AI的進(jìn)展不是太快，而是太慢

　　從Altman辭職引發(fā)了出了Q*算法，然后好像引申出了一個結(jié)論：強(qiáng)人工智能要來了，但現(xiàn)實(shí)可能正相反，人工智能確實(shí)是有進(jìn)展，也有巨大的潛力和顛覆性力量，但整體上的進(jìn)展不是太快，而是太慢。

　　圖靈測試2.0：拋棄它但又要回到它

　　1950年的圖靈測試說的是當(dāng)一個人同不能看見的人與機(jī)器進(jìn)行問答，又不能區(qū)分那個是人那個是機(jī)器的時候，那么機(jī)器就算通過了圖靈測試。

　　現(xiàn)在在某些場景里，大模型確實(shí)可以通過圖靈測試，所以這版的圖靈測試是一個過期的測試方式，意義不大了。

　　但圖靈測試的基礎(chǔ)內(nèi)核是有價值的。它圈定一個場景，讓人工智能完成它，通過外部對此能否感知來判斷智能是不是足夠這點(diǎn)并未過時，實(shí)際上是變的更加關(guān)鍵。

　　對圖靈測試進(jìn)行擴(kuò)展的話，我們可以在經(jīng)濟(jì)活動中圈定一個職位或者場景，然后考察人工智能是否可以完成它，同時體驗服務(wù)的一方并不知道這是人提供的服務(wù)還是機(jī)器提供的服務(wù)。如果人工智能可以做到了，那就是通過圖靈測試2.0.否則就不是。

　　為什么這是有意義的呢？

　　因為初代圖靈測試更像是測驗一個活在虛擬空間的智能體，它不需要區(qū)分真實(shí)還是虛假，只要確保邏輯自洽，那就可以達(dá)成通過測試的目標(biāo)，在這個過程中胡說八道是沒關(guān)系的。這是一個技術(shù)視角。

　　有個沒場面但其實(shí)很經(jīng)典的科幻電影叫《這個男人來自地球》，電影里面一個男人聲稱他是一個活了一萬四千年的穴居人，他見證了人類的歷史和文明的變遷，甚至與佛陀和耶穌有過交流。和他在一個屋子里的各位科學(xué)家嘗試用邏輯去驗證他是不是扯淡，但結(jié)果發(fā)現(xiàn)純粹的坐在屋子里，這事是整不出真假的。在屋子里凌空來說，只要人知識足夠豐富，并且能保證邏輯自洽，你根本沒法分辨。而走出屋子立刻就不一樣了，其它的事實(shí)、反饋可以迅速的判斷真假。

　　類似的，人工智能是否真的智能是學(xué)術(shù)、技術(shù)問題，也是個商業(yè)問題，所以它必然要走出來禁受更大場景的考驗，不能是一個只能嘮嗑的語言模型。這時候就很有必要按同樣的思路，回到圖靈測試智能對比的內(nèi)核，對它進(jìn)行一下升級。

　　《AI能賺到錢了么?》中展開過這個問題，管它叫全場景覆蓋法，隨著人工智能關(guān)注度的提高，似乎越來越需要強(qiáng)調(diào)這個視角。因為我們整個文明就是基于智能構(gòu)建的，所以看人工智能總是可以有無數(shù)多個視角，比如：一種是無錨點(diǎn)的幻想，這就什么都能干，類似一個想象中的超人，寫小說用的上;一種是純粹技術(shù)的視角，這種就大喜大悲，要么就是覺得這東西怎么可能有用(別看現(xiàn)在很火，其實(shí)過去十年AI的研究者大多是悲觀態(tài)度)，要么就是每天看到各種進(jìn)展，覺得世界要被威脅了。

　　無錨點(diǎn)和尺度就很容易這么忽左忽右，但恰恰尺度本身才是本質(zhì)。

　　為什么說人工智能進(jìn)展其實(shí)是慢的

　　如果在技術(shù)圈子里面自己和自己比，其實(shí)進(jìn)步還是很大的，不管是過去的識別率還是這次的內(nèi)容生成，大模型都有了相當(dāng)?shù)倪M(jìn)步，但如果換到上面說的圖靈測試2.0的視角，你就會發(fā)現(xiàn)即使到今天，還是通過不了。很像一條無限接近的曲線，但就是沒有突破。

