“現(xiàn)在的AI就像1880年的笨重工廠！”微軟CSO斯坦福潑冷水：別急著造神

大模型仍未對上商業(yè)的齒輪？

編譯 | 王啟隆

來源 | youtu.be/aWqfH0aSGKI

出品丨AI 科技大本營（ID：rgznai100）

現(xiàn)在的硅谷，空氣里都飄著一股“再不上車就晚了”的焦躁感。

最近 OpenClaw 風(fēng)頭正旺，強(qiáng)勢登頂 GitHub，終結(jié)了 React 神話，許多人更是覺得“AI 自己干活賺錢”的日子就在明天了。

特別是在斯坦福商學(xué)院（GSB）這種地方，臺下坐著的都是成天琢磨怎么用下一個技術(shù)風(fēng)口搞個獨角獸出來的狠人。

微軟的首席科學(xué)官（CSO）Eric Horvitz被請到了這個幾乎全美最想用 AI 變現(xiàn)的禮堂里。作為從上世紀(jì) 80 年代就開始搞 AI 的絕對老炮、也是微軟技術(shù)底座的“掃地僧”，這位老哥并沒有順著臺下的胃口，去吹捧下個月大模型又要顛覆什么行業(yè)，而是兜頭給大家澆了一盆帶點學(xué)術(shù)味的冷水。

他講了一個挺有畫面感的比喻：大家都在聊 AI 馬上要爆發(fā)，但這感覺就像 1880 年代人類剛弄出電動機(jī)的時候。那時候的工廠怎么用電？他們搞個巨大的中央滑輪，扯著無數(shù)根笨重的皮帶，生硬地去連接各個工作臺。看起來是通電了，實際上別扭得很。

Horvitz 把這叫作“阻抗失配（Impedance Mismatch）”。說白了，就是現(xiàn)在牛逼哄哄的底層大模型，跟現(xiàn)實商業(yè)世界的組織架構(gòu)和運轉(zhuǎn)方式，其實根本就沒對上齒輪。

這篇足足 55 分鐘的對話非常“反共識”。Eric 直言現(xiàn)在的模型連最基本的“概率校準(zhǔn)”都做不到（也就是一本正經(jīng)地胡說八道且不知道自己有多不靠譜）；他甚至毫不客氣地扒下了醫(yī)療 AI 的底褲，說在 A 醫(yī)院好用的模型，直接端到 B 醫(yī)院去其實根本跑不通。

在這個所有人都恨不得把各種 Agent 供在神壇上的節(jié)點，聽聽這位真正在工業(yè)界和科學(xué)界摸爬滾打了幾十年的老兵怎么吐槽當(dāng)下的行業(yè)現(xiàn)狀，可能會讓你對這個草莽時代多幾分其他視角的理解。

以下為這場斯坦福 AI@GSB 對話的完整實錄。

尋找 AI 時代的“皮帶與滑輪”

Jennifer Aaker（斯坦福商學(xué)院 General Atlantic 教授）：我是 Jennifer Aaker，非常榮幸能為大家介紹 Eric Horvitz。他今天來到了現(xiàn)場，將與 Sarah Soule 院長在爐邊進(jìn)行對話。Eric 是微軟的首席科學(xué)官，很長一段時間以來，他一直致力于在人工智能、社會與科學(xué)的交叉前沿領(lǐng)域進(jìn)行探索。

很多年前我就認(rèn)識了 Eric。他是斯坦福“以人為本人工智能研究院”（HAI）的董事會成員。在那個背景下，以及在更廣泛的領(lǐng)域里，他是我見過的最具思想深度、最有意圖性（intentional）、最具體恤人類精神（humanistic）的思考者之一。

幾十年來，他一直是“以人為本的人工智能”領(lǐng)域極具影響力的聲音。他發(fā)起了斯坦福大學(xué)的“人工智能百年研究”項目（AI100），也是“AI 伙伴關(guān)系”（Partnership on AI）的聯(lián)合創(chuàng)始人。他曾作為國會任命的委員，任職于美國國家人工智能安全委員會，同時也是斯坦福 HAI 的杰出研究員。總之，他是一個非常好的人。

