这届的AI故事，还能讲多久？

今年年初的时分，我给我爸妈演示了某款面向C端商场的AI产品。他们之前简直没有触摸过任何方法的AI大模型，所以当我给他们谈起现在的AI技能有多兴旺的时分，他们还认为这不过是siri这种语音帮手的变种。

但在我经过语音通话的方法给AI提出问题并得到十分天然、流通的答复后，我爸妈整个就震动到了——他们用一种难以想象的目光看着我，问出了一个经典的问题：“方才和你对话的那个，莫非不是真人吗？”

在我让他们测验玩了几回之后，他们才总算深信：本来刚刚真的是在和AI打交道。后来的一两天，我爸也下载了这款AI产品，玩得不亦乐乎。乃至一个星期后，我爸还在给我共享他让AI写的诗、画的画。

然后，就没有然后了。

由于这款AI产品带来的新鲜感现已淡了。

最近几天，科技圈子里最抢手的论题应该是被称作“科技春晚”的苹果iPhone发布会。

但明显，苹果的“科技春晚”和“春晚”相同，吸引力现已大不如前了——再也不复当年iPhone5S发布时分的那种盛况——反却是华为的三折叠手机引起了不少评论。

或许这便是一个面向顾客的商场的严酷性地点：顾客是很简略喜新厌旧的，假如你不能继续带来新的东西，那么很快，你的商场就会被竞争对手所蚕食——支撑iPhone当年位置的是史无前例的立异体会，但现在，跟着整个智能手机供应链的兴起，各家的产品都现已来到了一个适当高的层次——iPhone或许再也不会给咱们带来当年的那种新鲜感了。

看看现在的AI，感觉如同也是如此故事。并且由于大模型的迭代速度远高于芯片，相应地，“下头速度”天然也会更快一些。

就在上周末，一张来路不明、显现Chat-GPT访问量断崖式跌落的图就引发了华尔街的一阵动乱，紧跟着便是英伟达、谷歌、亚马逊、Meta这些AI企业的股价跌落。

网图，如同是个大乌龙

尽管究竟被证明是乌龙一场，但这种鸡犬不宁的画面也挺搞笑的：

假如你真的深信AI是未来，又怎样会被一张来路不明的网图所迷惑？

你对AI的崇奉，本来如此软弱吗？

今日，咱们就来聊聊：现在这个版别的AI故事，究竟还能讲多久。

一、“低端需求”

我从前遇到过一些闪婚的情侣：初见的时分什么都好，朋友圈里满是什么“斯人若彩虹，遇上方知有”的狗粮；但过了几个月正常日子之后，暗里喝酒的时分，他们就开端给我吐槽各种小事和争持。

人仍是那俩人，都是好同志，但场景变了，现在真的要事儿上见了。

由于实践生活里的问题，真实是太多样太详细了：换下的衣服及时清洗了吗？厨房的碗筷洗洁净了吗？菜买多了仍是买少了？昨夜为什么没有把废物扔出去？宠物最近饭量下降了是不是要去医院看看？中秋节假日快要到了，是不是要回老家看看爸妈……

这些零星、琐碎、不触及大是大非的问题，却往往能导致一场火爆的争持，而案值往往不超越20元。

当事人往往会觉得自己瞎了眼了，但咱们都知道，这并不是眼瞎不眼瞎的问题：新鲜感过了，你开端用另一种更务实的KPI系统去衡量对方了，不再是热恋期那样单纯看脸或许看性情了。

咱们对当时这一波由Chat-GPT所引领的生成式AI的情绪，其实也是如此。

一年多前，当Chat-GPT刚刚问世的时分，整个国际都为之惊叹——由于它确实体现出了强壮的才智，它真的可以了解咱们在说什么，还能像模像样答复问题，还能和咱们聊得有来有回，特别是处理翻译使命的时分，大模型简直吊打全部翻译软件。

但很快，整个商场就充满了竞争者。

大模型究竟不是光刻机，Chat-GPT证明了生成式AI的未来后，埋伏的竞争者们马上就蜂拥而至——不论是美国本乡的Claude.ai仍是我国的文心一言和通义千问，从技能到体会，都敏捷跟上了Chat-GPT的节奏。

