KK

RSS: https://kevinkelly.substack.com/feed
Kevin Kelly(凯文·凯利)的 Substack,Wired 杂志创始执行主编,分享正在进行的创作与思考。

一个新观念的自然史

<p>关于观念具有生命周期这一观点,其渊源颇多。不同的人被认为最早提出了这一思想。以下是我的版本:</p><p>一项新观念的自然史:</p><p>1)<strong>彻头彻尾的荒谬。</strong><br>“这完全是无稽之谈。”</p><p>2)<strong>古怪但未经证实。</strong><br>“这是一种有趣却离奇的观点。”</p><p>3)<strong>正确但无关紧要。</strong><br>“这或许没错,但毫无意义。”</p><p>4)<strong>显而易见。</strong><br>“有什么新鲜的?我们早就这么说了。”</p><p>不妨将其应用于你最熟悉的例子。</p><p>我曾见过这种说法被简化为:“疯狂。疯狂。疯狂。显而易见。”但我认为,关注其中的渐进层次更为有用。你的观念处于这一量表的哪个阶段?</p><p>以下是诺曼·舒姆韦关于心脏移植曲折历程的一个真实案例。这个“疯狂”的想法从1960年到1982年,历经22年才被广泛接受。</p><blockquote><em>1 初始阶段:“行不通;以前就试过了。”</em><em>2 动物实验成功后:“无法应用于人类。”</em><em>3 第一例临床患者成功后:“纯属运气;怀疑该患者是否真的需要移植。”</em><em>4 临床取得四、五例成功后:“仍属高度实验性,风险太大,有违道德与伦理;听说他们有不少死亡病例并未公开。”</em><em>5 十至十五例患者后:“或许在精心挑选的个案中偶尔能成功,但真正需要手术的患者本就寥寥无几。”</em><em>6 大量成功案例之后:“某某人未能复制他们的成果。我听说他们的一些患者如今出现了迟发性死亡。”</em><em>7 最终阶段:“这是一项非常出色的贡献。它为一个难题提供了直接的解决方案。我早就预言过这一点。事实上,早在1939年我就有了同样的想法。当然,当时我们什么也没发表——我们还没有…</em></blockquote>
评论点赞收藏2 天前

预测当下

作者KK翻出自己在1997-98年整理的一份早期Wired杂志(1993-1998)中关于"未来"的预言合集,发现这些对未来的预测其实是对当时当下的预测,揭示出的是当时的集体思维而非现在。 文中引用了Jaron Lanier、Peter Drucker、Brenda Laurel、Nicholas Negroponte、Danny Hillis等人在Wired早期发表的"未来展望",包括头戴式显示、沉浸式体验、作者身份转变等。 核心观点是"预测未来其实是在预测现在",即使这样做也很难准确。内容偏个人反思与历史回顾,信息量中等,技术读者可能对早期Wired的预言有怀旧兴趣,但缺乏新的技术判断或可争论的强观点,讨论入口有限。
评论点赞收藏9 天前

机器人篮球

Kevin Kelly 与 Craig Mod 打赌:2040 年机器人能否在一场正规篮球赛中击败最强人类球员,KK 押不会,赌注是一杯意式冰淇淋。他认为 AI 会加速机器人发展,但关键瓶颈在能量效率——人脑仅 25 瓦、行走不到 100 瓦、打篮球约 400 瓦,而机器行走需 500 瓦、剧烈运动需 2000 瓦;人类还胜在耐摔和快速恢复。 文章停在人类韧性优势处,未完成全文。
评论点赞收藏16 天前

支持AI合理使用的一些论点

<p>我针对大型语言模型训练的本质,以及我们作为一个社会是否应将用于训练它们的素材视为合理使用,做了一些笔记。我认为将其认定为合理使用更为妥当,并为此提出了一些论据。<br><br>这些讨论以美国版权法为背景,此处未予详述。此外,还有许多常见的支持与反对意见,也未一一列举。写下这些要点,只是希望按自己的思路进行一番梳理,并未按严密的论证顺序排列。<br><br>欢迎提出建设性意见,或指出我可能遗漏之处。</p><ol><li>文本、图像、音乐等均为人类创作的表达,受版权保护。在训练过程中,大型语言模型将这些表达转化为一种称为“隐空间”的抽象表征。它把一类事物——即具体的表达内容——转换成另一类事物——一种近乎数学化的抽象,其中已不包含任何表达。这正是大型语言模型被称为“变换器”的原因。大型语言模型所构建的隐空间更接近于语法之类不受版权保护的对象。</li><li>这种隐空间的转换是一种根本性的变革,因为它具有单向性。这是一个非对称的过程:内容可以被映射到隐空间,但隐空间却无法逆向还原为原始内容。它确实发生了彻底的转变。</li><li>公众对经由这种转换而产生的成果之使用模式是全新的。当要求大型语言模型诊断一台损坏的电子设备时,这一服务并不等同于阅读一本书或一篇新闻报道;当用其制定营销策略时,这与单纯阅读文字有着本质区别;当让其解答一道数学难题时,它也并非在替代一本数学书籍。大型语言模型所带来的变革既体现在形式上,也体现在用途上。它们不仅被改造,而且被赋予了一个前所未有的全新类…</li></ol>
评论点赞收藏23 天前

