本文来自微信公众号：XYY的读书笔记（ID：xiaoyanyan00002），作者：肖俨衍，题图：由Midjourney生成

AGI（Artificial general intelligence，通用人工智能）时代的曙光带来的不仅是新技术的兴奋，还有潜在人类危机。“如果AGI比人类还智能，未来还有断电的方法”。听起来好像很有道理，如果AGI比人类智能，其一定知道自己的弱点，从而避免人类打击它的弱点。由此，这个方法很可能是不可行的。

本篇，我们聚焦应该如何设计AGI系统从而避免其对人类生存构成基本危机，避免我们成为猿猴第二（孵化了人类，但自己却成了“玩偶”）。反言之，忽略了这个问题的AGI路线，要不被人类叫停，要不就会成为巨大风险。

《Human Compatible》这本书的作者Stuart Russell是UC Berkeley大学的计算机系教授，也是著名人工智能教材《Artificial Intelligence: A modern approach 》的作者，这本书写作于2019年，GPT还没出来，但其从智能的定义谈起，谈到作者对于AGI风险的辩论，并且提出了一套可行的设计框架，值得一看。

引子：AGI时代的隐忧

设想五个场景，你认为哪个会是人类历史上最大的事情？

1. 由于其他行星撞击等事件，人类灭亡；

2. 人类获得永生；

3. 我们发明了超越光速的飞行器，征服了宇宙；

4. 外星人来临；

5. 我们发明了超级人工智能AGI。

作者看来，第五个应该是对人类文明最大影响因素，其可能带来非线性阶跃，其包含了1-4事件能够给人类带来所有可能性——永生、毁灭、征服等，甚至可能是人类历史上最后一个事件。AGI时代是否很快就会到来？这一点几乎很难预测，就像人类发明原子弹的历史，1933年诺贝尔化学奖得主卢瑟福（Rutherford）说：“任何从原子转换中获取能量的想法都是天方夜谭”。然而，6年后，1939年，第一个原子弹类型武器专利在法国发布。

智能的定义。“越智能越好”是AI时代发展的基本纲要，然而智能的定义到底是什么？人类智能的核心是我们能够基于我们的目标采取相应的行动。类似的，对于机器智能，我们也可以采取类似的目标和行动关联关系的定义。

然而，机器的目标和人类的目标如何对齐，却成为AGI发展过程中最核心的问题和风险来源，如果机器的行为基于实现机器的目标，而这个目标与人类的目标相违背，那就可能是灾难。当然，你可以简单将这个目标替换为人类的目标，也即机器的目标是实现人类的目标，然而，人类自己是否真正知道自己的目标？我是谁，我来自哪里，我要去何方，几乎是人类哲学要解决的终极问题。由于人类的复杂性，目标对齐本身也充满复杂性。

一、简述人类的智能和机器的智能

人类智能进化历史

正如前文所言，一个智能主体核心定义是，基于其感知能力，其能够基于目标做出对应行动。从这个角度，一个细菌能够感知外界环境，做出相应反应，其是智能的。

下一步是神经系统诞生，神经能够通过突触快速传播电信号，且通过不断学习调整参数，神经系统可以培养行动习惯集合，此后大脑诞生。实际上，对大脑底层机制的研究就是人工智能的底层机制，而我们科学研究的进展目前也仅限于大脑神经结构的理解，而对学习、认知、记忆、推理、计划等一系列行为机制理解很有限——基本靠猜。

大脑反馈系统也广为人知，大脑倾向于对一些增加多巴胺释放的行为进行重复（比如吃甜食，比如别人的夸奖），反之则避免一些让你感到痛苦的动作。这种反馈系统和AI训练中的强化学习（Reinforcement Lerarning）机制类似。生物进化也和智能相关，DNA不断迭代和交叉构成物种进化的核心机制（优胜劣汰）。而文明传承等行为则加速了人类学习的过程（地球历史上曾经存在过1170亿人类，学习的时间就更多了）。

理性决策机制

简单来讲，理性决策是权衡成功的确定性以及获取的成本。比如，机会A是有20%概率获得10美元；机会B是有5%概率获得100美元。前者预期回报是2美元，后者是5美元，所以后者是更优选择。然而，这个逻辑并不能完全线性外推，比如机会A是100%获得100万美元；机会B是1%概率获得10亿美元。大多数人可能会选择机会A，因为从效用（Utility）角度来看，效应和钱并不是线性关系，对大多数人100万美元效应和10亿美元不是1000倍的关系。

