今天小編分享的教育經驗：微軟中國CTO韋青：企業家一定要冷靜下來，才知道AI的水深水淺，歡迎閲讀。
"AI 這個話題所覆蓋的領網域太廣泛了，今天咱們只談它有什麼用。"
在混沌 " 一 " 思維創新嘉年華活動現場，韋青説：" 為什麼選這個主題？因為從咱們朋友圈裏看到的 AI 和一線打拼的工程師正在開發的 AI 好像有點不太一樣。"
他説：" 我們每天一睜眼，就對技術、能力孜孜以求。請問，我們有沒有把手上的技術、能力用足？手機的功能、算力你能用到多少，電腦上 Office 的套件，比如 Excel 你能用到多少？公司裏有太多流程優化還沒到位，有太多買的產品沒有被用到它們能力的極致，有太多的技術只是有，沒有用，更不要提應用技術和所獲得的能力解決實際問題。這裏有多麼大的提升空間！"
韋青，微軟（中國）首席技術官、工程師，混沌同學們喊他 " 韋神 "，因為他總是能一語中的，把哲學的思辨和技術發展結合在一起娓娓道來。
此次，韋青老師做客混沌 " 一 " 思維創新嘉年華活動，分享《滑向冰球将要到達的位置》，從第一性原理的角度為大家講述這一輪技術落地的路徑。
混沌在上海滴水湖洲際酒店舉辦 " 一 " 思維創新嘉年華活動。用一整座島、打造兩天兩夜的共學場，2000 位混沌同學熱烈參與其中！邀請 AI 全明星陣容空降授課。
以下為分享筆記：
授課老師 | 韋青 微軟（中國）首席技術官、工程師
編輯丨混沌商業研究團隊
支持丨混沌前沿課
模型不是產品
今天的分享為什麼叫做《滑向冰球将要到達的位置》？熟悉體育行業的朋友一定知道韋恩 · 格雷茨基，他是一位傳奇冰球選手。他的身體素質并不是最強壯的，也不是滑冰最快的、技能最好的。他之所以成為傳奇，就在于自身不斷地學習、不斷地思考。
在這個劇變的時代，想要單純依靠原有學習的知識去應對未來是不現實的，可能性也比較小，只有終身學習才能讓我們具備應變的能力。
AI 發展到現階段，有人稱其為 iPhone 時刻，我更願意稱之為重新啓蒙的過程。2007 年喬布斯在發布第一代 iPhone 時，在 keynote 結尾引用了韋恩 · 格雷茨基這段話。" 我總是滑向冰球即将到達的下一個位置，而不是它現在的位置。"
一些人會認為這是 iPhone 初代發布的心路歷程，但看到 iPhone 之後的發展進步，就會發現這其實是一種方法。永遠不要跟在潮流之後，除非我們認為自己跑得過冰球。
AI 這個話題所覆蓋的領網域太廣泛了，今天咱們只談它有什麼用。為什麼選這個主題？因為從咱們朋友圈裏看到的 AI 和一線打拼的工程師正在開發的 AI 好像有點不太一樣。
例如，微軟公司董事長兼 CEO 薩提亞近期在 Freakonomics 的采訪中提出，" 模型不是產品，模型可以成為產品的一部分 "。很多人都遭遇了 ChatGPT、大語言模型或者大型基礎模型的信息轟炸，但大家必須要有自己的觀察，大語言模型只有加載到應用中去滿足一個具體的需求才能發揮應有的作用。
在眾多新聞中，人們很少談及兩件事情，即除了模型以外，人的價值與需求，和需要提供何種產品與服務去滿足這種需求。因為用户和消費者不會去直接用模型，他們也不會在乎你有什麼模型，用户需要的是滿足需求和解決問題。
喬布斯、薩提亞都特别喜歡引用施樂帕洛阿爾托研究中心（PARC）首席技術官 Mark Weiser 對于劃時代的社會基礎技術能力的評判，大意是：真正偉大的技術、那種平台型的技術、那些會對社會的底層邏輯進行改變的技術，它真正有用的時候是消溶于一切的時候，就是沒有人再談論這種技術的時候。
