AI最近有點被妖魔化了，很像一個老虎在還沒有橘貓大的時候，就已經(jīng)被天天當(dāng)成虎力大仙來討論。 這種普遍的高預(yù)期其實是有害的，尤其是當(dāng)事情本身還需要耐心細(xì)致深耕且長跑的時候。資本、品牌可以匹配高預(yù)期所對應(yīng)的增長倍數(shù)，業(yè)務(wù)則不行，業(yè)務(wù)先天擠出一切泡沫。也正因此最近寫了幾篇文章都在提應(yīng)該以一種更加理性的態(tài)度來看待AI的進(jìn)展，甚至設(shè)想了一種測試智能程度的方式：圖靈測試2.0。這篇文章則是對此前各文章的綜合。 一、AIGC的GC（內(nèi)容生成）是支點也是鎖鏈顯然的AI是一種基礎(chǔ)設(shè)施，它在重定義計算的內(nèi)涵和方式。 如果和過去對比，那么過去的編程固化的是程序員的智能，程序員的智能通過程序在限定的邊界內(nèi)處理問題，所以泛IT的崛起伴隨著程序員群體的崛起，不管是程序員的人數(shù)還是收入。AI則在很大程度上折疊這個中間環(huán)節(jié)，對話即計算，同時讓這種計算變的更加泛化和無邊界。從這個角度看，AI的崛起注定伴隨著程序員群體的衰落（首先是人數(shù)上，但不是說這行當(dāng)就沒了）。 基礎(chǔ)設(shè)施的最終成敗好壞一定在于外部，而不在于它自己的特征比如是否優(yōu)秀、大模型到底多大等。在過去微內(nèi)核操作系統(tǒng)一度眾望所歸，但其實不管Linux還是Windows都不是微內(nèi)核，純粹的微內(nèi)核系統(tǒng)比如Minix卻只是教具。 作為基礎(chǔ)設(shè)施的AI也一樣，要想成功那就必須走出單純內(nèi)容生成工具的范疇，變成一種通用計算平臺，為各種場合提供新計算方式。 過去不管Windows還是Linux都提供了這種通用性，從取款機到機場的大屏，再到家里的機頂盒，甚至有點智能的鬧鐘都是他們在提供基礎(chǔ)的計算能力。（有時候這些系統(tǒng)會崩潰，讓人驚訝的是不是崩潰而是看到好多系統(tǒng)其實是XP的）。 AI打破內(nèi)容生成工具的界限后，就會變成這個新的計算底座（通用人工智能的通用對應(yīng)的就是這個情境）。也只有成為這種通用的計算底座后，AI才真正迎來自己的星辰大海。 在現(xiàn)在的內(nèi)容生成式AI和這種通用計算底座之間現(xiàn)在橫亙著一道無形的基因鎖鏈一樣的界限。 這個基因鎖鏈就是內(nèi)容生成工具的邊界。 AIGC的GC（內(nèi)容生成）是支點也是鎖鏈。 在工具范疇里，這次AI其實已經(jīng)做的足夠好，就是池子太小，如果就做這個會憋死所有人。 注1：真對大模型下新計算模式的技術(shù)性感興趣可以掃文末二維碼瞄瞄，這個課程是我一哥們連同知乎做的，比較正經(jīng)不扯淡的課程。卓然早年做三角獸的時候我們就頗多來往，我們還一起在GPT2的時候就跟過這個模型，水平我還是有譜的，但課程感覺還是有點難，也收費，自己酌情。 注2：關(guān)于AI的計算模式參見《開源大模型LLaMA 2會扮演類似Android的角色么？》 二、GC工具池子太小做的人太多，會憋死所有人我們拿個具體例子來看下為什么說這個池子太小。 起點中文網(wǎng)上有個網(wǎng)文作家筆名叫做我吃西紅柿，這個1987年的同學(xué)本來是蘇州大學(xué)數(shù)學(xué)專業(yè)的一名大學(xué)生，按正常軌跡畢業(yè)后大概率不能繼續(xù)做數(shù)學(xué)相關(guān)的工作，那時候就業(yè)很可能會做程序員等相關(guān)方向。但他沒走尋常路，在大學(xué)期間開始了網(wǎng)文創(chuàng)作，取得了很好的成績，2012年11月以2100萬的版稅收入高居“中國網(wǎng)絡(luò)作家富豪榜”第2位。 假設(shè)他一年寫一部小說3百萬字，放大點算1000萬token?