《财经》年会2026：预测与战略暨2025全球财富管理论坛于2025年12月18-20日在北京举行。清华大学苏世民书院院长、人工智能国际治理研究院院长薛澜，与美国四大国家学院院士、神经科学和人工智能领域奠基者特伦斯・谢诺夫斯基教授展开对话。

　　谈到当前大语言模型与人类智能的关键区别时特伦斯・谢诺夫斯基表示，智能内涵丰富且维度多元，人类智能、人工智能、军事智能等虽有相似性，但差异巨大。大语言模型在知识储备维度优势显著，但其缺乏人类大脑默认模式网络的持续活动，无法自主规划与记忆。谈及AI是否可能产生自我意识，他表示难以精准预测，但强调意识并非人类独有，黑猩猩等物种虽无复杂语言能力，仍具备一定自我认知，这为AI意识研究提供了参照。

　　对于生物科学与人工智能的协同发展，特伦斯・谢诺夫斯基认为这是刚开启的新领域。当前人工智能架构虽更接近人类大脑，但仍基于规则行为模式，而人类通过自然赋予的经验学习能力快速适应世界。两者的深度融合有望实现双向赋能，但目前仍处于起步阶段，距离目标尚有较大差距。

　　在AI技术发展路径上，薛澜将当前人工智能比作“认知蒸汽机”，提出需构建新的数学与理论体系解释其高维发展特性。特伦斯・谢诺夫斯基认同这一观点，指出人类生活在三维空间，而语言模型的神经元数量与突触强度对应高维参数，数学家已着手探索相关理论，未来有望形成类似热力学的完善体系。

　　针对AI风险与监管这一核心议题，双方展开深入探讨。特伦斯・谢诺夫斯基强调，任何技术都需平衡风险与收益，汽车、医药等领域的发展均证明了这一点。人工智能当前存在的偏见、幻觉等问题本质上是技术问题，可通过持续优化解决。他认为，最理想的监管模式是行业自我监管，若企业未能有效把控风险，政府介入需谨慎，避免因不了解技术细节而阻碍创新。

　　对于“红线监管”与国际协同治理，特伦斯・谢诺夫斯基表示，划定AI发展红线具有可行性，但需明确边界所在，可借鉴上世纪60年代生物学家限制生物技术风险的经验，通过透明化实验报告辅助红线划定。针对薛澜提出的建立国际联合实验室的设想，他表示高度认同，认为关键在于推动研究人员与政策制定者共同制定监管原则，可考虑在第三方国家设立相关机构，规避国际竞争带来的阻碍。

　　谈及AI失控这一极端风险，特伦斯・谢诺夫斯基认为，此类担忧虽有一定合理性，但具体发生时间难以预测，部分可能属于过度焦虑。他强调，需关注超级预测者的判断，同时通过各国合作建立风险预警机制，避免重蹈核能领域可能引发的全球性灾难覆辙。

　　针对人工智能对就业的影响，尤其是对年轻人的冲击，特伦斯・谢诺夫斯基给出积极回应。他表示，AI虽可能替代部分岗位，但也会创造大量新机会，如数据科学领域近年来需求激增，加州圣地亚哥分校数据科学研究院五年内已招聘50名新教职。他建议年轻人应扎实完成本科或硕士学位，主动学习AI相关技能，利用技术提升工作效率，而非受周期波动影响。

　　对于人文社科领域从业者的转型问题，他分享了美国一名英语文学专业学生成为AI命题工程师的案例，说明语言才华等人文素养与AI技术的契合点。他透露，全球AI初创企业已超10万家，为不同背景人才提供了广阔舞台，人文社科从业者可凭借独特视角在AI伦理、内容创作等领域找到自身价值。

　　对话最后，双方探讨了AI的未来发展方向。特伦斯・谢诺夫斯基表示，当前AI虽取得显著进步，但仍有巨大优化空间。未来十年，AI将借鉴人脑组织方式，在特殊目的处理、散热技术等方面实现突破，逐步提升效率。他认为，AI与神经科学的深度融合有望让机器像人脑一样理解事物，甚至产生直觉与创意，而人类对自身意识的神经科学基础研究也可能取得新进展。

　　薛澜在总结中指出，人工智能治理需面对科学家、企业、国家多重主体的复杂博弈，借鉴生命科学领域的阿西洛马原则虽有挑战，但国际协同仍是关键。未来需通过多元治理机制平衡创新与安全，同时帮助不同群体适应技术变革，充分释放AI的积极价值。