复仇者联盟

利拉德手握交易否决权 或成开拓者新赛季隐患_我的网站

一 |     文 /巴九灵          过去几年，AI似乎越来越像人。         它会写代码、做PPT、分析财报、生成视频，也开始进入工厂、医院和家庭。    

    
    　　近日，知名记者Brian Windhorst与Tim Mcmahon在节目中探讨了达米安-利拉德及开拓者队的未来前景。

二 | 两人均认为，利拉德手中的交易否决权可能成为球队新赛季的一大隐患。
    
    　　Windhorst首先分析了利拉德的打法特点：“利拉德是一个需要球权的球员，他想单打，他想突破到篮下砍分。他需要有人给他做掩护让他获得空间投三分。”
    
    　　Mcmahon则对利拉德在媒体日的亮相充满期待，称“那绝对会是一大看点”。许多人相信，我们距离通用人工智能（AGI）已经越来越近了。

三 | Windhorst对此表示认同，他指出利拉德是波特兰的城市宠儿，并预计“利指导”会就开拓者队在波特兰的未来发表一些看法——“要知道，利拉德手握交易否决权。         但就在前两天，图灵奖得主、强化学习之父理查德·萨顿泼出了一盆冷水：“现在的大模型，谈不上原生智能。”          过去四天，2026世界人工智能大会（WAIC）在上海如期召开，这是过去9年规格最高的一届，也是全球AI领域最重要的年度盛会之一。”
    
    　　Mcmahon直言这种局面“其实是很不健康的”。

四 | 当被问及这对篮球比赛的影响时，他回应道：“笼罩在球队上空的阴云，往往无益于球场上的实际表现。

五 |          有人在现场逛展，亲身体验最先进的AI产品；有人盯着龙头企业，关注最新发布的大模型、应用、成果；而小巴在关注，全球AI行业的领军人物齐聚一堂，他们究竟在讨论些什么。         2026世界人工智能大会          本次大会汇聚了来自全球的上千位顶尖科学家、专家、企业家、投资者，除了理查德·萨顿，还有“深度学习三巨头”之一的约书亚·本吉奥、图灵奖得主吉勒斯·布拉萨德、图灵奖得主姚期智、诺贝尔奖得主奥马尔·M·亚吉、“硅谷精神之父”凯文·凯利，等等。”
    
    　　在球队战绩预测方面，Windhorst认为新赛季开拓者大概率是一支附加赛球队，“他们可能只能取得43胜”。         小巴梳理了大会四天的演讲、论坛后发现，专家们似乎把目光聚焦在了以下五点上：我们是否高估了今天的AI、AI如何获得经验、AI落地为什么难、智能体的后果谁来负责、发展AI的终点是什么？          要点一：我们高估了今天的AI          过去几年，我们一直在见证AI的进步，它替代了许多低级岗位，给人最直观的印象就是它不断刷新大家对智能的想象。然而，在一些顶尖科学家看来，我们可能高估了今天AI的智能程度。

六 |          答案藏在一个长期被混淆的问题里：知道很多事、会做很多事，是否就等于拥有了真正的智能？          图灵奖得主、中国科学院院士姚期智表示，AI虽然看起来很强大，但未必就是智能的终点。萨顿则讲的更明白——大语言模型虽然看了海量文字、图片和视频，但它还是在学习和重新组织人类已有的知识，而不是自己创造知识，计算能力的突破，不是智能的突破。

七 |          人类拥有智能，不只是因为读过书、记住了知识，更是因为我们会行动、会犯错，能够从现实世界得到反馈，并在一次次反馈中修正自己，获得经验。
    
    　　据报道，利拉德在去年休赛期与开拓者签下了一份为期三年、总价值4200万美元的合同，其中明确包含了交易否决权。这也意味着，开拓者若想交易利拉德，必须首先获得球员本人的同意。         举例来说，一个人没拿稳杯子，于是知道玻璃杯掉在地上会碎，而AI没有自己砸碎过一只杯子，它是从人类的文字中得知杯子掉在地上会碎，这是它记住的知识，不是它自己的经验。         复旦大学浩清特聘教授苏昊认为，这也是大语言模型产生“幻觉”的深层原因之一：语言只是世界的投影，不是世界本身。

八 |          因此，在萨顿看来，AI需要从“人类数据时代”走向“经验时代”。         要点二：AI缺少的是经验          在这样的背景下，“智能体”和“物理智能”，成为了今年大会上被反复提及的两个方向。         智能体让AI从“回答问题”走向“执行任务”，它可以围绕一个目标制定计划、调用工具、采取行动，并根据结果调整自己的行动；物理智能则让AI走出屏幕，进入由重力、摩擦、材料、空间等构成的真实世界。