因此，理性决策机制又可以是最大化效用函数。效用理论有很多反对的声音，比如有人觉得其将人类决策动机简化为自私和钱；也有人觉得这个效应无法量化，令其很难计算——理性行为并不完全涉及到计算，比如遇到水，你会闭眼睛保护眼睛，其背后并没有计算，但却是理性行为；比如，理性决策的载体是什么，是人类自身，还是家庭、部落等；最后，有很多数据证明，人类的决策其实是非理性的。然而，虽然理性人的假设有很多问题，我们在构建AI系统时候却可以假设人类的偏好是具有一致性的，而对那些不一致的倾向和偏好，AI或许能够容忍，但是却很难被AI满足（善变的部分）。

复杂的是社会

如果这个社会只有1个人和1台机器，问题可能容易得多。但问题是，地球上有80亿人类，有数百个国家和更多民族和不同文化。人类理性的决策将变得更加复杂，类似博弈论（Game Theory，纳什均衡）等的核心就是在多人情况下，人类的理性决策会变得不同。

假设A和B在进行踢点球的游戏，A是右脚运动员，其踢向右边的成功率和概率要更高一点。B则需要提前对A踢球的方向进行判断才有可能扑出。这里面就会涉及到N层博弈可能性，第一层：“因为A射向右边概率更高，所以我扑向右边。”；第二层：“A也知道我知道其更高概率会选择右边，所以他会选择左边”……无限循环。简单来讲，如果A有理性决策能力，B肯定也知道，因此这个游戏根本就不存在理性决策（股市博弈基本如此）。

机器的智能，以及绝对理性无法实现

要实现AGI，第一步是定义机器智能，第二步是实现它。计算机是人类第一个智能机器，虽然我们已经习以为常。1936年图灵提出了通用机器的概念——也就是机器不用分计算、翻译等职能。最早的计算机每秒运算是千次，到2019年超算计算机每秒计算达到10的18次方，这个速度和大脑计算能力差不多（大脑主要是并行计算），但是后者功耗只有前者百万分之一。

从计算能力角度，量子计算可能是未来提高算力潜在方向。一位MIT教授测算了笔记本尺寸电脑的物理计算极限——每秒10^51次计算。一方面是计算能力有上限，另一方面的世界的复杂性，也即一类指数级别计算问题无法用穷举法粗暴解题。简单比如用三种颜色填充地图，且接壤国家不同颜色问题，如果国家主体有100万个，则需要2^1000次计算，如果用2019最先进超算需要10^275年来计算，而宇宙历史目前也只有10^10年。

由于世界的复杂性，我们应该预期不管是人类还是AGI，未来大概率都无法对每个问题找到全局最优解，更多只是找到局部最优解，无法做到绝对理性。

颠覆图灵测试——人工智能发展路径历史

识别机器智能著名的测试是图灵测试——如果一个机器能够欺骗人类，说明其已经具备了超人的智能。然而图灵测试一方面很难操作，另一方面如果机器发展的是另外一个智能体系（跟人类不同）怎么办呢？因此图灵测试其实一直不是学界评价机器智能程度的核心方法。

最早的AI方法是基于逻辑规则——即将机器基于信号、既定目的的行为写出对应的逻辑规则。到1980年代，简单基于逻辑规则的AI路线证明是不够的——世界规则是无限的，基于概率论（贝叶斯）的路线开始兴起，开启了Modern AI时代——培养一个针对特定目标的Agent，能够根据输入信号做出对应决策。针对Agent培养，环境——目标场景是否是连续，是否可观察；目标是否可操作；行动是否可预测等等一系列因素，都可以定义AI场景本身的难度。

比如，训练AI打游戏就难度很高，在任何时点，AI可能有10^50次方个选择（围棋只有100个），强化学习等方法运用已经使得AI征服各种高难度游戏（比最顶级人类玩家更厉害）。随着AI征服越来越难的场景，其也积累越来越多能够实现AGI的技术和可能性，2023年GPT的横空出世就是典型（作者写书的时候还没出现）。关于AI具体发展历史参见《【读书】深度学习发展史：相信和看见》。

二、AGI何时来，会带来什么影响？

AGI的路径

AGI何时来是大家最关心的一个问题，然而几乎也无法回答的问题。一方面，预测很容易错误，例如前文说的原子弹。1960年AI萌芽的时候，学术界主流观点是AGI在20年内就能实现。其次，AGI是否到来本身没有明确界限和标志，实际上，现在计算机已经在很多维度超越了人类。如果硬要预测，时间可能是5-500年（OpenAI的Altman说是10年内，且看吧）。