很高興他今天能來到這里。我覺得他身上最了不起的一點，是他對“人類繁榮（human flourishing）”的深刻承諾，而這也是他十多年前就已經(jīng)在談?wù)摰脑掝}。在今天關(guān)于 AI 的海量對話中，我們都在思考：什么是“主體性（agency）”？什么是“同理心（empathy）”？在設(shè)計這些技術(shù)工具時，融入這些理念意味著什么？最根本的是，技術(shù)究竟該如何去“增強(qiáng)（augment）”人類，而不是“取代”人類？

Eric 不僅僅是在寫這些東西，他也在身體力行。曾經(jīng)有人告訴我，他在微軟指導(dǎo)過的門生（mentees）比公司里的任何人都多。他的行事風(fēng)格充滿了善意。帶著這份敬意，我想歡迎 Eric Horvitz 和 Sarah Soule。

Sarah A. Soule（斯坦福商學(xué)院院長）：非常感謝 Jennifer 剛才那段無比慷慨的介紹。Eric，能和你坐在一起對話，看到這么多感興趣的學(xué)生、教職員工齊聚一堂，真是一件令人愉悅的事。歡迎大家來到這場爐邊談話。

Eric Horvitz：謝謝你們邀請我。

Sarah A. Soule：我們非常高興。Eric，我想先從你過去曾說過的一個觀點開始。你之前描述過，我們正處于一個快速轉(zhuǎn)型的時刻，并且這將是人類生存軌跡中，極少數(shù)能從根本上改變發(fā)展方向的“罕見快速轉(zhuǎn)型期”之一。我想問你，如果你從現(xiàn)在起往回看——假設(shè)站在 20 年后往回看，你認(rèn)為后人會如何銘記我們現(xiàn)在所處的這個時期？

Eric Horvitz：你提到“20 年”，這很有意思。我經(jīng)常思考的是，如果站在 700 年后的時間點往回看，歷史書上肯定會給這個時期專門命名。書里會有圖表，會用某些特定的色彩來描繪這個時代，它肯定會有一個專屬的名字——雖然我現(xiàn)在還不知道那名字會是什么。

至于 20 年后，這很有趣。當(dāng)我聽到“20 年”這個時間跨度，我腦海中浮現(xiàn)的是其他通用目的技術(shù)（general-purpose technologies），比如電力和蒸汽機(jī)。

你知道，蒸汽機(jī)大約是在 1769 年或 1770 年左右出現(xiàn)第一批可用發(fā)明的。但直到大約 100 年后，它們才真正進(jìn)入并在工業(yè)界展現(xiàn)出變革性的力量。電力大概是在 1880 年代出現(xiàn)的，然后它也是經(jīng)歷了數(shù)十年的慢慢滲透，才真正產(chǎn)生了廣泛的影響。

所以，我可以承認(rèn) AI 的發(fā)展速度可能會比蒸汽機(jī)或電力快得多——尤其是現(xiàn)在我們都已經(jīng)“通電”了，基礎(chǔ)設(shè)施都在那里。但我認(rèn)為，20 年后我們回顧現(xiàn)在，會把這個時期看作是一個“早期部署、早期實施”的階段。

在這個階段，會有很多人關(guān)注：在這個時期里，人們到底有多么深的遠(yuǎn)見？有多么強(qiáng)烈的焦慮？又有多少期望？

我不認(rèn)為在蒸汽機(jī)或電力崛起的時代，會有這樣一群觀眾坐在這里聽這樣一個關(guān)于技術(shù)未來的話題；或者像飛行技術(shù)的誕生之初，我也不認(rèn)為有很多人去深入思考我們是否應(yīng)該確立規(guī)范——比如，我們是否應(yīng)該從這些飛行器上投擲燃燒裝置？而現(xiàn)在，我們正在進(jìn)行各種各樣有趣的深思熟慮，看到大家對“如何引導(dǎo)這項技術(shù)”如此感興趣，這真的很讓人感到溫暖。

所以我想，回顧過去，我們會說：“哇，那就是一切開始的地方。”但即使是 20 年后，我們依然會處于一個快節(jié)奏的轉(zhuǎn)型期，我不認(rèn)為一切會在 20 年內(nèi)就完全收斂并塵埃落定。

