在多伦多大学的毕业典礼上，伊利亚·苏茨克维尔没有把人工智能说成一项普通的新技术。他把问题推向毕业生的学习选择：机器最终可能学会人类能学会的一切。今天还有什么值得人投入时间？
图注：苏茨克维尔在多伦多大学毕业典礼上发言。画面来自社区帖子转发的演讲视频片段。
01
他把未来的重量压回了今天
。这场演讲发生在去年6月6日。多伦多大学当天授予苏茨克维尔荣誉学位。
他曾在这里完成数学本科、计算机科学硕士和博士学习。
他也曾与杰弗里·辛顿、亚历克斯·克里热夫斯基共同完成 AlexNet。
大学官方介绍记录了他的技术经历。2012年的 AlexNet 改变了图像识别研究。
他后来加入 Google，参与创办 OpenAI。
他也创办了 Safe Superintelligence。
这个身份让他的判断拥有特殊分量。演讲真正留下的信息，落在毕业生如何处理不确定性。
“接受现实本来的样子，不要沉溺于过去，然后想一想下一步最好的行动是什么。”
02
“生物计算机”推导出的判断
。苏茨克维尔把人类大脑称为生物计算机。他据此判断，数字计算机也可能逐渐学会人类能够学会的事情。
他在演讲中说，AI终有一天会完成“我们能完成的一切”。这包括今天仍然需要人类学习和训练才能掌握的工作。
他没有把这件事描述成已经完成的现实。他先承认今天的 AI 仍然有明显缺陷：它能与人对话、写代码、处理许多任务，在很多方面仍然不够好。
未来的变化需要靠持续观察具体系统已经做到什么来理解。
演讲原文中的“3年、5年、10年”只是对未来时间范围的举例。苏茨克维尔同时说，未来难以准确预测，本文不把它处理成明确倒计时。
03
真正需要更新的是学习问题
。这段演讲最值得留下的地方，是它改变了问题的问法。传统的学习计划通常从“我要掌握什么技能”开始。
苏茨克维尔把问题改成了：“机器还不会什么，我现在是否正在学习它？”
这个问题没有一个永久答案。模型更新、工具接入和真实使用场景都会改变边界。今天需要人来完成的工作，可能明天就会变成机器可以协助的步骤；今天看似抽象的判断，也可能因为系统获得更强的执行能力而进入日常流程。
他给毕业生的建议，是保持对真实能力的观察。亲自使用当前最强的工具，记录它完成了什么、在哪些地方失败、哪些任务仍然需要人的判断和责任。
每一次观察，都会让“未来”从抽象想象变成下一步可以处理的工作问题。
苏茨克维尔最后把 AI 称为人类面对过的巨大挑战，并说解决它也可能带来巨大的回报。对个人来说，最实际的起点仍然很小：看清今天的 AI 能做什么，再决定今天要学什么。
来源：多伦多大学官方报道；多伦多大学官方演讲视频；社区帖子及其转发视频。