2022年秋，上海外灘，人們刷著各自手機上的信息。澎湃新聞記者 周平浪 圖

“炒作周期曲線”真的存在嗎

隨著人工智能持續成為熱議話題，有關它的歷史也一再被提及。在它的起起落落中，總是伴隨著過度解讀或任意發揮的技術進展，以及過高期望落空后迅速降低的熱度，乃至對整個領域的過度低估。

有時連最權威的技術專家也出現這種錯誤估計。1968年，達特茅斯會議的發起人之一約翰·麥卡錫（John McCarthy）曾滿懷信心預言，十年內程序就能戰勝國際象棋大師，結果事與愿違。另一方面，德雷弗斯（Hubert Dreyfus）于1972年出版《計算機不能做什么》（What Computers Can’t Do），認為機器戰勝象棋大師的“預言”不能成真，直到1997年IBM的“深藍”擊敗了卡斯帕羅夫。

“深藍”的成功顯示了人工智能技術取得的成就，但同時也標志了經典意義上專家系統的最后輝煌。面對人工智能能否“乘勝追擊”、“攻克”圍棋，“深藍”的總設計師許峰雄在2002年認為，機器很難在20年內戰勝頂尖棋手，而且這種戰勝可能也只是暫時的。

事實雖有所提前，但與“深藍”的路徑相比，到2016年AlphaGo戰勝李世石時，采取的已是基于深度神經網絡的另一技術路徑。

如果將金融市場視為技術預期的風向標，那么，2000年前后的互聯網泡沫則堪稱一大經典案例。在投機引發的金融泡沫中，一些公司簡單改換名稱，增加“e-”等暗示互聯網和電子商務的前綴，就能引來股票價格高漲。這導致許多公司的市值遠高于其實際商業模式所具有的價值，最終導致市場崩潰，一批早期“互聯網企業”也隨之消泯在商海。

由此，一家咨詢公司曾提出所謂“技術成熟曲線”或“炒作周期曲線”（Hype Cycle），將技術發展分為五個階段：初始期（技術或產品剛剛推出的階段，是預期快速提升的階段）、高峰期（人們對這一技術或產品的期望膨脹到一個極端）、谷底期（隨著技術或產品的實際應用出現問題，過高的期望幻滅，迅速落回谷底）、穩定期（技術得到進一步發展，市場預期開始恢復）和成熟期（技術或產品成為主流，并得到廣泛應用，對它的預期和它的實際表現取得一致）。

批評認為，“炒作周期曲線”并沒有充足的經驗數據支持，大部分技術或產品也不具有可明確辨識的上述五個階段。如今的人們身處一個又一個技術熱潮的前后夾擊，恐怕更難讓技術預期如“炒作周期曲線”所理想化地描繪的那樣，有足夠的耐心等待期待收斂到與技術實際水平相一致的狀況。

但是，“炒作周期曲線”至少捕捉到了一種廣泛存在的現象，即人們在技術發展的不同階段，會對它產生不同程度的過高或過低評價，從而與實際狀況之間產生落差。當前，技術熱點快速地興起而又消失。這反映在人們的技術預期中，則是在過高與過低的極端之間反復跳躍。這意味著，相比于建構、描繪或設想某種“曲線”，尋找這種在兩個極端之間反復擺蕩的動因，或許來得更為重要。

走出“科幻邏輯”

已故的知名科幻作家葉永烈先生，曾在其主編的《中國科幻小說世紀回眸》叢書“總序”提出了一種為科幻小說所“‘習慣’的‘科幻思維方式’”，以對他所主編的這套叢書本身加以推演。他寫道：“在21世紀末……將依照本書的‘模式’，出版本書的續集，即《中國科幻小說21世紀回眸》；此后的每一世紀末，……都將出版一套《中國科幻小說××世紀回眸》；這一套套《中國科幻小說××世紀回眸》不斷出版下去，將構成一大套《中國科幻小說世紀回眸大系》”。

葉先生自知，這只是一種打引號的“推理”，其中并沒有經得起推敲的邏輯。顯然，在21世紀，這樣的出版社、這一形式的紙質出版物是否還會存在？彼時已經出現的互聯網與電子形態的出版物，早就為此打上了一個巨大的問號。正是此類事實情況，對上述“推理”的現實展開起到了無法忽視的“剎車”作用。

在文學中，諸如此類的“科幻邏輯”或有其特殊的感染力。當想象力驅使著從一套叢書推演到下一套叢書之時，那些本應在“科幻”視野中預計到的未來發展卻被有意無意忽略了，由而描繪出的一番未來圖景和與此相對的當下的歷史定位，使人獲得了某種想象性的滿足。讀者和作者也都明白，它不是嚴格的“推理”，而只是一種修辭。

但同樣的“邏輯”或修辭，卻廣泛存在于社會對技術狀況的把握之中。譬如，從最近有關ChatGPT代碼生成能力的報道中，人們讀到它們已能“通過Google的入職測試”，進而激發起有關“設計人工智能的行業本身將被人工智能取代”這一看似玄奧而又有理的論調。但事實上，從目前的模型來看，對于一個清晰定義的實際問題（如，從Word文檔中提取粗體字這一相對簡單的任務），模型仍然難以給出正確的解答。