热原子的高速一生

<p>原子在一件科技产物中短暂的旅程,是它漫长而冰冷的一生中绝无仅有的刹那光芒。对一个原子而言,没有比置身于炽热的人工智能芯片更“热闹”的归宿了。<br><br>例如,英伟达的芯片拥有目前已知宇宙中最高的能量密度,为构成它的每一个原子奉上了其存在史上最疾速的“过山车”。</p><p>大多数氢原子诞生于时间之初。它们在大爆炸的烈焰中被创造出来,化作均匀而温热的星云弥散于宇宙之中。此后,每个原子都踏上了一段与世间万物隔绝的孤寂之旅。<br><br>当一颗冰封的氢原子在深空的沉寂中漂荡时,它的“活跃度”几乎与周遭的真空无异。没有变化,时间便毫无意义;而在那占尽宇宙99.9999%的广袤寒域,变化几近于无。</p><p>数十亿年后,某个氢原子或许会被凝聚中的星系所散发的引力之流裹挟而去。在微弱的时间与变化的暗示下,它循着稳定的轨迹缓缓朝其他物质靠近。<br><br>又过了十亿年,它终于撞上了平生初遇的“同伴”:另一颗氢原子。再过数百万年,它迎来了第二位“伙伴”。二者在温和的引力牵引下相伴漂流,直到亿万年之后邂逅了一位“新来者”——氧原子。<br><br>骤然间,奇异的变化发生了:在一阵炽热的迸发中,它们凝结成一个水分子。也许,它们会被卷入某颗行星的水循环。在这场“联姻”之下,它们被纳入原始大气中宏大的变迁之环。<br><br>原子们被迅速抬升,又化作雨滴洒落,汇入熙攘的原子群中。在无数水分子的簇拥下,它们日复一日、年复一年地周而复始:从拥挤的水池到浩渺的云团,再回到原处。<br><br>某一天,机缘巧合之下,我们的水…</p>
评论点赞收藏29 天前

十亿美元

<p>你会拿十亿美元做什么?</p><p>年轻人偶尔会向我请教人生建议。我可以在他们决定该怎么做时进行辅导吗?他们正在考虑进入新领域。或者考虑辞职。他们应该为非营利组织工作吗?<br><br>他们的担忧通常背后有经济因素。我有一个相当标准的回答;我请他们探讨这样一个情景:</p><p>想象我是一个拿着魔杖的巫师。我挥舞它,现在你就有十亿美元了。你会怎么过你的人生?物品的价格不再是物质。你把钱用来做什么?</p><p>答案非常复杂且多样。他们先买房,也许还会买给家人住。甚至可能在湖边建个第二个家。他们得到了一辆一直想要的车。多旅行。支持一位艺术家朋友。</p><p>我告诉他们,这都很好,但之后你还是会有十亿美元。你只花了几百万,一两天内就能回本。而且你仍然面临着如何利用宝贵时间的问题。</p><p>这里的答案变得有趣起来。有些人会自己创业,或者开一家面包店。与医生合作,为贫困者服务。加入他们的乐队,走职业路线。成为一名YouTube创作者。<br><br>这一切都不需要接近十亿美元的资金。</p><p>我想起电影《华尔街》中的一个场景,主角巴德在一份他讨厌的高薪金融工作中工作,目的是赚一百万美元,退休后骑摩托车横跨中国。<br><br>内部笑话是,买摩托车穿越中国不需要在华尔街工作,也不需要赚一百万美元。你完全可以用2000美元完成整个旅行,这笔钱是从夏天短暂在Costco工作中攒下来的。</p><p>我练习的重点是,大多数人的梦想并不被金钱所限制。当然你需要一些钱,但你可能没想象中那么多。你很可能不需要数百万美元来实现梦想。</p><p>大多数…</p>
评论点赞收藏37 天前

