正确的提示信息

扫码打开虎嗅APP

从思考到创造
打开APP
搜索历史
删除
完成
全部删除
热搜词
2024-02-22 22:11

AI上国内团队好像被甩开了?差钱?差人?

本文来自微信公众号:琢磨事(ID:zuomoshi),作者:老李话一三,题图来自:视觉中国

文章摘要
本文探讨了国内AI团队在追赶大模型方面的困境,并指出差距的根本原因在于场的差异。人才密度、资金等有形要素并非主要问题,而是场的先进性和活性的缺失。文章强调了构建先进场的重要性,并表示只关注人才密度等有形要素的观点是片面的。

• 💡 追赶大模型时,差距的扩大并非由于人才或资金不足,而是场的差异。

• 💡 在AI领域,只关注人才密度等有形要素无法解决问题,需要注重场的先进性和活性。

• 💡 构建先进场是解决追赶困境的关键,只有在稳态中行进并具备跃迁力量的组织才能持续创新。

当我们还在困扰为什么国内大模型没有GPT4好用的时候,Sora来了。这潜在意味着从AGI视角看,追赶一年后差距似乎并没有缩小反倒是被拉大了。


勾连过往,这个问题就不太简单了,可以从好多维度展开:


  • 我们是不是可以说AI国内国外团队一度站在类似平齐的起跑线上?


  • 为什么从AlphaGo开始似乎就看不到国内团队的原创,而是持续在追赶?


  • 为什么在追赶的时候,距离似乎在被放大?


一点点回溯


如果回到语音识别、人脸识别,应该可以讲大家处在类似平齐的起跑线上的。甚至因为场景和数据丰富,在这两项上国内团队还占优。一个佐证是过去很多的比赛成绩;另一个佐证是应用范围。老外到现在也不怎么用人脸识别,所以真实场景下人脸识别的精度,很可能还是国内团队的算法占优。


自动驾驶是个奇妙的领域,做了十几年花了几千亿,但似乎都卡在某个限度下面了。所以也看不出什么区别。


所以说如果回到2010年之后的十年,说大家在基本平齐的起跑线上,大致是不错的。当时大家比较公认的是AI上没有秘密,毕竟一有进展论文立刻就出来了。


问题出在大模型上。


在大模型上,局面变成了:


在平齐的起跑线上,OpenAI率先做出来大模型后,别的团队在追赶的同时,差距还被拉大了。


如果单纯地拿没做出来说事似乎也是偏颇的,毕竟Google也没做出来。


但如果横向展开些就发现也不是那么偏颇,在AI这个领域里我们好像并没有做出太杰出的贡献。AlphaGo,ChatGPT,甚至智能音箱、自动驾驶等似乎都是在重复过去C2C的故事。追到平齐的起跑线上却重复过去的故事,这不能说不是问题。


互联网这样是正常的,毕竟你缺了过去几十年在IT上的积累,按切入的时间点(2000年前后),你就只能这样,但AI还这样,就是问题了。


追着不顺利的时候,大家就比较多反省人才密度、资金、机器等。


但其实根本不是主因,调度起这些资源对于小公司是很难的,但还是很多公司有这个实力。(如果统计2022年发布ChatGPT之前的融资金额,你会发现还是有不少公司融资比OpenAI多。)


再进一步深层反省是需要勇气的,因为会打破一些人类本性中无谓的自尊心。


有点像一个人正兴高采烈自信得很,你非上去说,他还有哪些地方不行,他真的很容易揍你。


如果不正视这种差距,并挖掘差距的根本,那再过十年,老套的故事就会再来一遍:


好像差不多达到基本平齐了,然后被甩开差距,然后追赶,然后反省表面因素。一遍一遍循环这个过程。


可怕的点在于:一个循环自身的周期本来就不短,整体循环的所占的时间就更长。


最终后果是不是灾难性,依赖于领域本身的基础特质。


对于天花板比较明显的领域,到达某个限度后,大家其实差不多,所以影响不是特别大。相当于领跑的停了,那后面的只要足够坚持就能赶个七七八八。


对于没有天花板,活性极强,并且今天的结果会是明天的最大推动力的领域,那么后果很可能是灾难性的。这会导致越跑距离越大,并且是在指数曲线上的距离。


很不幸,人工智能看起来是这样的领域。


为什么呢?


不知道谁发明了个词叫人才密度。


然后似乎原因被找到了:人不行。


在附会上钱不够,机器买不着,似乎原因就非常明显,还特别好理解,也容易引起共鸣。


实际上这种认知视角本身就是问题。


背后体现一种思维模式的缺陷。


对于组织而言,不能像过去那样只关注人财物等有形要素,还要关注场。


场是价值观、文化、制度、信念的综合。


我们不能忽视的一个基本事实是:


到一定程度后,其实人个体智商是差不多的。所以人才密度是趋同的。


AI就是这种情况。


真做AI的人,差不多都是从顶级学校里又选了一拨人,非说谁比谁有绝对差距,那就真不是这样。


钱的话OpenAI过去用的钱虽然不少,但很多团队用的钱并不比他们少,2022年之前一共差不多融了30亿美金。(比如:商汤融的其实比这多。)


核心的问题恰恰不是这些可见要素,而是场的差别。


简单说你用修长城的场,不管给多少人、多少机器、多少钱该干不出来还是干不出来,该撵不上就还是撵不上。


(还可以类比皮克斯做动画,动画做不好也是人才密度、机器、钱不行么?)