从AGI路线来看，作者认为缺乏知识的模型一定不智能，而要学习知识最重要是掌握语言，因此如果一台机器能够理解人类语言，其就能够快速积累知识（GPT恰好就是这个路线，神预测）。然而，作者认为这种路线可能面临鸡和蛋的问题——因为你总的有点理解才能开始积累知识，现在来看GPT几乎把语言和知识两个问题合并了，本质上是一个问题——这个很哲学，可能物体本来就是自己的原因，鸡和蛋的问题本不存在。

有了知识之后，还要有常识，正像怀特海说的：“人类文明的进步本质是我们潜意识动作模块化的积累（不需要思考）。”人类能够根据事物优先级来制定目标和行动计划，而很多具体行动本身不需要思考。作者认为，这一步对于实现AGI很重要，目前来看从GPT-4的图片识别来看，其似乎已经具备了一些常识（其知道剪断挂着铁球的线，它会落到地上）。但是，博主认为GPT拥有多模态，甚至增加感知世界能力后，这个常识模型可能会更加精进。

AGI实现了会怎样？

首先，AGI能够干人类能做的任何事情，数学、编程、研究等。这些工作价值几何？美国有个调查说，美国人认为如果要让他们放弃搜索引擎，需要支付给他们1.75万美元/年，从这个角度AGI版本搜索引擎价值就是几万亿美元。此外，人和人的大脑并不能联通，然而机器人AGI却可以，这一张认知网络的联合，一定会产生更加庞大的能力。从学习速度来看，人类可以一周看一本书，然而机器可以在几小时内看完人类有史以来写的1.5亿本书，这种学习能力无需赘言，而这种超强的学习和思考能力，大概率就能发现我们人类尚未发现的规律——比如治疗癌症的方法。

AGI会有哪些局限性？

一种普遍的错误认知是认为AGI会成为“上帝”一样的存在，即不仅对当下有完美的理解，还包括对于未来。然而，正如前文所说世界中有大量指数级别的复杂问题，AGI也受到物理计算能力的限制，其肯定能比人类找到更优解，但却不是无限能力。

此外，AGI的研究发现很多情况也受到其他因素限制，比如研发一些药，其需要临床测试（需要时间）。当然也可以通过仿真，但是仿真就需要了解清楚每一个生物细节（科学难度很高）。AGI最后的局限性来自于其本身不是人类，他们在预测和理解人类行为时候很可能会碰到困难（比如人类复杂的、非理性方面）。我们人类在理解他人想法的时候，最大的优势就是我们也是人类，我们可以将心比心，但AGI可能不是。

AGI对就业影响如何？

除了终极的颠覆人类文明外，常见的负面影响包括更没有隐私，包括致命武器威胁，包括虚假内容误导人类等。更重要可能对职业的影响，早在亚里士多德的时候，其就指出只要雇主发现一种通过机械实现目标的方法，人们的就业就会受到影响。乐观派的观点则认为技术的进步往往会带来新的就业，比如工业革命。作者给出一个上下半场的解释，即在技术发展的上半场，其让很多场景和功能变得可能，其可以增加就业。但是下半场则效率提升到一定幅度后，其肯定对就业有负向影响。用刷墙的毛刷的宽度可以做类比，当毛刷宽度只有头发丝宽度时候，用其刷墙是不可能的任务，因此就业是0。随着毛刷宽度不断增加，到10cm时候，就业规模达到一个高点。此后机械毛刷宽度越来越大，其对就业产生了负向影响（机械刷墙代替）。

当然，需要指出的是，当人们雇佣刷墙工人的花费因为机器人介入减少后，这部分花费可能会花在其他领域，这样会增加其他领域的就业。另外，技术进步整体增加了生产力，从而能够让我们基于同样的工作享受更多物品和服务。还有一点，技术进步往往利好资本，也就是投资技术形成资产的阶层，下面第二张图显示1960年代以来技术确实带来生产效率提升，但是1973年后平均工资却基本没变。AGI时代，哪些职业可能比较危险，简单来说，类似人机互动的职业（比如司机）可能都会被替代，包括白领岗位（操作计算机），外包的职业也是（因为所有外包部分几乎都是可以模块化，自动化的）。