，F(xiàn)在這部分自己不寫了，都用AI。隨便選個國內(nèi)某大模型的報價做參照，按1500元/5000萬token，那這部分給人工智能公司可以創(chuàng)造的收入是300塊，在2100萬收入里面占十萬分之一多一點。再放大下，如果有10000個我吃西紅柿，那AIGC在網(wǎng)文行業(yè)一共可以賺300萬。這還不夠一個團隊一年的工資，特別高端人才的情況，這甚至不夠一個人的。 如果大模型只做內(nèi)容生成，創(chuàng)造的價值和行業(yè)現(xiàn)有價值大致就是這么個比例。 而已經(jīng)很多人沖進(jìn)來了，這就很像做一個很小的池子里養(yǎng)了一堆鯊魚，餓極了就只能拼命內(nèi)卷互相殘殺，然后大概率是都死掉了，一條不剩。 如果AI不能在GC之上再進(jìn)一步，就必然是這個結(jié)局：帶著快樂期望的高度內(nèi)卷。 這種內(nèi)卷對AI整體來講是徹底的負(fù)反饋和死路一條 每個人期望的都是新式通用計算平臺和應(yīng)用，實際上卻只是內(nèi)容生成工具，創(chuàng)造一點點新價值。長時間怎么可能不負(fù)反饋呢！ 那AI怎么才能走出來呢？答案是需要通過圖靈測試2.0。 注3：關(guān)于AI的商業(yè)模式的匯總參見《AI能賺到錢了么？》 三、圖靈測試2.0原始的圖靈測試這樣：
這是一個純粹的智能測試，本質(zhì)是追求在封閉系統(tǒng)里面的邏輯自洽性。 現(xiàn)在我們把Agent類似的概念加入這個測試：
這就是圖靈測試2.0。和1.0相比核心差異是什么呢？ 去幻覺，有邊界。 1.0是一個凌空的系統(tǒng)，具有合理性的幻覺其實有助于通過測試，但2.0不行，測試者同時從真實場景和被測試者接受反饋；其次就是測試邊界的限定要求更高的智能深度。這很像趙括學(xué)兵法能說的天花亂墜，但不一定能打仗；會打仗不一定兵法上什么都懂，但水站、陸戰(zhàn)、馬站好歹得會一個。 能否打破內(nèi)容生成的邊界變成各種場合都用的新式通用計算平臺，關(guān)鍵取決于智能是否能跟上。而智能是否能跟上取決于是否在一個個場景下能通過圖靈測試2.0。 Linux和Windows等輸出智能的方式雖然老土，并且但他們提供了足夠的確定性，他們加上程序員達(dá)成了過去所謂的軟件吞噬世界。這是一種Good Enough的計算模式，但現(xiàn)在的AI還不是。 現(xiàn)在大模型等確實提供了更好的計算形式，但關(guān)鍵是它的不智能（過不了圖靈測試2.0）導(dǎo)致不能替換過去系統(tǒng)加程序員的組合。智能的邊界限制了應(yīng)用的邊界。 注4：圖靈測試2.0的展開參見《AI的進(jìn)展不是太快，而是太慢》 四、通過圖靈測試2.0后會怎么樣呢？那時候不單客服、外呼會基于AI進(jìn)行構(gòu)建，每個現(xiàn)有應(yīng)用（Office等已經(jīng)開始、游戲大概率會爆真正的多維敘事高度隨機，主打智能的新式游戲）、廣告屏、智能音箱、電視甚至手機都會重整。因為基本計算范式變了，它的交互載體必然發(fā)生變化，這個變化的幅度可能大于PC互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)的更迭幅度。從這個角度可以進(jìn)機器人一定是下個通用計算平臺型產(chǎn)品。 極端講除了極其機械的那類產(chǎn)品比如霓虹燈，計算器，別的都會變。 這種視角可以描述成為場景的智能密度，顯然的擰螺絲的智能密度度低于算數(shù)學(xué)題。 智能密度越高的場景其計算方式和對應(yīng)的產(chǎn)品越會發(fā)生變化，因為價值更大。然后再匹配上從數(shù)字到物理的視角，有無幻覺的視角。以圖靈測試2.0為根基，加上這三個視角共同構(gòu)成也約束了未來智能應(yīng)用的發(fā)展路線。 這種路線的實現(xiàn)方式的具體體現(xiàn)就是我們經(jīng)常說的Agent。 如果我們把智能的密度（原點是0），物理的程度（原點是0，代表純粹數(shù)字應(yīng)用），幻覺有害度（原點是0，代表幻覺無害）畫一個坐標(biāo)系，并把這個圖放在正中心位置排列，那在下面這個示意圖里面，最頭部的是什么呢？