没有智能理论,就没有未来

AI 的最大价值不只是替我们干活,而是像显微镜一样让我们看清自己的大脑。KK 认为,AI 将像显微镜催生细菌理论、望远镜催生物理学一样,成为研究人类认知的工具——我们可以用它拆解思维、构造各种专用人工心智。
评论点赞收藏44 天前

用空间智能构建世界

Kevin Kelly 认为 AI 下一阶段的关键是赋予空间智能,让机器拥有对物理世界的直觉理解。当前大模型知识渊博但缺乏常识和具身智能,无法在真实世界中操作。
评论点赞收藏51 天前

渐进未来:每年好1%的世界

Kevin Kelly提出"Protopia"概念,认为未来不应追求完美乌托邦或恐惧反乌托邦,而应关注每年1-2%的微小改进,这些改进复利累积才是文明进步的真实轨迹。 AI等新技术会带来新问题,但人类解决问题的能力也在增长。
评论点赞收藏57 天前

88 Prompts for Long Term Thinking

Subscribe now In January 2019 I wrote out scores of prompts for thinking long term that I felt should inform the foundation I was later co-chair of, The Long Now Foundation. These axioms were only sha...
评论点赞收藏58 天前

潜在空间:作为新媒介的人工智能内部世界

KK提出潜在空间(Latent Space)不仅是压缩知识的数学结构,更是创意与发现的新媒介。文章详细解释了LLM如何通过向量映射概念,并列举了原型设计、跨域类比、挖掘元模式等具体应用场景。 这为理解AI从工具转向创作平台提供了清晰的认知框架。
评论点赞收藏79 天前

Why Are LLMs Smart?

Subscribe now A popular way to explain how current LLMs work is to say that “all” they do is predict the next most likely word in a sentence. From one perspective, this is correct. Trained on all huma...
评论点赞收藏100 天前

依然失控

<p>我在32年前(1994年)出版了《失控》。</p>
评论点赞收藏114 天前

AI 想要诚实

<p>每个系统都会表现出偏见,并倾向于某些状态。</p>
评论点赞收藏121 天前

Myth of the Lone Villain

Subscribe now A classic Hollywood trope is the evil genius madman who is using new technology he just invented to murder (or threaten to murder) a large chunk of humanity. The lone evil genius always ...
评论点赞收藏125 天前

涌现的自我循环

凯文·凯利从自己几乎每周都会收到陌生人邮件这一亲身经历切入,探讨自我意识如何在与他人的互动反馈中不断涌现和重塑。文章以具体的个人体验为基础,引出关于身份认同、自我认知与社会反馈之间关系的思考,延续了KK一贯的"技术哲学+人生观察"写作风格。
评论点赞收藏142 天前

关于科学方法未来的猜想

凯文凯利2006年发表的文章,推测未来80年科学方法的演变。提出AI辅助证明、组合搜索、三重盲测、实时自适应实验、Wiki科学等概念。 虽然部分观点已具雏形,但作为对技术重塑认知方式的宏观思考,仍具启发性和讨论价值。
评论点赞收藏149 天前

我们不确定的不确定性

凯文·凯利直言不讳地指出:即使是正在创造 AI 的专家们,也无法预判接下来会发生什么。文章探讨了 AI 发展中的多层不确定性——不仅是技术路径的不确定,更是我们对"不确定"本身的认知局限。 在 AI 讨论日益喧嚣的当下,这篇短文提供了一种清醒克制的视角,提醒读者正视未知。
评论点赞收藏156 天前

机器人教理问答

凯文·凯利发布了一份进行中的工作草案:机器人教理问答(V1.0,2026年4月13日)。他采用传统"教理问答"(Catechism)的问答形式,为机器人和AI系统设计了一套伦理行为框架。 这种形式新颖而庄重,将技术伦理问题置于类似宗教教义的结构中讨论,暗示了AI规则应有的严肃性和根本性。作为初稿,内容具有开放讨论和迭代完善的空间。
评论点赞收藏163 天前

笨聪明

凯文·凯利从"我们需要的不是一个比'聪明'更好的词"这一语言观察出发,探讨现有词汇在描述人类认知能力时的贫乏。文章触及了语言如何限制我们思考的边界,以及是否有必要发明新词来捕捉那些现有语言无法准确表达的智能形态。 短小精炼,适合语言爱好者和认知科学感兴趣的读者。
评论点赞收藏170 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。