# Licklider 1960《人机共生》评述

- 来源：Andrej Karpathy：Blog（网页）
- 发布时间：2023-12-27 00:00
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.news/items/cmnw7z3xb002nslcj24uscoxt
- 原文链接：https://karpathy.ai/blog/licklider1960.html

## 精选理由

Karpathy 借 1960 年文献反思人机共生与 AI 发展路径，历史洞察深刻

## AI 摘要

Licklider 1960年论文《人机共生》提出"智能增强"(IA)是通向AI的过渡阶段，预测人机能力互补——计算机处理机械工作、人类负责思考，这一范式延续64年直至LLM打破界限。他预见云计算雏形，但误判技术路径：当时看好的逻辑推理AI成死胡同，而因缺乏数据被忽视的统计方法（LLM）终成主流。对交互预测也偏离现实：设想的多人协作大屏未普及，键盘鼠标仍是主导；对语音识别"5年实现"的乐观估计，实际耗时64年未成熟。

## 正文

2023年12月27日

我热爱阅读技术预测类文献，因为后见之明本身就是未来预测任务的训练数据。例如，这类文献中我最钟爱的作品之一便是阿瑟·C·克拉克的《未来的轮廓》。本文是我对利克莱德1960年（距今64年前！）《人机共生》一文的笔记摘录。在这篇论文中，利克莱德将计算视为一种根本性的智能增强工具。

利克莱德在此论证，从通往完全自动化（AI）的路径来看，“智能增强”（IA）阶段可能只是过渡期，但其持续时间仍足以值得深入思考与探讨。

他引用的那些在当时看来堪称快速进步的狭义AI与AGI（即那个时代的“通用问题求解器”[20]）案例，如今已被证实是根本性偏离正确方向、误入歧途的尝试——当时这些工作基于手动编码知识（使用谓词逻辑），并运用逻辑推理规则与搜索来推导结论。如今，AI领域的大多数从业者仅将这些工作视为历史趣闻，它们并非该领域的“主干分支”，而是困在一条死胡同的特性分支。值得注意的是，当今被认为最有前景的方法（大语言模型）在当时不仅完全不具备计算可行性，更因缺乏数字化形式存储的数万亿token训练数据而无法实现。今天是否存在与之对等的技术局限？

空军那份预测“机器将在20年内独立解决具有军事意义的问题”的研究报告，如今看来令人忍俊不禁。有趣的是，“20年之遥”似乎已成为“无从知晓，遥遥无期”的代名词。平心而论，即便在64年后的今天，我也不敢断言我们已实现这一目标。计算机确实大幅提升了态势感知能力，但据我所知，涉及“军事意义”的决策制定仍完全属于人类计算的范畴。

利克利德的一个有趣观察是，在他关于日常计算任务的思维实验中，他大部分的“思考”其实并非真正的思考，而更多是机械、重复、可自动化的数据收集与可视化。正是这一观察让他得出结论：人类与计算机的优势和劣势是互补的；计算机可以承担繁琐的工作，而人类则负责思考性工作。这一范式主导了接下来的64年，直到最近（大约去年），计算机才开始以一种通用、可扩展且影响经济的方式，在“思考”领域取得突破。这种突破并非通过显式、严谨的谓词逻辑，而是通过隐式、软性的统计方式。由此迎来了大语言模型驱动的AI热潮。

接着，利克利德展望了用于智能增强的计算基础设施的未来。我十分欣赏他基于分时技术提出的“思维中心”构想，这在今天或许就是……云计算。不过，某些计算任务已经变得非常廉价，以至于转移到了本地消费级硬件上，例如我的笔记本电脑，就能胜任简单计算、文字处理等工作。虽然利用率很低，但这也没关系。

在“语言问题”一节中，利克利德探讨了如何设计更便于人类使用的编程语言。他提到了FORTRAN这类命令式编程语言，但随后也谈到人类并不擅长给出明确的指令，反而更擅长直接指定目标。或许可以设计出更符合这种原生方式的编程语言，这暗示了声明式编程范式（例如Prolog）。然而，64年后的今天，主流的编程范式在很大程度上仍然保持着简单和命令式的特点。Python或许是当今最流行的编程语言之一，它本质上就是命令式的（一种“改进版的FORTRAN”），但非常人性化，其读写方式类似于伪代码。

关于输入输出，利克利德显然倾向于一种交互模式：人类团队围坐在大屏幕前，与计算机协作共同绘制示意图。显然，利克利德心中所想的，感觉就像是一台大型多人 iPad。我认为这是一个重大的误判。类似的产品确实被制造出来过，但从未真正成为主流的计算范式。相反，在这篇文章之后的几十年里，文本才是王者。显示器在输出端占据了主导地位，但键盘和鼠标（！）在输入端占据了主导地位，并且在 64 年后的今天，很大程度上依然如此。移动计算时代将其改变为触控，但并非以人们想象的方式。利克利德所设想的那种多人可视化环境确实存在（例如 Figma 等？），但它们远非主流的交互形式。这个误判的根源是什么？我认为利克利德将他所熟悉的东西（铅笔和纸）照搬过来，并想象计算会镜像那种界面。而实际上，无论对计算机还是对人来说，更好的界面是键盘和鼠标。

利克利德反复提及计算的军事应用，我想在那个时代，这是人们最关心的话题。我认为，这同样是对计算将如何在社会中应用的一个误判。也许部分原因在于利克利德为政府工作，并且当时这项工作的许多资金可能也来源于此。计算当然已经改善了军事决策，但据我所知，其影响程度远低于我们在企业和消费领域所看到的。

在 I/O 部分，Licklider 还思考了如何让计算机适应人类界面，具体来说就是自动语音识别。在这方面，Licklider 对能力过于乐观，估计需要 5 年时间才能实现。结果呢！！！64 年！！！过去了，虽然语音识别程序已经很多，但它们远未达到足以成为人机交互主导计算范式的水平。事实上，就在两年前 Whisper 发布时，我们所有人都很兴奋。想象一下 Licklider 会如何看待这个现实。即便近年来质量有了显著提升，ASR 也远非完美，仍然会出错，无法很好地处理多人说话场景，并且也没有朝着成为主导输入范式的方向发展。

以我们今天的认知，有哪些“事后诸葛亮”的真相可以告诉当时的 Licklider？

关于智能增强将持续很长时间，以及“思维中心”的想法，你的方向是对的。

你所知道且正在发展的、用于思考的所有“AI”肯定会有有用的应用，但终将被淘汰。以今天的标准来看，“正确”的方法是你目前无法着手研究的。你首先必须发明互联网，并让计算机变得快得多。而且不是 CPU 那种快法，而是 GPU 那种。但大量用于机械性/重复性工作的计算确实会非常有用——正如你所想象的那样，成为人类大脑的延伸。

大多数编程仍然是命令式的，但会变得方便得多。

大多数 I/O 是输入端的键盘和鼠标，以及输出端的显示器，并且是单个人与单台计算机的个体行为，尽管它们通过虚拟方式联网。

计算的主要应用场景在企业端和消费端，军事用途少得多。

语音识别实际上需要 62 年，而不是 5 年，才能达到足以日常使用的质量水平。

当然，有趣的部分在于滑动时间窗口，假设时间上的平移不变性。想象一下你自己对未来的外推。再想象一下它的“事后诸葛亮”。练习留给读者了 :)

本文最初以推文形式发布，随后（非常手动地，我得找个更好的办法）转换成了这篇博文。