能力余量

AI 发展仍处在一条指数曲线上。我通常每隔几周发布一篇文章，但随着速度加快，这个频率有时已经显得太慢。自上一篇文章以来，AI 似乎破解了一道著名数学难题——同时伴随争议——人们也广泛讨论 AI 风险以及应该怎样应对，当然同样争议不断。

这些担忧与越来越多的其他问题，最终都指向同一个矛盾：人类的制度与流程运行得太慢，越来越难跟上 AI 能力发展的速度。担心这个问题的人并没有错。但如果只关注未来 AI 的能力，也会忽视一个事实：当下的 AI 已经非常强大。GPT-6 Astra 和 Fable 5.1 已足以对经济中的许多领域产生结构性影响；如果得到正确引导，它们能够可靠完成原本需要人类数周的工作。

举几个有趣的例子。我让 GPT-6 Astra 把 1977 年的文字冒险游戏 Zork 改造成一款可以游玩的完整 3D 动作冒险游戏。原作没有画面，每个地点只是一段文字，因此 AI 必须决定白色房屋和怪物 grue 应该长什么样，也必须把“与巨魔战斗”变成真正的动作场面。

我还让 Fable 5.1 尝试用 3D 重建意大利作家 Umberto Eco 的私人图书馆。Eco 在米兰公寓收藏了数万册图书。AI 找不到平面图，就转而分析十几段视频、基金会为每个书架拍摄的照片，以及两份图书目录。它逐帧读取书脊、推断房间结构，把大约 5000 本能够识别的书放进 2.7 万个书架位置，并把每一本标记为确定、推测或未知；摄像机从未拍到的书架则被画在雾里。

这些项目，以及我最近交给 AI 的许多现实任务，原本都需要研究人员、程序员和设计师共同工作数周。可现在，它们已经能够被完成。

关于未来模型会做什么，外界争论很多；但现有模型的能力还远远没有被充分使用，甚至经常没有被理解。比如，我以前并不知道 GPT-6 Astra 能操作复杂的 3D 建模软件 Blender，直到它自己这样做了。

我把即将出版的新书《Co-Existence》交给它，请它从 AI 的视角制作一段预告片。在没有详细指令的情况下，它使用 Blender 搭建了一整套 3D 动画场景，写了包含笑点与反转的脚本，又想办法生成配音、音乐和音效，45 分钟后交给我一部成片。成品比我希望的更阴郁一些，但那是 AI 自己的选择。

为了测试它还能走多远，我只说：“不错，但我真正想要的是一支根据《Co-Existence》制作的动作电影预告片。自由发挥，不超过 30 秒。”它再次写出脚本，在 Blender 中制作 3D 原型；当我要求更具电影感以后，它把 Blender 动画当作故事板，通过浏览器操作视频生成器，再把生成的镜头剪成最终预告。我只给过少量创意反馈，从未亲手做任何制作决定，甚至并不完全知道它怎样完成每一步。

这些作品有很多可以挑出的缺陷，但它们也显示出某种判断力和创造力——不久前，人们还认为这些能力完全属于人类。而且它们只消耗了我 ChatGPT 账户 token 配额的一小部分。这些实验很有趣，也有一点令人不安，因为 AI 正在变得擅长过去只属于人的事情。

不过，任何项目都不是凭空发生的。是我选择了它们；我对 Zork、Eco 和自己的书有足够了解，能够发现 AI 哪里做错，也知道第一版不对时应该要求第二版。“能力余量”指的正是模型已经能做什么与人们实际上用它做什么之间的巨大差距。它是一种机会，因为大多数人还没有把自己的优势带进与 AI 的合作；真正这样做的人，会得到多得多的价值。

这也是为什么，即使 AI 能力不断提高，我们仍然需要关注那些持续有用的个人特质。试图在产出速度上与 AI 竞争，是一场必输的比赛。更好的方向，是把人的优势作为合作基础，去完成任何一方单独都做不到的事情。我认为其中有四项特别重要：深度知识、广度知识、品味和行动力。

第一项是深度知识。它来自对一个领域或主题的深入理解，最终形成能迅速而准确判断的直觉。经验丰富的会计师扫一眼表格就知道哪里不对；高尔夫教练看一次挥杆就能发现错误；我也能很快判断第一版预告片比书本身更加阴郁。

深度知识属于专业人士，也是理解 AI“锯齿状前沿”的唯一可靠方式：至少在自己的领域，只有专家才能看见 AI 成功和失败的规律。专业知识还能帮助人从亲自执行工作转向管理工作。Anthropic 最近的研究也表明，专业程度会影响 AI 返回结果的质量；专家不仅能让 AI 做得更好，也能从它那里获得更多成果。

第二项是广度知识。大语言模型训练数据覆盖了人类成果中的巨大范围，它学过设计思维、贝叶斯推理、丰田生产方式、罗杰斯疗法和马克思主义文学批评。但除非你知道应该询问什么，AI 通常不会主动调用这些模式。

例如，让 AI 设计网页时，它往往会表现出某些偏好，其中一个很烦人的习惯是在标题上方再加一个小标题。如果不了解设计，你可能甚至不知道应该让它停止添加这种“眉题”。同样，正因为我知道把 Blender 动画当作视频生成器的故事板是合理方法，才不会误以为 AI 正在偏离任务。掌握正确术语以后，要求修改会变得简单。获得广度知识，需要跨领域、跨形式、跨传统地阅读和学习。这件事本身就有价值，在 AI 时代则更加重要。

第三项是品味。看过前面的项目，你可能本能地喜欢或讨厌其中某些作品，也可能发现一个值得继续发展的主题。这就是品味在发挥作用。AI 以前，制作东西既慢又难：初稿要写几小时，二十个产品概念需要团队工作一周，学术论文可能耗时几年。限制一直是“能不能做出足够多的东西”。现在生产变得快速而便宜，稀缺资源变成了用自己的品味从大量成果中做选择的能力。

不同人的品味各不相同：有人擅长判断大众会喜欢什么，有人拥有非常个人化的偏好，也有人尤其敏锐于新鲜事物。生成式 AI 的确产生了大量彼此相似的低质内容，但品味能够抵抗这种泛滥。用 AI 做出真正好的作品，意味着知道哪些结果值得保留、哪些应该丢弃、哪些只能作为原料，继续变成 AI 自己永远不会生成的东西。

最后一项是行动力，也许最重要，却最难描述。在 AI 语境中，它意味着：当所有人都不确定 AI 能做什么时，愿意亲自测试可能性的边界。每个领域的锯齿状前沿都还没有完整地图，因此拥有行动力，就是成为探索者。你可以等待别人宣布 AI 现在能做某件事，也可以亲自尝试并发现它。正因如此，我会做许多奇怪的 AI 实验，例如让 AI 玩游戏；这些实验能让我真正理解它的能力。

今天，许多 AI 焦虑集中在未来模型以及我们能否控制它们。政府和实验室讨论怎样调整发展速度、降低风险，是合理的。但放慢未来训练，并不会抹去已经存在的能力。即使所有实验室明天都停止训练新模型，GPT-6 Astra 和 Fable 5.1 仍足以改变经济中大片领域的工作方式。现有模型能力与大众实际用法之间的余量依旧巨大。

所以，无论前沿模型以什么速度继续发展，变化都会到来。它不会同时发生，也不会均匀发生，但无法避免。不过，变化必然发生，不等于变化的形式也已注定。作为社会，我们必须发展并分享能够增强而非只替代人类劳动的协作模式；作为个人，我们同样应当用 AI 增强，而不是仅仅替换自己的努力。深度知识、广度知识、品味和行动力，是今天就可以开始的地方。