Sarah A. Soule：我非常高興你能成為目前這些討論和深思熟慮的一部分。我也希望，在 20 年后，人們會認(rèn)為你是這個時代的英雄之一。

Eric Horvitz：哦，我倒不奢望走那么遠(yuǎn)（笑）。只要我做出的貢獻(xiàn)能在沿途幫到大家，讓事情變得好一點點，我就很樂意被大家遺忘了。

Sarah A. Soule：既然談到了如何讓事情變得更好，全國各地、甚至全世界的學(xué)生，現(xiàn)在都在聽到很多關(guān)于“確保自己具備 AI 素養(yǎng)”的建議。事實上，我們在 GSB 的 AI 倡議一直非常有針對性地通過一些工作坊（包括今晚由 Celeste Bean 舉辦的）來確保這一點。

你參與了許多跨越工業(yè)界、政策界和學(xué)術(shù)界的辯論與討論。針對目前的情況——在一個知識和能力正輕易被 AI “商品化（commoditized）”的世界里，你會給我們的學(xué)生（無論是 MBA 還是本科生）什么建議？他們現(xiàn)在應(yīng)該投資學(xué)習(xí)什么？此外，對于那些在當(dāng)下這種飛速變化中感到真切焦慮的學(xué)生，你有什么最好的建議？

Eric Horvitz：首先我好奇的是，想聽聽在這個極其特殊的歷史時刻，你們腦海中那種焦慮與興奮交織的狀態(tài)到底有多強(qiáng)烈。這真的是人類歷史上的一個頂點（vertex）——你們正在經(jīng)歷、觀察、吸收這些正在發(fā)生（以及可能發(fā)生）的變化，并且討論這對你們的職業(yè)生涯意味著什么。

尤其是在一個教育項目中，特別是在商學(xué)院的 MBA 項目里——這里有來自不同背景的學(xué)生，但 MBA 項目本質(zhì)上源自彼得·德魯克（Peter Drucker）的世界，它關(guān)乎將商業(yè)視為一門科學(xué)，關(guān)乎如何引導(dǎo)和思考生產(chǎn)、價值與利潤。

我的第一反應(yīng)是，對于人們（包括管理和商業(yè)領(lǐng)域的人）來說，思考如何將這些技術(shù)初步部署下去，存在著巨大的機(jī)遇。

回到我之前的評論：人們最初其實并不知道如何在工業(yè)中部署電力。你們可能見過那些老照片——一個巨大的中央滑輪，連著無數(shù)根皮帶，笨拙地向各個工作臺輸送動力，人們甚至不愿意去思考是否應(yīng)該為每臺機(jī)器配備獨立的電機(jī)。這只是一個隱喻，說明我們在面對現(xiàn)在的技術(shù)時，需要做大量的思考。

我們面臨著一種“阻抗失配（impedance mismatch）”——即商業(yè)流程、組織結(jié)構(gòu)及其運作方式，與這些底層基礎(chǔ)技術(shù)、核心生產(chǎn)力技術(shù)之間的錯位。思考如何將這些自身也在不斷進(jìn)化的 AI 技術(shù)交織融入進(jìn)去，是一項巨大的工程。

在我們的腦海中，我們還需要對“AI 到底是什么”建立一種感知。對我來說——我 80 年代中期在斯坦福大學(xué)，1990 年完成了博士學(xué)位——AI 是一幅極其豐富的掛毯，是一個由各種技術(shù)組成的星座。盡管現(xiàn)在大家都在將其同質(zhì)化，言必稱“深度神經(jīng)網(wǎng)絡(luò)”以及它們在頂層是如何被訓(xùn)練的，但它依然是一幅廣闊的圖景，隨著時間的推移，它會變得更加細(xì)分。

所以，這不僅僅是思考“Claude、ChatGPT 或 Gemini 將被如何使用”。本質(zhì)上，你需要更深入地了解這項技術(shù)，理解“深度思考”、“決策制定”、“管理”、“監(jiān)督”和“創(chuàng)造力”的機(jī)會在哪里。這才是推動我們走向 20 年后，甚至走向前面提到的“700 年后”的動力。這是一個非常豐富的機(jī)會空間。

