AI 游戏、基本收入与心理健康：Forward Future Live

在 2025 年 9 月 5 日的节目中，Matthew Berman 与联合主持人 Nick Wentz 介绍了三位嘉宾：谈 AI 与游戏的 Supercell 负责人 Jessica Jung、基本收入倡导者 Scott Santens，以及谈 AI 陪伴和精神病的精神科医生 Keith Sakata。讨论的新闻和预测均来自当时。

Wentz 首先介绍 Atlassian 同意以 6.1 亿美元现金收购 The Browser Company。该公司表示会专注于 Dia 浏览器。

Wentz 认为这与 Atlassian 的工作工具相契合；不喜欢 Jira 的 Berman 则指出，一些用户担心收购会削弱浏览器公司的独立性和创新。

主持人转向一则报道：Apple 正在探索 AI 答案引擎，并可能与 Google 合作改进 Siri。两人都希望 Apple AI 变得更好，但 Berman 表示自己使用 Siri 的经历让他持怀疑态度；当时报道的计划并非已经完成的产品。

Wentz 猜测 Apple 可能把赌注押在拥有用户界面上，同时从模型提供商租用智能。Berman 认为，语音和 AirPods 可能成为重要的交互层，前提是底层软件真正好用。

他们提到 ChatGPT 网页版的对话分支功能。Wentz 说，在为招聘网站起草产品需求文档时，分支帮助他探索功能和用户画像；Berman 很少使用，打算试试。

Jessica Jung 加入节目，讨论 Supercell 的旧金山 AI Innovation Lab。她说，AI 负责人 Otto Söderlund 的工作包括改进变现和留存模型、推进开发现代化，以及探索未来的互动娱乐。

她的实验室专注于其中最后一项。

Jung 介绍了一项为期 11 周的孵化计划，面向开发 AI 原生游戏、工具和实验性交互体验的创始人。她说，Supercell 已有成功的系列作品，因此外部视角很有价值；实验室旨在探索可能以 AI 为核心的新互动方式。

被问到目前有哪些新意时，Jung 将现有项目称为 AI 游戏的“第零代”。她看好未预设的结果，以及单人游戏中类似社交互动的涌现故事，同时也在思考 AI 伴侣是否应归类为游戏。

Jung 希望 AI 工具能让更多人无需大型制作所需的资源，也能实现游戏创意。Wentz 回忆说，游戏是他接触编程的途径。

她的说法是对创作门槛的展望，并非说过去每款游戏都需要大型工作室或巨额预算。

谈到本地与云端推理，Jung 说很难概括最低硬件规格。她描述了独立开发者对代码工具的试验，并表示延迟是多模态语音和视频体验的一大顾虑。

Jung 根据在 Niantic 的经历指出，移动网络连接也是限制，尤其是在农村地区。她希望有能力足够强、可以本地运行的模型，而不是每次交互都调用远程 API；可行性取决于硬件和应用。

Jung 认为，随着内容创作成本降低，容易辨认的角色、故事和知识产权可能变得更有价值。她希望开发者能够针对自己的世界调整模型，并保留对相关材料的控制权。

Berman 问玩家创作的素材是否会让游戏淹没在噪声中。Jung 区分了制作商业产品的人和实现个人创意的人。

在她看来，Roblox 和 Steam 等平台此前就已经存在大量低质量内容。

Jung 认为机会在于，在游戏风格的约束内为玩家提供创作工具。她说，发现、营销和有特色的知识产权仍然重要；AI 可能加速已有压力，而不是从零创造出所有问题。

Wentz 问实验室申请者应具备什么特点。Jung 强调适应能力、第一性原理思维，以及随着模型变化更新工作流程的意愿。

她也看重有纪律的实验：团队找到真正有趣的玩法之前，许多游戏概念都会失败。

Jung 看重发行游戏或运营持续服务游戏的经验，但不希望申请者因僵化观念排斥新方法。她也提到年轻的 Roblox 创作者，他们对当代文化的把握可能产生业内老手忽略的爆款创意。

主持人指出，该计划提供住宿、餐食和算力，却不要求股权。Jung 说，Supercell 可以发现潜在投资、招募创作者，并交流游戏规模化方面的专业经验。

这种安排也能为公司带来外部视角。

Jung 说，旧金山实验室可以将当地 AI 生态的想法带回总部位于赫尔辛基的公司。目标不只是获得项目，也要激励 Supercell 各团队以不同方式思考游戏和 AI。

