生活中的摩擦感:AI推崇者永远无法理解的人类本质

news2026/4/29 7:08:16
划火柴需要多快才能点燃不是点火的化学原理而是那根小木棍和圆鼓鼓的火柴头究竟需要以多少米每秒的速度划过才能引发那一连串化学反应最终燃起火焰。这个问题源于一个失眠的夜晚。在黑暗中我做了一件想要重新入睡时本不该做的事拿起手机。转眼间凌晨3点变成了凌晨5点。我了解到摩擦条的成分红磷、碎玻璃粉火柴头的构成氯酸钾、三硫化锑、蜡以及安全火柴在其他表面上无法点燃的原因。我还找到了以每秒3500帧拍摄的火柴点燃慢动作视频。但关于划火柴速度的答案始终没有找到。带着疑惑我向跨国烟草公司瑞典火柴Swedish Match发去询问邮件又联系了两位教授——一位是塔斯马尼亚的化学家另一位是伦敦帝国理工学院的热力学教授。凌晨5点半我带着些许懊恼重新入睡心里隐隐想着Claude大概早就给出答案了。将近二十年来硅谷一直在向我们兜售无摩擦的生活而我们也乐此不疲地成为它的买家。几个月前我在领英上看到一篇帖子作者表示自己更喜欢亚马逊的推荐算法而非实体书店。她写道算法了解她所以高效言下之意在书架间迷失于无数作者和封面之间是一种时间浪费是一种摩擦。看到这里我忍不住感到一阵反感。在卢浮宫里流连忘返难道也是一种浪费生命正是在摩擦所营造的那种舒缓而充满可能性的空间里悄然发生的。而AI却像一条无止境加速的雪橇赛道将反思——这件需要时间才能完成的事——逼向必然的失败。法国国防AI整合部门负责人曾对《解放报》表示如果我们要在每一个分秒决策中加入人类监督系统就无法运作那时我们已经输了。将AI置于生死边界这样的前景足以让人在深夜辗转难眠。我曾开玩笑说有朝一日自己的孩子会因机器人权利问题而把我看作顽固的老保守派。他们也许会低声议论他太人文主义了。而那时人文主义或许已成为一个充满争议的词甚至带有贬义。我从未想到在大语言模型问世之前那段岁月平静的2010年代末自己对时间的预判会如此之误。那场争论——关于模式匹配神经网络究竟是早期意识的雏形还是某种令人费解的达达罗斯式把戏——可能在我迈出三十岁之前便已爆发。然而它确实来了。硅谷一些最重要的投资人比如马克·安德森甚至以自己缺乏内省为荣认为那是浪费时间。这正是AI的精神内核——助长一种未经审视的人生。我无法不看到一场划时代的精神危机正从这片废墟中浮现。那是一种社会的空洞一种干涸取代了巴西作家克拉丽斯·利斯佩克托所描述的——身体在世界之水中的力量以及那种我真正想说却因为连我自己都无法言说的东西。对无摩擦的追求正是在蚕食这种难以言说的另一种东西——那个介于我们所说与所知之间、以及知晓本身之间的空间。AI压缩了这个空间而在那片扁平之中什么也没有。模式匹配算法制造的是模仿而非意义在其输出的黑箱内部只有对栖居于经验之中的仿真而没有任何接近意识的东西。它们生产图像却非艺术生产文字却非文学生产声音却非交响乐——无法让人的皮肤因为意识到这是作曲家感受的最接近呈现而起鸡皮疙瘩。因为模式匹配算法不是一个在世界中存在的身体它无从感知笑声、沉默、悲伤或爱无法犯罪无法宽恕无法牺牲。是什么驱使我们试图从一种语言上的德罗斯特效应中召唤出一个存在——看似无穷无尽却终究只是自身的循环递归也许我们被一种幻觉所诱惑一面技术之镜或许能映照出我们自己——只要我们向它输入足够多的数据足够多的集体历史灵魂。只是我们无法通过将上帝投射进机器来找到她。面对山姆·奥特曼将训练AI模型所需的能源与人类变聪明所需的二十年饮食相提并论的说法HuggingFace的AI与气候负责人萨莎·卢乔尼在帖子中指出这种逻辑代表的是资本主义的黑镜时刻。我则会更进一步将其描述为资本主义的终极阶段一个只有资本、没有劳动的世界。至少没有人类劳动——那种存在于生物时间之中、需要进食、睡眠、社交以及种种资本无法货币化的事物的劳动——而正是这些构成了地球上生命之为生命的意义。从商品的计划性淘汰到人类的计划性淘汰这样的转变难道真的令我们感到意外吗事实证明硅谷以外的大多数人并不真正想要这一切比起AI的迅速普及他们更多感到的是忧虑而非兴奋。如果说有什么能给我一丝乐观那便是正在兴起的反弹——我认为这场反弹将从抵制将AI使用视为西方经济关键绩效指标开始最终以人文主义的复兴告终。在这个意义上AI正在自我吞噬。从某些指标来看AI生成的内容已占互联网内容的一半以上。算法如同衔尾蛇不断用自身的输出重新训练自己产出的内容光滑、无缝、带着一种难以掩饰的空洞感。终有一天即便是那些在其中隐约感受到神性闪光——或者更令人不安的——感受到灵魂的人也只会看到不过是一缕轻烟。那个失眠夜晚过后的一周我的三条询问都陆续收到了回复。瑞典火柴公司告诉我他们也不知道答案。塔斯马尼亚大学的化学教授内森·基拉回信说我需要去问物理学家但摩擦力等于摩擦系数乘以牛顿力具体速度因压力不同而有所差异。帝国理工的热力学教授埃里希·穆勒则建议我换个角度思考从最小点火能量入手点燃摩擦条上红磷所需的能量约为0.2毫焦并表示可以利用火柴的质量推算出划火柴的大致速度。那Claude呢我从未去查。那本来也不是重点。亚历山大·赫斯特从巴黎为《卫报》欧洲版供稿其回忆录《绝望的一代》现已出版。QAQ1AI为什么无法真正理解人类情感和创造力AAI本质上是模式匹配算法能模仿人类的语言和行为但它不是存在于世界中的身体无法真正感知笑声、沉默、悲伤或爱。它生产的是图像而非艺术是文字而非文学是声音而非交响乐。它的输出是对栖居于经验之中的仿真而非真正的意识或情感体验。Q2大语言模型的大量普及会带来哪些社会问题A大语言模型的广泛普及可能引发深层的精神危机与社会空洞化。当AI取代人类劳动资本主义可能走向只有资本、没有劳动的极端阶段。此外AI生成内容已占互联网内容的半数以上算法不断自我循环训练可能导致信息同质化最终使内容变得空洞而失去真实意义。Q3为什么说无摩擦的生活体验反而是一种损失A生命的意义往往发生在那些摩擦创造的缓慢与可能性空间里——比如在书店中漫无目的地翻阅或是在深夜为一个问题辗转求索。AI追求的极致效率压缩了反思的空间而反思恰恰需要时间。追求无摩擦体验实质上是在消除那些让生命充满层次与深度的珍贵时刻。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2549644.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…