來自前 Coinbase 首席技術官的洞見：AGI是偽命題！“多神AI”時代來臨，無人機比聊天機器人更致命！

大數(shù)據(jù)文摘出品

今年的人工智能領域無比熱鬧，先是巨頭公司們以前所未有的速度發(fā)布著改變世界的新模型，讓“AGI何時到來”的討論占據(jù)了所有頭條。

然后，另一股力量也登上了舞臺：無數(shù)開源模型和精悍的創(chuàng)業(yè)團隊異軍突起，用更低的成本和更靈活的架構，沖擊著“贏家通吃”的預言。

就在這喧囂之中，技術思想家 Balaji Srinivasan，發(fā)表了他對當下局勢的思考。他表示，現(xiàn)階段的人工智能仍屬于一種“受限的AI”，而非能通曉一切的全能型AI。（注： Balaji Srinivasan是前 Coinbase 首席技術官及 a16z 普通合伙人）

以下是他總結的十點觀察，由DeepSeek翻譯：

第一點：當下并不存在唯一的通用人工智能（AGI），而是可能同時存在多個強大的通用人工智能（AGIs）

換言之，我們所見的更像是“多神論”式的人工智能（多個實力相當?shù)哪Ｐ筒⒋妫?，而非“獨神論”式的人工智能（一個全能模型主宰一切）。目前，不同團隊研發(fā)的AI模型在性能上正趨于相對接近，尚無某個模型遠遠領先。在這種情況下，我們更值得期待的，是多個人類與AI融合體在未來形成的平衡格局，而不是某個AI大一統(tǒng)，將人類淪為“回形針”或“鹽柱”。

第二點：人工智能正在把成本推向“提示”與“驗證”這兩個邊緣環(huán)節(jié)

現(xiàn)有的人工智能往往并未完成真正的“端到端”工作，而更多是在“中間到中間”環(huán)節(jié)提升效率。因此，企業(yè)的資源和預算逐漸集中于“如何向AI發(fā)出高質量提示（Prompts）”以及“如何對AI輸出進行充分驗證（Verification）”。由此可見，AI提高中間流程效率的同時，也讓“提示設計”與“結果驗證”成為新瓶頸。

第三點：人工智能更像“增強智能”，而非“自主智能”

當前的人工智能無法完全獨立于人類，其代理（agents）既無法設定復雜的長期目標，也無法對結果進行自動核驗。換句話說，AI在很大程度上依賴人類的提示、驗證和系統(tǒng)集成。因而，AI的效能與使用者的能力密切相關——使用者越擅長提示和驗證，AI的表現(xiàn)就越好。這種人機協(xié)作模式更接近“增強智能”，而并非真正的“自主智能”。

第四點：人工智能并不會替你“搶”工作，而是讓你具備從事任何工作的更多可能

AI為人們提供了快速嘗試不同職業(yè)或技能的機會，例如模擬一名用戶體驗設計師或一個特效動畫師的工作流程。這并不等于你能立刻達到專業(yè)水準，最終的精細打磨仍需要資深從業(yè)者完成。但AI的輔助，確實能讓更多人跨領域嘗試與學習。

第五點：AI并不是要取代你，而是在取代“上一代人工智能”的功能
例如，MidJourney 的出現(xiàn)讓 Stable Diffusion 的位置被部分替代，GPT-4 相比 GPT-3 也有了質的飛躍。一旦工作流程中引入了AI生成圖像、代碼或其他內容，企業(yè)就會優(yōu)先投入資源給性能更強的新模型。也就是說，AI在不斷迭代演進，持續(xù)取代舊版本的AI模型，而非直接取代人類。

第六點：AI在“可視化”任務上更有優(yōu)勢，相較之下文字化任務則更具挑戰(zhàn)

在前端領域，如界面設計、圖像生成、視頻處理等，AI的優(yōu)勢較為明顯，因為人眼可以快速檢驗畫面或視覺效果。而大量文本或代碼輸出則需要更多額外的人力來審查和測試。正如 Andrej Karpathy 所指出的，與視覺結果相比，文本或代碼更難被人類直接驗證，因此對AI在這一領域的可靠性要求更高。

第七點：真正“致命”的人工智能已經(jīng)存在，其名為“無人機”

各國對無人機的軍用研發(fā)高度重視，戰(zhàn)爭技術也將不斷升級。相比于圖像生成器或聊天機器人，這些能在戰(zhàn)場直接執(zhí)行指令的無人機才是真正令人擔憂的潛在威脅。

第八點：人工智能是“概率性的”，而加密技術是“確定性的”
加密技術可用于限制AI的能力。AI能夠借助算法破解驗證碼，卻無法篡改區(qū)塊鏈上的賬戶余額；它或許能秒解某些方程，卻無力撼動加密算法的確定性。這意味著加密技術為AI提供了一個“無法逾越的界限”。

第九點：人工智能的發(fā)展趨勢更偏向“去中心化”而非“中心化”
觀察來看，AI的影響力似乎走向更加分散的格局，原因包括：

1. 市場中出現(xiàn)了大量AI創(chuàng)業(yè)公司；

2. 小團隊借助合適工具也能高效產(chǎn)出；

3. 大量開源、可復現(xiàn)的高質量模型陸續(xù)問世。
   這些因素共同推動了AI從最初的集中式發(fā)展走向更為去中心化的態(tài)勢。

第十點：AI的最佳使用比例絕非 0% 或 100%

完全不使用AI會極大限制效率，而過度依賴AI又可能導致產(chǎn)出質量粗糙。真正合理的做法，是在 0% 和 100% 之間尋找最優(yōu)平衡點。具體比例因場景而異，但最重要的共識在于“極端化的兩種用法都非最佳”。這就像“拉弗曲線”（Laffer Curve）在經(jīng)濟學里的啟示：找到適度的平衡才能獲得最大收益。

總結：當下的人工智能是“受限的人工智能”

綜上所述，現(xiàn)階段的人工智能仍屬于一種“受限的AI”，而非能通曉一切的全能型AI。其限制主要體現(xiàn)在以下方面：

經(jīng)濟與資源限制：每一次API的調用都成本不菲，且市場上的諸多競爭模型會進一步分散資金和關注點。

數(shù)學與理論限制：AI在混沌、湍流以及加密類難題上（從理論上）無能為力，難以給出確定性解答。

實際操作限制：AI需要人類進行提示設計與結果驗證，它更像是“中間環(huán)節(jié)的助力”而非“端到端”的全能管家。

感知與上下文限制：AI目前無法獨立感知或檢索完整上下文，仍要依賴人類輸入或提示提供必要信息。

或許未來某一天，我們能將AI的“概率性（系統(tǒng)1思維）”與傳統(tǒng)計算（確定性/邏輯性系統(tǒng)2思維）完美結合，但這尚是未解的研究難題。在此之前，理解AI的邊界與潛能，才能更好地發(fā)揮它的價值。

via balajis.com/p/ai-is-polytheistic-not-monotheistic

作者長期關注 AI 產(chǎn)業(yè)與學術，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業(yè)動態(tài)與技術趨勢！

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節(jié)省開支30%以上！

掃碼了解詳情?