AI末日论之争：从黄仁勋与Dario的辩论看归纳法的哲学困境

事件概述

在美国All-In峰会上，NVIDIA CEO黄仁勋反驳了所谓的“AI末日论”，认为这是缺乏科学依据的哗众取宠。他列举了过去几年落空的恐慌预言（如放射科医生消失、大量初级岗位蒸发等）作为证据，主张过去的预测错误意味着未来的末日风险不可信。与此同时，Anthropic创始人Dario Amodei则基于模型能力增长曲线进行外推，认为存在潜在的末日风险。尽管立场相反，但两者的论证结构均依赖于归纳法——即通过观察过去的现象来推断未来的因果关系。

核心信息

1. 归纳法的逻辑缺陷与休谟怀疑论

• 因果关系的本质：哲学家大卫·休谟指出，人类从未直接观察到“因果”本身，只能观察到事件在时间上的恒常联结（如台球撞击后红球滚动）。所谓的“导致”是大脑形成的心理习惯和滤镜，而非物理世界中存在的实体力量。
• 火鸡故事隐喻：罗素提出的“火鸡故事”揭示了归纳法的不确定性。火鸡每天被喂食，通过归纳得出“脚步声=食物”的结论，置信度随样本量增加而提高，直到感恩节被宰杀。这说明了即使有大量的历史数据支持，也无法保证未来规律的延续性。

2. 统计方法与真实因果的区别

• 格兰杰因果检验的局限：经济学中常用的格兰杰因果检验（Granger causality）仅衡量变量X是否有助于预测变量Y，而非证明X导致了Y。例如，公鸡打鸣能预测天亮，但并非公鸡叫出了太阳。计量经济学界共识是“格兰杰因果不是因果”，它检测的是时间相关性和预测能力，而非真正的因果机制。
• AI算法的基础假设：当前AI领域的底层逻辑（如下一个词预测、强化学习、贝叶斯更新）以及经济学的双重差分等方法，本质上都是建立在“从过去的恒常连结中学习规律”这一假设之上，这与休谟对因果律的质疑构成了根本性的认识论冲突。

3. AI风险讨论的认识论困境

• 缺乏历史数据支撑：黄仁勋的论点依赖“过去预测全错”的历史数据；而Dario及末日论者关注的“文明灭绝”或超级智能失控属于从未发生过的极端事件。对于没有先例的事件，无法使用频率概率进行验证，其风险数值更接近于主观信念的量化表达。
• 政治叙事取代科学实证：当双方都无法提供决定性的因果证据时，关于AI风险的争论容易脱离科学范畴，演变为政治撕裂和传播竞赛。胜负往往取决于谁的故事更具传播力，而非谁的逻辑更严密。

值得关注

这场争论反映了现代科技决策中普遍面临的挑战：在缺乏充分历史数据的新兴领域，如何平衡基于过往经验的归纳推理与对未知风险的预防性考量。无论是黄仁勋的乐观外推还是Dario的悲观预警，都未能跳出休谟式的归纳陷阱。在“感恩节”到来之前，AI的危险性尚无定论，当前的争论更多体现为不同世界观下的信念博弈。