然后，咱们和AI的“热恋期”也就到此为止了，由于咱们也要用一套更务实的眼光来看AI了。用更专业的说法便是，咱们对AI的情绪正在“回归理性”。

然后，咱们才发现：本来AI也不过如此。

当下的AI，如同只能处理咱们的“低端需求”：

我从前让AI帮我出一个文章纲要，它反响却是挺敏捷，从原因到影响给我列了几十条出来，但底子经不起细看，由于它彻底没有主次的概念——我那篇文章的要点便是去叙述作业背面的原因，成果AI把原因剖析部分只当成了一个平平无奇的章节。

七月份我去北京出差，期间和朋友约在某个烧烤店吃饭，拿到菜单我就乐了。由于菜单上的布景图画一眼看上就知道是AI的手笔——又把人物的手画成麻花了。

我也从前试着让AI帮我模仿王维的风格写一首“气质清凉”的诗，成果AI马上就给我端上来一个“老干部体”，吓得我赶忙关了。

至于AI谱曲更是离谱，横竖我自己作词让AI帮我编了曲之后，听了三秒就把耳机扯下来了，真实太TM为难了，我这种脸皮薄的人假如再听一分钟估量就直接进ICU了。

……

用我朋友对AI的描绘便是：每次用AI辅佐作业，给他的感觉都像是在给一个刚出学校的实习生布置使命——年轻人是真的勤勉又听话，便是脑子不太好，活儿干的太糙了，只能做最些最底子的作业。

大模型厂商们总是在担忧DAU和运用时刻的问题，不得不说，他们的忧虑是有理由的。以当下许多AI产品在实践中的运用体会来说，确实很难让人把AI当成牢靠的东西或许熟悉的伙伴。

AI落地，应该成为东西，而不是玩具，AI应该作为咱们打工人的教师傅，而不是还需求我亲身去“传帮带”的实习生。

二、瓶颈期

为啥这一届的AI产品只能满意一些低层次需求呢？为啥感觉AI如同也不过如此呢？

这件事，仍是要从底层的技能原理上来讲。

以Chat-GPT为例，打造一个像Chat-GPT相同的大言语模型，大约需求如下几个环节：

首要你需求海量的数据，可以是各种小说，可以是各种新闻，也可以是各种视频、音频，但总归，你需求预备一个足够大的“语料库”让它去学习，并且为了进步它的学习功率，你还要把这些材料都给做成标准化的数据，让模型能更好接纳。

之后，像Chat-GPT这样的大模型底子都是依据Transformer架构，这种架构咱们就不多说了，说起来太杂乱，咱们只需求知道，这种架构的用处在于它可以依照咱们人类说话的语法去输出内容，某种意义上适当所以AI的言语中枢和喉舌。

接下来，便是经过各种技能去练习AI，再经过参数调整和一些优化，究竟让它能了解咱们输入的信息并做出合理的回复。

可是要注意，“合理的回复”并不代表“有用”，更不代表“拟人”——我兄弟给我发一些离谱东西的时分，我一般只会回他一串“哈哈哈哈哈哈”或许单走一个“6”，心境不好了就会回一个“有病吧”。但AI往往会故作礼貌、煞有介事地来一句“这真是一个十分风趣的图片”。

前者尽管不合理，但却很真实。

后者尽管很合理，但却十分不真实。

形成这种为难的底子在于其开发的方法：

GPT们选用的是Transformer架构，相比起曾经的RNN架构，Transformer可以更好地了解单词和单词之间的次序联系，可以让大言语模型的练习速度明显进步，并且可以判别出一句话里究竟哪个词更重要，然后实现像真人相同“有的放矢”。

乍一看如同没啥缺点，但经不起细揣摩。

由于辗转反侧，GPT们做得作业都是在言语上下功夫，在不断地“猜字谜”，而不是在知道国际。

体现在实践运用中便是：你让GPT去做翻译作业，它可以做到99分的水平；但假如让它去答复你的一些疑问，或许体现就只有六七十分了。

简略粗犷点来说便是：我说天冷了，AI天然会告诉我要穿秋裤。但AI这么说的原因，并不是它知道穿秋裤会让人感觉温暖，而是在它的练习材料里，“天冷”和“秋裤”这俩词总是一同呈现——它其实并不知道天冷了该怎样办，但它知道只需你说天冷了，它回一句“穿秋裤”大约率就能过关。

