近日，美国AI圈因一场类似真人秀的辩论再起风波。英伟达CEO黄仁勋在All-In峰会上激情驳斥AI末日论，逐条清算过去几年落空的恐慌预言：放射科医生未被取代反而更紧缺；90%代码由AI生成未实现；50%初级岗位蒸发也未发生。正当他侃侃而谈之际，前总统特朗普突然来电，黄仁勋顺势外放通话，全场数千观众听到懂王宣称“AI末日论是某国阴谋”，并强调“数据中心才是未来的石油”。这一戏剧性插曲令人不禁怀疑是否精心设计的真人秀桥段。
归纳之争：黄仁勋与Dario Amodei共享同一逻辑框架
有趣的是，无论支持AI末日论还是反对者，双方论证结构惊人一致：黄仁勋认为“过去末日预测全错，故现在也不可信”；Anthropic联合创始人Dario Amodei则依据模型能力增长曲线外推未来风险概率。两者皆依赖“以过去推断未来”的归纳逻辑，区别仅在于对数据解读与外推方式的不同。这引出一个古老哲学问题：我们凭什么相信因果？尤其是用历史经验预测前所未有之事？
格兰杰因果的幻象：预测≠因果
经济学中常用的“格兰杰因果检验”常被误认为能识别真实因果。该方法由诺贝尔奖得主Clive Granger提出，核心思想是：若X的历史数据有助于预测Y，则称Y“格兰杰因果依赖”于X。例如隔夜美股走势可预测A股开盘。但图灵奖得主Judea Pearl在《为什么》一书中明确指出：格兰杰因果本质只是时间序列上的预测相关性，并非真正因果。正如公鸡打鸣可预测日出，却非导致日出——二者皆受共同原因（光线变化）驱动。Granger本人后期亦建议改称“时间相关”以避误解。
休谟的幽灵：因果不过是心理习惯
经济学家对“因果”慎之又慎，根源在于18世纪哲学家大卫·休谟的彻底质疑。休谟指出：人类感官只能观察到事件的恒常联结（如白球撞击红球后红球滚动），却从未感知到“导致”这一神秘力量。所谓因果，实为大脑因重复经验形成的条件反射。由此衍生出著名的“归纳问题”：过去恒常发生的A→B，为何保证未来依然成立？罗素后来用“火鸡故事”生动诠释此困境：火鸡每日见农夫脚步即得食，归纳出“脚步=食物”，直至感恩节被宰杀——规律终结于未曾经历的黑天鹅事件。
AI争论的本质：无先例事件下的认识论撕裂
AI末日论的核心困境在于：“文明级灾难”尚无历史先例，无法通过频率统计获得客观概率。黄仁勋的反驳依赖归纳法（过去预言失败→未来也会失败），恰如火鸡逻辑；而末日论者则基于主观信念与模型外推，其概率更接近贝叶斯先验而非实证频率。正因双方均无法提供决定性证据，争论极易滑向政治化叙事。在信息传播速度决定话语权的时代，谁的故事更具感染力，谁就可能主导舆论。这也解释了为何懂王的“神来电”如此恰到好处——它本身就是一则高效传播的政治叙事。
面对不确定性的体面姿态
尽管休谟揭示了归纳法缺乏逻辑根基，现代科学仍努力构建更稳健的因果推断工具，如双重差分法、固定效应模型等。这些方法虽无法彻底驱散休谟幽灵，却体现了人类在承认认知局限的前提下，仍试图“更扎实地相信”的理性努力。关于AI是否危险，或许不必急于下结论——毕竟，感恩节还没到。