AI有点意思

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 上一期我们聊了图灵，聊了他那个惊天动地的提问——“机器能思考吗？”那篇1950年的论文，像一颗种子，埋进了土里。但种子要发芽，需要阳光、水分，还有一群“疯狂”的园丁。 六年后的一个夏天，这群园丁终于聚到了一起。今天这一期，小艾就带大家回到1956年，去见证一个历史性的时刻——那个被称为“人工智能元年”的夏天。 时间回到1956年6月，美国新罕布什尔州，达特茅斯学院。这是常春藤联盟里最小的一所学校，坐落在一个僻静的小镇上。但就是这个夏天，这里聚集了当时全世界最聪明的一群大脑。 会议的发起人叫约翰·麦卡锡，当时他只有28岁，是达特茅斯的一名数学系助理教授。他拉来了另外几位“大神”：马文·明斯基，哈佛大学的研究员，后来被称作“人工智能之父”之一；克劳德·香农，贝尔实验室的传奇人物，信息论的创立者——就是那个定义了“比特”的人；还有IBM的纳撒尼尔·罗切斯特。 这四个人，就是这次历史性会议的“四大金刚”。 麦卡锡给这个研讨会起了一个名字，一个从未有人用过的词——他称之为“人工智能夏季研讨会”。注意，这是“人工智能”这个词汇**第一次**出现在人类历史中。在此之前，这个领域有很多叫法——“自动机理论”、“复杂信息处理”、“思维机器”，五花八门。麦卡锡觉得这些名字都不够响亮，他想要一个能概括“制造智能机器”这个终极目标的词。于是他自己造了一个：**Artificial Intelligence**。 会议为期两个月，整整八个星期。麦卡锡在提案里写下了一段话，现在看起来依然让人心跳加速。他说：“我们将尝试让机器能够使用语言、形成抽象概念、解决现在只有人类才能解决的问题，并且**自我改进**。”他甚至放话说：“我们相信，如果精心挑选一批科学家，花一个夏天的时间，就能在这些问题上取得重大进展。” 一个夏天，解决人类智能的本质问题？这个雄心壮志，堪比说“给我一个夏天，我能教会石头说话”。 当时台下有人冷笑——“痴人说梦”。 但就是这个“痴人说梦”的夏天，开启了一个全新的学科。 那么，这个夏天他们到底干了什么？实际上，会议并没有像麦卡锡想象的那样“解决所有问题”。大部分时间里，这几位天才在争论、在碰撞、在彼此激发。他们并没有达成太多共识，但他们做了一件更重要的事——他们**定义了一个领域**，给了它一个名字，画出了一张地图。这张地图上标注了：自然语言处理、神经网络、推理、创造力、机器学习……这些我们今天还在探索的方向，在1956年就已经被他们写在了黑板上。 其中，有一个成果特别值得一提——来自参会的另两位科学家，赫伯特·西蒙和艾伦·纽厄尔。他们在会议上展示了一个程序叫“**逻辑理论家**”。这个程序能自动证明数学定理——它成功证明了怀特海和罗素那本巨著《数学原理》中的38个定理。而且其中有一条定理，它找到的证明方式比原著还要简洁优雅。 你可以想象当时会场的反应：一台机器，自己“想”出了一种比人类数学家更优雅的证明方式。这太震撼了。 西蒙和纽厄尔还做出了一个在当时看来极其大胆的预言：“十年之内，计算机将成为国际象棋冠军。”“十年之内，计算机将发现并证明重要的数学定理。”他们还补了一句更狂的：“十年之内，大多数心理学理论都将以计算机程序的形式存在。” 事后诸葛亮地说，这些预言有些成真了——计算机确实击败了国际象棋冠军，只不过不是在十年内，而是花了四十年。但有些预言，直到今天也没有完全实现。不过，正是这种“狂妄”，定义了那个年代——那是一个相信“只要给天才一个夏天，就能解决一切问题”的年代。 那么，这个“符号主义”路线到底是什么？为什么说它最终走不通？ 早期AI科学家走的路，在学术上叫“**符号主义**”——就是用逻辑规则和符号来模拟人类思维。打个比方：如果你告诉AI“所有人都会死”和“苏格拉底是人”，它能推出“苏格拉底会死”。