共计 2894 个字符，预计需要花费 8 分钟才能阅读完成。
今年年初，我向我的父母展示了一款面向普通用户的 AI 产品。他们之前对 AI 几乎没有接触，所以当我谈论目前的 AI 技术时，他们还以为这只是 Siri 这样的语音助手的改版。
然而，当我通过语音问 AI 问题，并获得自然流畅的回答时，我父母的大吃一惊。我能看到他们眼中闪现的不可思议，接着他们问出了一个经典的问题：“刚才答你问题的难道不是真人吗？”
在我让他们多试几次后，他们终于相信了：刚刚确实是在和 AI 交流。没过几天，我父亲竟然下载了这款 AI 产品，乐此不疲，甚至还乐于分享 AI 为他创作的诗和画作。
不过，过了不久，这款 AI 产品的新鲜感慢慢消退了。
最近几天，科技圈最热的话题无疑是苹果的 iPhone 发布会，被戏称为“科技春晚”。但是，苹果的“科技春晚”并没有以前的魅力，吸引力大打折扣——早已不复当年 iPhone5S 发布时的盛况，反倒是华为的三折叠手机引发了不少关注。
这种消费者市场的残酷性就是：消费者对新鲜事物的兴趣来得快，去得也快。如果你不能持续提供新体验，市场就会迅速被竞争对手占领。最开始支撑 iPhone 地位的是前所未有的创新，随着智能手机供应链发展，各品牌产品的竞争已经达到一个高水准，iPhone 再也不会像以前那样带给我们惊喜。
当前的 AI 似乎也碰到类似的瓶颈。最近一张网络上传的关于 Chat-GPT 流量骤降的图，引发了市场震荡，英伟达、谷歌、亚马逊、Meta 等 AI 企业的股价随之下跌。
虽然这张图最终被证实是个乌龙，但这样的风波也反映了一个现象：如果你真相信 AI 是未来，怎会被一张来历不明的照片所左右？原来你对 AI 的信仰竟如此脆弱。
今天我们聊聊这个版本的 AI 故事，还能讲多久。
01 低端需求
我遇到过一些闪婚的情侣，初见时甜蜜得不得了，朋友圈的群埋爱意，直到几个月后，他们开始抱怨琐事与争吵。其实两人依旧是好伙伴，但面对现实，事儿真得看得更深了。
生活中的问题五花八门：换下的衣服洗了吗？碗筷洗干净了吗？食材买多了还是买少了？还没扔垃圾呢？宠物是不是该看兽医？中秋快到了，是否要回家看看父母？这些小细节，却常常成为争吵导火索，问题的价值却可能不足 20 元。
发觉不对劲后，其实能发现新鲜感过去了，大家开始用更务实的标准去衡量彼此。我们对当前这股由 Chat-GPT 引领的生成式 AI 的态度，也是如此。
去年，Chat-GPT 刚面世时，大家对它惊叹不已，认为它展现出了强大智力，能理解我们的询问并给出合理回答。特别是在翻译领域，它几乎无出其右。
但没过多久，市场竞争崛起，潜伏的对手如 Claude.ai 和文心一言瞬间迎头赶上。因此，我们与 AI 的“热恋期”结束了，大家开始用更现实的眼光看待 AI。
我们发现，AI 承载的需求其实并不高。我曾让 AI 帮我拟文章大纲，虽然它反应迅速，但内容支离破碎，完全没主次之分，无法形成一篇重点突出的文章。
七月份出差北京，与朋友在某烧烤店聚餐时，看到菜单我就想笑，背景图显然是 AI 生成的——惟妙惟肖的人物手变成了麻花。
还有我尝试让 AI 仿照王维的风格写诗，结果生成的是一篇“老干部体”，吓得我立刻关掉了。至于让 AI 谱曲，听了仅三秒就扯掉耳机，感觉太尴尬，脸皮薄得我再听一分钟恐怕得入院。
朋友形容 AI 的做法像是在给刚出校门的实习生布置任务：年轻人努力又听话，但脑子转不过来，做些基础的事情难免粗糙。这也是现在很多 AI 产品现实应用中的体验问题，难以让人视其为可靠的工具或搭档。
AI 必须成为实实在在的工具，而非玩具；它该是我们的“老师傅”，不是需要我们逐步引导的实习生。
