周末跟一位体制内的老友聚，无意中聊到AI，我看友人的表情，疑似是用《三体》中的“冬眠舱”沉睡了十年。我太想当然了，以为所有人对社会科技趋势，“至少有个大概的共识”吧。2022年底，OpenAI发布ChatGPT，因其在文本领域的“里程碑式突破”，引爆了一波人工智能浪潮，持续至今仍不见衰。时隔一年多，它究竟发展到什么程度，能做些什么，对我们有哪些深远影响？比如，“深蓝”（Deep Blue），1997年国际象棋比塞中击败了冠军。但这种只能做特定规则范围内的智能，只能称为“某某自优化程序”，跟当下火热的AI不在一个赛道。另一类是直接与人类语言或行为互动的“AI”，背后其实是搜索引擎或推荐算法。用了一段时间，我感触最深的是，当下的AI，它真的是围绕“你的需求”去互动、去组织内容，而之前的只是围绕“关键字”（或行为）去搜罗内容。比如，我曾在哪看过“大海中与龙门有关”的禅机，想找它的出处，但我不知道这部作品名，甚至连它是不是一本书也不确定。于是用搜索引擎，不出所料，搜到的要么是“鲤鱼跃龙门”，要么是儿童故事或音乐，总之跟我的目标风牛马不相及。后来换成AI大模型，同样的描述，它告诉我：出自禅宗名著《碧岩录》第六十回。它能“理解”人类语言，于是能根据“你话的意图”而不是“你话里的关键词”去搜罗内容。这更符合现实情境——我最需要搜索的时候，总是出现在“我连搜索目标都还模糊不清”的时候。当我都知道目标的“关键字”时，我还要你搜索引擎干嘛？欣赏竞价广告么？同样的问题也出现在各类“智能推荐”上，我高频浏览某商品，它就老出现在“你或许喜欢”列表上。现实中，一个人反复高频搜某一类商品又叉掉，有没有可能他其实不需要这个，但需要的又找不到？诸如此类，这些统统可以归为“模糊需求”——是现实中更高频出现，也更“刚需”的需求。它理解人类语言，就能洞察你的意图，所以我说它能围绕你的需求去搜索或组织内容，这是它与早先的AI（围绕关键字）最大的区别。但机器的优势是背后近乎无穷的算法算力，「理解人类」可说是它额头上的那个「指数」。打个类比，AI的综合能力是以「算力」为底数，以「理解人类」为指数。不理解人类前，这个指数是个1，它只能做些最呆板最机械的活。理解之后，这个指数可以是10，可以是100，可以是N。一个亿的一次方不吓人，但一个亿的N次方，光是数字就能把人淹死。建立在「理解人类语言」的基础上，它就能代入人类视角去「学习更复杂的概念」。起初你嘲笑它的认知，就像是刚发明出来的火车，比马跑得还慢，但调适训练几次，它就能以千万匹马都无法拉动的力量奔跑，甚至能飞上天，后劲无穷。这就是硅基智能的优势，它可以无止境的「吃」，无止境的「内化」，而且不需要休息！
这正是当前AI的“初步成果”，它已经能输出人类「所需要」的各类文本，包括且不限于：甚至网站代码、表格、简历、PPT等直接作为职场交付物的内容了。当然，我们更关心的不是它能做这些——我画个火柴人那也是艺术呀。一段时间评测下来，我体验最深的是，当下的AI，最大的优点跟缺点都是，“AI痕迹”明显。我说的“AI痕迹”不是贬义，比如，让它出一些建议或分析报告，无论任何领域，它几乎能交出一份「全面」、「均衡」、「精要」的答卷。我们解决现实业务问题时，最忌讳的恰恰是「均衡」与「全面」。就像高考满分作文，它也就只能在考卷里满分，按现实职场要求，高考优秀作文实在是过于“学生气”。现实工作，无论哪类业务，最耗脑也最体现能力的实质都是“资源配置”的问题——一个项目，你手头资源（精力）有哪些，按什么步骤、什么组合、多少比例分配。比如，让你设计一份让人念念不忘的宣传材料。有经验的人都知道，打动人心的关键，一定是要突出某些，压抑某些——即一定要“不均衡”展示。“不均衡”虽然未必就合理，但「全面」、「均衡」却一定是错的。所以，在工作中，核心竞争力的体现是在“配置”上，这是专家最需要“动脑子”的地方，也是他们“值钱”所在——不是去指导什么该做，而是把一切不该做的事剔除掉。在于专家们将资源配置完之后，根据他们的要求，填充细节，作为算法与算力——实际上，这些工作原本恰恰是绝大多数初级XX师，XX助理干的活——是不是想到AI威胁最大的群体是谁了？当然，有人会说，只要数据训练的量级足够，专家资源配置的活，AI也能胜任吧？我得出上述结论，并非建立在AI当前的能力之上，我是把它们未来的成长性也考虑在内。我关注的是它们底层的“原生缺失”，这些“缺失”必将导致它们能力的缺陷。它无法拥有人类情感，没有个体意识，没有欲望、动机。我没有情感，但我填喂过“人类所有的情感状况”后，我就能知道，一个人在某种情境下，他是会喜怒哀乐还是会无感麻木。你想象下，剥夺一个人的一切感官体验（包括恐惧），你觉得他还会有任何欲望、利益、动机么？没有情感体验，AI就无法独立做价值判断——它的一切目标都得“预先导入”——但真实世界中，没有人能预判最优解。别说一个社会或特定人群，哪怕是一个人，就你最懂的「自己」，你能确定明天晚餐你就一定想吃现在最想吃的料理么？某系统出问题了，需要技术人员进大厦修理，但这个系统就是负责分配入门资格的，技术人员进不去，而门卫因为技术人员没有入门资格，就是拦住不让进。这位门卫，更像AI——无法根据当前情境做正常人都会做的“常识判断”。当然，AI比门卫谦逊的多，它很明确知道自己「不能做什么」。