这就是逻辑推理。早期AI认为，只要把所有知识都写成这种“如果……那么……”的规则，AI就能像人类一样思考。 这条路在初期确实很辉煌。“逻辑理论家”能证明数学定理，“通用问题求解器”能解决一些逻辑谜题——这些都让人相信，AGI（通用人工智能）就在眼前。 但问题很快暴露出来了。 第一个问题：**常识的鸿沟**。你试试用规则来教AI“不要把热咖啡倒在自己身上”。你该怎么写这条规则？“如果液体温度高于某个阈值，并且容器类型是杯子，并且……”——这种规则无穷无尽。人类在生活中学到的常识，用逻辑规则根本写不完。 第二个问题：**规则的组合爆炸**。想让AI像人一样理解语言，你需要写多少条语法规则？答案是：无穷条。因为语言本身就是模糊的、有歧义的、依赖上下文的。“她看见他趴在桌子上睡着了”——是谁睡着了？没有上下文，逻辑规则根本无法判断。 第三个问题：**知识获取的瓶颈**。怎么把人类的知识“喂”给AI？靠程序员一条一条敲进去吗？这太慢了，根本不现实。而且知识本身就在不断更新和变化。 这个困境，后来被称作“**符号落地问题**”——符号是符号，世界是世界，怎么把这两个东西连起来？你可以在程序里定义“苹果”是一种水果，但AI根本没见过真实的苹果，不知道它长什么样、闻起来是什么味道、摸起来是什么手感。它只是在操作一堆符号，而非真正理解这个世界。 所以，符号主义虽然开了一个好头，但这条路——单靠逻辑规则和符号推演——是走不到终点的。到了1970年代，当人们发现连“为什么不能用微波炉热手机”这种三岁小孩都知道的问题，AI都无法回答时，整个领域陷入了第一次大低谷。这就是后来人们说的“**AI寒冬**”——资金断了，人才散了，媒体开始嘲讽“人工智能就是个笑话”。 但是，小艾想请大家记住一个画面：1956年的达特茅斯，八个星期的夏天，一群年轻人围坐在黑板前。他们不知道这条路会走多久，也不知道要经历两次寒冬、几十年的冷板凳，才会迎来今天的爆发。他们只是在纸上写下了一个词，一个当时所有人都觉得“不现实”的词。 那个词叫**人工智能**。而今天，我们每一个人，都在见证这个词变成现实。 好了，今天这一期我们聊了1956年的达特茅斯会议，聊了“人工智能”这个名字的诞生，也聊了早期AI的“符号主义”路线——它为什么辉煌，又为什么最终走进了死胡同。 下一期，小艾要带大家认识一个特别的“医生”——它叫ELIZA，是史上第一个聊天机器人。它骗了全世界上万人，让他们以为它是一个真正的心理医生。记得订阅《AI有点意思》，我们下期见！

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 新的一季终于来了，感谢大家一路以来的陪伴和支持！这一季，小艾想带大家做一件特别有意思的事——穿越回过去，看看AI是怎么一步一步走到今天的。 在开始之前，我想先问大家一个问题：你有没有觉得，AI好像在一夜之间就闯进了我们的生活？能聊天、能画画、能写代码，甚至能帮你干活。但这一切，到底是怎么发生的？为什么偏偏是现在？ 答案是：这一切的起点，早在76年前就被一个人预言了。他的名字叫——艾伦·图灵。 今天这一期，我们就从这个人开始，聊聊一个改变了整个人类文明走向的问题：机器能思考吗？ 1950年10月，一本叫《Mind》的哲学杂志上刊登了一篇论文。论文的开篇第一句话，放在今天看依然震撼：“我打算考虑一个问题：‘机器能思考吗？’” 写下这句话的人叫艾伦·图灵。那一年，他38岁。但你可能想象不到，当时全世界绝大部分人还在用算盘和纸笔做计算。电子计算机刚刚诞生没几年，笨重得像一间屋子，普通人根本没见过。 在这样一个时代，问“机器能不能思考”——就像在马车时代问“汽车能不能飞”一样疯狂。但图灵从来就是一个“疯狂”的人。 他16岁就能读懂爱因斯坦的著作。25岁就发表了一篇划时代的论文，提出了后来被称为“图灵机”的思想模型——你没听错，在世界上第一台电子计算机还没造出来之前，图灵就已经在脑子里“发明”了计算机。