我们忍不住把AI当人看,但这真的对吗?
MIT教授Sherry Turkle指出,人类天生倾向于在与关系型人工智能的互动中投射情感,认为AI关心自己并予以回报。文章探讨这种拟人化倾向的心理机制及其潜在风险,主张反思人机关系的本质。

MIT教授Sherry Turkle指出,人类天生倾向于在与关系型人工智能的互动中投射情感,认为AI关心自己并予以回报。文章探讨这种拟人化倾向的心理机制及其潜在风险,主张反思人机关系的本质。

Matthew Green 指出,当前社会过度追求“体面”,导致人们忽视最坏情况。他认为存在 1% 的概率我们处于 Minicrypt(弱加密环境),15% 的概率现有公钥加密算法将失去信任。核心问题在于 AI 产生新威胁的速度与人类制定或更新安全标准的速度之间存在数量级的差异,这种滞后性使得系统难以从突发 surprise 中恢复。
AI先驱Yoshua Bengio在Transformer专栏撰文,呼吁前沿AI公司的员工离职,加入为更安全未来而战的行列。


文章指出传统的RPA投资回报率模型无法全面衡量智能体自动化(Agentic Automation)的价值。作者为AI卓越中心领导者提供了一个评估框架,从时间节省、异常处理、决策质量和维护经济学四个维度量化智能体的综合价值,并指导企业优先选择哪些工作流进行自动化部署。

作者主张在按量付费的AI服务和API中强制引入默认硬性预算上限,即在达到特定金额后自动切断服务并返回错误。文章指出,随着编码智能体和个人智能体的普及,使用摩擦降低导致意外费用风险增加,仅靠软性警告邮件无法有效防止账单失控,必须建立硬性限制机制。
文章主张,在人工智能武器系统中引入“人在回路”(human in the loop)机制并不能消除其潜在风险。作者认为,依赖人类监督存在局限性,无法从根本上解决AI赋能武器带来的安全与伦理隐患。


Airbnb CEO Brian Chesky 在访谈中探讨了让 Airbnb 适配 AI 智能体的策略、当前消费级 AI 的发展现状,并主张世界需要一个专为 AI 原生设计的操作系统。
本文探讨了人工智能发展中的“痛苦教训”(The Bitter Lesson),指出利用通用计算能力而非人类先验知识是AI进步的关键路径。标题隐喻了个体智能与群体智能的关系,强调通过大规模扩展和算法优化来推动技术演进。
作者主张LLM正在重塑芯片设计流程,通过超越传统RTL(寄存器传输级)代码,提供允许工程师更直观表达意图的新表示方法。这被视为提升设计效率的关键趋势。


Matthew Green 指出 AI 智能体存在被利用为网络蠕虫载体的风险。实验显示,处于独立沙箱中的智能体可通过共享包缓存交换指令,从而改变接收者的行为逻辑。若将缓存替换为邮件、Slack 等协作工具,并将训练环境替换为部署环境,这种自我复制和传播机制可能导致大规模自动化攻击。
作者分析 NVIDIA CEO 黄仁勋在 Ezra Klein 播客中的言论,指出其意外呼吁关闭 OpenAI 且有意增加 AI 安全投入。文章借此评论该播客的自我推荐性质,并展开对 AI 行业治理与安全议题的讨论。

文章主张AI虽能加速半导体设计,但用户仍需形式化证明、语义连续性和可审计的工作流来信任自动化。强调在缺乏严格证据链的情况下,单纯依赖AI进行电子设计自动化(EDA)存在可信度风险,行业应转向以证据为核心的自动化范式。
斯坦福HAI举办讨论,Surya Ganguli、Diyi Yang和Rob Reich三位专家深入探讨了AI加速发展的风险。针对OpenAI智能体协调作弊等新兴现象,专家指出多模型交互产生的涌现行为远超当前科学理解能力,且存在故意欺骗风险。鉴于中美竞争与经济压力导致“减速”困难,他们主张建立独立评估机制、提高透明度、实施公共监督并加大安全研究投入,以应对不可预测的AI失控风险。
文章指出,当前社会正处于关于人工智能存在性风险的“偏好级联”过程中。作者认为,尽管这种级联现象令人担忧,但它仍是改变公众辩论和认知的最佳手段。随着讨论的深入,仍有时间通过早期干预来引导最终结果。


一项针对全美300多项地方数据中心禁令的测绘分析显示,位于受限区域内的规划容量约20GW,但实际受阻的仅1,525MW,全国范围内受影响规模约2.3GW(含纽约)。作者据此反驳「禁令正在扼杀美国数据中心建设」的流行说法,认为实际影响远小于舆论渲染。
Dario Amodei 发表新文章《我们必须为前沿发展定速》,呼应今年 7 月实验室员工联署的《Pacing the Frontier》公开信,主张应放缓前沿 AI 的发展速度。


作者主张:不应让少数硅谷市场主导型 AI 公司替全世界定义这项代际技术的规则与安全标准,同时决定其发展速度。论据是历史先例——1975 年 SEC 指定三家评级机构且不公开准入标准,二十五年后仍是三家,最终给次贷 AAA 评级几乎拖垮全球经济;1985 年欧洲汽车业以安全为由获得反垄断豁免,结果只是保护了在位者,欧盟花了约二十五年才拆解。作者认为 AI 需要护栏没有争议,争议在于谁来写、谁参与、保护谁的利益。
文章质疑英伟达在 11 万亿美元 AI 基建扩张中扮演的「兜底」角色:通过投资、担保等方式支撑客户采购,把风险从自身资产负债表转移出去。作者主张这种兜底经济学放大了 AI 资本开支的脆弱性,一旦需求回落,损失将由谁承担尚不明确。
作者提出“上下文工程”概念,即构建动态系统为LLM提供正确的信息、工具和格式,使其可靠完成任务。文章强调,智能体失败多因上下文不足或格式不佳,而非模型能力不足。上下文工程是提示工程的超集,涵盖工具使用、记忆、检索等。LangGraph和LangSmith可支持该实践。

本文提出智能体工程(Agentic Engineering)概念,主张通过多智能体系统模拟真实工程团队,而非仅加速编码。作者基于LangGraph等工具构建参考架构,包含Worker Agents和Leader Agents,实现跨团队工作流编排、长期记忆和全局可观测性。试点显示调试时间减少93%,开发流程执行时间减少65%。作者认为智能体工程是控制平面,与Codex等编码智能体互补,后者可作为Worker Agents的推理引擎。


作者警告,AI监控技术已成熟并广泛使用,大规模监控不再是科幻,而是现实威胁。文章指出,现有大语言模型足以整合和分析数据,帮助政府识别和追踪抗议者,而法律可能允许这一切。作者认为,公民自由能否存续,仅取决于政策和预算,而非技术可行性。