答案很可能是：游戲，多維敘事類的游戲。 五、Agent不是大模型的延伸而是新物種通過圖靈測試2.0才能有真的agent。但需要注意的是agent不是大模型的延伸，而是一種新物種。做汽車發(fā)動機和做汽車怎么都不是一回事，雖然汽車沒發(fā)動機根本跑不了。 只有Agent才能啟動AI的浪潮，而能啟動AI浪潮的Agent還不是別的簡單融合AI特征的應(yīng)用，而是智能原生型Agent。這種情況下，Agent不單是輸送智能到具體場景的管道。 智能原生應(yīng)用的構(gòu)圖：
在這種思維模式，AI原生注定會被放到一個結(jié)構(gòu)的中心位置：
https://www.ericsson.com/en/reports-and-papers/white-papers/ai-native 在這里大模型等扮演的是引擎的模式，通過不了圖靈測試2.0，那么智能原生應(yīng)用會很像用騾子拉的汽車。 通過了這個測試，再補上上面提到的感知、目標(biāo)、反饋、使能環(huán)節(jié)，Agent才能真正成為新式通用計算的實現(xiàn)載體。只有通過這種測試才能一步步的把引擎換成蒸汽機、內(nèi)燃機、渦輪增壓等。Agent范圍的擴大注定也就是智能一步步提高的過程。 注6：智能原生相關(guān)展開參見《從手機App到AI原生應(yīng)用》 六、現(xiàn)在能不能過圖靈測試2.0呢？答案是過不了。所以才說現(xiàn)在的AI還不行。 我們可以調(diào)低標(biāo)準(zhǔn)，讓標(biāo)準(zhǔn)更垂直，只要范圍收縮的足夠窄，那所有測試都能過，但那沒意義。我們看下前面這個具體例子，就能理解上面整個邏輯鏈條：過不了圖靈測試2.0，成為不了智能原生應(yīng)用的基座，只是憋在了AIGC這樣一個小池子里，所以現(xiàn)在的AI還不行。 假如你想開播了，但又不想自己上，而是希望做一個自己的數(shù)字代理或者說分身，那這個數(shù)字代理人真想取得效果都要搞定什么呢？（取得效果是指有人愿意看，有粉絲等） 首先是最基礎(chǔ)的產(chǎn)研部分：先打造自己的外殼，也就是形象要像那么回事，然后給它匹配上看、聽、說、想的能力（計算機的輸入輸出、存儲和CPU…）。這里面看、聽、說基本上是用過去十年反復(fù)打磨的技術(shù)，比如圖像識別、語言識別、語音合成等，想的部分則要基于大模型了，它負(fù)責(zé)綜合各種輸入產(chǎn)生自己的輸出。當(dāng)程序員把這些都連接起來，基本上就有了一個數(shù)字分身，它能基于觀眾的各種輸入做點反饋。 但產(chǎn)品做到這里基本上完成了手眼的部分，腦的部分屬于有了，但還不好使。這時候即使導(dǎo)入了最好的大模型，它也還是一個很傻的Bot，別說取得效果，基本上就沒人會看完任何一個直播段落。這時候在單純的單點技術(shù)上使勁內(nèi)卷是沒前途的（包括大模型），那樣搞不定粉絲也搞不定留存，回報大致為0。 改善起來第一步肯定是希望能加入人格特征，讓它的性格特征和你更像，比如是不是對人友善、表達(dá)是不是犀利，也要社會一點：會說話能聯(lián)絡(luò)感情等。 這時候要盡可能記住過去和某個人說過什么。這部分不純粹是技術(shù)，但技術(shù)相關(guān)性還是很高，通常需要找找過去干過的老司機，純粹的干prompt估計搞不定（注1說的那課其實就是這個價值）。 這步是個檻，搞定了算通過圖靈測試1.0，別人分不出到底是不是你了，但現(xiàn)在其實沒法徹底搞定這事，無邊界閑聊還行，限定到人格特征上表現(xiàn)就沒想的那么好。