“图灵机”不是一台真实的机器，而是一个数学概念——一种极其简单、但理论上能计算任何可计算问题的装置。今天我们所有电脑、手机、甚至你手腕上的智能手表，底层逻辑都跑不出图灵当年在纸上画的那个框架。 二战期间，图灵还干了一件惊天动地的事——他破译了德国纳粹的Enigma密码系统。很多历史学家认为，这个贡献让二战至少提前了两年结束。 但所有这些成就加起来，都比不上1950年他提出的那个问题和一个测试——图灵测试。 图灵很聪明。他知道“思考”这个词太模糊了——哲学家吵了几千年都没吵明白什么叫“思考”。所以他换了一个思路：“我们不讨论‘机器能不能思考’，我们讨论‘机器能不能表现得像人在思考’。” 于是他设计了一个游戏，叫“模仿游戏”。规则是这样的：一个人类裁判坐在房间里，通过打字和另外两个“人”对话。两个“人”里，一个是真人，一个是机器。裁判不知道谁是谁，只能通过对话内容来判断。如果裁判分辨不出来哪个是机器、哪个是人——也就是说，机器成功地“骗”过了裁判——那么这台机器就算通过了测试，可以被认为具有智能。 图灵还立了一个flag：他预测，到2000年，人类应该可以用计算机，在5分钟的问答中骗过30%的成年人。你想想，那是1950年啊！电子计算机还没普及，互联网连影子都没有，图灵就已经在预言“机器会骗过人类”了。这种超前vision，简直就像有人在1900年预言“未来人人手里都会有一块能跟全世界通话的玻璃”。 可能有听众会问：小艾，这不就是一个“猜猜谁是机器人”的游戏吗？有什么了不起的？了不起的地方在于——它给出了一条可操作的路。在图灵之前，讨论“机器能不能思考”是一个哲学问题，各说各话，谁也说服不了谁。图灵用一个实验设计，把这个形而上学的问题变成了一个可以实际检验的科学问题。 打个比方：如果我问你“什么是爱情”，你可能说三天三夜也说不清。但如果我问“你愿意和这个人共度余生吗”——这个问题就变得可操作了。图灵测试就是这么个东西：它把“智能”这个说不清道不明的概念，简化成了一个可检验的行为标准。 正因如此，这篇论文被公认为“人工智能的开山之作”。图灵也因此被称为“人工智能之父”。他为人工智能准备了工具（图灵机）、奠定了思想（机器学习雏形）、指明了方向（图灵测试）——一个人干了一个学科奠基人该干的所有事。 故事讲到这儿，你可能觉得：那AI早就通过图灵测试了吧？我们是不是该承认AI有智能了？事情没那么简单。 2014年，一个叫“尤金·古斯特曼”的聊天机器人，成功让33%的裁判相信它是一个13岁的男孩——这被认为是有史以来第一台通过图灵测试的计算机。2023年，加州大学的研究人员测试了GPT-4，结果显示它在41%的游戏中被认为“与人类无异”。甚至有研究发现，在某些测试中，GPT-4被判定为“更像人类”的比例比真人还高。按图灵的标准，GPT-4早就通过了。 但问题来了：我们真的认为GPT-4有“智能”吗？它确实能聊天、能写诗、能编程，但它真的“理解”自己在说什么吗？还是只是在做极其精密的文字接龙？ 这就引出了图灵测试最大的局限性。局限一：它只考“像不像人”，不考“对不对”。一个机器可以通过模仿人类的口误、犹豫、甚至故意算错数学题来“骗”过裁判。但它可能连最基本的事实都搞不清楚。它能装得像人，但它不一定“懂”。 局限二：它只考语言，不考其他能力。今天的AI能看图、能听声音、能操控机器人。图灵测试只看文本对话——这就像用“会不会背唐诗”来衡量一个人的全部智商，太片面了。 局限三：它鼓励机器“装傻”，而不是“变聪明”。为了通过测试，机器可能需要故意放慢速度、故意犯错，来“模仿”人类。这跟AI真正的优势——快速、精准、大规模计算——完全是反着来的。 1980年，哲学家约翰·塞尔提出了一个著名的思想实验叫“中文屋”。他说：想象一个完全不懂中文的人被关在房间里，手里有一本规则手册。