Fragments 0x000A

真诚地回复真诚的回复(2)

LY:3、其实用与不用AI都不会阻挡它的发展,重要的是我们的思维模式要有 “Thinking with AI”,让它成为我们思维的延伸和放大器(但不能替代),以前的人与人基于体力脑力可能是10倍差距,以后的人“用与不用AI”可能就是百倍、千倍差距。

这部分我非常怀疑。

用不用 AI 当然会影响它的发展。

可能还仅仅是影响收入,还影响它拿到更多的数据。

但我想更严肃地聊一下,后面说的这个倍数的问题。

回到之前的工业革命,会用电的人有比其他人强出三倍吗?会用电脑的人有比其他人强出十倍吗?

为什么「用不用 AI 会是百倍、千倍差距」呢?

我们现在所有的项目都用 AI,不仅仅用于编程,我们还训练一些不同用途的小模型。

但我没有觉得 AI 是这么厉害的放大器。

人的瓶颈从来都不在内部。

我们先不说创造,创造需要厚积薄发,需要反复摩擦。

光说学习:在没有 AI 之前,要正经学门手艺,不管是琴棋书画,还是投资编程,资料也都是满坑满谷的。

学习的瓶颈一直都在于我们运用头脑身体去习得新技能的速度。

今天,手机里到处是随意拼接,夺人眼球的各种教程,但很可能我们学习能力是下降的。

因为大部分教程的营养远不如靠谱的书(讲道理,视频、播客的信息密度就不如文字):如果没花钱,算是一种娱乐;如果花钱了,算是被贩卖焦虑。

至于各种 AI 工具,比如最近很火的 Jev,我也试了试。

它肯定会很有用。因为:

  1. 虽然分类器是个老技术,但过去的分类器是针对专门的任务训练的,而 Jev 具备一定程度的通用性;
  2. 更重要的是,Jev 给出的是结构化的输出,速度还很快,可以嵌入到很多场景里;

我看有些人用它判断小红书帖子是不是广告,省下自己去筛选的时间;有人把它和输入法打通,根据上下文让大概率选择的词更靠前…

但回到我们的主线,这些东西是不是百倍千倍的放大器?以输入为例,确实有时候我打出的词在提词框里是靠后的,需要再选一下,但是我写东西的瓶颈从来不是这零点几秒的时间,而是我的思路。

其实如何真正习得技能,化为自己主体性的一部分,历史上其实早就有过一些争论,到了启蒙时代大概就已经收敛到了三派。

《新科学》的作者,很多现代学科的奠基人,维柯说,「Verum Factum」,也就是「我造它,我才能理解」。

而培根则说,「Vexationes Artium」,也就是「我搞它,然后我理解」:他搞得很努力,比如在鸡身体里面塞满雪,比如在生石灰里面加水,领先满清十大酷刑很多年。

他们互相看不上对方的观点,但在鄙视笛卡尔这件事上相当统一。

因为笛卡尔说,「Cogito, ergo sum(我思,故我在)」。

多年之后,虽然笛卡尔这句话在排行榜上更流行,但哲学式微,科学走强,出活的基本都是走维柯这条路的。

比如我最喜欢的物理学家费曼,他临死之前还强调说:

What I cannot create, I do not understand.

加个外挂可能没法作弊的核心问题应该就在这里。

在大语言模型刚刚问世的时候,我们大部分人都对它抱着玩具的态度。

随着模型输出的质量越来越好,同时也越来越多,它的产出逐渐超过了大部分人消化的能力。于是 Niklas Gruhn 发现了一种他称为「人肉转发器(meat proxy)」的现象:人们拿到 AI 的产出就直接发给工作的上下游,然后遇到情况又把问题发给 AI 让它解决。

今天用 Fable 或 Astra 当「人肉转发器」的感受已经相当不错,特别是如果再弄一些 harness 让这个「Loop」跑得更好的话:很多时候都不需要人肉来转发,agents 互相就转了。

但如果这样就可以写出像样的软件,公司有什么理由付钱给「人肉转发器」?

幸好,Verum Factum。

就拿软件来说,编码只是它要解决的复杂度里很小的一部分。

编码之前,需要做很多设计上的取舍。就算是最简单的,用户传入一些数据需要处理,也得考虑:

  • 可以并行处理吗?
  • 有顺序吗?
  • 需要放到队列吗?
  • exactly-once 还是 at-least-once?
  • 处理到一半失败怎么办?
  • 需要重试吗?重试多少次或者多久?
  • 用户接受最终一致性还是?
  • 如果某个数据被处理了两次会发生什么?
  • 6 个月内大概有多少流量?
  • …