所以我建議：找到你的熱情所在，深入挖掘你的熱情，思考AI 的相關(guān)性；走向跨學(xué)科（interdisciplinary），因為你必須以更廣闊的視角思考；然后看看現(xiàn)在人們在做什么，努力超越當(dāng)下的炒作，去真正融合并應(yīng)用它。

Sarah A. Soule：我很喜歡這個觀點。這也觸及了我們在幾周前的預(yù)備電話里談到的事情。我們在思考，我們需要為學(xué)生提供什么。我經(jīng)常跟學(xué)生說，當(dāng)他們被允許保持好奇心并試圖滿足這種好奇心時，他們就處于最佳狀態(tài)；而當(dāng)我們的教職員工帶著好奇心提出有趣的科研問題時，他們也處于最佳狀態(tài)；當(dāng)我們的員工帶著好奇心與師生互動時，他們同樣處于最佳狀態(tài)。這就是我們建立我們想要的文化的方式之一，這同樣需要慷慨的精神，需要彼此寬容并互相給予恩典，我們需要將這些融入到文化中。

在幾個星期前我們交流時，你談到了很多關(guān)于“好奇心”的內(nèi)容，現(xiàn)在你又提到了。你能否展開講講？因為我想大家都會很感興趣：在這個 AI 時代，你如何看待“人類與 AI 協(xié)作”作為一種推動人們解決他們以前無法處理的問題和想法的方式？

Eric Horvitz：我一直熱衷于思考計算機(jī)如何幫助人們進(jìn)行認(rèn)知、解決問題和探索。幾十年來，這一直是我的熱情所在。“人類與 AI 的協(xié)作”這個詞在大概 23、25 年前還是個很奇怪的概念，那時我們開始展示一些技術(shù)，清晰地描繪了這種機(jī)會空間可能是什么樣子的。

根據(jù)我們對人類認(rèn)知基底（cognitive substrate）的了解，什么是邊界？認(rèn)知心理學(xué)家通常會描述我們在能力上的差距，作為人類我們的優(yōu)勢是什么。

當(dāng)然，我們在很多方面各不相同，但有一個我們多年來逐漸了解的人類共性基礎(chǔ)。早年我在想，建立一個能深刻理解這一點的計算系統(tǒng)，知道應(yīng)該在哪里介入、在哪里支撐、在哪里退后，并且在此基礎(chǔ)上不僅應(yīng)對互補(bǔ)性的挑戰(zhàn)，還能理解“主動性（initiative）”——計算系統(tǒng)何時應(yīng)該向前一步，何時應(yīng)該退后？人類駕駛員何時應(yīng)該理解如何以及何時使用這些機(jī)器，以增強(qiáng)自身的探索能力、獲取答案以及更廣泛地解決問題？

現(xiàn)在回想起來，這真是太美妙了。看著現(xiàn)在的技術(shù)，有些人正在學(xué)習(xí)如何使用像 GPT、Claude 和 Gemini 這樣的通用工具來適當(dāng)?shù)亍疤崾荆╬rompt）”它們，并把自己置于“駕駛員”的位置——他們帶來目標(biāo)，帶來非常人性化的一套目標(biāo)體系、偏好、好奇心和方向，然后利用這些系統(tǒng)作為向?qū)АＭㄟ^引入新的效率來進(jìn)行模擬、探索，擴(kuò)展可能性的集合，我認(rèn)為這些系統(tǒng)在人與人的互動、國家與國家的互動中會非常有幫助。希望能帶來一場文藝復(fù)興。

你可以將這個領(lǐng)域命名為：材料科學(xué)、生物學(xué)與醫(yī)療保健、教育……挑選你的領(lǐng)域，生產(chǎn)制造、效率等等。我認(rèn)為這些優(yōu)化、整合、證據(jù)收集與綜合、專業(yè)化、泛化以及涌現(xiàn)概念的工具，將改變一切。

智能體（Agent）的崛起與“防偽印章”

Sarah A. Soule：你在那次對話中用了一個很棒的詞。我想是關(guān)于“可能性的邊緣（the edge of possibility）”，對吧？

Eric Horvitz：是的。作為微軟的研究總監(jiān)，我經(jīng)常會對我們在世界各地實驗室的同事說：“你們真的在探索可能性的邊緣嗎？”

