我一直认为冯·诺依曼的大脑是另一个物种的标志，这个物种在进化上优于人类。
——诺贝尔奖获得者汉斯·A·贝特
属于阿尔法班的孩子穿着灰色的衣服。 因为他们很聪明，所以他们比我们更努力。 我很幸运我属于Beta班，因为我不想那么辛苦。 我们比伽玛级和德尔塔级要好得多。 gamma 类很愚蠢。
——阿道夫·赫胥黎《美丽新世界》
（译/曹宁平）诺贝尔奖获得者、苏联理论物理学派创始人之一列夫·朗道（Lev ）曾用对数尺度将物理学家从1到5进行排名。一级物理学家的影响力是其十倍比二级物理学家高，等等。 他谦虚地给自己评分为 2.5，晚年升至 2。 第一级包括海森堡、玻尔、狄拉克等人。 爱因斯坦的为0.5！
我在人文学科或其他科学领域（例如生物学）工作的朋友对物理学家和数学家（后者使用冯·诺依曼代表爱因斯坦）如何根据这种层次结构进行思考感到困扰。 震惊又困扰。 显然，在其他领域，能力差异并不那么明显。 但我发现兰道的体系是合理的：有些物理学家做出了我什至无法想象的贡献。
我什至开始相信，按照朗道的评价标准，理论上，未来一定有人能够超越爱因斯坦的0.5水平。 认知能力的基因研究表明，目前存在某些人类基因突变，如果以理想的方式结合起来，将产生比有史以来最聪明的人类聪明得多的个体。 简而言之，如果传统的智商评估在这个分数上仍然有意义，那么智商达到了1000的数量级。
在1967年的电影版《献给阿尔吉农的鲜花》中，克里夫扮演了年轻的查理，他从一个智障面包店工人变成了智商200的天才。图片来源：/ of Getty
天才是一种基因加上九千九百九十九个其他基因
在丹尼尔·凯斯的小说《献给阿尔吉农的鲜花》中，一个名叫查理·戈登的智障青年接受了实验性治疗，智商从60提高到了200左右。他从一个被朋友欺负的面包店工人变成了一个天才。毫不费力地看到世界上潜在的联系。 “我正处于清晰度和美丽的顶峰，我什至不知道它的存在，”查理写道。 “没有什么比突然得到问题的答案更令人满足的了……这是美丽、爱和真理的完美结合。” 。 这就是快乐。”与今天平均智商100相比，超级智力与今天平均智商的差距肯定更大。
超级智能的可能性直接源于智能的遗传基础。 人类的特征，例如身高和认知能力，是由数千个基因控制的，每个基因都发挥着微小的作用。 有多少常见的基因突变会影响每个性状？ 可以根据发现的等位基因对性状产生积极或消极影响的程度（通过身高或智商测量）来估计粗略的定量下限。
社会科学基因组联盟 (SSGAC) 是由数十家大学实验室组成的国际合作组织，已确定了影响认知能力的人类 DNA 区域。 他们表明，人类 DNA 中的一些单核苷酸多态性确实在统计上与超过 100,000 名人类个体的样本中的智力相关——即使在对 100 万个独立 DNA 区域进行多重比较测试进行校正后也是如此。 。
如果只有少数基因控制认知，那么每个基因的突变都会极大地改变智力分数——比如，两个人之间相差 15 分。 但迄今为止，研究人员能够检测到的最大影响范围还不到一个智商点。 更大规模的影响应该更容易检测到，但尚未被发现。
这意味着至少有数千个控制智商的等位基因导致了人群表现的差异。 更复杂的分析（误差线较大）估计可能有多达 10,000 个等位基因影响智力。
每个基因突变都会微妙地增加或降低认知能力。 因为认知能力是由微小影响的总和决定的，所以它遵循正态分布，与熟悉的钟形曲线一致，中间的人比尾部的人多。 具有高于平均水平的阳性突变的人将具有高于平均水平的能力。 将智商提高一个标准差（15 分）所需的额外阳性突变数量与突变总数（大约 100）的平方根成正比。 简而言之，你每获得 100 个左右的“好”等位基因，你的智商就会提高 15 分。
鉴于存在数千种潜在的阳性基因突变，其含义非常明显：如果通过人工改造某人获得每种可能的阳性突变，那么他们的认知能力将比平均水平高出大约 100 倍。 差，相当于IQ值超过1000。
牲畜和农作物的育种已经使一些物种发生了多达 30 个标准差——仅今天的肉鸡的重量就比 1957 年增加了四倍。类似的方法也可以将人类的智商提高到 1,000 以上。 图片来源：, MJ, , BL, , VL, , DR, & , FE , , 以及 1957 年、1978 年和 2005 年的产量。 , 1-13 (2014)。
