关注AI的朋友可以阅读下。作为OpenAI创始成员、曾任特斯拉AI部门负责人，他对这一轮LLM爆发的本质和预期有着深刻见解，尤为精彩的是对强化学习的论述、对AGI至少10年以上距离的判断、“构建动物和创造幽灵”的比喻，以及将人类认知分为不同模块，认为智能体还缺少多个关键能力等观点。
读完更觉得在ChatGPT火爆之初，特德·姜的认知今天看来仍极具预见性：当前LLM只是互联网数据的剪影压缩（“ChatGPT是网上所有文本的模糊JPEG”），是对智能的近似模仿，仅仅够得着“智能”的下限。
从长期使用AI的体验来看，确实，一旦面临多分叉判断、需要灵感在无尽的信息之海中快速定位潜在关联时，AI远不如人意。且步骤越多，偏离越大。
更好的使用方式还是人机协同，让一个有具体know-how, 会问且会判断回答质量的专家，操作AI去定位、处理信息。
上述讨论之所以重要，是因为他们在尝试回应一个本质的问题，这一轮AI发展的路线究竟能将我们带向AGI，还是另一个更加灵巧、更拟人的单词预测器。
这个问题上，重磅专家的重磅观点，对市场心理有着显著影响。去年10月份MIT达龙·阿西莫格鲁的悲观预期，今年MIT NANDA报告指出95%的企业AI投资零回报，都造成过冲击。预期打的越满时越脆弱。
这决定了这轮“泡沫”的含量。如果接近AGI，那今天所有的一切投入、估值都只是九牛一毛，微不足道。如果是另一个单词预测器、自动整理机呢？
我对这个下限情形倒也没那么悲观，因为，正如格雷伯的Bullshit Jobs: A Theory 《毫无意义的工作》提出，我们今天人类可能大部分的白领工作，都在解决扯淡的问题，只运用了人类最低层次的智能。AI似乎完全可以胜任这些浪费生命的工作。
这岂不是好事？
从好处想，这确实可以将人类从其中解放出来，去做更有效的事情。但从坏处想，大部分人缺乏变通，已经深陷其中，无法解放自我了。这些工作本身是另一种形式的救济（让人假装在工作），被AI取代后反而摧毁了一项福利制度。
综合的效果变成，短期内资本的利润提升了，但长期随着分配越来越向资本倾斜，总需求反而回落了。
另外，2000年第一波互联网大爆发，真正开花结果，要等到10年后，尽管当时不少后来的巨头已经崭露头角。如果前方迎来的也是一段阴暗的峡谷呢？那可能韧性真的比爆发力更重要了。
还没有评论，来说两句吧...