编码之后?编码之后事情更多。商业化的软件是个需要不断学习的系统:开发需要从失败的测试中,从生产环境的异常中,从被攻击者撬开的保险柜中去学习。运营需要从用户改变的数据中,去了解用户行为,于是这又涉及到可观测性和日志。

随着系统规模的扩大,越来越多的人在一起工作,对代码库的维护需要建立人与人之间互相学习的机制:通过代码评审,通过结对工作,通过 CI/CD,通过更好的可测试性。

同时,在系统上工作的人也越来越多:客户、代理商、运营、产研,我们对系统的改变大量来自于这些角色之间的交互。所以每次有管理层说「为什么不把某某团队的那套东西拿过来弄一套就解决我们的问题」的时,我们会觉得他/她「外行」。

我有一个暴论,就是使用了 AI 之后,其实组织管理的难度是提升不是降低的:这就像打仗,本来有些人火力猛,冲劲儿大,负责冲锋。有些人心思细,想得周全,负责指挥。

今天人手一提加特林,组织不好,不知道有多少子弹要打到自己人背上。

所以,我仍然觉得,AI 不会是百倍千倍的放大器,它甚至都不是胜负手。

一个应该有效的参考指标是,A 社什么时候停止招人,把自己的团队用 AI「提效」了。

Walking Men

艺术家 Maya Barkai 收集了来自世界各地的红绿灯交通信号里面的那个走动的小人,做了个叫 Walking Men 的项目:

我最喜欢布宜诺斯艾利斯的那个,他/她看起来很犹豫,犹豫得让我想要凑上去聊天。

《百年孤独》 与无言之沉重

随着奥德里亚诺·巴比洛搞清楚和自己甜性蜜爱并生下猪尾男孩儿后失血而死的阿玛兰妲·乌苏拉,居然是自己的姑姑(或者该叫姨,不好意思我自己常常搞混姨姑婶孃),整个马孔多就拉着他一起在风中灰飞烟灭。

Netflix 版的《百年孤独》第二季(也是全剧终)的大幕也就此落下。

记得偶像派说过,外国小说读不下去,因为人名又长又相近,看着看着分不清谁是谁。唯独《百年孤独》,一气呵成,反复翻看。读完还有句评价:都是和姑姑谈恋爱,杨过他们的下场好很多啊。

我不确定好很多。

同样是苦命鸳鸯,分隔多年,马尔克斯笔下这对虽然命短,却没有那么多肝肠寸断,聚在一起的日子都非常欢腾。而神雕侠侣,相敬如宾,守到最后,无非「终南山下,活死人墓」。

可能我还是太注重调休质量了。

但谁也不能否认,《百年孤独》吸引人的地方就在于明明讲了个「好就是了,了就是好」的孤独故事,却讲得活色鲜香充满了生命力。

年轻的时候看书,常常觉得奇怪:生命力本来应该是活人都有的,好像很多人却写不出来。

自己有点岁数,继续看继续写,才知道博尔赫斯晚年说的一点不假:

我觉得我读过的东西远比我写出来的东西要来得重要多了。我们都只阅读我们喜欢的读物——不过写出来的东西就不一定是我们想要写的,而是写得出来的东西。

我们有太多没胆量没身份甚至干脆没能力写出来的字,只能假手于人。

但无妨从另一个方向去理解这句话:能好好看,能看懂,而不需要亲自成就,可能是更幸福的状态。

《百年孤独》里也一样:越到现代社会,人们花在「成为」的时间就越多,花在「看懂」的时间就越少。但越是有必须「成为」什么才算数的心境,世界就变得越是黯淡无光。

整部剧里最好的一幕,是上校临死前看到马戏团游行的那段幻象。小说里的原文是:

奥雷里亚诺·布恩迪亚上校没有去栗树下,也走出门外,混在好奇的人群里观看游行。他看见一个女人穿得金光闪闪骑在大象的脖子上。他看见哀伤的单峰驼。他看见打扮成荷兰姑娘的熊用炒勺和菜锅敲出音乐节奏。他看见小丑在游行队尾表演杂耍。最后当队伍全部走过,街上只剩下空荡荡一片,空中满是飞蚁,几个好奇的人还在茫然观望时,他又一次看见了自己那可悲的孤独的脸。于是他向栗树走去,心里想着马戏团。小便的同时,他仍努力想着马戏团,却已经失去记忆。他像只小鸡一样把头缩在双肩里,额头抵上树干便一动不动了。家里人毫无察觉,直到第二天上午十一点桑塔索菲亚·德拉·彼达去后院倒垃圾,忽然发现秃鹫正纷纷从天而降。

剧组在五彩缤纷的热闹中故意用了高饱和度的平缓长镜,配乐也相当好,拍出了大卫·林奇的《蓝丝绒》里那种带着些妖媚的沉坠质感:

但我当时脑子里响起的,是 Linkin Park 的《Final Masquerade》: