值得构建的未来以人为本：Thinking Machines Lab 的技术哲学

“思维机器”的使命，是打造能够延伸人类意志与判断力的人工智能。

如今，人工智能的性能日益提升，但究竟由谁来决定其发展方向，则取决于我们——无论是个人、
组织，还是整个人类。这些决策需要人们通过持续接触工作实践而获得的知识与判断力，
而这些工作往往正越来越多地与人工智能协同完成。
塑造先进智能的目标，同样是一个不断反馈、不断学习、不断调整的过程。

当今市面上大多数人工智能都是在少数几个特定领域进行训练，随后被“冻结”起来。
它们并未真正融入服务对象的生活之中，也难以从用户共同完成的工作中汲取太多经验与启示。
要延伸人类的意志与判断力，就需要像人类自身一样多元且分布广泛的AI。
这正是我们所选择的道路。

为了在这一道路上不断前行，我们正致力于以下几个技术方向：

• 我们致力于打造强大的模型，推动多模态交互、自定义化等能力的进一步发展。精准的工具能够拓展人类的意志，而人类的判断力则需要塑造那些在前沿领域展开竞争的模型。
• 我们开发了各类工具，帮助人们将人工智能“个性化”，根据自身独特的需求对模型进行定制化改造。这包括对模型权重进行训练的能力。
• 我们设计了多种界面，拓宽人机之间的沟通渠道，使人类的判断力能够持续影响人工智能的工作。
• 我们定期发布研究成果，向科学界公开我们的探索与发现，因为要真正塑造人工智能，就必须深入理解其背后的运作机制。

我们坚信：值得建设的未来，属于人类——由人类的知识塑造，由人类的意志引领，由人类的判断来最终决定。接下来，我们将阐述这一未来的愿景，并分享我们为实现这一愿景所开展的各项努力。

将智慧融入知识

人工智能的存在，是为了服务于我们的日常工作。
这些工作依赖于对事物运作方式以及哪些事情值得去做的深刻认知——而这些认知，
正是由每一位投身其中的工作者不断积累与提炼而成的。

试想一位厨师正在创作一道新菜谱，又或者是一位店主重新布置橱窗里的商品与价格。
他们追求着复杂多样的目标，并运用着那些外人未必能立刻看懂的专有技艺与诀窍。
这些知识会通过不断的反馈不断更新；它并非一个静止不变的数据库，而是扎根于具体情境中的知识——不同的餐厅或店铺，
可能以截然不同的方式追求着各自的目标。
商店与厨房中所积累的集体智慧，散落在每一位店主和每一位厨师的日常工作中。
——迈克尔·波兰尼，《隐性维度》（1966）

知识的分散性恰恰是一种集体力量；它是整个系统多样性的源泉，也是其适应性与韧性的重要来源。
也正是因此，自由市场往往比计划经济更富有成效。
中央计划之所以失败，并非因为缺乏足够的智慧，而是因为生产性知识的本质特征：
它往往是隐性的、局部的、转瞬即逝的，而且往往被那些通过自身劳动获取这些知识的人私下珍藏。
——弗里德里希·哈耶克，《社会中的知识运用》（1945）试图将知识汇聚起来，
以供中央集权式的智慧所用，同样面临着同样的挑战。

在某些领域，仅凭智慧本身便已足够，而无需人类的参与，就能让自主AI一路向前。
两个典型的例子便是国际象棋——最顶尖的引擎完全依靠自我对弈进行训练，以及数学领域——前沿模型正凭借自身的力量，
独立攻克那些长期未解的难题。这两个领域都具有两个共同的特点：首先，赋予AI的目标是静态且可明确表达的：
赢得一场比赛，证明一个定理。其次，这些领域并不蕴藏着隐藏的知识。
国际象棋与数学的规则是普世通用的；棋盘对所有人来说都是可见的。
在棋盘之外，仅靠智慧本身是远远不够的。