九 |          而这也引出了今年大会上被反复提及的一个概念——世界模型（World Model）。         简单来说，世界模型是AI在理解现实世界运行规律的基础上，在自己的“大脑”中对现实世界进行模拟：如果我这样做，接下来会发生什么。         比如，当人准备去拿一个杯子时，大脑其实已经提前完成了一次预测：杯子会不会滑？需要用多大力？如果手一松，会不会掉到地上？          这种预测能力，无法仅靠阅读、记住更多知识获得，它正需要AI走进现实世界，通过智能体或者物理智能与环境互动，最终获得属于自己的经验。         2026世界人工智能大会上的人形机器人          换句话说，智能体或者物理智能不完全相同，但都能让AI在行动中获得反馈，在反馈中积累经验，不断完善自己的世界模型，逐渐形成对真实世界运行规律的理解。         借用北京银河通用机器人联合创始人张直政的总结，世界模型应当拥有三个不可或缺的能力：建模/预测、规划/策略、评价。简单来说，就是AI能预测自己行动会给环境带来什么变化，利用这些预测指导自己的决策和学习，并判断自己的行动是否达到目标。         要点三：AI落地难点重重          然而，帮助AI获得经验、发展世界模型的这条大道虽然光明，却依旧险阻——大模型已经发展了很多年，却迟迟没有大规模走进真实世界，这背后，是因为存在很多难点。         智能体发展的难点之一，在于智能体操作系统的完善。         如果说模型是AI的“大脑”，那么操作系统决定了它能够调用哪些工具、连接哪些设备、完成哪些任务。再聪明的大脑，没有手，也很难真正工作。         因此，阶跃星辰董事长印奇表示，智能体能做什么，不只取决于模型有多聪明，也取决于操作系统为它打开了多大的能力边界。他提出了一个公式：智能体能力=模型能力×智能体操作系统能力。         在此之外，智能体发展还存在许多问题，比如，如果未来有上万个智能体同时工作，它们如何协作？如何共享能力？不同公司的系统能否互相兼容？          对此，上海润科具能科技有限公司CEO周斌期望，行业能够加速建立统一标准与开放接口，让智能体真正“聊起来”、能力可共享，形成“智能伙伴网络”，而非各自为战的工具集合。         对于物理智能，苏昊认为，难点同样也是突破口，在于知识的聚合。

十 |          视频告诉AI世界长什么样，物理方程告诉AI世界为什么会这样运转，机器人不断提供新的实验数据……只有把这些不同来源、不同领域的知识聚合进同一个模型，互相校准补盲，AI才有可能真正理解现实世界。         而聚合这件事，注定不是一家企业能够独立完成的，而是这一代人要完成的科学工程——苏昊表示，它需要整个行业乃至全社会的通力协作：共建数据，共立标准，共享仿真、评测等基础设施。         不过，这并不意味着物理智能必须等到“什么都会”才能落地。         在张直政看来，物理AI未必要先实现全面通用，而是可以先在仓储、物流等相对固定的场景中实现稳定工作。         未来，物理智能或许会像当年的电气化一样，先点亮工厂和仓库，再走进商店和医院，最后才走进千家万户。         2026世界人工智能大会的全球首个AI鉴别机器人          要点四：AI治理规则尚未完备          然而，当智能体和物理智能真的加速走进千家万户，安全问题也变得越来越重要、无可回避。         印奇提出了三个问题：智能体可以代表谁行动？行动产生的后果，由谁来负责？当它连接数据、设备和真实环境，怎样确保身份可信、权限可控、行为可追溯？          上海人工智能实验室主任周伯文提出，AI可以代表人行动，但不能代替人负责，让渡代理权的速度，不应超过我们验证它的能力。         纽约科学院院长兼首席执行官杜宁凯表示，要采取行动开展人工智能治理，必须要创造出新的问责方式。         AI能力越强，人类越需要建立起一套与之相匹配的规则，而如今，关于AI的代理权、问责权、治理能力，显然还未完备。         要点五：AI的意义是放大人          不过，治理并不是AI发展的终点。

十一 | 治理的目的，是让AI能够更安全、更可靠地融入人类社会。

十二 |          回看今年的WAIC，一个变化已经十分明显：大家讨论的重点，正在从“模型有多强”，转向“AI如何获得经验、如何进入真实世界、如何安全地与人协作”。         这背后，其实回到了最初、也最根本的问题：AI发展的目的究竟是什么？          苏昊说，“物理智能的使命，是把人还给人”；印奇说，“智能体时代最大的意义是放大人”；上海绘话智能科技有限公司CEO贾学锋说，“AI大发展的终极价值应当回归于人”；商汤科技董事长兼首席执行官徐立说，“AI真正意义上走向大众并不是通过替代，而是通过放大每个人的能力”……          图灵奖得主约翰・爱德华・霍普克罗夫特则提醒，面对信息革命带来的种种变革，各国的最佳战略战略，或许是着力培养能够应对这些变化的人才。         今天，大模型可能依旧谈不上真正的智能，但如果AI能够在现实世界中不断学习、积累经验，并始终与人协作，为个人、社会乃至整个世界创造更多可能性,那么，它距离真正的智能，或许就又近了一步。         作者|蒋紫涵          主编|何梦飞          图源|VCG、网络。

十三 |

Current article:http://fxj3.wengsengzhanhuangu.cyou/news/20260826_542932.htm

Published on:03:11:17