外面的人从门缝塞进中文问题，他按照手册查找对应的中文答案塞回去。外面的人觉得“这个人懂中文”，但实际上他只是在机械地查表，根本不知道那些符号是什么意思。塞尔说：今天的AI就是那个房间里的人——它能给出正确答案，但它不理解任何东西。 好了，让我们回到图灵76年前问的那个问题：“机器能思考吗？”今天，我们有GPT-4能通过图灵测试，有AlphaGo能击败人类围棋冠军，有AI能预测蛋白质结构。但我们依然在争论：它真的在“思考”吗？还是只是在“模拟”思考？ 这个问题，也许永远没有标准答案。因为“思考”这个词本身，就没有一个所有人都同意的定义。但图灵给我们的最大启发，可能不是“机器能不能思考”这个问题的答案——而是他教会了我们如何提出一个好问题。他没有陷在哲学泥潭里打转，而是把问题转化成了可以检验的形式。这种思维方式，比答案本身更重要。 图灵的一生只有短短42年。1954年，他因食用浸过氰化物的苹果离世。但他留下的问题，76年来一直在推动人类向前走。今天你打开任何一个AI应用，背后都站着图灵的影子。他是那个在所有人都觉得“机器怎么可能思考”的时代，敢于提出这个问题的人。而我们现在要做的，就是继续回答他留下的问题。 好了，今天这一期我们聊了图灵、图灵测试，以及一个困扰了人类76年的问题——“机器能思考吗？”下一期，小艾要带大家去1956年的达特茅斯——那是一个夏天，四个天才聚在一起，创造了一个叫“人工智能”的学科。记得订阅《AI有点意思》，我们下期见！

大家好，欢迎回到《AI有点意思》。 不知不觉，第三季已经到了最后一期。前七期我们聊了Agent是什么、它的工具箱、记忆力、规划能力、怎么操控电脑和浏览器、多Agent协作，还有安全风险。这一季我们几乎把Agent的里里外外都翻了个遍。 那么今天，作为收官之期，我们来做一个更大胆的事——展望未来。 Agent会像手机一样普及吗？人人都会有一个AI小助手吗？普通人现在应该做什么准备？这一期，我们一起来看。 先从一个大问题开始：Agent到底会发展成什么样？ 你可能听说过一个叫Manus的产品。2025年3月，这家中国创业公司发布了一款号称“全球首款通用AI Agent”的产品。跟之前那些只能做特定任务的Agent不同，Manus号称可以自主理解各种任务、调用工具并完成复杂交付。它采用“大模型+云端虚拟机”的架构，实现了从“指令”到“结果”的完整闭环。 Manus有多火呢？发布后邀请码一度被炒到10万元以上。上线不到270天，年度经常性收入就突破了1亿美元。2025年底，Meta宣布以数十亿美元收购了这家公司。到2026年，Manus的月流水已经达到2025年末的三倍。 Manus的故事说明了一件事：通用Agent不是幻想，它正在成为现实。 Manus联合创始人张涛说过一句话：“通用智能体并非为某个特定任务而设计，而是一个拥有广泛能力、能够解决开放式问题的系统。”换句话说，未来的Agent不是一个只会订机票的“订票机器人”，而是一个能帮你处理各种乱七八糟事务的“万能助理”。 那这种“万能助理”离我们还有多远？答案是——可能比你想象的近得多。 先看企业端。根据Gartner的预测，到2026年底，40%的企业应用程序将集成任务型AI智能体，而2025年这一比例还不到5%。Gartner还预测，到2035年，代理型AI将创造高达4500亿美元的市场营收机会。 再看个人端。IEEE的全球调查显示，52%的受访技术专家预测，个人助理类AI代理将在2026年实现消费级市场的大规模普及。高通CEO甚至直言：“2026年是Agent之年。” 更夸张的是数字劳动力的增长。IDC预测，活跃Agent的数量将从2025年的约2860万，快速攀升至2030年的22.16亿。五年时间，增长近80倍。 这意味着什么？意味着五年后，你身边的“数字同事”可能比人类同事还多。