起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識AI的脈絡：非共識時刻的認知價值
這篇文章里，作者梳理了一個脈絡，從角色中心式計算，到圖靈測試2.0、智能原生應用、從1到10，這之間的邏輯是層層遞進的。如何理解？不妨來看看本文的分享。
AI到底可以怎么用？
現(xiàn)在是真正的AI非共識時刻。
非共識時刻的認知價值往往會大于普遍共識已經(jīng)形成時候。
現(xiàn)在再說互聯(lián)網(wǎng)，對互聯(lián)網(wǎng)認識的再清楚其實也沒機會干電商了。
一個企業(yè)的價值往往在和其它組織或個人的差異中才得到體現(xiàn)。
A做100，B也做100往往不形成機會，但A做10，B做0則相反，很可能形成機會。
陸續(xù)寫了一個系列的文章，有點體系化，但并不是學問，而更像是一種非共識下，認知混沌未來方法。
因為之前發(fā)的散亂，卻內(nèi)在有一些遞進關(guān)系，所以這里把它們按邏輯次序整理下：角色中心式計算，圖靈測試2.0，智能原生，從1到10。
一、角色中心式計算
AI的顛覆性到底在那里？這種顛覆性是大于互聯(lián)網(wǎng)還是小于互聯(lián)網(wǎng)？與互聯(lián)網(wǎng)比又有什么異同？
這種顛覆性起于基于AI模型的應用和基于過去經(jīng)典計算機架構(gòu)的應用所對應的基礎(chǔ)計算模式不同。
用韓毅同學的說法是經(jīng)典計算機架構(gòu)下，過去的應用是大量if…else…的堆積。這種規(guī)則的堆積最終能形成有點智能的感覺，但靈活度和功能邊界是受到極大約束的。
為了解決問題，就必須把問題切塊。
企業(yè)級軟件在切塊：
個人的APP也在切塊，電商、短視頻、IM等。
切塊之后人變成了完成某個目標的調(diào)度器。不同的角色需要調(diào)度的功能型應用越多。但總的來看切塊越多，人越累。
AI提供了概念理解和邏輯判斷能力，所以調(diào)度本身可以分配給AI，人則更多的完成特定角色和現(xiàn)實世界中的映射。比如教育小孩，那就更多思考怎么才是一種好的教育方式，而不是怎么使用工具。這就是角色中心式計算。背后不在是if…else…的規(guī)則堆積，而是any…then…的智能。
角色中心式計算會變成現(xiàn)實的底層邏輯是：如果智能本身的表現(xiàn)與它所獲取的信息成正比，那最終在追求體驗和效率的內(nèi)驅(qū)力下，就一定會變成角色中心式計算。
二、圖靈測試2.0
角色中心式計算創(chuàng)造新機會么？怎么判斷是否可以進行角色中心式計算？
角色中心式計算對智能的程度形成強依賴。
一個人智商到了不學習可能考不上大學，但智商沒到可能學習了也考不上。
真正改變計算模式首先需要足夠的純粹的智商，這種純粹的智商依賴于模型。
但純粹的智商是否真的夠了，則要回到場景本身，擅長下圍棋可能智商高，但不一定能做好企業(yè)。
這種智商衡量不能學術(shù)化，比如靠做題，或者測試集跑分，而是要回到具體的場景。單純做題或者測試集的結(jié)果是學術(shù)視角，產(chǎn)品視角下智商夠不夠則需要一種新的判斷方法。
學術(shù)視角是減法就關(guān)注幾個純量，產(chǎn)品視角則是加法，100個環(huán)節(jié)有一個搞不好，也是不行。很多時候會不止依賴一個模型而要做模型的組合。
這背后的判斷方法可以稱之為圖靈測試2.0。
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綜合度。
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。
每當一個場景通過圖靈測試2.0（產(chǎn)品經(jīng)理的測試而不是技術(shù)視角的測試），那么就形成了一個可以進行角色中心式計算的實驗田（一次重構(gòu)的機會）。
通過圖靈測試2.0則產(chǎn)生做智能原生應用的機會，注意這不是MJ，ChatGPT這些工具。
下圖中絕大部分工具不是智能原生應用，而是會被通用模型淹沒的工具。
角色中心式計算與智能原生應用，一種完全新式的應用，有點像新開了一個應用商店，所以是普通人的機會。
和大模型不一樣，大模型由于資金、技術(shù)、人員要求太高，即使純粹是相應方向的博士，真正能從事相關(guān)工作的估計也不到10%。
三、智能原生應用
那什么是智能原生應用？
可以用愛立信畫的這張圖，我們有很多和AI相關(guān)的應用，但如上所說大部分都不是智能原生應用。
比如原來的閘機需要刷卡，現(xiàn)在得刷臉了。
比如Office原來不能幫助生成內(nèi)容了，現(xiàn)在加了個小球可以幫你生成內(nèi)容了。
比如智能音箱原來只能靠按，現(xiàn)在可以語音交互了。
這些都不是智能原生應用（分別對應上面圖里面的依次往下的場景）。
智能原生應用需要把概念理解和智能判斷和決策滲透到每個角落，正是角色中心式計算的實現(xiàn)。（圖的右側(cè)）
結(jié)構(gòu)上智能原生應用會和過去的智能音箱或者搜索最像,但具有自主行為能力。
假如你想成為主播，自己不想上，扔一個智能體在那里，它每天自主開播，那這個智能體就是智能原生應用，它處理了你這個角色所有相關(guān)的細節(jié)。過去詳細舉過例子，這里不展開。
參見：
四、從1到10
一旦真的開始打造智能原生應用，那對它的進化階段要有預期。
互聯(lián)網(wǎng)產(chǎn)品是從0到1，從1到100的兩段論，智能原生應用則是從0到1，從1到10，從10到100的三段論，更加的辛苦和有挑戰(zhàn)。
這和兩者的計算形態(tài)有關(guān)系。
功能中心式計算是選一個功能，水過地皮濕，只要面足夠大，那就創(chuàng)造比較的總價值。
智能原生型應用相當于要把一個角色吃透，那就類似打深井，必須打到一定程度才有水喝。
角色面對的環(huán)境是個變量，那究竟是不是真的能夠自適應的匹配這些變量，在幻覺仍然存在的前提下就是個水磨工夫。
你做了自己的數(shù)字分身，它到底會不會違規(guī)呢？針對話題A不違規(guī)，針對B也不違規(guī)么？
過去我們的計算模式本質(zhì)上是現(xiàn)實世界的需求由程序員折射成計算機世界的語言，然后計算機按照程序員的設定進行執(zhí)行。
AI下的計算模式不是這樣，程序員這個中間層越來越透明（不是徹底消失），人直接和模型進行交互，然后具體的功能范圍是不定的。模型、策略和價值觀設定這個范圍，不再是程序員設定這個范圍了。
如果用圖形描述，那大概下面這樣：
這個類生命體是可能闖禍的！??！
打磨這個的階段，可以統(tǒng)稱為從1到10。
小結(jié)
角色中心式計算，圖靈測試2.0，智能原生應用，從1到10是一個邏輯層層遞進的思維方法。不百分百對，但從實踐來看估計偏差不大。理解了這個也就理解了普通人的機會到底在那兒，所以重新梳理下這個脈絡。拋磚引玉，供參考。
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。
- 目前還沒評論，等你發(fā)揮！
