很久之前,人们就发现了一种现象:真正的创新成果往往出现在人们的预料之外。我发现了这种现象背后的奥秘:理想的创新目标往往实现不了,现实的创新目标往往与理想一致。创新者往往需要对原始的目标进行变通,才能找到合适的目标。我曾在前文提到:悲观者往往正确,是因为悲观者看到本质的困难、知道理想的目标无法实现;但乐观者却往往能够成功,这是因为乐观者能够想到变通的办法、或者在坚持的过程中熬到外部环境的改变。
6、7年前,上海有个区要建人工智能产业园。我当时认为:人工智能是一种重要的算法,可以是一种核心技术、可以用在很多地方,但却不是解决具体技术问题的,本身不应是个产业。我举了个例子:数理统计是不是一个产业?运筹学是不是一个产业?现在看来,这是“悲观者的正确看法”。
在商业上成功的AI公司,就属于“乐观者成功”。他们为什么会成功呢?我意识到:有些技术刚开始时,专业分工不是太细,但可以解决很多问题、并获得商业价值。这时,也可能形成一个行业。比如,若干年前的乡村的铁匠,会打造农具、打铁锅,还会造铁锁。那时的铁匠,就是一个行业。但是,技术发展到一定程度时,这些技术会与具体的产品结合。通过这种方式,会形成真正的行业。比如,现在造农具、造炊具、造锁具已经是不同的行业了。所以,传统的铁匠现在就消失了。所以,通用技术成为产业,在技术发展的过程中是会产生的。
AI可能就是这个样子。最初的AI是科学、不是产业,因为商业公司没有办法靠AI获利。AI有了获利能力之后,开始成为产业。但这时的产业是初级的、AI公司从事一切与AI相关的工作,业务并不聚焦。但随着技术的进一步发展,AI会与具体的应用场景结合在一起,形成机器视觉、机器听觉、计划排产等专门的技术公司。当AI大范围应用的时候,就没有人会说AI是一个产业了。所以,目前说“AI是个产业”也是有道理。
如果我是一个AI的从业者,这样的思路或许是对的:首先利用自己的专业知识,去寻找合适的应用领域、去实践。这属于“广种薄收”的阶段。在这个过程中,一旦发现有发展前途的应用场景,就要做一个决策:是不是应该集中精力在这个领域中突破。因为未来的AI不是产业,与具体应用结合才是产业。也就是说,现在的AI公司,需要进行二次创业、三次创业,才能最后存留下来。
对季文子的做法,孔子评价说:思考三次太多了、两次就够了。孔子或许是担心想得太多会影响行动。其实,行动和思考是可以交替进行的,不一定是完全想好了再做。即便是已经行动起来了,也还是需要不断思考、矫正自己的行动。
对AI的“三思”或许是:哪些方向更具备发展前途和价值。在我看来,AI的价值大概可以分成两个方面:与自动化相关度高的、与自动化相关度低的。
与自动化相关度高的技术,目的就是提高自动化水平。这些技术往往与“感知”相关。比如机器视觉、机器听觉和机器嗅觉等等。这些技术的目标很清晰,就是代替人的劳动。这一部分与工业生产的关联度比较高。
与自动化相关度低的是辅助决策,也就是服务于人类的工作,如研发、设计等。这一部分工作不是直接服务于工业生产的。但可能通过服务于人,间接地服务于工业生产。前些日子我看到一句话,很受启发:人不会被AI打败,却很可能会被掌握AI的人打败。讲的就是这种场景。在我看来,从事数据建模、根因分析时,就有这样的场景。
我谈到这两类应用,其实是强调技术必须明确的功能。这其实是想排除一类场景:既不能代替人、对人类工作的帮助也有限。这就是所谓“说它有用它没用,说它没用它又有点用”。这样的技术,可以引发人的兴趣、可以文,但却很难带来商业价值。这样的工作,有兴趣的人可以研究,对多数商业公司并不合适。
对从事科技工作的人来说,只思考两次往往得不到最终的答案。我更欣赏犹太人的一种观点:每一次思考,都应该有新的体会。传统的AI是一种技术,现在的AI似乎还是一门科学:从大模型的成功,能够洞悉人类的思维方式。这会带来价值观和方的深刻变化,多思考几次才是正常的。