　　可以拿企業(yè)內(nèi)的分工進(jìn)一步舉列子，企業(yè)的典型崗位是：

　　職能：HR、財務(wù)、IT、行政、知識產(chǎn)權(quán)

　　產(chǎn)研：產(chǎn)品、研發(fā)、供應(yīng)鏈、測試、運(yùn)維

　　業(yè)務(wù)：市場、銷售、售前、售后

　　每個崗位會橫縱進(jìn)一步細(xì)分，縱是指層級也就是我們常說的匯報路線，橫是指前端、后端、APP這類職責(zé)切分。

　　一個100~200人的產(chǎn)品公司里面差不多要有各種類似的崗位，這時候我們回到圖靈測試2.0的視角，哪部分現(xiàn)在的人工智能可以通過呢?

　　恐怕都通過不了，即使是進(jìn)展最大的編程。

　　編程的時候現(xiàn)在的人工智能完成不了需求模型向開發(fā)模型的映射，（現(xiàn)在確實(shí)可以讓1個人干2人的活)，也就是說還是需要有人抽象出需求模型，把它變成prompt；其次是一旦出問題，修正就挑戰(zhàn)更大，因為這時候必須有整個程序的整體性認(rèn)識，對此的認(rèn)識則大概率是不準(zhǔn)的，這就導(dǎo)致改老的程序反倒是更吃力，需要一個有整體性認(rèn)識的人進(jìn)行協(xié)助，否則就改不對。

　　所以說基于大模型的人工智能通過不了圖靈測試2.0.通過不了商業(yè)價值的實(shí)現(xiàn)就有問題（通過了不一定沒問題）

　　所以結(jié)合場景視角，我們可以說雖然忙活了10幾年，但進(jìn)展遠(yuǎn)沒有想的那么快�，F(xiàn)在OpenAI差不多調(diào)集了可能調(diào)集的所有資金來對此進(jìn)行沖刺，我們應(yīng)該真的希望他們能沖過去，而不是反過來。

　　能不能通過正是兩種局面：通過不了就像水庫一樣偶爾當(dāng)供水池用用，通過了蓄積的勢能就奔涌而下。

　　這類行業(yè)重構(gòu)第一步更可能是一種大折疊，內(nèi)卷到極致的折疊，然后才是新生。

　　大折疊

　　突然說折疊可能不好理解，我們拿過去的電商舉個例子：

　　電商肯定磕掉了傳統(tǒng)百貨，并且激發(fā)了外賣、直播帶貨等一系列新行業(yè)。但首先是折疊掉傳統(tǒng)百貨，后面才逐漸有現(xiàn)在大家集體帶貨的局面。

　　人工智能如果通過圖靈測試2.0.那會和這個類似，比如如果日常文案寫作全是人工智能，那在API上能創(chuàng)造的商業(yè)價值估計只有原來的幾千分之一，但會讓這個職位徹底走入歷史，此后才能創(chuàng)造新的角色和職位。

　　在這個折疊的過程中其實(shí)蘊(yùn)含著第二重挑戰(zhàn)：可以折疊掉很多現(xiàn)有職位，但自己未必能成為一個良性的模式，并且持續(xù)發(fā)展。(如果真停在這兒就損人不利己的意思)

　　在Altman被逼走的短暫日子里順道出了一條消息：每一次對OpenAI的調(diào)用都會導(dǎo)致虧損。也就是說OpenAI是在一種脆弱平衡下在運(yùn)作，具體來說就是：全球的注意力吸引海量資本的模式，這中注意力和興奮點(diǎn)的走勢從反面解讀其實(shí)和龐氏騙局是一樣的(不是說AI是騙局，而是這種模式的特征很類似，包括數(shù)字貨幣)。這種趨勢下，關(guān)鍵的關(guān)鍵就是最后能不能兌現(xiàn)出真正的商業(yè)價值，然后才可能拉動下一個循環(huán)。所有的龐氏騙局不是中間沒收益而是最終交待不上，預(yù)期值徹底踏空，然后迅速跌的什么也不是，并崩盤。

　　從這個角度看，AI要想構(gòu)建良性循環(huán)：第一步需要通過圖靈測試，第二步需要激發(fā)新的正反饋模式。然后才是2000年的互聯(lián)網(wǎng)，AI原生應(yīng)用的崛起，否則就都是前奏。從這個角度，就會覺得在這個時間點(diǎn)認(rèn)為AI發(fā)展太快是滑稽的。

