智能创作

这届的AI故事，还能讲多久？

2024 年 9 月 14 日

今年年初的时候，我给我爸妈演示了某款面向C端市场的AI产品。他们之前几乎没有接触过任何形式的AI大模型，所以当我给他们谈起现在的AI技术有多发达的时候，他们还以为这不过是siri这种语音助手的变种。

但在我通过语音通话的形式给AI提出问题并得到非常自然、流畅的回答后，我爸妈整个就震惊到了——他们用一种不可思议的目光看着我，问出了一个经典的问题：

“刚才和你对话的那个，难道不是真人吗？”

AI数字人示意图

在我让他们尝试玩了几次之后，他们才终于确信：原来刚刚真的是在和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。甚至一个星期后，我爸还在给我分享他让AI写的诗、画的画。

然后，就没有然后了。

因为这款AI产品带来的新鲜感已经淡了。

最近几天，科技圈子里最热门的话题应该是被称作“科技春晚”的苹果iPhone发布会。

但显然，苹果的“科技春晚”和“春晚”一样，吸引力已经大不如前了——再也不复当年iPhone5S发布时候的那种盛况——反倒是华为的三折叠手机引起了不少讨论。

可能这就是一个面向消费者的市场的残酷性所在：消费者是很容易喜新厌旧的，如果你不能持续带来新的东西，那么很快，你的市场就会被竞争对手所蚕食——支撑iPhone当年地位的是前所未有的创新体验，但现在，随着整个智能手机供应链的崛起，各家的产品都已经来到了一个相当高的层次——iPhone可能再也不会给我们带来当年的那种新鲜感了。

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

就在上周末，一张来路不明、显示Chat-GPT访问量断崖式下跌的图就引发了华尔街的一阵动荡，紧跟着就是英伟达、谷歌、亚马逊、Meta这些AI企业的股价下跌。

网图，似乎是个大乌龙

虽然最终被证明是乌龙一场，但这种鸡飞狗跳的画面也挺搞笑的：

如果你真的坚信AI是未来，

又怎么会被一张来路不明的网图所蛊惑？

你对AI的信仰，

原来如此脆弱吗？

今天，我们就来聊聊：现在这个版本的AI故事，究竟还能讲多久。

“低端需求”

我曾经遇到过一些闪婚的情侣：初见的时候什么都好，朋友圈里全是什么“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，私下喝酒时候，他们就开始给我吐槽各种琐事和争吵。

人还是那俩人，都是好同志，

但场景变了，现在真的要事儿上见了。

因为现实生活里的问题，实在是太多样太具体了：换下的衣服及时清洗了吗？厨房的碗筷洗干净了吗？菜买多了还是买少了？昨晚为什么没有把垃圾扔出去？宠物最近饭量下降了是不是要去医院看看？中秋节假期快要到了，是不是要回老家看看爸妈……

这些零散、琐碎、不涉及大是大非的问题，却往往能导致一场火爆的争吵，而案值往往不超过20元。

当事人往往会觉得自己瞎了眼了，但我们都知道，这并不是眼瞎不眼瞎的问题：

新鲜感过了，你开始用另一种更务实的KPI体系去衡量对方了，不再是热恋期那样单纯看脸或者看性格了。

我们对当前这一波由Chat-GPT所引领的生成式AI的态度，其实也是如此。

一年多前，当Chat-GPT刚刚面世的时候，整个世界都为之惊叹——因为它确实体现出了强大的智慧，它真的可以理解我们在说什么，还能像模像样回答问题，还能和我们聊的有来有回，尤其是处理翻译任务的时候，大模型几乎吊打一切翻译软件。

但很快，整个市场就充满了竞争者。

大模型终究不是光刻机，Chat-GPT证明了生成式AI的未来后，潜伏的竞争者们立刻就一拥而上——不论是美国本土的Claude.ai还是中国的文心一言和通义千问，从技术到体验，都迅速跟上了Chat-GPT的节奏。

然后，我们和AI的“热恋期”也就到此为止了，因为我们也要用一套更务实的眼光来看AI了。用更专业的说法就是，大家对AI的态度正在“回归理性”。

然后，大家才发现：原来AI也不过如此。

当下的AI，似乎只能处理我们的“低端需求”：

我曾经让AI帮我出一个文章大纲，它反应倒是挺迅速，从原因到影响给我列了几十条出来，但根本经不起细看，因为它完全没有主次的概念——我那篇文章的重点就是去讲述事情背后的原因，结果AI把原因分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。因为菜单上的背景图画一眼看上就去就知道是AI的手笔——又把人物的手画成麻花了。

我也曾经试着让AI帮我仿照王维的风格写一首“气质清冷”的诗，结果AI马上就给我端上来一个“老干部体”，吓得我赶紧关了。

至于AI谱曲更是离谱，反正我自己作词让AI帮我编了曲之后，听了三秒就把耳机扯下来了，实在太TM尴尬了，我这种脸皮薄的人如果再听一分钟估计就直接进ICU了。

……

用我朋友对AI的形容就是：每次用AI辅助工作，给他的感觉都像是在给一个刚出校园的实习生布置任务——年轻人是真的勤奋又听话，就是脑子不太好，活儿干的太糙了，只能做最些最基本的事情。

大模型厂商们总是在忧虑DAU和使用时间的问题，不得不说，他们的担心是有理由的。以当下诸多AI产品在现实中的运用体验来说，确实很难让人把AI当成可靠的工具或者相熟的搭档。