搞不定的情況下，會出現(xiàn)什么結(jié)果呢？會看著有點智能有點像你的一個人，在那里叨叨，但毫無特色和趣味性。能不能吸引到粉絲呢？這要看你到底播什么了。我估計播動物世界沒準(zhǔn)行，娛樂估計夠嗆。這是下面的話題，關(guān)鍵因素進(jìn)一步從技術(shù)向產(chǎn)品偏移。 通過圖靈測試1.0的智能產(chǎn)品已經(jīng)有用了，在這之前是純粹工具，在這之后就有點Agent的意思，但價值還沒想的那么大。 通過圖靈測試1.0這樣的一個數(shù)字分身有什么用呢？ 它優(yōu)點是信息吞吐量大，不知疲憊，人模人樣；壞處是智能還是不夠，做不出很好的性格、才藝、出眾的觀點、有趣的隨機應(yīng)變等。那適合做什么事呢？它適合做內(nèi)容本身有趣，主播是配角的事。 那些事是這類的呢？比如播動物世界、講故事、播新聞，偶爾穿插點互動。這本質(zhì)是一個更好用了的智能音箱。 這是在干什么呢？是在縮減場景對智能的需求。智能供給不足就只能降級。 那理想狀況是什么樣呢？ 理想狀況是這個數(shù)字分身還要能接入實時的熱點，動態(tài)的生成要輸出的內(nèi)容，比如圖片、視頻，然后做主播。這種熱點要匹配大家的關(guān)注點，要新穎，要匹配平臺的規(guī)則，不單是正向的規(guī)則，還要把握好反向的尺度，否則會被抬走或者封殺。 這部分會衍生非常多的細(xì)節(jié)工作，比如那個主題是現(xiàn)在主推的，這得跟著平臺走才行，否則你權(quán)重不好它不推你，也白搭。 對平臺這是個智能對智能的過程，對受眾這是個綜合分析的過程，對創(chuàng)作這是個創(chuàng)意創(chuàng)新的過程。這事能干了，算是通過圖靈測試2.0，一旦過了至少可以和人類二分天下。過不了，比如不管內(nèi)容的時效或者不管平臺熱點的捕捉，就都還是干半截活！是智能供給不足。這部分如果成功，那基本上可以有粉絲了。到這里也才算是腦子長成，并且培養(yǎng)出了自己的風(fēng)格。 假設(shè)這能做到了，就完了么？ 也還沒有。這些都搞完了，主要解決了硅基智能和硅基智能的關(guān)系，相當(dāng)于能夠比較匹配平臺的規(guī)則和現(xiàn)實的熱點。 郭德綱捧人的主要方法就是反復(fù)提這個人。你做主播如果有人拉扯顯然效果會更好。那和誰合作，怎么合作還是需要人去做。把這個場景全覆蓋了，才算真正的你的代理。 上面說的可以總結(jié)成一張和自動駕駛類比的圖： 從這個視角看現(xiàn)在能完成的百分之十不到。更何況這只是一個相對簡單的C端場景，B端場景比這個要復(fù)雜的多。 小結(jié)AI這行當(dāng)一直是這么個狀態(tài)，一旦有一點突破，大家就歡欣鼓舞，然后預(yù)期就上去了，馬上能匹配這種預(yù)期的是什么呢？是資本和營銷熱度。所以很快就會變的滿地都是以及看到非常多的高估值。 但業(yè)務(wù)和這種預(yù)期的匹配則要難的多，但這里才是行業(yè)的第一性。不同行業(yè)的這幾者間的速度差是不一樣的，互聯(lián)網(wǎng)的匹配速度其實最快，AI的匹配速度很可能是更像傳統(tǒng)軟件，次于互聯(lián)網(wǎng)，但快于消費產(chǎn)品。 專欄作家 琢磨事，微信公眾號：琢磨事，人人都是產(chǎn)品經(jīng)理專欄作家。聲智科技副總裁。著有《終極復(fù)制：人工智能將如何推動社會巨變》、《完美軟件開發(fā)：方法與邏輯》、《互聯(lián)網(wǎng)+時代的7個引爆點》等書。 本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。 題圖來自 Unsplash，基于 CC0 協(xié)議 該文觀點僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。 |