要让人工智能真正受益于分散式知识，它自身也必须是分散式的。每一个组织的背后，都凝聚着员工们的专业知识——这些知识源于他们的工作实践，并在实践中不断被积累与表达。我们相信，真正的AI应当助力组织培育独特的知识，而非仅仅提取知识的片段，再用标准化的产品来替代之。这种培育是一个持续的过程，要求AI与人携手合作，而非代替人完成工作。
2014年，丰田这家长期以来在自动化生产线领域占据领先地位的企业，再次将经验丰富的工匠带回生产线，其明确的目标在于培养工匠精神与知识传承。负责这项工作的川井充曾这样解释道：“要想成为机器的主人，你必须具备传授机器知识与技能的能力。”——克雷格·特鲁德尔、萩原优纪、马洁，《人类取代机器人：丰田对未来愿景的全新诠释》（2014）知识的创造与智慧的应用彼此促进、相辅相成，而非相互取代。
人们的日常工作或许会发生变化，或许会更多地转向那些唯有人类才能带来的价值，但最优秀的组织，会充分发掘并利用这两者的全部潜力。人工智能应当赋能每个组织，以各自独特的方式做到卓越，而不是抹去各组织之间的差异。
我们的目标，是将智慧带入知识的诞生与应用之地。我们开发了各类工具，让每个人都能依据自身的独特知识对模型进行微调，并随着知识的不断演进，持续优化模型。我们还发布了研究成果，并推出了众多“食谱”，让更多人得以轻松掌握这些能力。我们期待，前沿AI能够以一种集体化的形态存在——如同其服务的对象一般多元，因为这些AI正是在各自独特的环境中，由人类共同塑造而成的。
人类的参与是一项技术上的挑战