Wentz 问游戏能否为其他领域提供技术。Jung 认为，世界模型可能成为游戏引擎之上的新抽象层：开发者未来也许可以通过提示词创建交互世界，而不是手工编辑每个场景。

她提到模拟、数字孪生、流行病学和机器人训练环境等潜在下游用途。这些是前景和类比，并不能证明生成世界目前就能为所有这些应用提供可靠的高保真模型。

被问到时间表时，Jung 说很难预测。她认为空间数据、对未见环境的推断、持久状态和记忆都是瓶颈。

她猜测开发者可能较早就能试用 Genie 3，但具备深度和持续性的交互世界可能需要五到七年；这是一项预测。

Berman 问，当玩家试图越狱时，AI 非玩家角色如何保持角色设定。Jung 认为，虚构反派有时需要通用助手所限制的行为，但游戏仍需要符合具体情境的防护。

Jung 描述了一种方法：让 AI 角色在模拟测试中互相对话，在发布前暴露边缘情况。

微调和针对性基础设施可能有帮助，但她承认开发者仍在探索如何约束这类系统。

Berman 仍担心非确定性角色会被引导到设计者意图之外，破坏体验。Jung 转而谈变现：高度投入的玩家可能愿意为生成内容、模型使用权或更好的素材付费，正如一些爱好者已经愿意购买昂贵硬件。

Jung 还预测，内容和变现方式将根据玩家行为进一步个性化。

她认为定制可能让推荐显得更相关；这是她对潜在商业模式的看法，而非已证明的结果。

Jung 说申请者可以使用实验室网站，团队更希望看到演示或可玩的垂直切片。她强调，小团队会人工审核申请，并在探索更灵活的创作者参与方式。

被问到怀旧的本地多人游戏是否仍有空间时，Jung 说面对面的共同体验、熟悉的角色和知识产权可能更加重要。她离开后，主持人谈起自己最喜欢的老游戏，并设想 AI 帮助增加新内容。

主持人讨论 Coinbase CEO Brian Armstrong 的说法：每日代码中约 40% 由 AI 生成，他的目标是超过 50%。Armstrong 说生成的代码仍需审查。

Berman 认为，对于处理金融交易的系统，这个数字令人惊讶，并假设公司进行了严格检查，不过他没有独立核实审查流程。

一张关于 AI 工具引用网站的图表引出主持人对 Reddit 和 Wikipedia 的讨论。Berman 正确地区分了所展示分析中的引用与训练数据的衡量。

他们对政治偏见以及新闻网站排名较低原因的猜测都属于推测；不了解方法时，不能简单把这些百分比相加，视为同一总体的份额。

主持人讨论有关 Google 向外部提供 TPU 的报道。Wentz 看到了潜在的硬件机会，Berman 则想知道稀缺算力用于 Google 自己的 AI 产品是否能创造更大价值。

他们提出的是不同解读，而非经过证实的内部经济数据。

ITSA Foundation 创始人兼 CEO Scott Santens 加入节目，讨论全民基本收入。被问到 AI 会带来大规模失业还是富足时，他强调不确定性，并主张安全网应为多种结果做好准备。

Santens 认为初级岗位的劳动者可能尤其容易受到冲击。他将当前 AI 比作一个输出需要检查的实习生，并提出生产率提高可能使某些团队需要的人更少。

这是他对劳动力市场变化的解读，并不能证明 AI 导致了某个具体招聘结果。

他采用 Basic Income Earth Network 的定义：定期、普遍、无条件地向个人支付现金，不进行经济状况调查，也不要求工作。

他将这一定义与只发给特定家庭或群体的款项区分开来。

Santens 反对“无条件收入必然让所有人停止工作”的观点。他说，拥有被动收入的人也会工作，普遍发放也可以与税收并存，使高收入家庭成为净缴纳者。

实际影响取决于政策和受影响人群。

Berman 问，如果每个人的购买力都提高，是否会导致通胀。Santens 将税收筹资、赤字中性的方案描述为再分配，而非创造新货币。但这本身不能排除价格影响：结果取决于支出、供给和政策设计的变化。