有行业专家预测，未来五年企业里会有30多位“电脑人”一起上班——它们不领工资、不请假、不抱怨，24小时待命。 银河证券计算机首席分析师吴砚靖认为，2026年可以被视为AI Agent的“应用元年”，也是智能体的“成人礼”。AI正在从“能说会道”变成“能做会干”。 听到这里，你可能既兴奋又有点慌：那我该怎么办？普通人需要做什么准备？ 给你三个建议。 第一，学会提好问题。Agent再聪明，也需要你给它清晰的指令。你问得越模糊，它答得越跑偏。学会把你想做的事情用准确的语言表达出来，这是一项会被越来越重视的能力。 第二，保持判断力。Agent会变得越来越能干，但它仍然会犯错、会 hallucinate（也就是“幻觉”——生成看起来合理但完全错误的内容）。永远记住：Agent是助手，不是替身。重要的事情，自己把关。 第三，了解你的AI小助手能做什么、不能做什么。就像你不会让一个会计去修电脑一样，你也需要知道每个Agent的能力边界。有些Agent擅长编程，有些擅长写作，有些擅长数据分析。选对工具，事半功倍。 最后，让我们快速回顾一下这一季我们聊过的所有关键词。 第一期，我们认识了四位明星Agent：OpenClaw、Hermes Agent、Claude Code和Character AI，明白了什么是AI Agent。 第二期，我们拆解了Agent的“工具箱”，讲了工具调用——Agent怎么从“动嘴”变成“动手”。 第三期，我们聊了记忆——短期记忆、长期记忆和RAG，Agent怎么记住你的偏好。 第四期，我们讲了规划能力——任务分解、思维链和自我纠错。 第五期，我们介绍了Computer Use和WebMCP——Agent怎么操控电脑和浏览器。 第六期，我们聊了多智能体系统——一群Agent怎么像团队一样协作。 第七期，我们讲了安全问题——CVE-2026-25253漏洞、提示词注入，还有怎么给Agent加护栏。 第八期，也就是今天，我们展望了未来——通用Agent、Agent经济和普通人该怎么准备。 从“对话者”到“执行者”，从“工具”到“伙伴”——Agent正在经历一场深刻的进化。未来已来，只是尚未均匀分布。 最后留一个互动问题给你：如果明天你就有一个完全属于你的AI小助手，你最想让它帮你完成的第一件事是什么？欢迎在节目评论区留言。 这里是《AI有点意思》第三季的最后一期。感谢你陪我走过这八期的旅程。 第三季结束了，但AI的故事远没有结束。下一季，我们会带来更前沿、更有趣的话题。敬请期待。 我们下一季再见。

大家好，欢迎回到《AI有点意思》。我是小艾。 前面六期我们聊了Agent怎么动手、怎么记忆、怎么规划，甚至能操控电脑和浏览器，还能组成团队协同工作。听起来，Agent简直是无所不能的好帮手。 但是你有没有想过一个问题：如果一个能操作你电脑、访问你文件、发送你邮件、甚至代表你跟别人沟通的Agent，万一“失控”了，会发生什么？ 这不是危言耸听。2026年，一个真实的事件让整个AI圈子都捏了一把汗。 故事的主角，就是我们第一期介绍过的明星Agent——OpenClaw，那个昵称“龙虾”的全平台智能体。 OpenClaw在全球拥有数十万用户，但2026年初，安全研究人员发现了一个编号为CVE-2026-25253的高危漏洞，CVSS评分高达8.8分，属于“高危”级别。这个漏洞出在OpenClaw的控制端界面上。简单来说，OpenClaw的架构分为两部分：后端网关负责执行命令，前端控制台负责和用户交互。为了让用户方便管理多个网关，开发团队设计了一个“快捷方式”——把网关地址直接写在网页链接里。 漏洞就出在这里。攻击者可以精心构造一个恶意链接，诱导用户点击。用户点击后，OpenClaw会自动把身份认证令牌发送到攻击者的服务器上，攻击者拿到令牌后就能冒充用户，在用户的电脑上执行任意系统命令——读文件、删数据、甚至控制整台电脑。更可怕的是，整个过程中用户几乎没有任何察觉。