最终来说，可能还有价值部分可能就是我们是人类，对人类能够提供一些人性化的服务。对于人类来说，虽然技术可以提供一切服务，但我们对某些场景，我们还是希望有人类给我们服务，比如教育，虽然AI可以提供很强的个性化教育能力，但是我们可能还是希望有个老师来教我们。对社会而言，UBI（统一最低工资）可能是一种解决方案，可以让绝大多数人共同享受技术进步红利（而不是少数人）。如果你需要更高工资，可以去通过给人提供服务来增加收入。

三、机器人会威胁到人类文明吗？

猿猴怎么看待人类的出现？

人类对于周围环境的掌控本质来源是人类的智能，由此不难发现“发明一个比人类还聪明的物种”是一种风险很大的行为。1000万年前，人类从猿猴进化而来，逐步进化到现代社会，猿猴会怎么看待这种行为？如果猿猴能表述自己的想法，这种想法可能会和人面对AGI风险比较类似。

另一种风险是人类过于自信的风险，即使人类能够给机器灌输自己的目标，但机器如果足够智能，其很可能意识到实现这个目标最好的方式是改变人类的目标。这个问题其实比较微妙，皇帝和太监到底是什么关系？真的是皇帝掌控太监么，历史上有多少太监掌握了皇帝弱点的时候，能够操纵朝政的？（比如天启皇帝喜欢做木匠，魏忠贤就专门挑后者做木工活的时候汇报重要事情，后者就会顾不上，说你们看着办吧）。现实中情况类似内容推荐算法，很可能是通过改变用户内容消费偏好，从而达到最大化点击量等目标。

另一个难点是，我们几乎无法通过简单地禁止研发AGI来阻止这种风险，其一我们无法停止对于AI的研究（等于限制人们思想），其二是禁止起来也很难，通往AGI的路径是未知的，我们无法知道我们应该禁止哪条路线，工具AI的发展很可能是通往AGI的路径，如果禁止AGI就意味着完全禁止工具AI，那人类目前的科技水平要大撤退。

对于AGI的风险，我们也可以听听反方的观点：

• 完全否定AGI的风险：计算机在计算方面比人类强，马在运动能力比人强，他们都没有威胁人类。历史上，也从来没出现机器威胁人类的情况。也有人认为AGI完全不可能，或者现在担忧还太早（杨立昆就认为当下GPT还远远称不上智能，因为其缺乏人类常识模型）。Andrew Ng也说现在担忧AGI的风险就像担忧火星上人太多。还有一种说法是我们是专家（比如IBM的人），我们更懂AGI的威胁。

反驳：历史不代表未来，某个方面智能和AGI也不同。面对AGI的风险，我们早做准备远远好过临时抱佛脚。

• 即使知道风险，我们也束手无策。比如我们很难控制AI科研，也有人觉得过于谈论风险等于忽略AI的好处，也有人认为我们应该对风险保持沉默，他们认为人类文明能够自然而然处理好这些风险问题。

反驳：实际上，人类对DNA编辑技术的应对（法律禁止），对核武器的应对（无核）都是历史上对颠覆人类文明历史的风险应对经验。

• 我们不能直接关闭它们吗？比如建设某些最后措施，能够在AGI风险前一刻关闭系统。比如我们可以给AI建立一个笼子，比如建设一个Oracle AI，只回答是和不是（限制功能）。还有人觉得我们人类应该和AI合并，通过脑机接口，人类的意识可以输入AGI，从而实现人机合一（马斯克搞脑机接口研究可能就是如此吧）。

  
  

反驳：这些想法的局限性都是，如果AGI足够智能，能够产生自我意识，其就能够冲破牢笼，防止别人断电。还有一种提议说每次给机器人下命令都包含一个后缀，比如“帮我冲咖啡同时允许自己不被关闭”，这种方法可能是机器人可能可以保持开关的畅通，但是让人无法靠近这个开关。

四、一种潜在解决方案

在作者看来，要打造一个始终有利于人类的AGI系统，需要遵守三个原则：

• AGI机器的唯一目标是最大化实现人类的偏好。第一条，让机器无我是最根本的设置，我们要打造一个类似佛教所说的无我，普渡众生一样的“佛”。也有很多问题，比如人类真的有明确的、稳定一致的偏好么？比如这么多人，究竟遵从谁的偏好？比如，世界上还有那么多生物、动物呢？

  
  

• 机器最开始对于人类的偏好是不确定的。第二条核心是不能有确定的目标，否则机器可能变成一根筋，最终会导致人类无法对AGI断电。这点也好理解，对于人也一样，一根筋的人几乎无法劝解，但是对未来保持不确定性的人更容易接受别人的看法。