我們當(dāng)時會停下來思考那是什么意思。在幾個月或一年前，去探索那些在那個前沿領(lǐng)域被認(rèn)為不僅是不可能、甚至連想都不會去想的事情。

今天，我認(rèn)為一些人正在研究不僅是將如何應(yīng)用像 MedPaLM 這樣的模型于臨床醫(yī)學(xué)，還要看它在你自己的數(shù)據(jù)集、你自己的受眾上的表現(xiàn)。

我最近在美國國家醫(yī)學(xué)院的會議上分享了一個重要秘密：大家聽好了，最大的秘密是，這些醫(yī)療大模型不具備可移植性（not portable）。

你不能只是把它們從 A 醫(yī)院拿到 B 醫(yī)院，然后期望它們能完美運行。多年前我們在傳統(tǒng)的機(jī)器學(xué)習(xí)模型上就發(fā)現(xiàn)了這一點。所以，你需要深入思考：不僅僅是決策制定，甚至包括轉(zhuǎn)錄（transcription），你都要非常清晰地思考潛在的錯誤，思考它意味著什么，以及它在特定環(huán)境下的表現(xiàn)。事實上，未來幾年，這需要進(jìn)行隨機(jī)臨床試驗（randomized clinical trials）來理解這些 AI 工具在醫(yī)療服務(wù)中的真正作用。

我對這些模型展現(xiàn)出的潛力感到興奮，但我們也看到了人們將它們推向我們所謂的“人工智能家族（artificial intelligence family）”的未知領(lǐng)域。

Sarah A. Soule：你能詳細(xì)說說，當(dāng)真實性變得模糊時，尤其是在深度偽造和幻覺面前，我們該怎么辦？

Eric Horvitz：2015 年左右，我開始看到一些零星的跡象。事實上，最早引起我注意的是斯坦福大學(xué)計算機(jī)科學(xué)團(tuán)隊的一個關(guān)于 Deepfake 的展示。他們展示了如何構(gòu)建一個系統(tǒng)，把文字放入一個政治家的嘴里。我當(dāng)時對這印象極其深刻，當(dāng)然大家也都說“別擔(dān)心，這只是一個計算機(jī)視覺/圖形學(xué)的演示。”這些都在實驗室緊閉的大門后進(jìn)行，大家覺得很酷，有人還能就此寫篇博士論文。

但我當(dāng)時做了一個演講，說這件事未來會走向何方。那還是 9 到 10 年前。現(xiàn)在我們就在這里了。

一路上，在微軟內(nèi)部以及在政府和公民社會的各個團(tuán)隊中，我一直在強(qiáng)調(diào)，一旦你創(chuàng)造出這樣的技術(shù)，你就必須進(jìn)行紅藍(lán)對抗，并攻擊它，以確保解決方案本身不會成為問題。

最近發(fā)生了一件事，我們發(fā)布了一份 54 頁的內(nèi)部微軟研究報告，我讓團(tuán)隊進(jìn)行了“紅隊測試”：人們會如何利用這些工具？這讓你認(rèn)為，那些底特律的群眾并沒有真正在歡迎卡馬拉·哈里斯（Kamala Harris），或者反之亦然。我們必須思考其中的可能性。

好消息是，這項研究的最終結(jié)果，是提出了一種被稱為內(nèi)容溯源（media provenance）的高可信度身份驗證方法。簡單來說，就是給攝像頭和麥克風(fēng)捕捉到的內(nèi)容蓋上一個“加密的蠟封（cryptographic wax seal）”。你可以看到這個印章在顯示端的終端是未破損的。

這后來變成了現(xiàn)在的 C2PA（內(nèi)容溯源和真實性聯(lián)盟）標(biāo)準(zhǔn)。這是所有大型科技公司、相機(jī)公司等都在使用的標(biāo)準(zhǔn)。但我們必須走得更遠(yuǎn)，因為一旦你創(chuàng)建了這樣一個有前景的解決方案，你也必須進(jìn)行紅隊測試，攻擊它以確保它確實安全。就在兩天前，我們發(fā)布了一份 54 頁的報告，探討人們?nèi)绾卫眠@些帶有“蠟封”的技術(shù)，讓你誤以為并沒有發(fā)生的事情發(fā)生了，或者反過來。