在技術的實際應用中，樂觀的預期并不總是能夠實現，而且就算其實現，往往也晚于人們的預期。而一種與此完全相反的態度，也就是對技術發展的抗拒，很大程度上也與那些過度樂觀的設想，基于相同的假定而來。

從歷史視野來看，20世紀50年代以來，“什么職業會被計算機代替”“技術會抹殺藝術嗎”等問題，就已隨當時剛產生的控制論技術主張而出現。它們在字面上是關乎生死存亡的“大問題”，卻并非真的扎根于技術的特殊性，而是圍繞一系列有關“職業”“藝術”等概念的已有認識，在人工智能技術主張的刺激下呈現出的某種“自辯”。對于這些問題的回應，很大程度上，與上述“科幻邏輯”一樣，達成的是一種想象性的、與技術事實無關的自我滿足，亦使對技術的預期不顧其實際而在不同極端之間擺蕩。

它并不能用以把握技術的現實。誠然，存在不少新的技術，可以視為0到1的突破，或1到2的創新。但這不意味著人們就一定能夠接連在可預期的未來到達第三步、第四步甚至第一百步，而不受到某種“剎車機制”的阻擋。換言之，技術想象中已占據某種主導地位的“科幻邏輯”，是由對技術有限的、現象性的認識出發所作的滑坡論證，卻自認為能從相關技術現實中得到辯護。

以視角主義重建技術話語的公共性

針對ChatGPT的爆火，人工智能專家楊立昆（Yann LeCun）在他關于大型語言模型的14條觀點中認為，程序代碼，由于其所描繪的是清晰定義的數據結構等有限知識，而非復雜的現實世界，往往能在當前的語言模型中得到不錯的表現。他指出，諸如此類已取得的成效，并不意味著當前這類自回歸語言模型（auto-regressive language models）就是通往更好、更有效的人工智能模型的正確路徑。

但與此同時，他又強調，這是與他對自己主導研發的Galactica的辯護相一致的。后者是一款聲稱能“撰寫科學論文”的語言模型產品，其在線試用版發布不久，即因有關制造虛假信息、提供難辨真偽的科學陳述、是否鼓勵學術不端等的爭議而下線。至于楊立昆與尤爾根·施密特胡勃（Jürgen Schmidhuber）之間有關若干神經網絡模型的發明歸屬權的長期論戰，更凸顯了這種技術話語和評述背后的某種“名利”之爭。

面臨高投入、長時期、不確定回報，技術研究的實施已越來越依靠具有相當資源的企業，古往今來那些憑借靈感與勤奮而“降臨”到個人頭腦中的“天才”敘事已很難適用當前狀況。大型語言模型的訓練，即是一項“燒錢”的工作。據估計，訓練一次GPT-3模型的價格在400-1000萬美元左右，由此所需的其他支出更難以計算。

在此狀況下，技術研究者的發言往往不被視為個人觀點的流露，而是與他們所來自和服務的機構關聯在一起，或面臨來自后者有形無形的壓力，或面臨人們關于意圖的質疑。當然，技術人員有理由抱怨，他們的觀點被人誤解，或被錯誤地與外部因素建立關聯。但在現狀已如此的情況下，技術話語所提供的解釋或評論已變得相對化，可以說是一項基本事實。

在人工智能的發展越來越強調“向人類的價值看齊”之時，技術話語向公眾看齊或許是在此之前第一要務。不過，徑直要求技術研究者拋開成見與立場，采用一種理想化的、具有公共性或為公共利益而講述的技術話語，多少也顯得不切實際。

但這樣的公共性并非完全無法達成。如果技術話語在概念上都具有一個從各自立場出發的視角，那么，通過比較、審視不同話語，輔以對這些話語得以產生的原因的考量，而對產生它們的視角加以還原，我們仍有可能從中構建出一種在相當程度上接近公共性的技術論說，此即成語所說的“兼聽則明”。

此即所謂的視角主義（perspectivism）。認識到技術話語是特定立場下的一孔之見，那么對它們的“兼聽”就落實為，在話語層面展開比較與分析，將技術術語和概念還原為具有歷史淵源與深度的構造。同時，因為不同的技術話語畢竟共同指向技術現實，也就保證了它們具有基本限度的可比性。

對技術話語從立場出發而全面否定，同不加批判的全盤接受一樣，實際都漠視了視角、話語與事實三者之間的關系。當人們能夠比較準確地把握其“現實”之時，也就能進一步要求在新的技術話語中重新找到主動權。

由此得來的一種實踐上的啟示是，也許技術知識本身有其難以直接突破的壁壘，但停留于話語層面的辨析，至少給予了普通大眾重新介入技術發生發展“現場”的權力，并從不同話語的相互比較中，拋去“科幻邏輯”的想象，從而重新接近技術的事實。