从历史经验看AI的方向

文章转载来源：AGIing

作者：孟庆祥

图片来源：由无界 AI生成

2022年末，网络上开始疯传Open AI Chat GPT与人的对话，宛若真人之间的聊天一样丝滑。然后，开始一个关于AI、大模型的炒作，创新，创业活动已经红火了一年，还没有看到实际的应用成果。人们就在琢磨这东西怎么发展？

最近几十年，这种故事太多了，也沉淀下来一些规律、经验和教训。随便回顾总结一下就是1万字，个把月的时间，写一本10万字的书也不用掺三聚氰胺凑字。但是，谁看呢？生产一种卖不出的商品不是徒劳吗？你懒得看，我就懒得写，争取2000字写一个梗概出来就完了。

（一）人们困在思维、技术、需求中

世间的实用事物就两个难点：有明确需求的技术上解决不了；有技术的不知道需求在哪里。

有明确需求但技术解决不了的有医学、各种代替人工的商用机器人、更好的能源等等。

有技术但需求不明确的主要是ICT技术，与计算机代码相关的行业。

谁能够在一个方向上找到一点突破的缝隙，必然引来千军万马尝试。

石墨烯已经发现了20年了，从制备到应用多路径、多梯次探索了好几遍了，还是没有挖到价值点。

2004年，马斯克搞电动车的时候，锂电池的能量密度只有现在的1/3到1/4，价格则是现在的5~10倍。而且，在当时看来，电池的能量密度是很难提高的。到了2014年左右，看到了电池能量密度提升的技术可能性，于是，中国很多公司涌进了这条赛道。

2007年，iPhone发布后，采用和计算机一样的上网技术，又推广了APP模式。几年之后，众多公司探索移动互联网的各种应用。今天成就了几个大公司、开发出了几个大应用，一将功成万骨枯。几乎任何一次技术或者需求上凿出一条缝隙，都会千军万马涌进，都会一将功成万骨枯。

mRNA疫苗大家都认为不可能，卡里科极其苦逼的凿了40年，搞定了。接下来，mRNA这条技术路线就会有大把人和钱进来，直到阶段性的山穷水尽。

AI是很早孕育的技术，早期进展缓慢。

AI识别语音，搞了一小波，识别图像搞了一个中波段，收效都很小。

人们始终困在技术中，需求中，更重要的是困在思维中。

（二）杠杆点还在需求上

从互联网到移动互联网，再到各个公司的成败，各个具体应用的成败，在细化到细枝末节，最末端的小人物、个体户，关键在于谁抓住了有效的需求谁就成功。

抓需求的方法到现在仍然没有有效的方法论，主要是还是实践，谁拍的小片子、生产的内容、带货的方法更符合群众的胃口，谁就赚到了钱。

这一轮以语言大模型，到绘画到动画为突破口的AI。显然，举例这项技术近的是内容的生产，就是AIGC，人工智能产生的内容。

但消费者还是大活人，这一点很重要。你可以生产无穷无尽的内容，那么人到底会为啥买单呢？

简单地分类，内容可以分为用于生产性的内容和用于消费的内容。

用于生产的内容，就是我们在学校里，在公司里被威逼利诱学习的那些东西，数理化、工程、科技、管理等等，这些内容全都枯燥、反人性，通过胡萝卜大棒才能搞定。只有少数人天然喜欢这些东西，他们是人类的引领者，是雷锋。如果AIGC的内容是用于生产的，必然是一个个的碎片市场，就像过去的2B应用，2B软件，可以找到一个细分市场做个小公司，成功概率略大。

做2C内容，必须是爽的，上瘾的，三俗的，有故事的，有新闻性质的。这东西从早期的电影，电视，到现在的网络，已经探索了无数遍了。用于消费的信息必须没用。古往今来，多少牛逼人像把有用和有趣结合起来，寓教于乐，其实都是搞不定的。这是矛盾的事物，就像你无法调和黑白一样。

做2C是大赛道。过去有PGC，UGC，OGC等，用户感兴趣的逻辑始终是不变的。现在的AIGC如果能搞定这个，它的产量和生产内容的成本是人的肉身无法比拟的。AIGC在2C领域必然产生巨无霸应用。抖音搞定了UGC，通过大量人肉矿渣投入大量成本，获取巨大流量，然后他收一把流量税。到了AIGC时代，留不需要人肉矿渣了。

AIGC距离这步远不远？挺远的，现在GPT回答各种东西是比较强的，起码言之成理，全面。但它只是一个搜索引擎的变种，能现编一些内容而已。它被动提供内容的属性是没有变化的。要想真的全自动AIGC，它必须主动生产内容，有计划性。现在AI还没有展现这个可能性。干这个事情，除了撸技术以外，必须广泛深入的研究人的需求，研究三俗，研究上瘾。让这个研究成果给AI赋能，税做的好，税成功。这是广大大模型公司忽略的一点，其实这一点才是胜负手。

如果AI能有计划，主动生产内容。那它就有相当于有意识了，然后就会带来更大的问题。但必须向这个方向前进，不可阻挡。

做有用无趣的生产型内容，不一定用大语言模型，谷歌用Alpha Fold分析蛋白质结构，后来有用类似的技术设计材料，成果呼之欲出。这些都是大语言模型之前的技术路线。