让人们持续参与设定目标、与AI共享知识，并不意味着要一味抵制自动化本身。机器本应自主完成那些可靠的任务，但它也应当懂得何时独自行动，何时邀请他人监督与反馈——正如人类在团队协作中所做的那样。最优秀的合作者总是能提前预判：他们先了解他人的目标，并在被请求之前就主动提出，从而随着时间的推移，逐渐获得代表他人采取行动的权利。这些挑战关乎技术层面，也要求我们在AI的设计与评估方式上做出全新的尝试。
将人类的知识与判断力融入大语言模型的工作中，最大的瓶颈之一，正是人机之间的沟通渠道——一个小小的文本框，以及漫长的等待时间。这样的沟通渠道既无法承载人类智慧与意图的丰富内涵，也过于缓慢，难以实现持续的反馈。人们在实时协作时，往往能取得最佳效果。我们会打断对方、加以修正，仔细审视、轻轻点头示意，甚至大声表达自己的想法。这也正是我们为何长期致力于研究“交互模型”的原因：这些模型能够在模型内部实现原生的、多模态的实时交互，而非依赖于围绕模型搭建的辅助框架。以这种方式构建的交互模型，其互动性会随着智能的提升而不断增强；正是那些让模型变得更聪明的训练过程，也让模型成为了更出色的协作伙伴。合适的界面不仅能让人类参与进来，还能积极邀请并奖励人类的参与。
另一个挑战在于，如何为评估与优化设定恰当的目标。如今，衡量人工智能智慧的常见标准，是软件任务模型能够自主执行的时间跨度——这一指标通常以METR等图表的形式呈现。托马斯·夸和本·韦斯特等人，《前沿AI模型的任务完成时间跨度》（2025）我们预计，这一基准的进展仍将持续，但其衡量的始终只是AI自身所能达成的成就，而非人类与机器携手合作所能实现的成果。
要衡量后者，则要复杂得多，且单靠实验室自身无法完成。每个组织都需要自行评估：人工智能是否能帮助自己提升判断力、开拓新知识、实现既定目标？
打造能够从长远来看让使用者更加强大的AI，也能很好地协调各方利益。一家AI实验室若为每位客户只提供单一模型，虽然能够有效整合不同用户的独特需求，却忽视了专业知识的培育与积累。通过优化AI，使其具备高度的自定义性和协作性，我们就能真正受益于客户的独特优势。这些优势的发挥，绝不是通过租用AI并将其外包给第三方来实现的，而是通过组织自身掌控AI，根据自身目标对其进行量身定制。
去中心化的协同
人类的价值观，正如人类的知识一样，根植于个体的头脑之中，且不易被集中化所消融。然而，如今AI的价值观与话语权却往往被集中于少数几个地方。即便某个价值取向的集中点运行得再好，它也难免沦为权力的聚集地，被人所攫取。
这种状况带来了诸多隐患，尤其是当大部分高价值的工作都由AI独自完成，几乎无需人类的参与时。企业、政府与公民之间所建立的社会契约，依赖于个人的生产力——而政府的主权与企业的利润，最终都取决于个人的生产力。一旦权力不再依赖于人类的付出，它便会失去关怀人类需求与价值观的动力，转而专注于自身的存续与维护。——卢克·德拉戈与鲁道夫·莱恩，《智能诅咒》（2025）
即使怀着再好的初衷，一个在某一特定地点塑造出来的模型，也难免会内嵌其所有者的价值观，而非其所服务的个体用户。“如果一个人类的道德准则，竟由少数人所制定，那么仅仅拥有更为道德的人工智能，是远远不够的。”——教宗利奥十世，《人类的尊严》（2026）如今，每家实验室都会以先前的旗舰模型为基础，继续训练下一代的旗舰模型，以此生成训练数据并输出奖励信号。无论这个循环中涌现出怎样的特质，每个人得到的都是相同的模型，而每一代人都会继承前一代的特质——这些特质源自父母的输出，并经由父母的品味加以评判。单一的协同机制，不仅抑制了创造力与多样性，更扼杀了进步的活力。相反，自由言论与自由市场则让新的理念、商品与服务得以涌现并相互竞争，而非让某一时刻存在的偏好被平均化。
为了让组织与个人将AI与自身价值观相契合，这些价值观必须被编码到模型的权重之中。如果用户的价值观与愿望仅通过提示词影响模型，那么用户会发现，表面的特性发生了变化，而深层的习惯却依然如故。允许核心模型行为随提示词发生显著改变，会牺牲安全性，使一个易变的集中式模型极易遭受反复攻击。——格温·布兰文，《守护天使：用于提高效率与保障安全的大语言模型个性化方案》（2026）
塑造模型的力量，也同时蕴含着塑造模型的风险。约翰·冯·诺伊曼曾在1955年对此问题作出过警示：约翰·冯·诺伊曼，《我们能否在科技面前生存？》（1955）他指出，科技的有用之处与有害之处“彼此紧密相连，近在咫尺，以至于我们永远无法将狮子与羔羊区分开来。”守护羔羊的安全，是一个持续的过程，需要不断进行判断与抉择。我们希望为那些做出这些抉择的人们提供更强大的工具，通过研究，开发出既能确保更安全的模型，又不会剥夺用户对模型的掌控权。
人类之所以能够蓬勃发展，正是因为每个人都有独特的个性与充满创意的张力。我们设想，AI的协同效应不应仅仅体现在单一模型上，而应体现在一个由不同地域孕育、彼此争论、彼此竞争、彼此学习的AI生态系统中。我们相信，要让这些独特的个性得以延续。
值得建设的未来
科技行业在教会机器思考方面取得了令人惊叹的进展；但关于机器应该思考什么的问题，仍然需要由我们来决定。我们究竟该追求什么，又该创造什么？我们该如何善用手中有限的时间？“在一切严格功利主义哲学中，摆脱无意义困境的唯一出路，就是远离‘使用’这一客观世界，转而回归‘使用’本身的主观性。唯有在严格以人类为中心的世界里，当用户——也就是人类自身——成为终极目的，从而终结那永无止境的‘目的与手段’链条时，功利主义才得以获得‘有意义’的尊严……‘人类制造者’的以人类为中心的功利主义，在康德的那句名言中得到了最充分的体现：‘人绝不能成为达到目的的手段，每一个人本身就是目的。’”——汉娜·阿伦特，《人的境况》（1958）我们并不打算将唯一的答案传给后人，而是希望赋予每个人能力，让每个人都能将自己的答案纳入前沿AI的发展进程中。
当前AI发展的道路，正朝着集中化与自主化迈进，而这一进程却将人类的参与视为一种权衡：参与与能力、所有权与安全协同。我们认为，这些挑战亟需解决：通过鼓励人类参与，让AI拥有更强的能力；通过为组织提供定制化服务，让组织在长远中受益于AI的个性化发展；通过多元化的AI，让其在各自所属的群体中，因人类的参与而产生协同效应。解决这些挑战，正是我们使命的核心所在。
未来并非人类主导与AI快速淘汰之间的二选一。不同的道路将通向无数种不同的未来，而我们有权选择走哪一条路。我们正在打造这样一项技术：让天生的与后天的智慧，一同踏上这条道路。