02 瓶颈期
那么，为何这一届的 AI 产品只能满足低端需求呢？
这可以从技术原理入手，以 Chat-GPT 为例，构建一个像 Chat-GPT 这样的大型语言模型，需要经历几个步骤：
首先，得有海量的数据，小说、新闻、视频、音频……总之要准备一个庞大的“语料库”，以便让模型进行学习。为了提高效率，还需将资料标准化，以便更好地输入模型。
接下来，像 Chat-GPT 的大模型是基于 Transformer 架构。这个架构的作用是能按照我们常用的语法输出内容，相当于 AI 的语言中枢和表达工具。
然后，通过各种技术来训练 AI，调节参数，优化，最终让其理解输入信息并生成合理的回应。
不过需注意的是，“合理的回应”并不意味着“有用”，也不一定“拟人化”。当我的朋友发些奇怪的东西，我往往回应一串“哈哈哈哈”或随便一个“6”，心情不好就来句“有病吧”。但 AI 往往回复说：“这真是一个非常有趣的图片。”前者相对真实，后者显得高深，但并不真实。
造成这种情况的根本原因在于其开发方式：GPT 们使用 Transformer 架构相较于以前的 RNN 架构，能更好理解词语顺序关系，并显著提高训练速度。虽然听起来没有问题，可细想一下，这只是不断在语义上下功夫，在不停地“猜字谜”，而并没有真正理解世界。
以翻译为例，AI 能达到 99 分的水平，答疑解惑可能表现仅六七十分。简单来说，当我说天冷时，AI 自然会给我建议穿秋裤，但它并非真正明白“穿秋裤”能让人保持温暖，而猜测因为它的训练数据中，“天冷”和“秋裤”这两个词时常一起出现。
总体来说，AI 的确能理解每个字的意思，并能给出合理的答案，但这里的“合理”是依靠大量数据学习而来的，而非基于对现实规律的认识。
在视频生成中，表现尤其明显。AI 虽在画面细节上做到高度仿真，但涉及物理效果时会显露出瑕疵——它并不理解真实世界的物理冲突，只是在猜测你想看到什么。
虽然 Chat-GPT 经过多次迭代（即将上线 5.0 版本），功能更强大，但这些增强的基础依然是“猜字谜”的速度和强度，而不是其真正智慧的增长。
结语
这届 AI 的故事还能讲多久？业内对此的应对措施是引入一种不同的思路——强化学习（RL）。
若说“深度学习”侧重于语言的理解，那么“强化学习”则更接近于理解真实世界。系统需在无指引的情况下自主探索、尝试，通过实践获得知识，从而不断提升自身能力。
在此过程中，系统追求的是“奖励信号”的最大化，就像玩电脑游戏，每个行动都会获得评价信号，表现越好，获得的信号就越高，因此系统需学习做出明智决策。
可以形象地描述为：AI 是学生，人类是老师——那些基于“深度学习”的 AI 依赖于“人类教师”的数据集监督，符合“教师”口味的就会得到鼓励，不符合则被抛弃。
而“强化学习”的 AI 更像是自学成才，虽然“人类教师”只是引导者，它们自己的努力将决定成就与否。在许多时候，它们可能没有具体的学习资料或指导，教师的任务只是要不断鼓励其学习，而具体效果，教师本身也不一定清楚。
因此，我们看到以“深度学习”为基础的 AI，在语言、语音、图像处理上表现出色，因为这些定义权掌握在人类手中，AI 要做的就是尽量迎合人类的偏好。而基于“强化学习”的 AI 则在某些领域表现出色，比如自动驾驶或游戏，在不断与环境互动中进步。
当前我们正处于一个关键时期，大语言模型开始迈向“强化学习”，这意味着将来 AI 在回答之前，会更多考虑。OpenAI 正在研发的“Strawberry”项目，是一个基于强化学习的大语言模型。
基于强化学习的 AI 即将在未来的 1 - 2 年问世，在这样的背景下，我真的不知道这届 AI 的故事还会讲多久。
