Sora来了，你又焦虑了吗？

OpenAI 2月16日凌晨发布了文生视频大模型Sora。

这款王炸文生视频大模型有诸多另大家叹为观止的强大技能！

它不仅可以把图片变成动画

还可以通过文字描述来生成视频

下面视频的描述是：在东京街头，一位时髦的女士穿梭在充满温暖霓虹灯光和动感城市标志的街道上。

Sora生成的视频截图

甚至是多机位视频

Sora的出现，为我们揭示了人工智能的无限可能，也让很多才被ChatGPT惊掉下巴的打工人们再次感到焦虑，并不乏有媒体称Sora为“焦虑制造机” 。

“我们看待技术，其实有两种方式。

第一种方式是:这个新技术牛，它帮我们做什么呢?

我们一般人都是这么思考技术的。

但是，还有第二种方式:这个新技术可以帮助人做这些事，那我们这些大活人能做点什么更多的事，让这个技术对人的作用发挥得更好呢？”

这是人工智能之父，迄今唯一同时获图灵奖和诺贝尔经济学奖的大师赫伯特·西蒙说过的一段话。

他在不断提出新研究议程的过程中重塑了20世纪下半叶人文和社会科学的发展轨迹。在他所涉足的任何一个领域（获得计算机领域最高奖——图灵奖、诺贝尔经济学奖、心理学杰出科学贡献奖）他都是实至名归的大师。

在他的人工智能领域开山之作《人工智能科学（第三版）》中，西蒙教授展示了他探索智能系统的核心思想和构建方法。

西蒙教授认为，若某系统是因某特定目标或因适应环境目的而建造，则该系统可称为人工系统。人工智能只是西蒙教授研究人工科学的一个下属分支。

当涉及记忆信息检索时，西蒙教授将人工智能同认知心理学联系起来；当涉及程序合理性时，又将人工智能与操作研究联系起来；相较于简单的行为模仿，他采用了模拟的方式进行论述。

他认为随着时间的推移，“人工智能”会更符合人们的表达习惯。如今可以看出，他的预测毫无疑问是正确的，并且人工智能目前也已成为人工科学的重要组成部分。

西蒙教授在大多数论述中都会强调心理学也属于人工科学。

为了证明这一论点，西蒙教授着重强调了关于人类记忆结构的假设和关于语言处理系统的假设之间存在的相似特点。

他认为语言是最具人工特点的事物，也是所有人类事物中最人性化的东西。

他还提到，翻译中的困难不仅在于句法，还在于需要了解语境和背景信息，以及理解语义信息在自然语言和视觉感知中所起到的作用。

当今人工智能的发展和进步主要体现在视觉识别和语言识别这两个领域。这些领域的进步主要得益于谷歌和百度等公司的大量资源和存储、计算能力的大幅提升。然而，现在尚未完善的人工智能翻译却再次证明了西蒙教授50多年前所提出的理论的准确性。

西蒙教授作为著名的心理学家、认知心理学的创始人之一，在他的另外一本著作《认知：人行为背后的思维与智能》中，介绍了人的认知结构，分析了人们思维过程中问题解决的途径和策略。进一步分析了对于复杂问题，专家和普通人不同的心理表征，以及应该如何应对复杂问题。学习的基本原理和过程，并说明如何探索发现新规律。

计算机科学对认知心理学的诞生起到了非常大的作用。西蒙教授在计算机科学和心理学的结合方面作出了卓越的贡献。他和艾伦•纽厄尔（Allen Newell）提出的“物理符号系统”的假设开辟了一条新思路。

这一系统把人类所具有的观念、概念、能力以及脑内加工的过程看作物理符号的事件，这样就可以把人的心理事件置于物理事件的同样理论体系中来加以探讨。任何物理系统的事件、过程或操作，只要能用符号的形式表示，并能明确每时每刻的状态，就能用计算机模拟出来。

同样，人类思维中的各种抽象概念和符号也可以像物理对象一样加以复制、转换、处理和相互连接。从此，符号和符号处理不再是不可捉摸的抽象的东西，而是可以客观描述和研究的具体过程了。

西蒙教授在研究具体事件的计算机科学和研究抽象事件的心理学之间架起了一座桥梁，发展了不同学科之间的类比思想，促进了科学发现。如果不同学科之间的类比是合理的，那么，从一个已知的系统就可以加深对一个不甚清楚的系统的理解。

计算机是一个人工装置，其运转特性是已知的。计算机输入符号，进行编码，与内部存储的模式进行匹配，作出决定，给出符号输出；心理学家则利用计算机知识建立人的认知模型：接受信息、编码和存入记忆，利用记忆材料作出决定，指导外部行为。

物理符号系统的假设说明了在人工系统或人脑系统中智能和知识的存在。这一假设是信息加工心理学的理论基础，心理学家根据这一假设来建立关于心理活动或脑的机制的理论。这一假设正在经受理论和实验的检验。

心理学的研究也扩展了计算机科学的研究范围。根据信息加工心理学的研究成果，可以设计计算机程序来模拟人的心理过程，特别是思维、问题解决等高级心理活动。 

西蒙教授在思维和大脑的区分上投入颇多。他将大脑看作是生理机能的一部分，就如计算机中的硬件，只是大脑中的思维是人的想法的呈现。

人们曾采用人工智能来模仿人类大脑的结构，并重点关注集中系统。然而，西蒙教授强调的是通过反馈回路来进行系统调节，而不是通过集中系统或直接机构来调节。

他认为，人类对地球的统治归因于我们对于周围环境有了更加理性的认知，而不再过多关注与我们无关的事情。

在有界理性环境中，同时使用市场和管理机制能够使社会分工变得更加具体；决策者只根据现有信息做出决定往往会使结果更加令人满意。

一些人工智能领域的公司近来所使用的分布式网络结构也遵循这一逻辑。

科技行业现在更加关注人工智能的一般性用途，并将学习和发现机制纳入人工智能系统中，以提高它们对环境的适应能力，与此同时不断提升其工作效率。

西蒙教授曾认为，所有人工物一开始都具备某种适应能力，它们可以利用这一特性获得新的表现形式以及对应策略，因此面对专业化环境时能熟练应对。同时，适应能力也是人类有机体的典型特征。

埃隆·马斯克（Elon Musk）和史蒂芬·霍金（Stephen Hawking）表示，人工智能机器的行为可能会对人类不利，还可能会削弱人类的决策能力。尽管在目前看来出现这种情况的风险很低，但是随着通用人工智能不断地达到新的高度，这种对人类不利的风险会逐渐增加。

不少人已经察觉到了这种风险，西蒙教授认为，“对人类有利的知识”并不能促使人类做出最正确的选择。众所周知，只有极少数病人会按照处方服用药物。因此，我们应该积极采取相应措施，不断努力建设出一个对社会有益的人工智能系统。

人工智能的技术更迭如同翻江倒海，让人目不暇接。但技术本身并不是目的，它只是人类智慧的一种体现。真正值得我们追求的，是那份对世界的好奇心，是那种不断探索和创新的精神，是那份能够超越技术本身的思想深度。

本文摘编自《人工智能科学》（第三版）、《认知：人行为背后的思维与智能》作者：赫伯特·西蒙，中国人民大学出版社。