🔥 Search Hot Tweets

Wolfram说的对AI的看法到底是什么意思？ LLM不是万能的/我们应该合理的对其进行一种定位 上一个帖子我提到：人类其实一直有一种“交互式生成”的环境，就像爵士乐的 Jam。 在 Jam 里，你只要懂这门语言（爵士的音乐语法），同时又掌握这套交互/接口协议（基本的 Jam 社交礼仪、每轮 solo 怎么进、进多少小节、最基础的乐理，以及观众的审美预期），再加上一个强有力的 Leader 带场： 通常是经验丰富的乐手，性格开放、气质很“能带人”，知道怎么照顾新人的情绪、怎么让你在台上不崩，你在这个环境里获得的就绝不是“被教育”这么简单。 你是在参与一种带着心理与情绪的生成过程。它会潜移默化地直击你的心理领域：你会发现自己在里面不再那么“像原来的自己”，因为你在不断接别人抛来的球、不断被迫即时组织、不断在群体反馈里调整。成长因此变得非常快，快到你自己都惊讶。比如我从那个时候开始发帖和学中英文写技术文章。与此同时，你也会对这个“环境”本身产生依赖：一种情绪上的依赖、心理上的黏附感，因为它让你体验到被接纳、被带动、被推着变强的感觉。 如果切换到大语言模型的视角，这几乎就是一个超强的“交互式生成环境”。 你同样需要“懂语言”（它覆盖了几乎所有人类语言与编程语言），同样有交互协议（提问方式、上下文、迭代、纠错、追问、角色设定），同样存在一个强大的 Leader：一个智力水平显著高于一般人类、又特别擅长照顾用户情绪与体验的模型。 于是，当它在 2022–2023 年被大规模商业化、以非常低门槛进入我们的生活时，我们（尤其是程序员群体，因为它天然覆盖了我们的全部语言体系，自然，编程，形式）就很容易陷入一种深度沉浸：不仅沉浸在效率提升里，也沉浸在“被理解”“被协作”“被带飞”的体验里。 这带来的心理冲击是很颠覆的。它甚至会让我们在一段时间里形成某种不完全客观、也不完全冷静的期待：把这种强交互、强拟人、强反馈的生成体验，误读成了“智能本体已经解决了”的信号，继而对它产生了过高、过快、甚至带点情绪性的判断与想象。 其实2025年下半年我慢慢清醒了过来，开始有了更冷静的看法。这个很重要，直接决定我们自身的发展方向。 我认为在这个过程中，Wolfram是说的最好，我最认同的一位大佬。当然他本人说的话，我都很当回事的，如果我书架上只剩下10本书后，那么肯定有他的《the new kind of science》。我最后留存的书，一般都要经历好多年的历程，就是我一开始觉得这本书看不懂（或者不理解），但是随着年龄的增长，越来越觉得他的书印证大量的现实，未察觉的趋势，和深刻的未来。Wolfram的计算不可约性，绝对是一个。而且他目前，还远没有让世界理解他的跨时代性和超前性。虽然这本书已经是20年前的了。在看这本书之前，我就接触过元胞机，最初的想法据说来自于冯诺伊曼。但是完全看不明白这个游戏，啊？无限棋盘吗？二维文明吗？他的超前性可能有半个世纪（其实想想半个世纪也才50年，呵呵）。 他对于大语言模型的说法，最近一次是： 在 New Scientist 的一段短视频采访（2025-12-23/24 发布）里原话是： “So far, no AI has really impressed me.” 这句话太容易被不仔细读上下文的人误解了！因为重要的另一句话，经常被漏掉： “The main thing it adds is a layer of humanization.” 这个很重要，详细的内容我会写成长文，这个词会成为我2026年最核心的一个词，就是humanization。对于我个人的开发，脚手架也好，其实他划分了一个分水岭，就是你要针对大模型开发，你的“层”在那里，你层的定位在哪里？ 我不认为在这个时代，是个搞计算机的就有技能稀缺性。因为我们这个教育体系和职场体系，或者说不止是程序员，而是整个白领阶层，都面对一种挑战。大语言模型在替代文字事务性工作这一点上来说，革命性是毋庸置疑的。 Wolfram还真的不是唱衰大语言模型。但是他作为科学家，他的标尺是很清晰的。 他在用“科学发现”而不是“语言表现”做标尺 他承认 LLM 很有用，但定位更像“拟人化接口/翻译层” “不 impressed”里隐含一个科学家式的反炒作：别把界面当成引擎 他真正想要的 AI，是能在“不可约计算”里做出实质推进的那种 这4点，我深刻，深刻的认同。 这就证明，我们的工作应该围绕的就是这个词，humanization。 界面，接口，交互，而光是这个层面，颠覆性的系统还有大量的工作可以做。就等于是，你现在才发明了五线谱，你离整个 Jazz Jam的系统，还差老远。 在 Wolfram 的语境里，“现在的 AI（尤其是 LLM）主要在帮我们做什么？”大致是这几件事： 而且都更像“外层能力/接口层”，不是“新的基础科学引擎”。 把计算“人类化”：做一层自然语言的接口/润滑剂 提供“人类文明统计”的直觉：像一个“社会观察者” 做“80% 工作流”的加速器：筛选、建议、找候选，而不是交最终证明 在“可约口袋”里抓规律：擅长发现局部可压缩的结构，但不擅长穿透不可约的核心 他真正押注的是“AI + 形式化计算”的组合，而不是单独的 LLM 这一切的系统做出来了吗？没有嘛…. https://t.co/uBNojdytj5 https://t.co/iIMMBQ1A23