這也是整個生態(tài)系統(tǒng)需要去思考的：不僅僅是普通的特異性和敏感性、診斷的準(zhǔn)確率，還要思考一旦這些系統(tǒng)被部署，會有哪些極其災(zāi)難性的失敗。

此外，還有智能體市場（Agentic Marketplaces）的問題。十年內(nèi)，如果存在買賣和中間過程的代理人（proxies），而我們各自都有自己的代理人，這將形成一個由智能體互動的完整經(jīng)濟(jì)體。

我們最近發(fā)表了一篇關(guān)于“即將到來的智能體市場”的論文。我們開發(fā)了一個模擬工具，你可以下載并進(jìn)行實驗。我們觀察當(dāng)我們釋放出原型的 Agent 去購買、出售和安排日程時會發(fā)生什么。

如果你把這些工具放出去，卻不思考關(guān)于人類主體性和自我尊嚴(yán)的深層問題——不把它們設(shè)計成注重保護(hù)和培育人類自主權(quán)、個體性與智力的機(jī)器，那是很危險的。這也是為什么目前公眾有如此強(qiáng)烈的焦慮。這種焦慮是有道理的。

醫(yī)療與科研：AI 不能“即插即用”

Sarah A. Soule：好的，我想現(xiàn)在是我們開放給學(xué)生提問的好時機(jī)。我們有話筒傳遞員，如果有同學(xué)想提問，請舉手。

Serena（MS/MBA 學(xué)生）：非常感謝您今天能來。我是 Serena，是管理科學(xué)與工程系的碩士生，本科也是數(shù)據(jù)科學(xué)背景。我想問的是，隨著我們邁向下一階段的 AI 部署，您認(rèn)為在模型評估、安全評估，特別是 AI 生態(tài)系統(tǒng)的治理和新興標(biāo)準(zhǔn)方面，最重要且懸而未決的問題是什么？

Eric Horvitz：關(guān)于這個問題，我有很多想說的，但我先從這一點開始：對于所有大語言模型的狂熱慶祝和大量投資，我們目前其實不知道如何對它們進(jìn)行概率上的校準(zhǔn)（calibrate them probabilistically）。

這些系統(tǒng)被用于在決策環(huán)境中提出建議。在這樣的環(huán)境里，世界必須提出要求：“如果你要說些什么，我需要一個關(guān)于它真實性的概率（probability of its truth）。我需要你有良好校準(zhǔn)的置信度。”

對我來說，在更安全的系統(tǒng)中，這將會大有作為，因為我們就可以把這些輸出整合到我們自己的效用函數(shù)（utility functions）中，或者說成本收益模型中，并理解如何使用這些系統(tǒng)，以及在評估時如何認(rèn)真對待它們。所以除了安全性、控制等問題之外，我最近在想，在廣泛的筆刷下，我們投入了大量的時間和精力在安全問題上——包括測試指標(biāo)、評估，我們也與斯坦福的團(tuán)隊在諸如 MedHelm 等臨床醫(yī)學(xué)指標(biāo)上合作，以衡量這些系統(tǒng)的表現(xiàn)——提出了一些有趣的工具來保證這些通用模型的安全，確保它們生成的內(nèi)容的安全。

但我認(rèn)為，目前真正的盲點在于如何實現(xiàn)概率校準(zhǔn)。這對于高風(fēng)險決策極其重要。

Ulugbek（醫(yī)學(xué)院學(xué)生）：您好，我是 Ulugbek，醫(yī)學(xué)院的學(xué)生。我的問題與 AI 在醫(yī)療保健中的日益普及有關(guān)。您認(rèn)為我們在醫(yī)療領(lǐng)域面臨的主要挑戰(zhàn)是：提升 AI 模型本身的性能，還是改善機(jī)構(gòu)利用 AI 進(jìn)行決策的方式？

Eric Horvitz：我明白你的意思，你是問如何在“提高模型表現(xiàn)”與“改善機(jī)構(gòu)決策”之間做區(qū)分。

這絕對是相互依存的（interdependent）。如果你在診斷和治療規(guī)劃方面擁有更高性能的能力，那這些考慮在機(jī)構(gòu)如何融合、應(yīng)用這項技術(shù)上就變得非常核心。

