這篇文章里，作者梳理了一個(gè)脈絡(luò)，從角色中心式計(jì)算，到圖靈測(cè)試2.0、智能原生應(yīng)用、從1到10，這之間的邏輯是層層遞進(jìn)的。如何理解？不妨來看看本文的分享。

AI到底可以怎么用？

現(xiàn)在是真正的AI非共識(shí)時(shí)刻。

非共識(shí)時(shí)刻的認(rèn)知價(jià)值往往會(huì)大于普遍共識(shí)已經(jīng)形成時(shí)候。

現(xiàn)在再說互聯(lián)網(wǎng)，對(duì)互聯(lián)網(wǎng)認(rèn)識(shí)的再清楚其實(shí)也沒機(jī)會(huì)干電商了。

一個(gè)企業(yè)的價(jià)值往往在和其它組織或個(gè)人的差異中才得到體現(xiàn)。

A做100，B也做100往往不形成機(jī)會(huì)，但A做10，B做0則相反，很可能形成機(jī)會(huì)。

陸續(xù)寫了一個(gè)系列的文章，有點(diǎn)體系化，但并不是學(xué)問，而更像是一種非共識(shí)下，認(rèn)知混沌未來方法。

因?yàn)橹鞍l(fā)的散亂，卻內(nèi)在有一些遞進(jìn)關(guān)系，所以這里把它們按邏輯次序整理下：角色中心式計(jì)算，圖靈測(cè)試2.0，智能原生，從1到10。

一、角色中心式計(jì)算

AI的顛覆性到底在那里？這種顛覆性是大于互聯(lián)網(wǎng)還是小于互聯(lián)網(wǎng)？與互聯(lián)網(wǎng)比又有什么異同？

這種顛覆性起于基于AI模型的應(yīng)用和基于過去經(jīng)典計(jì)算機(jī)架構(gòu)的應(yīng)用所對(duì)應(yīng)的基礎(chǔ)計(jì)算模式不同。

用韓毅同學(xué)的說法是經(jīng)典計(jì)算機(jī)架構(gòu)下，過去的應(yīng)用是大量if…else…的堆積。這種規(guī)則的堆積最終能形成有點(diǎn)智能的感覺，但靈活度和功能邊界是受到極大約束的。

為了解決問題，就必須把問題切塊。

企業(yè)級(jí)軟件在切塊：

個(gè)人的APP也在切塊，電商、短視頻、IM等。

切塊之后人變成了完成某個(gè)目標(biāo)的調(diào)度器。不同的角色需要調(diào)度的功能型應(yīng)用越多。但總的來看切塊越多，人越累。

AI提供了概念理解和邏輯判斷能力，所以調(diào)度本身可以分配給AI，人則更多的完成特定角色和現(xiàn)實(shí)世界中的映射。比如教育小孩，那就更多思考怎么才是一種好的教育方式，而不是怎么使用工具。這就是角色中心式計(jì)算。背后不在是if…else…的規(guī)則堆積，而是any…then…的智能。

角色中心式計(jì)算會(huì)變成現(xiàn)實(shí)的底層邏輯是：如果智能本身的表現(xiàn)與它所獲取的信息成正比，那最終在追求體驗(yàn)和效率的內(nèi)驅(qū)力下，就一定會(huì)變成角色中心式計(jì)算。

參見：角色中心式計(jì)算：AI大模型顛覆性的起點(diǎn)與終點(diǎn)

二、圖靈測(cè)試2.0

角色中心式計(jì)算創(chuàng)造新機(jī)會(huì)么？怎么判斷是否可以進(jìn)行角色中心式計(jì)算？

角色中心式計(jì)算對(duì)智能的程度形成強(qiáng)依賴。

一個(gè)人智商到了不學(xué)習(xí)可能考不上大學(xué)，但智商沒到可能學(xué)習(xí)了也考不上。

真正改變計(jì)算模式首先需要足夠的純粹的智商，這種純粹的智商依賴于模型。

但純粹的智商是否真的夠了，則要回到場(chǎng)景本身，擅長(zhǎng)下圍棋可能智商高，但不一定能做好企業(yè)。

這種智商衡量不能學(xué)術(shù)化，比如靠做題，或者測(cè)試集跑分，而是要回到具體的場(chǎng)景。單純做題或者測(cè)試集的結(jié)果是學(xué)術(shù)視角，產(chǎn)品視角下智商夠不夠則需要一種新的判斷方法。

學(xué)術(shù)視角是減法就關(guān)注幾個(gè)純量，產(chǎn)品視角則是加法，100個(gè)環(huán)節(jié)有一個(gè)搞不好，也是不行。很多時(shí)候會(huì)不止依賴一個(gè)模型而要做模型的組合。

