今年的AI故事，还能讲多久？

今年年初，我向父母展示了一些面向C端市场的AI产品。他们之前几乎没有接触过任何AI模型，所以当我告诉他们现在的AI技术有多发达的时候，他们认为这只是siri语音助手的变异。

然而，在我通过语音聊天向AI提问并得到一个非常自然流畅的答案后，我的父母震惊了——他们用不可思议的眼神看着我，问了一个经典的问题:

"刚和你说话的那个，难道不是真人吗？"

AI数字人示意图

在我让他们试着玩了几次之后，他们终于确信自己真的在和AI打交道。接下来的一两天 ，我爸爸还安装了这个AI产品，玩得很开心。甚至一个星期后，我爸还在给我分。 享受AI写的诗、画。

接着，就没有了。

由于这种AI商品带来的新鲜感已经消退。

最近几天，科技界最热门的话题应该是苹果iPhone发布会，它被称为“科技春晚”。

但是很明显，苹果的“科技春晚”和“春晚”一样，吸引力已经不如以前了——从那以后，iPhone5S就不再发布了。 等待的盛况——相反，华为三折手机引起了不少讨论。

也许这就是一张脸 对于消费市场的残酷：客户很容易喜新厌旧，如果不能继续带来新的商品，那么很快，你的市场就会被竞争者侵蚀——支撑iPhone最初的地位是前所未有的创新感受，但是现在，随着整个智能手机供应链的兴起，每个家庭的产品都已经达到了一个很高的层次——iPhone可能再也不会给我们带来原来的新鲜感了。

看看现在的AI，感觉好像也是这样的故事。而且因为大模型的迭代速度比芯片高很多，相应的，“下头速度”自然会更快。

就在上周末，一张来历不明、显示Chat-GPT浏览量悬崖式下跌的图片引发了华尔街的动荡，随之而来的是AI公司如英伟达、谷歌、亚马逊和Meta的股票下跌。

网络地图，看起来是个大乌龙。

尽管最后被证明是乌龙一场，但是这种鸡犬不安的场景也很有趣：

假如你真的相信AI是未来，

又怎能被一张来历不明的网图所迷惑呢？

您对AI的信念，

原来这么脆弱吗？

现在，我们来谈谈：今天这个版本的AI故事，究竟能讲多久？

01 “低端需求”

我曾经遇到过一些已婚夫妇:第一次见面什么都好，朋友圈里全是“如果你是彩虹，遇到你就知道了”的狗粮；但是几个月后，在正常的日子里，当他们私下喝酒时，他们开始为我吐槽各种琐事和争吵。

人类还是那两个人，都是好同志，

但是情景变了，现在真的要事上见了。

因为现实生活中的问题，种类太多，太具体:换好的衣服及时清洗了吗？厨房的餐具清洗干净了吗？你买太多的食物还是太少的食物？为什么昨晚没有扔垃圾？你想去医院看看宠物最近的食物摄入量下降吗？中秋节假期快到了。你想回老家看看你的父母吗...

这类零散、琐碎、不涉及大是非的问题，往往会引发一场热烈的争吵，而案件价值一般不超过20元。

当事人通常会感到自己瞎了眼，但是我们都知道，这并非瞎了眼的问题：

新鲜感过去了，你开始用另一个更加务实的KPI系统来衡量对方，不再像热恋期那样单纯的看脸或者看性格。

事实上，这波由Chat-GPT引领的生成式AI的态度也是如此。

一年多前，当Chat-GPT刚刚出现的时候，全世界都为之惊叹——因为它确实表现出了强大的智慧，它真的可以理解我们在说什么，像样回答问题，来回和我们聊天，尤其是在处理翻译任务的时候，大模型几乎把所有的翻译软件都挂了。

但是后来，整个行业充满了竞争对手。

毕竟大模型不是光刻机，Chat-在GPT证明了生成式AI的未来之后，伏击的竞争对手立刻蜂拥而至——无论是美国的Claude。.ai也是中国的文心一言和通义千问，从技术到感觉，都很快跟上了Chat-GPT的节奏。