我的直覺是，那些表現(xiàn)出色的模型通常并不能做到完全便攜。如我所說，你不能指望它們在不同醫(yī)院間“即插即用”。過去幾年我們發(fā)現(xiàn)在傳統(tǒng)的機(jī)器學(xué)習(xí)模型中，表現(xiàn)極佳的模型在換了環(huán)境后就不行了。這就要求我們在本地機(jī)構(gòu)有能力在本地數(shù)據(jù)上進(jìn)行微調(diào)和校準(zhǔn)，以確保模型在特定人群和特定工作流中實際有效。

所以，不僅是單純的性能，還涉及到這套系統(tǒng)的“適應(yīng)性”。其次，如何利用它們來協(xié)助決策，而不會引發(fā)意外的偏見或加劇現(xiàn)有的不平等，這也是醫(yī)療機(jī)構(gòu)必須在制度層面建立的護(hù)欄。

Ben（MBA 學(xué)生）：您好，我是 Ben，商學(xué)院 MBA 學(xué)生。我想問一個關(guān)于您之前提到的“蒸汽機(jī)和鋼鐵”的比較。您說即便 20 年后，我們可能仍在經(jīng)歷有意義的、甚至是地震般的巨變。您如何將這一點與目前大量涌入該領(lǐng)域的興奮、炒作和資金結(jié)合起來？您是否認(rèn)為大多數(shù)人同意您的觀點，即我們正在玩一場真正長期的游戲？還是您認(rèn)為我們會看到短期的地震級轉(zhuǎn)變，同時也要期待長期的價值顯現(xiàn)？

Eric Horvitz：謝謝你提出這個非常有洞察力的問題。我想我們必須為驚喜（surprises）做好準(zhǔn)備。

驚喜在于，AI 在某些方面的移動速度將遠(yuǎn)超我們的預(yù)期，而在另一些方面，其移動速度又會比我們想象的慢得多。取決于你關(guān)注的是哪個維度。

我預(yù)計，在解決一些我們過去認(rèn)為極其困難、可能需要幾十年才能解決的長期科學(xué)挑戰(zhàn)上，我們將看到突破。我們已經(jīng)看到了 AlphaFold 這樣的例子，在生物學(xué)和醫(yī)學(xué)上，AI 將極大加速新藥的發(fā)現(xiàn)、疾病的理解，甚至治愈某些頑疾。在這些領(lǐng)域，它可能帶來的“地震”就在眼前，或者在接下來的 10 到 15 年內(nèi)。

但在另一方面，日常工作流程的改變，人類社會組織架構(gòu)對這項技術(shù)的吸收——這種屬于“社會技術(shù)（socio-technical）”范疇的事情，往往會慢得多。因為這涉及到改變?nèi)说牧?xí)慣、改變法律、改變權(quán)力和利益的分配。所以，盡管資金和熱情瘋狂涌入，期望在短時間內(nèi)看到所有商業(yè)模式被顛覆，但這其中必然充滿摩擦。這也是為什么我反復(fù)強(qiáng)調(diào)“阻抗失配”。

我們應(yīng)該準(zhǔn)備好迎接一場長期的轉(zhuǎn)型。那些純粹為了短期的、吹噓性質(zhì)的炒作而投入的資本，可能會面臨失望。但對于那些致力于在科研突破、醫(yī)療革新以及建立真正安全的 AI 基礎(chǔ)設(shè)施上進(jìn)行長期投資的人來說，這種價值是無法估量的。

希望有一天，我們能迎來一個“關(guān)懷經(jīng)濟(jì)（caring economy）”的崛起，而不是一個純粹由機(jī)器主導(dǎo)的效率社會。

（投稿或?qū)で髨蟮溃簔hanghy@csdn.net）

未來沒有前后端，只有 AI Agent 工程師。

這場十倍速的變革已至，你的下一步在哪？

4 月 17-18 日，由 CSDN 與奇點智能研究院聯(lián)合主辦「2026 奇點智能技術(shù)大會」將在上海隆重召開，大會聚焦 Agent 系統(tǒng)、世界模型、AI 原生研發(fā)等 12 大前沿專題，為你繪制通往未來的認(rèn)知地圖。

成為時代的見證者，更要成為時代的先行者。

奇點智能技術(shù)大會上海站，我們不見不散！