普林斯顿教授纳拉亚南在ICML 2026主题演讲中称AI为普通技术

普林斯顿教授阿尔文德·纳拉亚南在首尔举行的ICML 2026上发表了主题演讲。他认为AI应被视为普通技术，而非存在性断裂。演讲提出了三点，将注意力从突然的失业转向稳步适应。

纳拉亚南表示，实验室不会产生一个让所有工人都失业的单一里程碑。他补充说，递归自我改进值得研究，但实际上仍很遥远。听众听到，工作本身将发生变化，必须现在就开始准备。

教授敦促AI社区摒弃任务会简单移交给机器的想法。相反，他呼吁有意识地发展能弥补当前模型局限的技能。判断力和品味被列为模型仍大规模缺乏的能力示例。

纳拉亚南将AI定义为普通技术，并将其与电力和计算等早期转变进行比较。他说，进步遵循可预测的采用、成本降低和工作流程调整模式。历史上没有出现突然的飞跃导致办公室清空的情况。

听众收到了过去自动化事件的数据点。受影响行业的就业在最初下降后继续存在，因为新角色出现了。纳拉亚南用这些记录将当前的恐惧描述为可以理解但被夸大了。

演讲中的主要张力在于全面替代的预测与渐进变化的实证证据之间。纳拉亚南既反对危言耸听的说法，也反对自满。他敦促研究人员研究真实的能力曲线，而不是戏剧性的情景。

他指出，快速起飞的说法基于尚未经过检验的假设。目前没有实验室结果显示模型以超人的速度重写自己的代码。当前系统与那些假设模型之间的差距仍然很大。

其中一部分探讨了人类仍可拥有的技能。纳拉亚南列举了对模型输出的评估、质量标准的设定以及在相互冲突的建议中进行选择。这些活动需要模型仅通过人类指导才能获得的上下文。

他举了基于不明确用户偏好的产品决策示例。通过经验培养的品味使团队能够在技术上合理的选项中做出选择。模型可以生成候选方案，但尚无法根据未明示的目标对其进行排序。

纳拉亚南以一个简短的愿景结束，他称之为共同超级智能。该术语描述了人类与模型结合后的性能超过单独任何一方。他说，结果取决于主动的技能构建，而不是被动使用工具。

演讲获得了适度的掌声。与会者指出，其基调不同于以往专注于能力竞赛的主题演讲。几位研究人员表示，他们计划在即将到来的项目中测试所建议的技能类别。

值得关注的前景信号包括关于自我改进基准的实验室报告，以及强调判断力角色的招聘数据。持续缺乏突然的能力跃升将支持普通技术框架。奖励评估技能的职位发布变化将提供早期确认。

纳拉亚南提醒听众，适应是一项主动任务。等待被取代没有任何优势。构建互补能力的工作从下一个项目开始，而不是等待下一次突破。