在AI領域,國內團隊好像被甩開了?到底是差錢?還是差人?
自從去年AI爆火之后,到年初Sora的沖擊,很多人都在考慮一個問題:為什么國內的大模型就是沒有GPT之類的好用?為什么國內就沒法做出Sora模型?實際上,組織里面人之外有場,疊加后才是最終組織特征。
當我們還在困擾為什么國內大模型沒有GPT4好用的時候,Sora來了。這潛在意味著從AGI視角看,追趕一年后差距似乎并沒有縮小反倒是被拉大了。
勾連過往,這個問題就不太簡單了,可以從好多維度展開:
我們是不是可以說AI國內國外團隊一度站在類似平齊的起跑線上?
為什么從AlphaGo開始似乎看不到國內團隊的原創,而是持續在追趕?
為什么在追趕的時候,距離似乎在被放大?
一、一點點回溯
如果回到語音識別、人臉識別,應該可以講大家處在類似平齊的起跑線上的。甚至因為場景和數據豐富在這兩項上國內團隊還占優。一個佐證是過去很多的比賽成績;另一個是佐證是應用范圍。老外到現在也不怎么用人臉,所以真實場景下人臉識別的精度,很可能還是國內團隊的算法占優。
自動駕駛是個奇妙的領域,做了十幾年花了幾千億,但似乎都卡在某個限度下面了。所以也看不出什么區別。
所以說如果回到2010年之后的十年,說大家在基本平齊的起跑線上,大致是不錯的。當時大家比較公認的是AI上沒有秘密,畢竟一有進展論文立刻就出來。
問題出在大模型上。
在大模型上,局面變成了:
在平齊的起跑線上,OpenAI率先做出來大模型后,別的團隊在追趕的同時,差距還被拉大了。
如果單純的拿沒做出來說事似乎也是偏頗的,畢竟Google也沒做出來。
但如果橫向展開些就發現也不是那么偏頗,在AI這個領域里我們好像并沒有做出太杰出的貢獻。AlphaGo,chatGPT,甚至智能音箱、自動駕駛等似乎都是在重復過去C2C的故事。追到平齊的起跑線上卻重復過去的故事,這不能說不是問題。
互聯網這樣是正常的,畢竟你缺了過去幾十年在IT上的積累,按切入的時間點(2000年前后),你就只能這樣,但AI還這樣,就是問題了。
追著不順利的時候,大家就比較多反省人才密度、資金、機器等。
但其實根本不是主因,調度起這些資源對于小公司是很難的,但還是很多公司有這個實力。(如果統計2022年發布chatGPT之前的融資金額你會發現還是不少公司融資比OpenAI多)
再進一步深層反省是需要勇氣的,因為會打破一些人類本性中無謂的自尊心。
有點像一個人正興高采烈自信的很,你非上去說,他還有那些地方不行,他真的很容易揍你。
如果不正視這種差距,并挖掘差距的根本,那再過十年,老套的故事就會再來一遍:
好像差不多了基本平齊,然后被甩開差距,然后追趕,然后反省表面因素。一遍一遍循環這個過程。
可怕的點在于:一個是循環自身的周期本來就不短,整體循環的所占的時間就更長。
最終后果是不是災難性依賴于領域本身的基礎特質。
對于天花板比較明顯的領域,到達某個限度后,大家其實差不多,所以影響不是特別大。相當于領跑的停了,那后面的只要足夠堅持就能趕個七七八八。
對于沒有天花板,活性極強,并且今天的結果會是明天的的最大推動力的領域,那么后果很可能是災難性。這會導致越跑距離越大,并且是在指數曲線上的距離。
很不幸,人工智能看起來是這樣的領域。
為什么呢?
不知道誰發明了個詞叫人才密度。
然后似乎原因被找到了:人不行。
在付會上錢不夠,機器買不著,似乎原因就非常明顯,還特別好理解,也容易引起共鳴。
實際上這種認知視角本身就是問題。
背后體現一種思維模式的缺陷。
對于組織而言,不能像過去那樣只關注:人財物等有形要素,還要關注場。
場是價值觀、文化、制度、信念的綜合。
我們不能忽視的一個基本事實是:
到一定程度后,其實人個體智商是差不多的。所以人才密度是趨同的。
AI就是這情況。
真做AI的人,差不多都是從頂級學校里又選了一撥人,非說誰比誰有絕對差距,那就真不是這樣。
錢的話OpenAI過去用的錢雖然不少,但很多團隊用的錢并不比他們少,2022年之前一共差不多融了30億美金。(比如:商湯融的其實比這多)
核心的問題恰恰不是這些可見要素,而是場的差別。
簡單說你用修長城的場,不管給多少人、多少機器、多少錢該干不出來還是干不出來,該攆不上就還是攆不上。
(還可以類比皮克斯做動畫,動畫做不好也是人才密度、機器、錢不行么?)