AI落地，应该成为工具，而不是玩具，AI应该作为我们打工人的老师傅，而不是还需要我亲自去“传帮带”的实习生。

瓶颈期

为啥这一届的AI产品只能满足一些低层次需要呢？为啥感觉AI似乎也不过如此呢？

这件事，还是要从底层的技术原理上来讲。

以Chat-GPT为例，打造一个像Chat-GPT一样的大语言模型，大概需要如下几个环节：

首先你需要海量的数据，可以是各种小说，可以是各种新闻，也可以是各种视频、音频，但总之，你需要准备一个足够大的“语料库”让它去学习，而且为了提高它的学习效率，你还要把这些资料都给做成标准化的数据，让模型能更好接收。

之后，像Chat-GPT这样的大模型基本都是基于Transformer架构，这种架构我们就不多说了，说起来太复杂，我们只需要知道，这种架构的用途在于它可以按照我们人类说话的语法去输出内容，某种意义上相当于是AI的语言中枢和喉舌。

接下来，就是通过各种技术去训练AI，再经过参数调整和一些优化，最终让它能理解我们输入的信息并做出合理的回复。

但是要注意，“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候，我通常只会会他一串“哈哈哈哈哈哈”或者单走一个“6”，心情不好了就会回一个“有病吧”。但AI往往会故作礼貌、煞有介事地来一句“这真是一个非常有趣的图片”。

前者虽然不合理，但却很真实。

后者虽然很合理，但却非常不真实。

造成这种尴尬的根本在于其开发的方式：

GPT们采用的是Transformer架构，相比起以前的RNN架构，Transformer能够更好地理解单词和单词之间的顺序关系，可以让大语言模型的训练速度显著提高，而且能够判断出一句话里到底哪个词更重要，从而实现像真人一样“有的放矢”。

乍一看好像没啥毛病，但经不起细琢磨。

因为翻来覆去，GPT们做的事情都是在语言上下功夫，在不停地“猜字谜”，而不是在认识世界。

表现在实际运用中就是：你让GPT去做翻译工作，它可以做到99分的水平；但如果让它去解答你的一些疑惑，可能表现就只有六七十分了。

简单粗暴点来说就是：我说天冷了，AI自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暖和，而是在它的训练资料里，“天冷”和“秋裤”这俩词总是一起出现——它其实并不知道天冷了该怎么办，但它知道只要你说天冷了，它回一句“穿秋裤”大概率就能过关。

和某些兄弟们常说的“多喝热水”差不多是一个意思。

说到底，这就是AI大模型开发技术上的一个通病：AI的确能理解我说的每一个字，也的确能做出合理的回答——但它做出回答的前提，并不是基于对事物发展规律的认识，而是通过海量数据的学习、通过MLM这样的“猜字谜”训练，给出了一个“看上去还挺靠谱”的回答。

AI视频产品在这个问题上表现得尤其露骨，AI生成的视频虽然有时候在画面细节上可以做到极度仿真，但一旦涉及物理效果就会立刻把猴子屁股露出来——它并不能理解真实世界里的物理碰撞会造成什么结果，它只是在猜你想看什么罢了。

Chat-GPT现在已经进化到了5.0版本（虽然还没有正式上线），功能上当然是一代更比一代强，但这种增强的基础，是它猜字谜的速度越来越快，猜字谜的强度越来越大，而不是真的增长了智慧。

这届AI的故事，还能讲多久？

业内对于这个问题的应对措施，则是祭出了另一种完全不同的思路——强化学习（RL）。

如果说“深度学习”的能力是在于理解语言，在自然语言处理、语音处理上可以表现优异，那么“强化学习”则更像是在学着理解真实世界——外界不会给系统什么指示，系统要自己试着去探索、去尝试，然后在这个探索的过程里获得知识，进而让自己越来越强大。

在这个过程里，系统追求的是让“奖励信号”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“奖励信号”，做的越好，“奖励信号”就越大，为了获得更大的“奖励信号”，系统就要自己学着做出更好的决策。

用更形象一点的话来描述就是：

AI相当于学生，人类则是老师——基于“深度学习”的AI们，它们的用着“人类教师”提供的“数据集”，在学习过程中，也要时时刻刻受着“人类教师”的监督——符合“人类教师”口味的，就会被鼓励，不符合“人类教师”口味的就会被抛弃。

而基于“强化学习”的AI们，则更像是自学成才，“人类教师”只是领进门，修行就要靠它们自己努力了。在很多时候，它们是没有什么“学习资料”或者“监督指导”的，“人类教师”给他们的命令就是不停学习，至于能学成什么样子，其实“人类教师”心里也没底。

所以，我们可以看到：

基于“深度学习”的AI们，在语言理解、语音理解、图像理解上表现极其优秀，因为这些东西的定义权掌握在人类手中，人类随口的一句话，落在AI耳中就如神谕一般不可否定——AI们要做的就是无限贴合人类的口味，让自己表现得和人一样。

而基于“强化学习”的AI们则往往在和人类比高低，不论是自动驾驶系统教育老司机，还是AlphaGo打哭柯洁然后又被AlphaZero打爆，其实都反映出了一个结果：“强化学习”下的AI们，往往能够做的比人类更好——因为人类要吃饭睡觉，但AI不用，在高性能芯片的加持下，AI训练一年所见识过的棋局、游戏，往往比一个职业棋手、职业电竞玩家十辈子见过的都多。

毕竟，根据OpenAI自己的评估体系，像是Chat-GPT这样的AI应用，其实只是最初级的L1水平，不过就是一个聊天机器人、一个有对话能力的AI。而基于强化学习的AI，则能够达到L2级别，也就是能做到和人类一样解决问题的能力。

而现在，我们已经站在了一个关键的时间点上：

因为大语言模型，也开始走“强化学习”的路子了，以后AI说话之前，也要动动脑子了——OpenAI一直在研究的“Strawberry”（草莓）项目，就是一个基于强化学习的大语言模型。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

这届的AI故事，还能讲多久？

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单