然后，我们和AI的“恋爱期”到此为止，因为我们也应该用更务实的眼光来看待AI。更专业的说法是，人们对AI的态度正在“回归理性”。

接着，大家才知道：原来AI也不过如此。

目前的AI似乎只能处理我们的“低端需求”：

我曾经让AI给我一个文章大纲，但是反应很快。从原因到影响，我列举了几十篇文章，但是我受不了仔细看，因为它根本没有优先级的概念——我文章的关键是描述事情背后的原因。结果AI只把原因分析部分当成了一个普通的章节。

7月份去北京出差，和朋友约好在烧烤店吃饭，拿到菜单就开心了。因为菜单上的背景图一眼就能看出是AI的笔触——人物的手被画成了麻花。

我曾经试图让AI帮我模仿王维的风格，写一首“冷气质”的诗。结果AI马上给我带来了一个“老干部”，吓得我赶紧关门。

对于AI作曲来说就更离谱了。反正我自己的歌词让AI帮我编曲之后，听了三秒就把耳机扯下来了。TM太尴尬了。估计我这种脸皮薄的人，再听一分钟就直接进ICU了。

……

用我朋友对AI的描述来说，每次用AI辅助工作，都觉得自己在给一个刚离校的见习生分配任务——年轻人真的很努力，很听话，但是脑子不是很好，工作太粗糙，只能做最基本的事情。

大型制造商总是担心DAU和使用时间。不得不说，他们的担心是有原因的。以目前很多AI产品在实践中的应用体验来看，人们真的很难把AI当成可靠的工具或者熟悉的伙伴。

当AI落地时，它应该是一个工具，而不是一个玩具。AI应该是我们工人的老师傅，而不是让我亲自去“传帮带”的见习生。

02 瓶颈期

为何今年的AI商品只能满足一些基层需求？为什麽感觉AI也不过如此？

这个问题，还是要从底层的技术原理出发。

就拿Chat-GPT来说，建立一个像Chat-GPT这样的大语言模型，大概需要以下几个阶段：

首先，你需要大量的数据，比如各种小说，各种新闻，各种视频和音频，但总之，你要准备一个足够大的“词库”来学习，为了提高它的学习效率，你要把所有这些数据都做成标准化的数据，这样模型才能更好的接收。

在此之后，像Chat-GPT这样的大型模型基本上都是围绕着Transformer结构，这个结构我们就不多说了，说起来太复杂了，我们只需要知道，这个结构的目的是它可以根据我们人类所说的语法输出内容，从某种意义上说，它相当于AI的语言中心和喉舌。

下一步就是通过各种技术对AI进行训练，然后通过参数调整和一些改进，最后让它能够理解我们输入的信息，并做出合理的回复。

但需要注意的是，“合理的回应”并不意味着“有用”，更不意味着“拟人化”——当我的兄弟给我发一些离谱的东西时，我通常只有他一串“哈哈哈哈哈”或者一个“6”，心情不好的时候，他会回复“生病了”。但是AI通常会假装礼貌，认真地说“这真的是一张非常有趣的图片”。

虽然前者不合理，但却非常真实。

虽然后者很合理，但是很不真实。

造成这种尴尬的根本原因在于它的研发方式：

与之前的RNN架构相比，GPT使用的是Transformer架构，Transformer可以更好地理解单词与单词之间的顺序关系，可以显著提高大语言模型的练习速度，并且可以判断哪个单词在一个句子中更重要，从而达到“有针对性”的目的。

乍一看似乎没有什么问题，但是经不起仔细琢磨。

因为一遍又一遍，GPT所做的一切都是在语言上下功夫，不断地“猜谜”，而非在认识世界。

体现在实际应用中:如果让GPT做翻译工作，可以达到99分的水平；但是如果让它回答你的一些疑惑，可能只有60-70分。

简单来说就是:我说天气凉了，AI自然会告诉我穿长裤。但AI之所以这么说，并不是因为它知道穿长裤会让人感到温暖，而是因为“天冷”和“长裤”这两个词总是一起出现在它的训练材料中——它不知道天冷了怎么办，但它知道只要你说天冷了，它就可以通过“穿长裤”这句话。

类似于其它兄弟常说的“多喝热水”。

归根结底，这是AI大模型开发技术中常见的问题:AI真的可以理解我说的每一个字，做出合理的答案——但它回答的前提不是基于对事物发展规律的认知，而是通过学习海量数据和MLM这样的“猜谜”训练，给出了一个“看起来可靠”的答案。

AI视频产品在这个问题上特别露骨。虽然AI生成的视频有时可以在画面细节上极其模拟，但一旦涉及到物理效果，猴子的屁股会立即暴露出来。——在现实世界中，它无法理解物理碰撞的结果，它只是猜测你想看什么。

Chat-GPT现在已经进化到5.0版本(虽然还没有正式上线)，当然一代人在性能上比一代人强，但这种增强的基础是，它越来越快地解谜，越来越强烈地解谜，而不是真正增加智慧。

结语

这个AI的故事，还能讲多久？

行业对这一问题的应对策略，是另一种完全不同的思路——加强学习（RL）。

如果说“深度学习”的能力在于理解语言，能够在自然语言理解和语音处理上表现出色，那么“强化学习”就更像是在学习理解现实世界——外界不会给系统任何指示，系统应该自己尝试探索和尝试，然后在这个探索过程中获得知识，从而使自己越来越强大。

在这个过程中，系统追求的是最大化“奖励信号”。这就像一个网络游戏。系统不断与外部环境互动，每一个动作都会得到“奖励信号”。做得越好，“奖励信号”就越大。为了获得更多的“奖励信号”，系统必须学会自己做出更好的决定。

用更加生动的词语来描述就是：

AI相当于学生，人类是教师——基于“深度学习”的AI，他们使用“人类教师”提供的“数据”。在学习的过程中，他们应该一直受到“人类教师”的监督——那些符合“人类教师”口味的人会受到鼓励，那些不符合“人类教师”口味的人会被抛弃。

基于“强化学习”的人工智能学生更像是自学成功。“人类老师”只领进门，修行靠自己努力。很多时候，他们没有“学习资料”或“监督指导”。“人类老师”给他们的指令是不断学习。其实“人类老师”并不确定自己能学到什么。

所以，我们可以看到：

基于“深度学习”的人工智能在语言逻辑、语音理解、图像理解等方面表现极佳，因为这些东西的概念权掌握在人类手中，人类随意的一句话落入人工智能的耳朵，就像神谕一样不可否认——人工智能能做的就是无限贴合人类的口味，让自己表现得和人一样。

基于“强化学习”的AI人，无论是自动驾驶系统教育老司机，还是AlphaGo哭柯洁然后被AlphaZero炸飞，往往都在和人类比较。事实上，它们都反映了一个结果:在“强化学习”下，AI人往往能比人类做得更好。——因为人类需要吃饭睡觉，但是AI不需要。在高性能芯片的加持下，AI训练一年来看到的棋局和游戏，通常比一个职业棋手和职业电竞玩家十辈子看到的多。

归根结底，根据OpenAI本身的评估系统，像Chat-GPT这样的AI应用，实际上只是最初的L1水平，只是一个聊天机器人，一个有对话能力的AI。而且基于AI的强化学习，可以达到L2级别，也就是说，可以达到和人类一样的解决问题的能力。

而且现在，我们已经站在了一个关键时刻：

因为大语言模型，我们也开始走“加强学习”的道路。在AI演讲之前，我们也应该动动脑筋——OpenAI一直在研究“Strawberry"(草莓)项目，是一种基于强化学习的大语言模型。

基于强化学习，有自己想法的大模型很可能在不久的将来一两年内上线，

这么大的背景下，我真的不知道这个AI的故事，还能讲多久。

本文来自微信微信官方账号“星海情报局”（ID：作者：星海老局，36氪经授权发布，junwu2333)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com