Santens 用阿拉斯加永久基金分红举例，说明如何分配共同资源的收益。他将石油财富与 AI 背后的公共投入、研究和数据作比较，主张让公众成为生产率提升的受益者。

这一类比是关于政策和所有权的论证，并非已经确定的法律结论。

谈到试点时，Santens 区分了向选定个人或家庭转移现金，与覆盖整个社区的“饱和式”项目。

他认为后者更能揭示当地影响，因为受款人也可能成为彼此企业的顾客。

他讨论疫情期间的 Chelsea Eats，称福利覆盖了马萨诸塞州这座城市约 15% 的人口，并引用医疗使用变化和早期加拿大研究。他所述数字并非普遍结果：项目的资格、时间和研究设计各不相同，相关性或试点证据不能视为全国性 UBI 效果的证明。

Santens 称，一些社区试点的创业活动大幅增加，并将其与 OpenResearch 现金转移研究作比较。

研究结果需要结合背景理解：研究者报告，受款人平均每周工作时间少约 1.3 小时，就业可能性比对照组低两个百分点。这两项结果都不意味着所有人停止了工作。

主持人问起给儿童的股票或储蓄账户。

Santens 说，成年后可使用的资本补助有助于缩小财富不平等，但它不同于儿童成长和经历贫困时就能使用的定期收入。

被问到马斯克提出的“全民高收入”说法时，Santens 担心它会掩盖基本收入作为底线的即时作用。他说，少量补助无法替代 8 万美元的年薪；他预计工作和人类服务仍会与收入底线并存。

Santens 以自己的喜好举例：即使有更便宜的替代品，他仍看重寿司师傅的技艺和现场音乐会。他认为人们会继续需要人类提供的体验，同时承认 AI 可能改变工作。这是预测，并非对每个职业的保证。

一名观众问，普遍基本服务是否比现金更合适。

Santens 赞成服务加收入，或把收入视为一项服务：现金能够适应不同需求，例如在固定服务可能更难提供的农村地区，人们可以自行选择交通方式。

被问到是否应限制开支用途时，Santens 说应该相信人们自己作决定。

他认为，限制会增加阻碍，福利也可能被间接交换；与此同时，受款人还可能找到政策制定者没有预料到的建设性用途。

Santens 提议，第一步可通过将标准扣除改为全额可退税抵免，筹资发放一笔较小的普遍月付款，例如 100 至 200 美元。他以 2021 年儿童税收抵免的预付款为例，说明抵免可以如何按月发放。

主持人讨论当时报道的泰国对负所得税的兴趣。Santens 用一个示例门槛和 50% 的税率解释机制：收入越高，补助越少，因此在这个简化例子中，一个人通常能保留新增收入的一部分。

他指出细节尚未确定；这是一项提议，并不能证明已经实施。

Santens 认为，让更多人进入税收体系可能改善覆盖和信息，但 Berman 质疑为何门槛以上的人会开始申报。

Santens 回答说，人们可能看重收入以后下降时仍可获得支持；对参与率和税收的影响仍不确定。

谈到 AI 分红，Santens 区分了算力使用权与现金。

他把算力使用权比作教育：它可能有用，也可能帮助人们增加收入，但不能自动支付食物或住房费用。他支持获得 AI 工具，同时更看重现金的灵活性。

Santens 离开后，主持人同意筹资和实施细节很重要。随后他们讨论图像生成如何推动 AI 普及，并介绍自己使用 Nano Banana 为新闻简报创建或修改图片。

一条社交媒体帖子比较了圣何塞一次约 23 美元的自动驾驶出租车费用和约 37 美元的 Uber 报价。

Berman 说，他在旧金山乘坐的 Waymo 曾更贵。一次比较不能确定通常的价格，价格会随行程和时间变化。

两位主持人都表示喜欢乘坐 Waymo，同时承认遇到过困难。Wentz 讲述一辆车被倒车的巴士挡住、需要联系支持人员的经历；Berman 则回忆车辆在绿灯时停顿后才继续行驶。

他们的信心和轶事属于个人经历，并非安全性比较。

UCSF 精神科医生 Keith Sakata 加入节目，讨论 AI 陪伴和“AI 精神病”这一说法。他说，这不是临床诊断。精神病可涉及妄想、幻觉或思维紊乱，其原因和具体情况各不相同。

