能治理的全球协作有可能吗？

　　曾毅：人类需要避免人工智能的发展演变为“军备竞赛”，其危害性不可估量。创造出世界上第一个超级人工智能也许不需要国际合作，但确保超级人工智能对全人类安全可靠，全球合作是必选项。

　　世界需要一个高效率、有执行力的国际机构，来协调人工智能的治理，以确保安全。2025年8月，联合国大会决定设立“人工智能独立国际科学小组”和“人工智能治理全球对话”机制，以促进可持续发展和弥合数字鸿沟。这方面的探索还应深入、继续。

　　各主权国家作为政策制定和执行的主体，尤其是掌握先进技术的发达国家，更有责任和义务防止在规则缺位的条件下盲目发展超级人工智能，造成风险外溢。中国倡导构建人类命运共同体、构建网络空间命运共同体，强调统筹发展和安全，提出《全球人工智能治理倡议》，值得在全球范围推广和践行。宁可稍稍放慢节奏，把安全的底子筑牢打扎实，也不能急功近利，以免把人类社会引向万劫不复的危险境地。