按照這種邏輯，水、電、氣、網絡到達了這種程度，但是今天的 AI 技術還遠遠沒有達到這種程度，如果我們整天談論技術而非應用，它就會永遠在天上浮着，不會落地。模型很重要，但同樣重要的是模型如何發揮作用。任何一種基礎性技術的出現與成熟，都需要不同能力的組織在技術的不同發展階段發揮不同的作用。既需要有科學研究機構去探索各種未知的可能，也需要有企業去實現新可能下的技術創新，還需要大量企業利用這種技術能力去優化我們的世界，為人類創造現實的福祉。所以，一定要養成動态思考的習慣，要善于利用發展的眼光看待事務的演變，尋找并滿足不同發展階段的不同需求。
舉個例子，在靜态的畫面中，我們能否判斷球會向哪裏滾動？當然人們可以根據過去的經驗、知識、體會等等進行猜測，但這就像 " 看後視鏡開車 "。人類永遠是在看着後視鏡開車的，對未來所有信誓旦旦的預判，都是以一種 " 看後視鏡開車 " 的心态進行的。
在這種心态下，可能過去幾十年間未曾出現問題。那是因為過去幾十年雖然也在變化，但範式并沒有特别大的改變。範式改變之後，如果還采用 " 看後視鏡開車 " 的方式，憑借過往經驗對事務進行預判，是無法達到效果的。
這就是當下時代的特征。現在所有的 AI、機器學習以及對未來信誓旦旦的判斷，經常是一半對一半錯的。網上有一則笑話，關于一個投資顧問如何説服别人一定聽從他的建議：先找 1000 個用户，挑選一個投資方向，跟其中一半的人説會漲，跟另一半的人説會跌，結果不管漲跌，肯定有一半人會相信這個建議是對的。當然一次不夠，可能還有些許懷疑，那麼繼續用這種方法對付剩下來相信的那 500 人、250 人、125 人，最後剩下這 125 人，大家一定會堅信這個投資顧問，因為每次預估都是對的。在劇烈動蕩的年代，這可能嗎？實際上背後全是概率，是幸存者偏差。
在這種劇變下，在每天早上都有新事物出現的情況下，先别着急下結論，大致方向對就可以。關鍵是要在過程中去摸索，不要怕犯錯，與其總擔心如何不犯錯，還不如關注于如何建立起迅速改錯的韌性能力，以應對 " 黑天鵝 " 層出不窮的時代。
就像韋恩 · 格雷茨基提到的，擊球能否得分是未知的，但不擊球肯定是不能得分的。這個時代變化很大，大家迷茫、彷徨、焦慮，這很正常，因為我們讨厭不确定性，但這些情緒并沒有用，關鍵是如何安下心來，去探究事物發展的必然規律。
大家對于微軟公司的關注，更多集中在同 OpenAI 合作的 GPT 模型和相關服務上。實際上從 2022 年下半年開始，微軟公司的薩提亞 · 納德拉 ( 董事長兼 CEO ) 、凱文 · 斯科特 ( CTO ) 和彼得 · 李 ( 微軟研究院負責人 ) 做出了一個非常重要并且風險很大的決定，當看到模型已經具有發展潛質之後，他們決定對微軟的全線產品與服務做智能化轉型，把大型基礎模型，包括以 GPT 為代表的大型語言模型能力全都嵌入到微軟現有的產品中，而且在短短半年之内不斷開發出新產品。
做過產品的企業家都能感同身受，做這種決定是非常不容易的，這是一個產品開發流程的重構，不僅僅是一個理解、消化和吸收新技術的過程，更是一個巨大的軟體工程挑戰。軟體開發有其特有的系統工程思想和流程，這些流程又都與所開發的產品特點與組織文化相适應。在一個非常成熟與可靠的開發流程之上，突然加入一種每個軟體工程師自己都還在學習與适應的新興技術，而且還要迅速推向市場，這種成就背後的艱辛與付出或許只能以 " 不足為外人道也 " 來表達了。
大家可以從各種場合的采訪、交流的公開資料中可以看到， 微軟和 OpenAI 的技術專家無不透露一個真相，對于這樣一個新生事物，每個人都是在探索，沒有人能夠事先知道如何利用這種還未被人們完全知曉的能力開發新的產品與服務，但他們堅信只要大家努力研究，尤其重要的是不要空談，敢于在未知的領網域大膽實證，有這種技術信仰，大膽假設，小心求證，就一定能夠淌出一條未有人走過的路。這是所謂成功的真相，一定會成功的事情，要麼回報少，要麼輪不到我們去做，而且永遠不要忘記幸存者偏差的道理。
在這個劇變的時代，人們開始還是習慣使用固有的充分條件思維，如果條件充分，只要做了 A 就一定會實現目标 B。但真實的生活深刻教育了我們，這種事前就追求确定結果的方法在确定性消失的時代其實是不科學的，也是不現實的。
科學的方法和态度，恰恰不講究一定要怎樣，科學定理本身就是等待被證偽的假設，它在被論證出來的那一刻，就等待被更加精确和更加符合實證結果的理論所推翻。
理查 · 費曼在他的一堂物理課上，當問及何為科學時，他的回答是 " 猜 "，也就是假設；當提到如果假設與實證結果不符合怎麼辦？他的回答是 " 那就要改變假設 "。在科學思想中沒有一成不變的方法，講究的是批判性思維、科學方法論，科學最偉大之處在于它的科學精神和科學方法，不斷觀察現象、產生假設、進行實驗、產生結論，對了就做，不對就改，從而不斷迭代，不斷證實和證偽，永無終結。
把這種方法應用到我們的技術創新與落地的過程中，就是學會采用必要條件思維，即 " 盡人事，聽天命 "，做了不一定有結果，不做肯定沒有結果，不斷假設，不斷探索，不斷糾偏，不斷前行。
在技術落地過程中，其實有三個階段：
剛開始的時候，是 " 擁有 " 技術的階段。人們傾向于關注如何擁有某種技術能力，但不要忘記在擁有技術能力之後，還有漫長的學習與适應的過程，以及時間與資金持續地投入。擁有技術并不等同于掌握技術，更不等同于解決實際問題。技術是一種需要去同時擁有和掌握的能力。學會如何掌握技術的能力，就進入了 " 應用 " 的階段。
今天的企業在開展業務時，很多人認為有錢、有資源、有人就可以獲得技術的能力，其實很少人能将自己手中的技術用好用足。對于企業而言，這是巨大的浪費，當然也是巨大的機會。作為企業管理者，我深刻地感受到，公司裏面有太多的流程優化還沒有做到位，有太多產品功能與性能還沒有被員工利用到極致，有太多的技術能力還沒有發揮到極致，更不要提使用之後解決企業和個人的現實問題了。
技術被使用起來之後，企業與個人就具備了因掌握新技術而產生的新能力，但是這并不意味着我們就知道需要解決什麼問題。技術的價值，體現在通過工程的實現來解決實際問題。用技術的目的，是解決企業的問題。對于 AI 這種能力而言，除了那些資金、人才、技術儲備充足的大型企業，絕大多數企業的目的不是擁有 AI，不是擁有大語言模型、顯卡、數據，而是解決一個人類社會具體的問題。
企業的終極目标也是人類的終極目标，在于确保人類的衣食住行、吃喝玩樂、學習、生活、工作更加幸福和快樂，在于人類自身的成長進化。當企業以及個人在追逐技術的時候，是否同時獲得幸福感？還是獲得了焦慮？不要忘記，擁有之後還要花大量的時間和成本讓它用起來。對于大型基礎模型，包括大語言模型我只是略知皮毛，我的任務是要用它解決公司和客户的問題。
