TwKit

推文

@chaojidigua · 2026-10-12 07:46

从另外一个角度看 AI 鸿沟: 绝大部分人将 AI 用于消费. 极少数精英将 AI 用于生产. 对于消费, AI 好一点坏一点区别不大. 普通人不关心, 也感受不到. 对于生产, AI 的能力至关重要. 但, 了解到这一点, 普通人又能怎么样呢? === 因为对LLM能力的共同理解差距正在*扩大*,所以我把这条四月份的推文重新拣出来。情况现在不再是“两拨人各说各话”,而更像是一个尖锐的漏斗。 - 大约60亿人(占人口的约75%)几乎完全没有接触过LLM。 - 大约10-20亿人(约20%)是免费版ChatGPT类产品的随意且不频繁用户。这群人看到的是笨拙的聊天机器人,把它们当作比Google搜索更好的工具、写作辅助或其他用途。也许一个代理会试图帮你订机票。我有一些非技术朋友(在我看来这是合理的)说他们几乎完全用不上它。即使是数学和编程之外的许多专业人士也处于这个层级。例如,高管和其他许多职能花了很多时间与他人交谈,所以虽然他们在智力上理解发生了什么,但这仍然是间接的,有点抽象。 - 现在我们进入前沿级LLM在数学和编程中的专业应用。大约2000万人(0.2%)亲眼看到,过去需要他们花费数周/数月的大型复杂项目,现在只需一个提示,代理就能完成。构建应用、复制应用、翻译应用、从二进制文件反编译应用……这一切发生得非常迅速且最近——不到一年前,我还在手动编写代码,一个字符一个字符地敲入记住的计算机代码命令到代码编辑器中,偶尔按Tab自动完成一小块代码。 - 最后,我们来到大约5000人(约0.00006%)内部接触前沿级系统的人。外部世界已经看到了预览。它看起来像是数千个代理在数周内协作进行软件巨型项目:铸造零日漏洞、以机器速度运行网络攻击和防御、发现新科学、推进数学前沿。这些事情原本需要行业顶尖专业人士数年工作。同时,人类的审查和理解开始跟不上了。例如,人们仍在参与多月前的OpenAI-HF事件“考古”。数学家们可能还要花一段时间仔细研究前沿数学的722份手稿。 这个漏斗是由多种因素驱动的: 1. 影响随着雄心、问题规模和时间跨度而扩大。一个有段落答案的问题几乎不会给系统带来压力。你需要一个真正关心的重大、困难问题的储备。这方面驱动了漏斗的消费者/专业维度。 2. 系统的锯齿状(我已单独写过很多)。能力在数字、可验证且经济价值高的领域达到峰值。这是因为LLM能力源于在由收入潜力驱动的精选环境混合中进行可验证奖励的强化学习。这方面主要驱动了漏斗的领域(例如数学和编程)维度。 3. 访问权限。免费层级、付费层级、内部。 所以这就是当下的怪异之处。 公众大多数还没有与这些系统互动过。当他们互动时,它看起来像是一个笨拙的聊天机器人。 大多数专业人士仍然只看到适度的提升。 而一小部分专业人士正在经历曲线垂直上升的眩晕感。 这一切同时发生。

曝光 163 · 评论 0 · 点赞 1 · 书签 2 · 曝光/时 46.099179555751455

TwKit
正在载入