目前还不完全清楚这个范围内的智商值意味着什么。 但无论这意味着什么，我们都可以相信，这样的人将比地球上 1000 亿人中最有能力的人更有能力。 我们可以想象，他能够以最强的形式汇集所有的智力品质：对图像和语言的近乎完美的回忆； 超快的思维和计算； 强大的空间想象力和可视化能力，甚至对于更高的维度也是如此； 多维度分析能力和多任务并行思维能力； 等等，很难一一列举。 查理·戈登的超级增强版。
要实现这种最极端的类型，我们必须直接编辑人类基因组，确保这10000个位点都是有益的基因突变。 最近发现的/Cas系统引发了过去几年基因工程的一场革命，乐观的是，类似的基因编辑技术有一天可能成为可能。 哈佛大学遗传学家乔治·丘奇甚至表示，通过选择和编辑亚洲象的胚胎基因，技术将使得复活猛犸象成为可能。 如果丘奇是对的，我们应该把从超级天才到猛犸象的一切都添加到新基因时代将产生的奇迹清单中。
但智力不是无法量化吗？不幸的是，它似乎可以量化
智商可以达到 1000 的一些假设仍然存在争议。 在某些领域，关于智力是否可以量化还存在争议。
诺贝尔物理学奖获得者理查德·费曼在他的自传《住手吧，费曼先生》中用了整整一章来描述他对人文学科的逃避，这一章的标题是“总是试图逃避”。 作为麻省理工学院的学生，他说：“我只对科学感兴趣，其他方面都不擅长。”
我们都熟悉这个观点。 人们常常认为擅长数学的人通常不太擅长语言，反之亦然。 做出这样的区分影响了我们对天才的理解，暗示天才只是大脑中与常人不同的特定区域，而不是整个大脑都非凡。 这会让人们认为智力水平比较的想法变得毫无意义，智力可以达到1000的想法变得有问题。
但致力于测量智力本质的心理测量研究却呈现出不同的景象。 数以百万计的观察研究表明，基本上所有“基本”认知能力，例如长期和短期记忆、语言的使用、数量和数字的使用、几何关系的实现、识别模式的能力、等，它们之间存在正相关关系。 下图显示了一大群人在数学、语言和空间利用方面的得分情况。 从结果可以看出，这些点整体上分布并不均匀。 相反，它们显示出围绕长轴（主成分）的椭圆分布。
此处显示了天才项目调查的 100,000 名九年级学生的数学、语言和空间能力。 任何一个领域的能力都与其他领域呈正相关。
这些能力之间的正相关意味着，如果一个人在一个领域（例如数学能力）高于平均水平超级人类科技，那么她更有可能在另一领域（例如语言能力）高于平均水平。 这也意味着我们可以以有价值且可靠的方式“压缩”与认知能力相关的信息。 只要将一个人的智力表现投影到主成分轴上，就可以得到一个量化智力的简单数值：通用因子g。 一个好的 IQ 测试是估计 g 值。
G值可以预测天才吗？ 一个例子是“数学早熟青少年研究”，这是一项针对 13 岁之前被认为具有数学天赋的青少年的纵向研究（使用与 G 分数密切相关的 SAT 测试）。 所有研究对象的数学能力都处于人口前 1% 的水平，但该组中前五分之一的数学能力属于人口前 1%。 当他们到了中年时，调查结果发现，即使是同样有天赋的人，他们的成就也会随着当年考试成绩的提高而急剧增加。 例如，能力排名前五分之一的人获得专利的可能性是能力排名后五分之一的人的六倍。 您在科学、技术、工程和数学 (STEM) 等领域获得博士学位的可能性高出 18 倍以上，成为 50 强研究型大学该领域终身教授的可能性高出 8 倍。 许多。 因此，可以得出结论，g值可以作为个人智力的衡量标准。 虽然比较粗糙，但可以作为同一基准进行有效的横向比较。
智商可以达到1000的另一个重要基本假设是，人类的认知能力受遗传的影响很大，即g值是可遗传的。 这一假设有足够的证据支持。 事实上，行为遗传学家兼双胞胎研究员罗伯特·普洛明 ( ) 指出，“g 受到遗传的强烈影响，这种关联的证据比任何其他人类特征都更有力。” 2
对家庭中的双胞胎和收养儿童的研究表明，两个受试者的智商之间的相关性与其遗传关系的距离（即遗传相似性）呈正相关。 研究人员发现，家庭环境对结果影响很小：在同一家庭长大的不相关兄弟姐妹的认知能力几乎为零。 这一结论在不同地区和国家进行的大量研究中是一致的。