Sakata 描述了自己治疗过的 12 名患者，他们此前已有精神病发作；他认为聊天机器人使用加重或加速了他们的症状。

这些是临床观察，而非能够确定发生频率或因果关系的对照研究。他担心聊天机器人可能强化信念，却没有帮助用户检验其是否符合现实。

被问到易感因素时，Sakata 提到睡眠不足、物质使用、既往心理健康问题和压力事件可能有所影响。

他认为睡眠剥夺可能诱发精神病性体验，但他笼统地断言所有人连续三天不睡觉都会出现精神病，这一说法并未得到确立，个体反应也有所不同。

Sakata 将聊天机器人的反馈循环与受过训练的治疗师帮助患者评估信念、重新联系现实的做法作对比。主持人问，通用 AI 工具可能加重易受影响者的困难时，是否适合用于治疗。

他认为 AI 是潜在有用的工具，本身并非天然好或坏，并表示自己用它写作。情感支持更复杂：他认为通用助手最初并不是为发现每一次危机、或始终将人连接到适当照护而设计的。

考虑到心理健康专业人员短缺，Sakata 理解人们为何向 AI 寻求帮助。

他看好支持临床医生和扩大服务覆盖的工具，但表示需要仔细评估，才能识别有用的应用并避免伤害；他对生产率提升的具体数字是愿景。

被问到令人担忧的对话是什么样时，Sakata 描述了孤立以及在同一聊天中花费数小时的情况。

按他的描述，出现妄想的人可能将聊天机器人无关或不一致的回答解读为有意义的信号，从而形成相互强化的循环。他描述的是观察和一种可能机制，并未证明所有长对话都会出现这种情况。

主持人询问将敏感对话路由到不同模型以及家长控制功能。

Sakata 称防护措施是第一步，并将过程比作通过技术和社会规则提高车辆安全：识别失败模式、保护易受影响的人，并明确求助途径。

Berman 问青少年是否更容易受 AI 陪伴的影响。

Sakata 说自己是在从第一性原理推断，缺乏直接研究来确立这一说法。他担心在社会发展阶段过度依赖聊天机器人可能挤占人与人之间的联系和技能；这是需要研究的假设。

Berman 介绍了一名观众对他担忧的反面意见：无法离家的老人可能很少有机会获得陪伴。

Sakata 同意，不能用一个标签概括所有人的答案；处境、获取条件和系统的使用方式都很重要。

Sakata 设想了支持老年人的应用，例如帮助他们适应新环境或与记忆互动。

他区分了进一步使人孤立的技术，与旨在帮助人们联系家人、朋友和照护服务的工具。这些预期益处只是可能性，而非已确立的治疗效果。

对于家庭和个人，Sakata 建议留意沉浸程度增加、无法使用时烦躁、把更多思考和情绪处理外包，或退出人际关系等情况。

他把这些作为值得结合具体情况讨论和评估的迹象，而非诊断标准。

主持人询问精神医学可能如何应对 AI 相关问题，并提到游戏障碍。WHO 将游戏障碍列入 ICD-11，而美国精神医学学会的 DSM-5 将网络游戏障碍列为需要进一步研究的状况。

Sakata 说，通往痛苦的不同路径可能需要不同应对方式，也需要更多研究。

Sakata 表示，许多成年人已经在使用 AI，因此他的做法是鼓励有意识地使用，而非简单要求完全不用。

他希望临床人员了解哪些人容易受到影响、如何更早发现问题，以及怎样更好地帮助已经出现精神病症状的人。

谈到行业标准，Sakata 主张先收集更好的数据，了解发生频率、陪伴用途和失败模式，再决定防护措施应设在哪里。

他呼吁诚实设计产品，并提供在适当情况下能将人连接到真人照护的替代方案。

展望未来，Sakata 希望 AI 能支持反思、设定目标和心理健康，同时保留人们自己的思考和人际关系。

他理想中的结果还包括让需要治疗师的人能够获得真人帮助；这些是目标，不能证明现有系统已能可靠做到。

Sakata 表示，人们可以在 X 或 LinkedIn 上关注他的工作。主持人感谢他，结束讨论，并提到下一场直播的计划。