我們在具體的管理、學習和工作中會經常發現，很多人都在關心模型。模型并非不值得關注，一定會有一些非常優秀的領軍人物、科學家、技術專家、工程師去幫我們構建大模型。但這部分只占到全球經濟總量的極小部分，非常重要，但不是唯一。在社會經濟活動中還有大量的經濟行為需要人們借助模型的能力去實現、改造或者優化，誰去完成？需要企業家們了解企業痛點和知曉新工具的特性。我們并非都要去打造新工具，而是要知曉它的特性并迅速地應用到有關國計民生和百姓福祉的各行各業。
各位企業家一定要冷靜下來。在冷靜下來的那一刻，你真正的優勢就開始形成了，大家就知道别人嘴裏説的河水到底多深多淺，大概率下既不像老牛説得那麼淺，也不會像小兔子説得那麼深，每一個個體一定會找出屬于自己的過河之道。
在談到以 ChatGPT 對話服務為代表的大語言模型能力落地的問題時，我們先做幾個自測題：
第一，有多少人用過 ChatGPT 或類似的基于大語言模型的對話服務？
第二，有多少人每天都在用這類對話服務？
第三，有多少人每天不用這類服務就很難工作、學習、生活？
第四，同樣的問題，如果把對話服務換成互聯網服務或智能手機呢？
我相信最後一個問題大家都舉手了。想要每個人都無法離開它，就需要一種能力叫内嵌，這種能力不是内嵌到對話、編程、教育、醫療、炒股這類膚淺的層面。人們都經歷過互聯網時代，從早期的郵件、BBS、門户網站直到後期的電商，他們都不能涵蓋互聯網的定義，因為互聯網已經内嵌到人類社會的每一個環節中。
所以企業的機會點在于，如果能夠稍微提前一點，在這個路徑上做好準備，就知道這個領網域特點，知道這個領網域适合什麼樣的工具，也就是在數字化轉型過程中常常提到的領網域知識。如果這個領網域需要大語言模型、基礎模型，就要提前做好準備；如果需要錘東西和擰螺絲，就要提前準備好錘子和電動螺絲刀。
什麼是錘子？什麼是釘子？我們首先要清楚，AI 技術是一種平台型技術，它非常重要，重要到絕大多數人不需要去提它，當它發展為成熟的產品之後，從 " 有 " 到 " 用 " 到 " 泛在 "。所有平台類產品，不管是作業系統、互聯網、發電、供水、供氣，都會經歷這一過程。
這張圖是一個概念示意圖，并不精确，希望表達一個基礎技術能力的演變過程。所有行業，只要技術是基礎性的、平台性的，大都會先經歷一個基礎構建的過程。AI 基礎構建到一定規模，就會出現大量培訓、證書等賦能型的商機，但是最終，與電力普及進程類似，沒有人再會去談大模型的能力，因為那是一種默認的社會關鍵基礎能力，大家會把重點放在各行各業如何被默認具備的 AI 基礎能力重新構建。《道德經》講，" 上善若水，水善利萬物而不争 "。AI 的能力跟電、水一樣，它會利萬物而不争。
現在人們主要在第一階段，關注的是模型、數據、算力，正在慢慢向第二階段發展，這個階段是從能力到應用的橋梁，重點轉移為 " 定制、嵌入、知識沉澱、數據梳理 " 等預備性的工作，并且開始關注如何根據新型智能工具的特點優化和再造工作、生活與學習過程中的各類流程。比如我們在管理公司的時候，會花費大量精力進行流程優化、流程再造，伴随新工具的出現，流程是需要随時優化與完善的，這裏面的潛質是無窮的。
到了平台發展的第三階段，如同過去百年的社會電氣化歷程類似，社會建設的重點會放在針對每一個人類社會環節的智能重構，慢慢的，就可能出現一個由智人和智機共同協作、在 " 以人為本 " 的基礎上發揮各自優勢而建立的新型 " 人機協同 " 文明範式。