　　當(dāng)然，這不單是是OpenAI幾個公司的問題，還牽涉到這次大量的創(chuàng)業(yè)項目。

　　扮演引擎角色的通用大模型如果過不了圖靈測試2.0.那基于它的各種嘗試結(jié)果就沒那么美妙。

　　潛在受害者

　　近來無意間看到了很多這一波很多創(chuàng)業(yè)項目的介紹，看完的感覺就是：如果最終大模型的智能峰值過不了圖靈測試2.0.那這些項目都會慢慢死去，像干涸的湖泊里的魚一樣。

　　這類事沒法舉具體項目來點(diǎn)評，我們凌空說一個作為例子，比如：我可能發(fā)現(xiàn)，一個企業(yè)用多種平臺，反復(fù)對齊數(shù)據(jù)特別費(fèi)人工，然后可以用RPA結(jié)合模型做出改善。這有沒有價值呢?有價值，但如果智能比例不夠，那創(chuàng)造的價值就不夠它自己消耗的，商業(yè)上不成立。

　　再比如我發(fā)現(xiàn)家里很多活，人不愿意干家務(wù)，那有個機(jī)器人的話有沒有價值呢?有價值，但智能不夠，就干不出真正有用的產(chǎn)品。

　　順道說句，周末我去某活動見幾個老朋友，就看到了幾個活動中用的機(jī)器人，這簡直把我看的欲哭無淚。這類所謂的具身機(jī)器人和十幾年前根本沒有本質(zhì)進(jìn)展，還是一個底盤加個PAD，真有進(jìn)展的還真是智能音箱中花很多時間打磨的部分，即使很嘈雜語音識別的準(zhǔn)確率也還是可以了。

　　和上面類似的項目還很多很多，包括供應(yīng)鏈上為AI企業(yè)提供彈藥做芯片做數(shù)據(jù)的，每個人都想成為英偉達(dá)，但如果通過不了圖靈測試2.0.也許會再有一家，但不會有再多了。

　　如果智能的峰值不能進(jìn)一步拉高，那這些產(chǎn)品就都會卡在某條線下，該花的錢一點(diǎn)也少不了，但就是不創(chuàng)造新價值。

　　從這個角度就更容易看到AI發(fā)展不是太快，而是太慢的真實(shí)含義。誰有多長的血條，一共又有多長的血條呢！

　　一點(diǎn)點(diǎn)形而上

　　現(xiàn)有經(jīng)濟(jì)體系里人其實(shí)是大號的工具，扮演這個角色的時間擠占比如家庭、生活上的時間。只有極少一部分人可以在這種工具角色中獲得樂趣，絕大部分人不是，但都需要工作，這就是之前說的異化，和摩登時代比是程度的差異。

　　而人、工具、組織模式構(gòu)成了一種能力上限，隨著對上限的追求越來越高，在里面的人腳下的傳送帶就轉(zhuǎn)的越快，表現(xiàn)為就是某些人越來越忙。

　　而當(dāng)人們一考慮會失去這樣一個自己不喜歡的角色時，反倒是會更惶恐，因為有一種經(jīng)濟(jì)臍帶被切斷的感覺。

　　這就是最有意思的地方，怎么才能在失去了不喜歡的東西后獲得喜悅？

　　人工智能是文明要素中的一種，提供了重構(gòu)過往社會結(jié)構(gòu)的力量，但也不是全部，基于它的進(jìn)展，我們也許可以更低成本的解決現(xiàn)在那些根本解決不了的問題，比如：貧窮與饑餓，它會提高整個社會的自由度，讓人更有解決問題的空間，重新進(jìn)行一種更高級的綜合。

　　在這點(diǎn)上我同意凱文凱利的觀點(diǎn)：科技總是即帶來好的也帶來壞的，但總是好的多一點(diǎn)點(diǎn)。它至少增大了可能的空間。

　　從這個角度看，人工智能的發(fā)展也是慢的。

　　小結(jié)

　　在人工智能上，技術(shù)、社會性的想象、商業(yè)的判斷現(xiàn)在堆積到了一起，所以經(jīng)常出各種各樣的觀點(diǎn)，但在當(dāng)前階段對人工智能做純技術(shù)解讀或者做純粹的社會性解讀意義未必很大，只有從商業(yè)角度才能更清楚的看到它這種瀕臨死亡和勃勃生機(jī)相疊加的矛盾態(tài)，所以回到圖靈測試2.0應(yīng)該是有意義的。