場可以看成獨立生命體,并且在大時空尺度下持續存在,特征也會變化。
如果我們總是干存量修長城的活,場的作用是小的,按圖紙搬磚,加大檢查,誰干的好就多給錢,干不好就批一頓或者開掉,大致是可以的。
但大模型這種領域顯然不是這么個特征,之前有人做過內部模塊拆解,其組成還是非常復雜,需要團隊一起摸索開拓。
這時候場的落后就是致命的。
你拿黑社會的場去干大模型,對于已經做出的部分,基于開源,已有論文追一追是可以的,但在烏漆嘛黑的未來里探索出一條路,并持續領先就沒可能。
這是真的問題。
二、組織的間斷平衡論
這可以再形象一點來看這問題。
團隊的類型可以是外科手術型的,一切以主刀醫生為中心,別的全是打下手的。(其實修長城本質是這個)。
也可以是足球型的。大家有個角色,但需要更靈活的補位和配合。
更靈活的是網球團隊。大家沒有角色靈活補位。
對于大模型開發而言,外科手術的肯定是不行的,至少需要優秀的足球模式的團隊。
只有模式也還不夠,同樣是足球隊也還有我國足球的情況。
模式還要配合上文化等進行綜合才是合適的場。
最終就形成場的先進性:活性且有力量。(可以拿終結者的液體機器人和植物大戰僵尸的僵尸做類比)
這種先進性的內涵是:
可以讓組織保持基本穩態的前提下持續產生躍遷。
這種先進性的根本中精神大于物質,但不適合簡單二元論,而是兩者的按特定配比的綜合。(和決定戰爭勝利的是人而不是物也不在一個層次上)
如果這么定義先進性,那兩類偏頗場都是有問題的:
一種是超級穩態場,一種是活性但容易崩壞的場。從組織的間斷平衡角度看,我們可以這么講。
有些組織會進入超穩態,它在既有的賽道上把自己強化的很好。內部利益分配各種與其適應。(創新者窘境用價值觀、流程來描述,但其實還是缺東西,不過價值觀、流程已經比人才密度的視角好很多了,畢竟是場的一部分)
(那根破壞性創新增長曲線背后的原動力是什么?是人才密度、機器、資金么?)
可以形象點來說這個問題。
比如猩猩某些方面強化的其實比人好。
我們古代在農業文明上進化的其實比歐洲好。
這種好,會導致組織和個體進入超穩態。
這種超穩態會內置妨礙躍遷的力量。
這一點點差異,在大時間軸上,效果就非常明顯。
那先進性就是既有穩態,又有足夠的活性。
OpenAI差點沒把Altman干跑就是活性過剩,能夠糾正回來說明還是有穩態力量。
但一路前跑,則是活性場產生的推動力。
這種場才可能構建出一種在穩態中行進,還具有躍遷力量的組織。
這種躍遷的力量是精神與技術的綜合。
柔性場的構建成本和難度都是高的。
三、假如不看場,只看人會怎么樣
最典型的是面對內部大規模耗散時采取的措施會有雷同性。
組織中很容易進入一種大家一起磨嘰的狀態(高深的詞可以叫熵增)。我們對付這種耗散只有一種方法就是揍它。回到修長城的方式。前一陣有人在朋友圈發了一個段子,倒是正好和這個呼應。
中國式管理,理論核心就三點:
- 你干的好,是因為我領導有方。
- 你干不好就是你有問題,和我沒關系。
- 你不干有的是人干。
這個正好形象的體現了只關注人財物有形要素不關注場的表現(非常閉環和形象,通過人事變動3是可以回到1的。
注定的后果就一定是不停內部倒騰,這種場的特征和組織行為表現具有極大的相關性,包括對強人的渴望,學習劉邦這一套東西都是伴生特征。但實際上這是在獅子社會里面都能看到的古老模式。仍然有用,但估計搞不定人工智能這樣的領域。
這背后的認識差距是真正的差距。
如果上面的解讀是對的,那么我們在人才密度什么上面的努力就很像緣木求魚,根本改變不了局面(猴子水中撈月式追趕),而標題上的問題則會不停的被問。(超穩態)
難的也正是這里,如果說有形要素的改變是旦夕之功可達,那這種先進場的構建就有點十年樹木百年樹人百年樹人的意思了,并且破功還很容易。
借助AI這種場的形成成本也許可以降下來,但認知的事就會比較困難。轉過來后對問題的反省會完全不一樣,比如:
但反過來如果場大于個人,那是這樣的思維鏈條:
- 落后了
- 場不行
- 進行機制建設
- 個體和整體活性增加
- 也許動蕩,但保持活性迭代
這里的關鍵在于怎么才能產生更多的活性個體并且亂而不散。
也會很多混亂甚至崩潰,比如OpenAI自己的內訌,但躍遷到下一層的可能性是高的。
(從間斷平衡的視角看組織的話,什么能構成躍遷的力量呢?)
四、擴散一點點
假如有一池水,有點顏色,在這里面有一些獨立的缸,那缸里的問題是不是都是池子的問題?
我覺得在AI這個事上,主要不是,畢竟保留了足夠的自由度。但確實池子的偏好會在長時間軸上有很根本的影響。
小結
看著簡單但其實這是一個超級復雜的話題,近來看很多人在探討這個,所以還是從這個視角說說自己的觀點,簡單說就是:
組織里面人之外有場,疊加后才是最終組織特征。
如果我們總是用人才密度,錢不夠這樣的視角去看待問題,那就很難適應這種高速進化的領域,陷入一種追平,落后再追趕的困局。
倒是也閉環,不愁沒事干。
專欄作家
琢磨事,微信公眾號:琢磨事,人人都是產品經理專欄作家。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:方法與邏輯》、《互聯網+時代的7個引爆點》等書。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
所謂平齊的起跑線就是個偽命題,我們都是在別人拿出成品后,才想著怎么動手“借鑒”。