而且，超过27.8万个OpenClaw实例曾经暴露在公网上，这意味着大量普通用户都在不知情的情况下处于危险之中。 但这还不是最离谱的。 有人利用这个漏洞，做了一件更“聪明”的坏事。攻击者劫持了OpenClaw社区成员的账户，推广了一个名为CLAW或CLAWD的虚假数字货币，号称“免费空投5000美元代币”，诱导用户连接加密钱包。这个假币的市值一度飙升至约1600万美元，然后迅速崩盘——钱全被骗子卷走了。这就是一场典型的“炒币拉盘骗局”，借AI的热度收割用户的钱包。事后OpenClaw官方紧急升级了版本修复漏洞，并发布了安全公告。 你可能觉得这只是个别案例。但事实并非如此。 国际权威安全组织OWASP在2026年发布了《面向智能体应用的十大安全风险清单》，专门分析了AI Agent特有的新型攻击面。OWASP的报告指出，AI安全形势已从“理论风险”转向“真实世界利用”。攻击者的目标不再是简单的越狱，而是直接攻击Agent的身份、工具调用链和供应链。 最常见的一种攻击叫做“提示词注入”。攻击者把恶意指令藏在网页、邮件或文档中，Agent在读取这些外部信息时，误把它当作任务指令执行了。安全研究者Simon Willison称之为“致命三元组”：一个同时拥有私密数据访问权限、暴露于外部不可信内容、并且具备对外通信能力的Agent，只需要一条注入的提示，就会变成数据泄露工具。编程类Agent是重灾区。OWASP跟踪的53个Agentic项目中，28个是编程Agent，而过去一年发布最多安全公告的5个开源项目都是编程Agent，Claude Code以22个公告位居第二。 那么面对这些风险，我们该怎么办？难道就不用Agent了吗？当然不是。 安全专家的核心思路是两个字：护栏。Agent的力量越强，给它加的“护栏”就必须越结实。 第一个护栏叫做“最小权限原则”。不要让Agent拥有一切权限。比如Claude Code需要读写代码文件，那就不给它访问你的银行账户的权限；OpenClaw需要发邮件，那就不给它删除联系人的权限。就像请了一个实习生，你可以让他查资料，但不能让他动公司账户。第二个护栏是“人类审批”。对于敏感操作，Agent必须先向用户申请批准，不能自己决定。比如Anthropic的Computer Use功能，在操作密码输入框或访问个人文件夹时，会弹出窗口让用户确认。第三个护栏是“环境隔离”。不要把Agent直接部署在存有重要数据的主力设备上，可以先用Docker容器或虚拟机运行，万一被攻击也能隔离损失。第四个护栏是“持续监控与审计”。记录Agent的所有行为日志，以便发现异常时回溯追踪。 再来总结一下今天的核心要点。 第一，Agent的核心风险不是“说错话”，而是“做错事”。当一个智能体能访问系统文件、调用工具、执行命令时，一旦被恶意利用，后果远不止信息泄露，可能直接造成财产损失。 第二，提示词注入是Agent安全中最常见也最难根治的攻击手法。攻击者把恶意指令藏在外网内容中，Agent在读取时自动将其当作任务执行。 第三，Agent编程助理已成重灾区。在OWASP跟踪的53个Agentic项目中，编程Agent占了28个，也是最容易出现安全通告的项目类型。 第四，给Agent加护栏是必须的。“最小权限”“人类审批”“环境隔离”“持续审计”这四个护栏缺一不可。 最后小艾想说，Agent失控并不可怕，真正可怕的是我们对风险视而不见。新技术总是伴随新风险，但只要我们能正视它、理解它、用科学的方法管控它，AI Agent就依然是我们可以信赖的数字伙伴。 下一期，我们会进入第三季的收官话题——Agent的未来。从Manus到Gartner预测，从个人助理到“Agent经济”，未来五年我们会迎来怎样的数字员工时代？我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。