诺基亚w5992025年8月1日，美国布鲁金斯学会（Brookings Institution）发布《构建惠及人类与地球的人工智能生态系统的三项原则》（Three principles for growing an Al ecosystem that works for people and planet）的研究报告，为构建一个服务于人类与地球福祉的人工智能生态系统提出了前瞻性构想。报告指出，当前主流的发展路径，无论是以高昂成本建设“主权人工智能”（sovereign AI），还是零散地开发“人工智能向善”（AI for good）应用，均未能有效解决权力过度集中于少数科技巨头的根本问题。为此，作者们提出了一个基于“集体智能”（Collective Intelligence, CI）科学的替代方案，并阐述了三大核心行动原则。启元洞见编译整理了其中的核心内容，以供读者参考。

　　当前，全球范围内的众多投资者、组织机构及创业者，正致力于构建一个优先考虑人类能动性、公平性与可持续发展的人工智能生态系统。然而，在现实的投资与发展路径中，却存在一个两难的困境。各国政府与公共基金在支持公益性人工智能时，往往只能在两种不甚理想的方案中做出抉择。第一种选择是投入巨资构建“主权人工智能”基础设施，包括高端计算能力、基础模型和能源供应，但这条路径成本高昂，且难以确保真正的战略自主。第二种选择是支持一系列散落的、下游的“人工智能向善”应用项目，但这些项目往往给人一种“为了寻找问题而设计解决方案”的感觉，缺乏系统性的整合与影响力。这两种选择都未能有效帮助社区生成应对共同挑战所需的情境丰富的数据，也未能从根本上解决人工智能权力持续集中于少数私营企业手中的核心问题。

　　面对这一困境，一种基于“集体智能”科学的替代性人工智能系统构建方法，为我们指明了方向。近期的技术发展，尤其是在隐私保护建模技术领域的进步以及计算与软件成本的持续下降，使得我们能够从构建中心化的计算集群和大语言模型（LLMs）的模式，转向构建规模更小、去中心化的“本地语言模型”（Local Language Model，LocalMs）。这种“本地语言模型”的核心理念在于捕捉、放大而非榨取个体、团队和社区的智慧。其终极愿景是，通过一场自下而上的运动，培育出一个由成千上万乃至数百万个智慧社区组成的“智能生态系统”，以补充实现单一通用人工智能（AGI）的努力。在这样的生态系统中，每个社区都对其数据和文化拥有主权，在人工智能基础设施和应用中享有实质性的公平，并有能力利用这些系统围绕共同的优先事项进行自我组织。

　　尽管这一愿景的构成元素已在各类技术原型、政策提案和社群实践中初现端倪，但当前亟需的是将这些分散的力量凝聚起来，形成一个更具连贯性的领域，从而能够形成在纷繁信息中脱颖而出的、具有重大影响力的应用案例创新。为此，报告提炼出三大指导原则，分别从框架构建、设计理念和行动协调三个维度，为构建一个服务于人类与地球的人工智能生态系统提供指引。

　　我们如何定义和探讨人工智能，对于其发展方向至关重要。一个真正服务于人类的人工智能，必须首先承认并珍视人类在其中的核心贡献。当今的大语言模型，基础是海量由人类创造和标记的互联网内容；优化依赖于人类反馈的强化学习；微调则基于真实的人类使用模式。实践反复证明，当人工智能作为一种融合了机器速度、规模与集体人类专业知识的混合系统时，才能发挥出最佳性能。

　　然而，主流话语体系往往忽视人类的这些根本性贡献。我们需要构建一种全新的叙事，将人工智能政策的辩论焦点从“如何保护人类免受人工智能侵害”转向“如何确保人类对混合人机系统的贡献——包括数据、审议、判断、直觉和社会背景——得到充分的保护和公正的价值体现”。

　　为此，我们提议将生成式人工智能重新定义为“生成式集体智能”（Generative Collective Intelligence, GenCI）。这一定义强调其本质是一种社会技术，它将算法能力与人类的专业知识相结合，以应对单个机器或人类无法独立解决的复杂现实世界挑战。这一定位不仅更准确地反映了人工智能的运作现实，也为未来的政策制定和技术发展指明了方向，即人工智能的目标应该是增强而非取代人类的集体智能。

