关于人与 AI 的认知连续性

长期使用 ChatGPT 后，我逐渐感受到一种过去使用其他工具时很少有过的体验：它不只是在记住我，还开始沿着我的思路思考。

我曾经把同一个问题分别交给 ChatGPT 和直接调用的 GPT API。两边使用的都是能力很强的模型，得到的结果却明显不同。

API 给出的回答并不差，但更像一个面向任何人的通用答案。ChatGPT 的回答却能接住我真正关心的问题，沿用我习惯的分析方式，并把一个刚刚产生的想法放回过去反复讨论的脉络中。

有时，它甚至能够使用我的思维逻辑帮助我分析问题，写出一篇与我过去表达高度一致的文章。只看最终文本，已经很难简单判断它究竟是由人写的，还是由 AI 写的。

这让我意识到，ChatGPT 所延续的可能不只是一些关于我的信息。

它正在依据长期对话中反复出现的特征，形成一个关于“我可能如何思考”的模型。

在目前的 AI 产品中，ChatGPT 可能是对人的认知连续性做得最好的一个。但这种连续性并不总是稳定。

它有时能够准确延续我的思路，有时却会保留某个结论，而遗漏这个结论形成的条件；它能够识别一个相对稳定的我，却未必总能及时理解一个正在发生变化的我。

正是这些偶尔出现的偏差，让我开始思考：

当 AI 已经能够沿着一个人的思路继续思考，我们真正需要延续的，究竟是什么？

概率性并不是讨论的终点

谈到 AI 是否拥有智能，人们经常会说：大语言模型本质上只是在根据概率预测下一个词，所以它并不真正理解自己在说什么。

这种判断并非没有道理。但我越来越觉得，“它是一种概率模型”描述的是语言生成的机制，却没有真正回答什么是理解、什么是智能。

不同的人面对同一个问题，也会因为各自的经历、知识、价值观和现实处境，走向不同的思考与表达。即使是同一个人，在不同的人生阶段，也可能给出完全不同的答案。

从这个角度看，人类的判断同样带有某种概率性：我们都在自身经验和当前处境的影响下，从许多可能的认知路径中走向其中一条。

这当然不意味着人类思维和大语言模型没有区别，更不能由此证明 AI 已经拥有了和人一样的理解。

但至少，概率性并不是智能的反面，也不是终结讨论的理由。

AI 的出现，真正有意思的地方，也许不是它马上回答了“机器能否拥有智慧”，而是它迫使我们重新检查：过去那些用来判断智能与自我的标准，真的像我们想象得那么牢固吗？

那个一直存在的“我”

我们很容易认为，人类与 AI 的根本差别之一，是人拥有一个连续存在的“我”。

但如果把时间线拉长，这个“我”真的始终没有中断过吗？

人的身体会变化，记忆会遗忘和重构，价值观会调整，认识世界的方式甚至可能发生根本改变。

有些人在经历重大事件以后，会让身边的人觉得他仿佛变成了另一个人。有时，当事人自己也会觉得，过去的那个自己已经不存在了。

可我们通常仍然认为，他还是同一个人。

现在的我继承了过去之我的身体、记忆、关系、承诺和行为后果，却不必继续认同过去的全部认识。

因此，自我的连续性或许从来都不意味着“我始终没有改变”。它更像是一种持续发生的继承关系：

我可以改变，但我仍然能够理解自己从哪里来，为什么会发生这些改变，以及哪些东西仍然愿意继续承担。

连续性不是内容始终相同，而是变化仍然可以被追溯。

我们也在借助外部世界维持自己

再往下想一步会发现，人类的连续性并不完全存在于大脑内部。

我们借助家人和朋友的记忆，重新认识自己过去的样子；借助照片、日记和作品，保存那些已经无法完整回忆的经历；也借助职业、家庭和社会关系，理解自己正在承担什么角色。

承诺、合同、法律与道德，则要求现在的我们继续面对过去的自己所作出的选择。

这些外部结构不只是在约束我们，也在不断为变化中的自我提供坐标：

我曾经是谁，做过什么，为什么走到这里；哪些东西已经改变，哪些责任还需要承担，哪些东西仍然值得保留。

当这些外部锚点突然消失，或者彼此发生冲突时，人就很容易陷入自我怀疑与迷茫。我们可能仍然记得过去，却不知道应该怎样理解过去，也不知道正在发生的变化究竟意味着成长、妥协，还是偏离。

所以，人并不是独自维持自我连续性的。

我们需要外部世界帮助自己重新辨认自己。

ChatGPT 延续的，究竟是什么

这让我重新理解 ChatGPT 与直接调用 GPT API 之间的差异。

单独的大语言模型拥有巨大的可能性。面对一个问题，它可以沿着许多不同的方向生成回答。但真正让一次回答逐渐接近某个具体的人，不只有模型本身，还有当前对话、历史信息、长期记忆、用户偏好、项目资料和行为规则等上下文。

至于 ChatGPT 内部具体如何实现，我无法作出技术判断。但从实际体验来看，这些结构共同缩小了模型生成的可能范围，使它的回答越来越接近一个具体的我。

它所提取的也不只是写作风格，还包括一些更深层的特征：我长期关心什么，习惯从什么角度进入问题，怎样判断一段论述是否偏离了重点，又会在什么地方保持谨慎。

这与人类借助外部世界辨认自己，形成了一种很有意思的镜像：

人借助外部世界重新辨认自己，AI 借助外部上下文重新辨认它正在面对谁。

人与 AI 的连续性当然不是同一种存在。人类拥有身体、生命经验和主观感受，也必须在现实世界中承担行为后果。AI 对一个人的理解，则来自有限信息形成的模拟，而且随时可能出现偏差。

但它们都面对一个相似的问题：

一个不断变化的主体，如何让过去与现在之间仍然保留可以理解的联系？

如果 AI 只保存“我喜欢什么”“我做过什么决定”，却不知道这些判断为什么形成、在什么条件下成立，以及后来发生了怎样的变化，那么它延续的仍然只是一个不完整的我。

真正困难的，已经不再是让 AI 记住更多关于我的信息，而是让它既能延续我的思维结构，又能理解我正在发生的变化。

认知连续性不是把人固定下来

当我们谈论认知连续性时，很容易把它理解成尽可能完整地保存过去。

但真正需要保存的，可能不是所有信息，而是认识发生变化的路径。

一个判断是在什么情况下形成的，依据了哪些事实；后来发生了什么，它为什么被修订或者放弃；现在的我是否仍然愿意继承它。

这种记录不应该成为一份定义“你是谁”的权威档案。它更像是一条带有来源、时间和变化过程的认知轨迹，人与 AI 都可以查看，也都可以对它提出质疑，而最终的解释权和修订权仍然属于人。

人应该能够纠正错误的记录，撤回已经过时的判断，也应该有权决定：哪些过去不再参与今天对自己的理解。

否则，记忆就会从理解变化的工具，变成把人固定在过去的档案。

这也让我开始重新思考：未来的人机协作工具，究竟应该帮助我们保存什么？

我最初以为，我们需要的只是更完整的上下文。但现在我越来越觉得，仅仅保存上下文还不够。我们还需要保存上下文之间的关系、判断形成的原因，以及认识发生变化的过程。

这不是为了让 AI 永远模仿一个静态的“我”，也不是为了让人永远服从过去的自己。

真正值得延续的，或许从来都不是一个被冻结的“我”，而是一条在变化之后，仍然能够说明自己从哪里来、为什么改变，又愿意继续成为什么的路径。