  
  

• 机器学习人类偏好的唯一来源是人类的行为。人的行为是反映人类偏好的唯一证据。可能有人会想到将人类价值观植入机器，但是这个不好操作，一方面价值观无法量化，另一方面价值观千人千面。另一方面是AGI对人类文明的毁灭风险和道德选择完全不是一个level的问题。这里面问题是，人的邪恶行为机器应该怎么反应？

以上三点其实对做人也很有启示，比如我们做人不能一根筋，要抱有开放性。比如我们应该更加看重从现实中寻找知识，实事求是，不脱离现实。在作者看来，基于这三条设计AGI系统首先是其足够的开放性，通用性能够使得研发者有足够动力研发这类系统；其次，我们有充足的数据可以让AGI系统学习人类的偏好。可以用数学定理格式来描述：基于A\B\C机器，以及对应算法和反馈，对于任何类似计算能力和物理能力的机器，这些机器有很高概率能够提供非常接近人类偏好的、事实上可能的行为。首先，机器无法确保最优解，正如前文所言由于物理世界的复杂性，由此，其提供的是可能性上的最优解。

这里面还有两个假设，一个是世界的运行规律是一致的，不然就没法学习；其次是人类对机器的反应是在意的，不然有益的（beneficial）这个定义就没意义。从偏好角度，需要保证机器学习的是人的底层意图，而不是机械地模仿人类动作，即使其最开始不知道，但是其底层目标是实现人类的偏好。机器人“无我”还体现在机器人会学习人类每天早晨起来需要咖啡的习惯，而不是学习到“机器自己也需要咖啡”。

从人类选择中学习偏好——不确定理念很重要

假设机器人Robbie是Harriet的个人助手，其有一个具体任务就是帮助Harriet订酒店，Robbie并不清楚Harriet的偏好——便宜的还是昂贵的酒店，其选择的目标效用可能是-40到60，其直接行动平均预期效用是10，其还有一个选择是关闭自己（效用是0），第三个选择是等着Harriet给提示——有40%概率，Harriet会关闭Robbie，有60%概率会让Robbie直接行动。

由此，机器人等Harriet提示再行动，其预期效用是18。这个案例有几个启示——Robbie对自己的选择永远不是100%确定很重要，这样其就永远有被关闭的选项。其次，事实情况下，Robbie等待Harriet提示本质上是对后者一次“骚扰”，对后者增加了一些成本，这个成本越高，机器人越有可能直接行动。

一个潜在问题可能是，机器人Robbie越来越懂Harriet选择后，其不确定的比例会越来越低，但重要的是其始终不能100%确定。最后，这种不确定性可能会传递，也就是即使机器人Robbie开发的机器，可能也会承袭这种对于人意图不确定性的认知。

AGI需要领会人类意图

核心是人类和AGI的对话不能简单理解为确定的命令：比如Harriet在沙漠加油站中，对机器人Robbie说想喝咖啡，但是最近卖咖啡的地方有300km，Robbie的选择应该是不顾一切去买咖啡吗？实际上，Robbie应该将Harriet的话理解为后者的偏好的一种提示——他倾向于咖啡类饮料，如果Robbie发现最近咖啡店有300km，其最佳选择应该是告诉Harriet这个事实。

另一种需要避免的情况是Wireheading——多巴胺的快乐会促使动物跳过行为步骤，直接追求后者快乐（比如通过电击），机器人也可能。只要AGI足够智能，其可能会重新编程自己的程序，从而跳过行动步骤，直接获得reward，甚至操控人类强制后者给自己奖励。核心还是要区分“reward信号”和“实际的rewards”，前者的积累并不能简单等同于后者，这样智能系统就不会这么作弊了。

五、机器人的困惑：人类的复杂性

AGI必须考虑所有人的偏好

首先，人类是各种各样的。这点其实好办，因为根据以上定义AGI并不是学习某个人的价值观，而是可以选择不同人的偏好，其可以根据不同人的行为来推断其偏好。此外，考虑到不同偏好人有一定共同规律，机器人可以互相学习和积累认知，这种学习肯定不会从0开始。此外，Robbie应该不仅注重实现Harriet的目标，还应该重视后者的体验——假设Harriet想登珠峰，Robbie的方案不应该是开启飞行引擎把Harriet带上去。比如Robbie要减少Harriet痛苦，其解决方案不应该是让他消失。更复杂的问题是，社会是由海量的人类组成的，机器人应该遵从谁的偏好呢？（人类通过法律和道德准则来约束每个人的行为）如果Harriet提出一个对他人有害的建议，Robbie应该如何反应？一种方式是将Robbie的行为规范用法律来约束，但是AGI可能会去找各种法律的漏洞（但是不道德的）来实现Harriet的偏好。