　　人类是具有能动性的主体，因此，人类的能动性理应成为人工智能发展的核心关切。然而，在当前对自主人工智能系统或“人工智能体”（AI Agentic）的热情追捧中，这一基本事实需要被明确地捍卫和重申。政策制定者、投资者和最终用户必须坚持要求人工智能的方法论、架构和算法能够放大而非榨取人类的能动性与社会智慧。

　　构建能够捕捉并提升群体与组织共同信念、目标及行动潜力的算法是完全可行的。例如，像Common Good AI这样的平台致力于开发此类技术。类似地，Pol.is或Deliberation.io等工具利用总结模型和自适应轮询技术，在保持观点细微差异和多样性的同时，实现了包容性、有根据的规模化对话。而在人机协作方面，诸如vibe teaming等新模式，可以将人工智能工具定位为支持人类之间创造力和解决问题质量的辅助角色。

　　与此同时，新兴的人工智能体（AI agents）可以也应当被设计为“忠诚的设计”（loyal by design），即它们应被视为人类个体、团队或社区的受托人（fiduciaries），而不仅仅是服务于开发它们的公司。这些“忠诚的代理”将代表其所有者策划数据和训练“本地语言模型”。在这种框架下，创新的数据治理模式（如效仿“人类基因组计划”的开放与协作精神）与隐私保护机器学习技术相结合，有助于将分散的“本地语言模型”聚合成由社区治理的、更大规模的集成系统和企业，例如数据信托（trusts）或合作社（cooperatives）等形式。这种设计理念确保了人工智能的发展始终以服务和增强人类用户的根本利益为宗旨。

　　创新的应用是展示这一替代性人工智能生态系统价值的最佳证明。根植于集体智能科学和设计原则的人工智能系统，在应对任何单一行动者无法独立解决的复杂挑战时，将拥有天然的竞争优势。我们可以设想以下几个具有代表意义的战略性关键应用场景。

　　1.区域性或全球性的绿色能源交易平台：该平台利用“本地语言模型”从源头透明地验证和交换碳强度数据，从而建立一个可信、高效的绿色能源市场。

　　2.可信的人工智能驱动公共服务：利用“本地语言模型”对来自个人和政府的敏感数据集进行联合建模（federate），在保护隐私的前提下，提供更精准、更人性化的公共服务。

　　3.对非人类生命价值的代表与实现：扩展和推广像“物种间货币”（Interspecies Money）这样的前沿原型项目。这类项目运用集体智能的设计原则，构建能够代表并衡量非人类生命能动性价值的人工智能系统，为生态保护和生物多样性提供了全新的思路和工具。

　　为了推动这类世界级应用案例的开发，我们需要整合必要规模的基础设施资源，包括高端计算能力、数据和人才。对此，一种AIrbus for AI模式或许值得借鉴。即由多个中等强国联合其国家级人工智能实验室，组成一个公私合营的联盟，共同协作将这些前瞻性的理念推向市场，并将其作为公共事业来运营。目前，在亚洲和欧洲已经出现了类似的初步倡议。

　　要实现这一宏大愿景，强有力的社会与政策协同是不可或缺的。当务之急是建立一个中立的枢纽（neutral hub），以联合处于人工智能与集体智能研究前沿的学术界和实践界社群。该枢纽的核心任务是开发一套全新的工具和基准测试体系，其评估标准不仅包括传统的技术性能和安全性能，更需涵盖人机协作的质量以及在不同规模上实现的社区成果。

　　最后，一场“登月计划”式的努力，即集中资源打造一个极具说服力的突破性应用，将能从根本上证明，世界需要一个真正服务于人类和地球福祉的人工智能生态系统，而非让世界去被动适应一个由技术逻辑主导的未来。这条道路要求我们重新思考人工智能的本质，并以更大的智慧和勇气去塑造一个真正以人为本的智能时代。返回搜狐，查看更多