對企業而言，這時候的重點可能會更多的放在 " 流程、知識和人才 "。需要注意的是在這個階段尤其要強調 " 以人為本 " 和 " 負責任的 AI"。此時 AI 技術已經與社會的發展融為一體，大家不會再關注智能技術本身，那會是少數企業與人才的關注領網域。對絕大多數人而言，關注的都是如何利用智能技術提升人類的生活質量以及人類的幸福感與獲得感，人類需要依靠機器的輔助實現人性的升華與文明的進化。
在這麼強大的技術能力加持下，我們如果不能夠堅持 " 以人為本 " 和 " 負責任的 AI" 的技術落地原則，不能夠堅持人類的使命是不斷進化更新我們的知識與文明，是持續提升人之所以為人的精神與文化修養，那麼這種智能技術就可能發生異化，非但不能夠幫助更新人類的知識、思想、文化與文明，反而如同一些思想家所擔心的造成的人類文明的退化。這也是為什麼在彼得 · 李所寫的《超越想象的 GPT 醫療》書中屢次強調，這是全人類都需要參與讨論的話題。
從目前的發展趨勢來看，我們正在從第一個階段慢慢向第二階段邁進，大概率條件下，我們中的絕大多數人，最終都會把注意力落在最後右上角的區間，即智能技術泛在前提下的能力實現。
誤區和風險
以這一輪大語言模型的進步為例，我們再來探讨一下技術發展的路徑。如果我們回顧 ChatGPT 的火爆過程，它的流行是一個指數型的現象，給絕大多數人的感覺這會是一個時不我待的巨大變革機會。
是不是這樣呢？又是，又不是。
説它是，是因為在短期内這的确是一個巨變的風口，如果抓住了機會，可以使一個企業或個人成功地跳上下一個迅速發展的台階；説它不是，就在于如果稍微把以 GPT 為代表的大語言模型的發展趨勢拉回到近十年前 OpenAI 的創立之初，再回顧這些年 OpenAI 發展的艱辛歷程與起伏跌宕。那種基于技術信仰而形成的，即使暫時落後也要堅持原有技術路線的執着，其中還包括微軟與 OpenAI 攜手共進的經歷與關鍵決策點，尤其是前面介紹的由微軟公司薩提亞 · 納德拉、凱文 · 斯科特和彼得 · 李等一眾高管在去年下半年堅定做出的風險決策，這種成長的過程都是漫長難熬的，絕沒有指數增長那般炫耀，其實都是腳踏實地、苦苦堅持後的必然。
大部分人看到的，只是在眾多決策、眾多起伏之後成果廣為人知的那一刻。如下方圖中白色圓圈内表示的突出水面的那一個飛躍，讓人感覺到一個偉大的時代、指數型增長的時代來臨了，并開始做預判，覺得它會一直沿着紅色箭頭指出的方向繼續發展下去。如果你研究過 OpenAI 的歷史和與微軟的合作經歷，就會發現水下的工作才決定了它此時的騰飛，這個過程從 10 年前就已經開始，甚至在某一個不為人知的階段同樣會有突然的指數型成長曲線。去年 11、12 月份，以 ChatGPT 為代表的基于大語言模型的對話服務潮流已經湧現，大部分人只是沒有察覺到罷了。
作為伴随這種技術成長起來的工程師們，他們的願景大概是綠色箭頭的方向，他們不會糾結于成長角度的高低，但會以堅定的技術信仰堅持朝這個方向走下去。當你了解水面下的歷史之後，大概率就不會認為這種指數增長會永遠持續下去。将時間線拉長，你會發現，如同電力、網絡技術的普及一樣，它對社會的影響是長期的，任何短期的高速發展，都會進入一個 S 型成長平台期。而若幹個 S 型曲線，又會構成一個相對穩定但持久的上升趨勢。但是無論怎樣樂觀，地球的資源終究有限，如果人類不能夠借助這種智能機器力量加速人類知識與文明的進步，尤其是能源領網域的進步，那麼這種指數型增長的預期大概率下很快就會被它自己的高速成長所約束而無法持久。
......
篇幅所限
本文内容僅為韋青老師精彩分享的一部分
掃描二維碼，聽韋青老師完整分享！
>