因此，Robbie必须考虑其他所有人的偏好来决策其相应的行动，这有点像墨子说的“兼爱”，从效用理论来看，也就是机器人的行为应该是最大化社会整体的福祉（效用），或者每个人的平均福祉（效用）。基于福祉效用的理论也有反对声音，比如每个人的效用很难量化，更不用谈加起来或者计算平均了。还有，超级个体的存在可能会造成偏离，比如人类相对于其他动物，在效用计算时候人类就是超级个体。对于这一点，作者的看法是他觉得效用是可以量化的，但是也要防止机器人Robbie过度“兼爱”，从而持续忽略Harriet的需求的问题。

羡慕嫉妒恨

在正常性善的假设下，人会有同理心，看到别人幸福自己也会觉得幸福。假设有俩人Alice和Bob，Robbie某个行为可能同时对Alice和Bob造成影响，Alice整体效用=Alice效用+C（AB）*Bob效用，这个C（AB）就是Alice有多在意Bob，如果C（AB）是正的，说明Alice真的在意Bob，后者高兴他也高兴。复杂的情况是C（AB）为负的情况，也即Alice可能嫉妒Bob，后者的痛苦成为了Alice的高兴，客观来讲，这种情况在现实世界中，并不少见，任何羡慕嫉妒恨都有可能导致该系数为负。一种解决方案是直接将负数系数变成0，也就是忽略这些负能量，但其实际后果还需要分析。此外，很重要一点是机器人不能简单学习人类的行为，而是观察人类的偏好，要能够出淤泥而不染。

人类的“愚蠢”和非理性

这个其实不太用解释，人类通常做出违背他们偏好的决策，或者因为短期利益而牺牲长期利益的选择。此外，人类经常基于感性来做情绪化的决策，因此Robbie必须对情绪化的人类有理解。此外，正如前文所言，人类真的清楚自己的偏好吗？不管是从认知局限性，还是能力局限性（比如计算能力），人类很多时候都不清楚自己的偏好。当然这点对作者提出AGI体系并没有什么影响，因为Robbie可以根据人类行为来推断其偏好，但基于人类非理性的假设，Robbie应该知道这些行为未必能够反映Harriet的真实偏好。

从心理学看，即使是基于效用最大化，人类也往往基于记忆做出错误的决策——因为人类往往只能记得记忆中效用的最大值或者最终值（记住某个瞬间），而不是记住整体效用，或者平均效用。举个例子，曾经有个实验有两个选项，A是人先把手伸进14度的水中60秒，然后伸进15度水30秒；B是直接伸进14度水中60秒。几乎所有人通过记忆会选择A，因为人只记得15度那个舒适最高点。这个也好理解，我们往往直接的那些最有记忆点的瞬间（最大值），由此根据记忆做决策是不靠谱的。

机器人改变人类偏好？

人类的认知偏好其实是随着时间改变的（因此不确定性很重要），如前文所言，机器人为了更容易完成任务，可能会做出改变人类偏好的选择。这里可能就会涉及到定义哪些改变人类偏好的决策是可以接受的——比如Harriet可能想减肥，Robbie可以做出决策改变Harriet吃甜食的偏好。如果Robbie这些改变人类偏好背后动机是让人类更长寿、更健康和生活更好，则认为是可以接受的。这里面问题是，美好生活定义是唯一的吗？我们减少羡慕嫉妒恨的相关系数最终后果可能是什么？

结语：未雨绸缪是必要的

本篇，作者提供一套粗略的约束AGI的框架，但不可否认的是这里面未解决的问题，未知的问题还有很多。比如，机器人Robbie如果开发自己的机器人Robbie II，后者肯定比前者更加智能，Robbie是否会对Robbie II失控？人类通过DNA遗传基因，我们是不是也要AGI来个DNA（确保服从人类偏好、不确定的态度等是被遗传的？）。不管怎样，未雨绸缪，对于人类一定是好的。

本文来自微信公众号：XYY的读书笔记（ID：xiaoyanyan00002），作者：肖俨衍