场可以看成独立生命体,并且在大时空尺度下持续存在,特征也会变化。


如果我们总是干存量修长城的活,场的作用是小的,按图纸搬砖,加大检查,谁干的好就多给钱,干不好就批一顿或者开掉,大致是可以的。


但大模型这种领域显然不是这么个特征,之前有人做过内部模块拆解,其组成还是非常复杂,需要团队一起摸索开拓。


这时候场的落后就是致命的。


你拿黑社会的场去干大模型,对于已经做出的部分,基于开源,已有论文追一追是可以的,但在乌漆嘛黑的未来里探索出一条路,并持续领先就没可能。


这是真的问题。


组织的间断平衡论


这可以再形象一点来看这问题。


团队的类型可以是外科手术型的,一切以主刀医生为中心,别的全是打下手的。(其实修长城本质是这个)。


也可以是足球型的。大家有个角色,但需要更灵活的补位和配合。


更灵活的是网球团队。大家没有角色灵活补位。


对于大模型开发而言,外科手术的肯定是不行的,至少需要优秀的足球模式的团队。


只有模式也还不够,同样是足球队也还有我国足球的情况。


模式还要配合上文化等进行综合才是合适的场。


最终就形成场的先进性:活性且有力量(可以拿终结者的液体机器人和植物大战僵尸的僵尸做类比)


这种先进性的内涵是:


可以让组织保持基本稳态的前提下持续产生跃迁。


这种先进性的根本中精神大于物质,但不适合简单二元论,而是两者的按特定配比的综合。(和决定战争胜利的是人而不是物也不在一个层次上。)


如果这么定义先进性,那两类偏颇场都是有问题的:


一种是超级稳态场,一种是活性但容易崩坏的场。从组织的间断平衡角度看,我们可以这么讲。


有些组织会进入超稳态,它在既有的赛道上把自己强化的很好。内部利益分配各种与其适应。(创新者窘境用价值观、流程来描述,但其实还是缺东西,不过价值观、流程已经比人才密度的视角好很多了,毕竟是场的一部分。)


那根破坏性创新增长曲线背后的原动力是什么?是人才密度、机器、资金么?


可以形象点来说这个问题。


比如猩猩某些方面强化得其实比人好。


我们古代在农业文明上进化其实比欧洲好。


这种好,会导致组织和个体进入超稳态。


这种超稳态会内置妨碍跃迁的力量。


这一点点差异,在大时间轴上,效果就非常明显。


那先进性就是既有稳态,又有足够的活性。


OpenAI差点没把Altman干跑就是活性过剩,能够纠正回来说明还是有稳态力量。


但一路前跑,则是活性场产生的推动力。


这种场才可能构建出一种在稳态中行进,还具有跃迁力量的组织。


这种跃迁的力量是精神与技术的综合。


柔性场的构建成本和难度都是高的。


假如不看场,只看人会怎么样


最典型的是面对内部大规模耗散时采取的措施会有雷同性。


组织中很容易进入一种大家一起磨叽的状态(高深的词可以叫熵增)。我们对付这种耗散只有一种方法就是揍它。回到修长城的方式。前一阵有人在朋友圈发了一个段子,倒是正好和这个呼应。


中国式管理,理论核心就三点:


1.  你干的好,是因为我领导有方。


2.  你干不好就是你有问题,和我没关系。


3.  你不干有的是人干。


这个正好形象的体现了只关注人财物有形要素不关注场的表现(非常闭环和形象,通过人事变动3是可以回到1的)


注定的后果就一定是不停内部倒腾,这种场的特征和组织行为表现具有极大的相关性,包括对强人的渴望,学习刘邦这一套东西都是伴生特征。但实际上这是在狮子社会里面都能看到的古老模式。仍然有用,但估计搞不定人工智能这样的领域。


这背后的认识差距是真正的差距。


如果上面的解读是对的,那么我们在人才密度什么上面的努力就很像缘木求鱼,根本改变不了局面(猴子水中捞月式追赶),而标题上的问题则会不停地被问(超稳态)


难的也正是这里,如果说有形要素的改变是旦夕之功可达,那这种先进场的构建就有点十年树木百年树人百年树人的意思了,并且破功还很容易。


借助AI这种场的形成成本也许可以降下来,但认知的事就会比较困难。转过来后对问题的反省会完全不一样,比如:


但反过来如果场大于个人,那是这样的思维链条:


落后了;


场不行;


进行机制建设;


个体和整体活性增加;


也许动荡,但保持活性迭代。


这里的关键在于怎么才能产生更多的活性个体并且乱而不散。


也会很多混乱甚至崩溃,比如OpenAI自己的内讧,但跃迁到下一层的可能性是高的。


从间断平衡的视角看组织的话,什么能构成跃迁的力量呢?


扩散一点点


假如有一池水,有点颜色,在这里面有一些独立的缸,那缸里的问题是不是都是池子的问题?


我觉得在AI这个事上,主要不是,毕竟保留了足够的自由度。但确实池子的偏好会在长时间轴上有很根本的影响。


小结


看着简单但其实这是一个超级复杂的话题,近来看很多人在探讨这个,所以还是从这个视角说说自己的观点,简单说就是:


组织里面人之外有场,叠加后才是最终组织特征。


如果我们总是用人才密度,钱不够这样的视角去看待问题,那就很难适应这种高速进化的领域,陷入一种追平,落后再追赶的困局。


本文来自微信公众号:琢磨事(ID:zuomoshi),作者:老李话一三

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
打开虎嗅APP,查看全文
文集:
频道:

别打CALL,打钱

赞赏

0人已赞赏

大 家 都 在 看

大 家 都 在 搜

好的内容,值得赞赏

您的赞赏金额会直接进入作者的虎嗅账号

    自定义
    支付: