生成式 AI 模型的根源可追溯到20世纪中期工程师们的理念，他们认为机器若要像人类一样思考，必须具备一定程度的非理性。麻省理工学院历史系助理教授本杰明·林德奎?特持有这一观点，他同时在麻省理工学院施瓦茨曼计算学院与电气工程和计算机科学系（EECS）担任联合职位，并是信息与决策系统实验室的主要研究员。
为了模拟创造性思维，这些 AI 先驱有意地在本应确定性地解决问题的算法中注入了随机性，林德奎斯特在发表于《过去与现在》期刊的新论文中写道。在该论文中，他追溯了 AI 幻觉现象的起源，将其与这些早期研究联系起来，并指出在构建模仿人类行为的机器时，创造性与可预测性之间必然存在权衡。麻省理工学院新闻采访了林德奎斯特，探讨这些理念。
问：早期计算机工程师为何相信，必须将随机性与非理性注入本是为逻辑与计算而设计的AI系统？
答：在科学与艺术领域，许多人物长期以来都提出过一种理论，认为机会在发现与创造力中扮演重要角色——即产生想法的能力。他们将创造力等同于逻辑上出人意料的跳跃，甚至是一种类似梦境的状态，这种状态能让人从新的角度思考问题。
20世纪50年代初，贝尔实验室著名电气工程师约翰·皮尔斯提出了一个颇为流行的观点，即数学在艺术领域中具有价值。这一观点在从事早期计算机研究的许多人中广为流传。当我们想到包含数学元素的艺术作品时，可能会联想到某种极为有序和精确的东西，但皮尔斯却得出了相反的结论。他认为，数学的价值恰恰在于它能够从艺术中去除秩序。随后，以一种非常精确的方式，数学可以添加一阵意想不到的元素，作为偏离陈规的手段，并增添一种不规则性，这种不规则性恰好可能带来洞见。
在原本可预测的计算机中加入不规则性的一种流行方式，是通过人工（或随机）神经网络。许多早期神经网络是由心理学家建造的，他们认为，通过让科学家构建大脑模型，人工神经网络能让科学家观察内部发生的一切，包括大脑如何产生富有成效的错误。研究人员相信，这些系统并非黑箱，而是可以打开思维的这一黑箱，让科学家窥见其中真正发生的所有混乱过程。
但在 AI 领域还有另一派观点，他们认为创造性思维只是"正常"思维的更优版本。观察这两种对理解智能与创造力极为简化的思维方式，以及它们如何契合又如何不契合，是很有意思的。因此，当时的争论在于试图确定人类创造力的本质究竟是什么，然后思考如何以机器形式重构人类的创造力。
问：这些早期计算机工程师如何看待AI，这与我们今天对AI的看法有何不同？
答：当我们想到 AI 系统时，会想到 ChatGPT 或 Claude。我们重视并使用这些系统，是因为它们大多数时候能给出正确的答案。在这项研究中，令我感到最有趣的发现之一是，许多这些系统的早期倡导者恰恰是出于相反的原因而重视它们。他们想要的是一种偶尔会给出偏离预期答案的系统。他们当时已经拥有能够给出合理且符合预期答案的系统。他们认为神经网络的价值在于，它们能给出意想不到的、甚至可能是奇怪而怪异的答案。
我们今天对这些系统的看法之所以不同，一个原因或许在于它们的运作方式。早期，这些系统被局限在实验室内，因此一个给出奇怪或错误输出的系统并不会带来任何现实后果。但如今，OpenAI 或 Anthropic 出于法律和经济上的原因，都不希望聊天机器人给出意想不到或具有创造性的答案。这些系统中的怪异性已经被"打磨掉"了。它们的核心或许仍然潜藏着这种特性，但如今这种特性大体上被抑制住了。
问：早期通过引入随机性来模拟人类创造力的神经网络，是如何演变成为AI领域的主导范式的？
答：很长一段时间里，一种被称为"符号主义 AI"的特定AI方式一直是主导方法。本质上，符号主义 AI 认为世界是基于规则运作的。AI 研究者的任务，就是尝试将关于世界的知识重构为事实与命题，并输入计算机。
神经网络利用随机性来解决问题，这一方法在20世纪50年代开始获得关注，但不久便失去了青睐。弗兰克·罗森布拉特是一位心理学家，也是神经网络早期发展中极为重要的人物，他英年早逝；他于1971年在自己43岁生日当天意外身亡。他是一位相当有魅力且极具影响力的人物，曾对基于神经网络的系统能够实现的功能作出许多宏大的承诺。到他去世时，向符号主义 AI 的转变已经开始。如果他能活得更久，事情的走向可能会有所不同。
但神经网络从未真正消失。到了20世纪80年代，它们更多地转向了认知科学领域。要变得更强大、更实用，神经网络需要大量的数据和计算能力。而这一切直到互联网出现才真正实现，大量数据开始变得可用，计算能力也开始提升。大约在2012年前后，神经网络开始在性能上超越并领先于一种统计形式的机器学习，并由此持续发展壮大。
问：从研究AI的历史中，我们能够学到哪些可以指导其未来发展的经验？
答：我认为这里存在一个值得警示的教训。这些早期工程师的理念与经历告诉我们，我们可以努力消除幻觉——可以努力让 AI 以某种特定方式运行，从而不产生意外或不受欢迎的答案——但这样做必然会带来其他后果。这些历史人物当时的思路确实有其道理。AI 所能提供的令人惊喜、富有创造性的结论，与错误或幻觉之间存在着某种联系。当我们将系统构建成以某种方式运作时，必然会存在权衡。或许完全处于这一光谱的任何一端都是不可能的，但当我们朝着某个方向不懈努力时，往往会无意中牺牲掉另一些东西。