和某些兄弟们常说的“多喝热水”差不多是一个意思。

说究竟，这便是AI大模型开发技能上的一个通病：AI确实能了解我说的每一个字，也确实能做出合理的答复——但它做出答复的条件，并不是依据对事物发展规律的知道，而是经过海量数据的学习、经过MLM这样的“猜字谜”练习，给出了一个“看上去还挺靠谱”的答复。

AI视频产品在这个问题上体现得特别显露，AI生成的视频尽管有时分在画面细节上可以做到极度仿真，但一旦触及物理作用就会马上把山公屁股露出来——它并不能了解真实国际里的物理磕碰会形成什么成果，它仅仅在猜你想看什么算了。

Chat-GPT现在现已进化到了5.0版别（尽管还没有正式上线），功能上当然是一代更比一代强，但这种增强的根底，是它猜字谜的速度越来越快，猜字谜的强度越来越大，而不是真的增长了才智。

三、这届AI的故事，还能讲多久？

业界关于这个问题的应对办法，则是祭出了另一种彻底不同的思路——强化学习（RL）。

假如说“深度学习”的才能是在于了解言语，在天然言语处理、语音处理上可以体现优异，那么“强化学习”则更像是在学着了解真实国际——外界不会给系统什么指示，系统要自己试着去探究、去测验，然后在这个探究的进程里取得常识，从而让自己越来越强壮。

在这个进程里，系统寻求的是让“奖赏信号”的最大化。这就像是一场电脑游戏，系统不断地和外界环境互动，每一个动作都会得到“奖赏信号”，做得越好，“奖赏信号”就越大，为了取得更大的“奖赏信号”，系统就要自己学着做出更好的决议计划。

用更形象一点的话来描绘便是：

AI适当于学生，人类则是教师——依据“深度学习”的AI们，它们的用着“人类教师”供给的“数据集”，在学习进程中，也要时时刻刻受着“人类教师”的监督——契合“人类教师”口味的，就会被鼓舞，不契合“人类教师”口味的就会被扔掉。

而依据“强化学习”的AI们，则更像是自学成才，“人类教师”仅仅领进门，修行就要靠它们自己尽力了。在许多时分，它们是没有什么“学习材料”或许“监督辅导”的，“人类教师”给他们的指令便是不断学习，至于能学成什么姿态，其实“人类教师”心里也没底。

所以，咱们可以看到：

依据“深度学习”的AI们，在言语了解、语音了解、图画了解上体现极端优异，由于这些东西的界说权把握在人类手中，人类随口的一句话，落在AI耳中就如神谕一般不行否定——AI们要做得便是无限贴合人类的口味，让自己体现得和人相同。

而依据“强化学习”的AI们则往往在和人类比凹凸，不论是自动驾驶系统教育老司机，仍是AlphaGo打哭柯洁然后又被AlphaZero打爆，其实都反映出了一个成果：“强化学习”下的AI们，往往可以做得比人类更好——由于人类要吃饭睡觉，但AI不必，在高性能芯片的加持下，AI练习一年所才智过的棋局、游戏，往往比一个工作棋手、工作电竞玩家十辈子见过的都多。

究竟，依据OpenAI自己的评价系统，像是Chat-GPT这样的AI使用，其实仅仅最初级的L1水平，不过便是一个谈天机器人、一个有对话才能的AI。而依据强化学习的AI，则可以到达L2等级，也便是能做到和人类相同解决问题的才能。

而现在，咱们现已站在了一个要害的时刻点上：

由于大言语模型，也开端走“强化学习”的路子了，今后AI说话之前，也要动动脑子了——OpenAI一直在研讨的“Strawberry”（草莓）项目，便是一个依据强化学习的大言语模型。

依据强化学习、有自己主意的大模型很或许最近一两年就会上线，在这样的大布景下，我真实不知道这届AI的故事，还能讲多久。