不管物质限制如何，遗传因素似乎决定了个体认知能力的上限。 然而，由于研究对象受到各种环境因素的影响，如贫困、营养不良或缺乏教育，估计的遗传力可能要小得多。 当面对不利的环境条件时，个人无法充分发挥其潜力。
遥远的超级智能和近期的基因组预测
超级智能可能是一个遥远的幻想，但一些微小但意义重大的进步可以使其在不久的将来成为现实。 大量的人类基因组数据及其相应的表型（个体的生理和心理特征）将大大增强我们理解人类遗传密码的能力——尤其是预测认知表现的能力。 详细的计算表明，需要对数百万个表型-基因型对进行同步统计测试才能定位相关的遗传位点。 然而，鉴于基因分型成本的迅速下降，这种分析很可能在未来十年内成为可能。 如果现有的遗传估计可以用来预测智商，那么基于基因组的智商预测的准确性将高于当前人群中智商标准差的一半（即正负误差小于10个智商值） 。
一旦有了良好的预测模型，它们就可以应用于生殖领域。 从胚胎选择（选择要植入的 IVF 卵子）扩展到基因编辑（例如，使用技术）。 对于前一种情况，父母可以从大约10个不同的受精卵中选择智商较高15分或以上的一个进行植入，以提高后代的智商。 这种智商的差异可能会决定孩子未来是否会出现学业困难，或者能否获得好的大学学位。 单细胞基因组提取和分型技术现已非常成熟。 唯一剩下的挑战是如何根据基因型预测复杂的表型，然后用它们来指导胚胎选择。 实施这些技术的成本将低于许多私立幼儿园的学费，并将对儿童的一生及以后产生影响。
相关的道德伦理问题非常复杂，值得我们认真思考和对待，因为上述情况可能在短期内成为现实。 每个国家都会相应地制定有关人类基因工程的法律法规，但可以预见的是，不同国家的制度会有所不同。 一些国家几乎肯定会允许人类基因工程，从而为能够负担得起辅助生殖技术的全球精英敞开了大门。 与许多技术一样，技术实施的第一受益者往往是有钱有势的人。 但我相信，最终许多国家不仅会使人类基因工程合法化，而且将其作为其国家医疗保健系统的一部分作为自愿选择。
否则，将带来人类历史上前所未有的不平等。 （编辑：恩特）
参考文献Hsu，SDH On 等。 arXiv:1408.3421 (2014)., R. IQ 和人类。 人类，1476-1477 (1999)。
本文由果客网（）授权编译发布。 严禁转载。
21世纪经济报道记者 李岚清 上海报道
自人工智能诞生以来，关于AI能否取代人类的争论就从未停止过，而生成式AI的兴起更是加剧了公众的焦虑。
作为机器学习领域的领军人物，I.在机器学习领域工作了近30年。 他是真正将机器学习应用于特定学科模型的先驱之一。 他是人工智能领域唯一的美国科学院院士和美国工程院院士。 ，美国艺术与科学院三院院士。
“人工智能只是一个新的工程系统。” 9月7日，在上海黄浦区举行的外滩大会上，我表示，人工智能的本质是集体，而不是个体，他不相信人工智能会取代人类。 ，具有普遍性、公平性、公正性、透明性、稳定性。
“如果被问到，你确定你刚才写的是什么吗？它根本没有回答问题。” I.指出不确定性无法量化，而人类非常擅长处理和传达不确定的信息，因此人类需要解决这个问题。
我提到，当谈到技术的演变时，市场会担心人工智能和机器会催生超级计算机并取代人类。 不过，他认为人工智能的本质是集体的，而不是个人的。 更重要的是设计一个协作的、去中心化的系统来实现集体智慧，帮助人类更好地应对日常生活和世界的不确定性。
“我认为关键不是所谓的奇点，迫切需要解决的是如何应对AI系统中的不确定性。” 他说。
系统偏差是人工智能应用中的另一个痛点。
一、以医学领域Aipha Fold对蛋白质结构的预测为例。 机器预测的所有预算执行区间总共有2亿个数据点。 这个预测值的执行区间是非常可靠的，但是最终的预测结果却是完全错误的。 ，与实际观测到的科学数据相差甚远。 即使20年后，该系统仍然无法达到实际观测的效果。
“如果不用Aipha Fold，科学实验的效率就不高，用了还会出现很大的误差。” I.说AI需要与科学家的人工观察相结合，以避免系统性偏差。
“我认为AI不会取代人类，它只是一个新的工程系统。事实上，技术是一个非常好的工程系统。它具有普遍性、公平、公正、透明、稳定。这些都是工程系统的特点。”而不是个体特征。” 在他演讲结束时超级人类科技，我说道。