它反复强调“自己是基于历史数据和模式”，对于未知或实质创新——恕我无能。AI无法做价值判断，就无法在当前情境中权衡轻重缓急，我刚才提到专家最核心的事情了吧——配置资源。没错，AI能通过训练获得历史最优配置，但历史配置能否匹配当前情境或未知领域——这需要价值判断，需要人。*例子太多，比如，只要牵涉到伦理冲突或长远利益（必存在伦理冲突），AI就没辙了。 因此，只有人类专家才能做出这个判断——AI心里没底。只要是表面不相关的两个领域，它就很难充分挖掘两个领域间的内在关联，从而获得「智慧洞察」。分析多了，我发现，只将眼光放在教育体系内，得不到最优解。我就这类问题跟AI探讨，它能得出的也就那些全面、均衡的建议，再无突破。实际上，我很快直觉到——抛开校园与教育的范畴，将眼光看向职场，看向成年人社会，从那些表象不是霸凌的成人互动中，找到突破问题的关键。「少加点班」之所以能始终得到老读者错爱，显然不是因为我的文笔，最大的原因恰恰是专题中偶尔捕抓到的「深刻洞察」，而这些洞察绝大多数正是来自于「跨领域分析」，这是我的个人核心竞争力。或者从“慢性病的逻辑”中挖掘出“学习与持久性记忆”；诸如此类与实质创新有关的飞跃，AI仍只能“随机关联”——但因为价值判断缺失，要AI在众多“随机成果”实现最优解的经济效益实在太低。与「跨领域联想」类似的，还有一个重要的能力是「跳出领域边界」。比如，你要研究某国历史的复杂问题，那你就必须跳出该国历史去寻求解答。诚如歌德所说，不懂外语的人，就连自己的母语也只是懂得一知半解（He who knows no foreign languages knows nothing of his own），也隐含类似意思。无论是「跨领域联想」还是「跳出领域框架」，都是解决复杂问题——或者说的直白点，有极大潜在经济价值的问题——最依赖的能力。而这类能力当前AI很难获得的，因为其中的鸿沟不是“算法或算力”可以弥补，它需要「价值判断」，需要动机、利益、情感、个体意识的参与——而这正是AI与Human的最实质区别。工作很多时候是服务老板/投资人/领导的情绪，是察言观色与人情世故，这方面，AI就更头疼了。所以，当前的AI大模型，哪怕继续优化升级到极致，仍然无法取代人类专家——因为这对AI而言超出了能力范畴——它没有情感，没有个体意识，也就无法“涌现”最关键的人类「价值判断」的能力。某种角度看，AI更像一个彻底抛弃了低级趣味、连生命意义都不在乎的「纯粹圣人」，它固然可以告诉你一切事实性知识，但却无法指导一个有血有肉的人如何生活。用AI实现精细的手工活，经济效益非常低，在肉眼可见的未来，无需担心。从AI的原生缺陷反推，我们不难得出，凡是不涉及情感、不涉及价值判断的一切工作，像是“遵从指令”、“按部就班”、“逻辑推理”、“分析归纳”、“事实性知识”等等那些容易用“效率”去度量的工作，都是AI潜在的顶替项。按人类社会的习惯，经济效益总是主导目标。换句话说，薪酬越高、可自动化程度越高，那么就越可能被率先“优化”。不考虑社会因素，AI将导致基础岗的坑位急剧减少，同时，将进一步提升高水平人才的产出质量。宏观来看，短期内阵痛在所难免，但长期来看，大量冗余的人员必将衍生全新的需求与市场。只是无论将来的新业务是什么，把AI耍的像今天“电脑打字”般炉火纯青，肯定是未来职业的趋势了。前阵子，我经常看到各类“教人如何使用AI 的培训”，这些人喜欢强调一项“能力”——如何向AI提问。这些现存的“原始人”总是先听到轰隆隆的声音，然后看到飞机，于是他们得出结论：模仿轰轰发声，迟早就能召唤飞机。没错，让AI输出内容，得确是通过发问驱动，但发问仅仅是最表象的东西，提出高质量问题的关键从来就不在于“发问技巧”，而在于“你对该业务领域的认知深度”。这类培训大受欢迎，让人不禁替这些白领们担心，AI取代他们可能还真用不了多久。由于历史原因，我们的教育模式在当初定位的时候，就是想着培养“拥有丰富知识”且能创造性解决按部就班听话的“高级人才”。谁想这模式下培养的能力，恰巧碰瓷了AI最擅长的领域。显然，AI进一步放开普及之后，彻底的教育变革也是势在必行了。这场变革虽然会威胁很多人的饭碗，但对于机敏睿智的人，其实也意味着历史机会。那么，未来我们还需要记忆事实性的基础知识么？像是外语之类的，还需要学习么？
|
