文 | 李智勇
假設 o1 草莓模型最終表現和發布的信息完全一緻,然後回發生什麽呢?
AI 大模型更貴了
從披露的數據來看,我們可以認爲 Scaling Law 有效,不過這次不是堆數據而是堆機器和優化算法。
這意味着 AI 大模型顯然會更貴,也更難,先是需要更多的機器,這導緻更貴,然後靠人來做畫龍點睛,這導緻更難。
這可以和過去 Sam Altman 的言論結合起來看,Sam Altman 發過的驚人言論包括需要募集七萬億美金等等,投資去解決電力問題等,兩者倒是匹配。
AI 安全了,但 AI 大模型公司危險了
AI 公司的風險有無數個,但AI 作爲一個行業,其風險隻有 1 個,就是 AI 不好用。
如果 Scaling Law 有效,那不管多貴,都意味着這個行業解決問題的價值在增加,所以這個行業安全了。大概率不會再變成 80 年代人人喊騙子的局面,行業的安全意味着 AI 大時代基本會确定打開。
但很多 AI 大模型公司是真的危險了。他們變成了應用不是應用,模型不是模型的一種公司。
跟進跟不起,不管是機器還是人才儲備,顯然的要想幹好模型不單下一步貴,并且一段時間會越來越貴。
不跟進,那自己的高估值拿什麽做支撐呢?定位是什麽呢?同時這種推理的進展覆蓋正是他們本來做的那部分工作。
沖擊波從專業人員開始
從報道看 Level2 确實能過去,那我們之前所有對 Level2 影響的預判将在短期成爲現實。之前我們這麽解讀五級模型:
上層應用實現的程度和先後可以參照 OpenAI 對後續 AI 進階劃分進行推測,下述爲參照 OpenAI 分階并補充系統型超級應用信息後整理而來。
階段 1:聊天機器人。AI 能夠與人對話,然後純粹看對話内容你不能分辨它是人還是 AI。對話的時候 AI 可能有幻覺并胡說八道,但邏輯自洽。當前就處在這個階段。這個時候垂直型應用處于隻能出現類似 Copilot 這類純粹的生産力工具,讓 ERP 等進入下一代這類事情隻可能在極小的領域中出現,處于萌芽期。
階段 2:推理并解決真實問題的機器人。當你給 AI 真實的問題,它能夠自行推理,甚至找你要它解決問題所欠缺的信息或者資源,然後真正的能夠代替人解決問題。到了這個階段,所有白領工作基本就不需要人了。在這個階段各種不牽涉現實物理世界的事情基本可以全部用 AI 來解決,大量系統型超級應用會在企業領域、部分行業比如律師出現。
階段 3:AI 智能體。全面感知物理世界并且能夠采取行動解決問題,相當于把階段 2 的能力從虛拟數字世界擴展到真實物理世界。到了這個階段所有體力工作就不需要人了,街道、家庭、公司随處都是機器人。這個階段新式系統型超級應用擴展到物理空間,具身機器人會充斥在各個生成生活的環節。
階段 4:創新者。AI 能夠組合現有要素在特定的方向上完成創新,比如他會創造性的根據面條和動物捏合出來用各種栩栩如生的動物。到了這個階段,現在 200 人的公司估計隻要不到 10 個人,像産品經理這樣需要創新能力去定義産品的角色 AI 也能夠承擔了。這個階段現有大部分可見的崗位全部完成 AI 對人的置換。系統型超級應用會遍布在各行各業。
階段 5:組織者。這時候 AI 能夠負責組織協調的工作,承擔 AI 之上的 AI 角色(過去高管和 CEO 的角色)。到這裏每個我們現在看到的領域也都有了一個自己的 AlphaGo,這個 AlphaGo 的專業性和能力遠超過去人類同時具有通用性,大多企業裏不需要管理人員,而是全部被 AI 接管。
這個五級分類可以看成是一種 AI 宏大叙事類比過去的大同社會等。
現在 Level2 眼看要實現了,那首先是 Level2 的影響會發生,其次在于後面的是不是也是靠譜的,而不是單純的想象?
推理這事的影響方向非常清楚:白領包括高級白領乃至科研人員受沖擊最大。
不過如果幻覺問題沒解決,那人類還能略有喘息。
智能飛輪看起來要轉起來了
如果說推理能力确實能破局(當前并非是大成,而是一種破局),那 AI 真的可以做積極的未來展望。不是因爲 OpenAI 多牛,關鍵是我們總說的智能飛輪要啓動了。
當年 AlphaGo 爲什麽後來水平進展極其快?
核心就在于它轉起來一個叫智能飛輪的東西。
形象講就是 AI 能夠伺候 AI。
AlphaGo 的領域太垂直了,圍棋太特殊了,所以過去幾乎隻有 AlphaGo 能幹這事。
可如果推理能力搞定了,情況會有大變化。
在數據和算法兩個環節,AI 逼近能夠伺候自己的邊緣。而這會解鎖 AI 的進化速度。
說起來是個有點悲傷的故事,從智能飛輪、從 AI 進化的角度看,人才是最大障礙,人負責的越少,AI 負責的越多,那智能飛輪轉的越快。
而推理能力最關鍵的就在于削弱人在 AI 進展過程中的角色,這反倒是會加速 AI 的進展。
AI 應用的黃金時代
琢磨事一直反複說個話題,AI 會因爲計算模式的遷移導緻大量的應用重做,過去我們把它總結成從功能中心式計算遷移到角色中心式計算。用老黃的圖就是:
但這種重做在過去有點像構思閃電戰缺内燃機,推理的窗口一打開,各種新現實就不是空想,而是需要更爲認真的構思了。
這種認真的構思關鍵是需要前瞻性,順着 AI 脈絡的前瞻性。
當年基于摩爾定律有這麽一種思維模式:
我先把程序按照未來的計算量開發好,那怕現在慢點,然後我就休假去了,什麽也不用幹,等我回來過去不怎麽好用的複雜圖形用戶界面就好用了。
現在AI 的脈絡在呈現類似摩爾定律的确定性,所以認真思考是指基于這種脈絡的前瞻性思考。
小結
不管怎麽樣 AI 革命先革自己也是有點出乎意料的,過去大量 AI 的算法人員在這種進展下承壓可能比裝修人員大的多。當年那些深度學習算法,是不是很快 AI 就可以幹的比人更好?當然這還隻是發布會上的一些零散信息,它的真正潛力還需要一些先鋒應用來驗證。值得期待。