這背后的判斷方法可以稱之為圖靈測(cè)試2.0。

這是一個(gè)純粹的智能測(cè)試，本質(zhì)是追求在封閉系統(tǒng)里面的邏輯自洽性。

現(xiàn)在我們把Agent類似的概念加入這個(gè)測(cè)試：

這就是圖靈測(cè)試2.0。和1.0相比核心差異是什么呢？

去幻覺，有邊界。

1.0是一個(gè)凌空的系統(tǒng)，具有合理性的幻覺其實(shí)有助于通過測(cè)試，但2.0不行，測(cè)試者同時(shí)從真實(shí)場(chǎng)景和被測(cè)試者接受反饋；其次就是測(cè)試邊界的限定要求更高的智能綜合度。

能否打破內(nèi)容生成的邊界變成各種場(chǎng)合都用的新式通用計(jì)算平臺(tái)，關(guān)鍵取決于智能是否能跟上。而智能是否能跟上取決于是否在一個(gè)個(gè)場(chǎng)景下能通過圖靈測(cè)試2.0。

每當(dāng)一個(gè)場(chǎng)景通過圖靈測(cè)試2.0（產(chǎn)品經(jīng)理的測(cè)試而不是技術(shù)視角的測(cè)試），那么就形成了一個(gè)可以進(jìn)行角色中心式計(jì)算的實(shí)驗(yàn)田（一次重構(gòu)的機(jī)會(huì)）。

通過圖靈測(cè)試2.0則產(chǎn)生做智能原生應(yīng)用的機(jī)會(huì)，注意這不是MJ，ChatGPT這些工具。

下圖中絕大部分工具不是智能原生應(yīng)用，而是會(huì)被通用模型淹沒的工具。

角色中心式計(jì)算與智能原生應(yīng)用，一種完全新式的應(yīng)用，有點(diǎn)像新開了一個(gè)應(yīng)用商店，所以是普通人的機(jī)會(huì)。

和大模型不一樣，大模型由于資金、技術(shù)、人員要求太高，即使純粹是相應(yīng)方向的博士，真正能從事相關(guān)工作的估計(jì)也不到10%。

三、智能原生應(yīng)用

那什么是智能原生應(yīng)用？

可以用愛立信畫的這張圖，我們有很多和AI相關(guān)的應(yīng)用，但如上所說大部分都不是智能原生應(yīng)用。

比如原來的閘機(jī)需要刷卡，現(xiàn)在得刷臉了。

比如Office原來不能幫助生成內(nèi)容了，現(xiàn)在加了個(gè)小球可以幫你生成內(nèi)容了。

比如智能音箱原來只能靠按，現(xiàn)在可以語音交互了。

這些都不是智能原生應(yīng)用（分別對(duì)應(yīng)上面圖里面的依次往下的場(chǎng)景）。

智能原生應(yīng)用需要把概念理解和智能判斷和決策滲透到每個(gè)角落，正是角色中心式計(jì)算的實(shí)現(xiàn)。（圖的右側(cè)）

結(jié)構(gòu)上智能原生應(yīng)用會(huì)和過去的智能音箱或者搜索最像,但具有自主行為能力。

假如你想成為主播，自己不想上，扔一個(gè)智能體在那里，它每天自主開播，那這個(gè)智能體就是智能原生應(yīng)用，它處理了你這個(gè)角色所有相關(guān)的細(xì)節(jié)。過去詳細(xì)舉過例子，這里不展開。

參見：

• 舉個(gè)例子：智能原生應(yīng)用的腦、手、意
• 智能原生：AI藍(lán)海世界的關(guān)鍵鑰匙

四、從1到10

一旦真的開始打造智能原生應(yīng)用，那對(duì)它的進(jìn)化階段要有預(yù)期。

互聯(lián)網(wǎng)產(chǎn)品是從0到1，從1到100的兩段論，智能原生應(yīng)用則是從0到1，從1到10，從10到100的三段論，更加的辛苦和有挑戰(zhàn)。

這和兩者的計(jì)算形態(tài)有關(guān)系。

功能中心式計(jì)算是選一個(gè)功能，水過地皮濕，只要面足夠大，那就創(chuàng)造比較的總價(jià)值。

智能原生型應(yīng)用相當(dāng)于要把一個(gè)角色吃透，那就類似打深井，必須打到一定程度才有水喝。

角色面對(duì)的環(huán)境是個(gè)變量，那究竟是不是真的能夠自適應(yīng)的匹配這些變量，在幻覺仍然存在的前提下就是個(gè)水磨工夫。

你做了自己的數(shù)字分身，它到底會(huì)不會(huì)違規(guī)呢？針對(duì)話題A不違規(guī)，針對(duì)B也不違規(guī)么？

過去我們的計(jì)算模式本質(zhì)上是現(xiàn)實(shí)世界的需求由程序員折射成計(jì)算機(jī)世界的語言，然后計(jì)算機(jī)按照程序員的設(shè)定進(jìn)行執(zhí)行。

AI下的計(jì)算模式不是這樣，程序員這個(gè)中間層越來越透明（不是徹底消失），人直接和模型進(jìn)行交互，然后具體的功能范圍是不定的。模型、策略和價(jià)值觀設(shè)定這個(gè)范圍，不再是程序員設(shè)定這個(gè)范圍了。

如果用圖形描述，那大概下面這樣：

這個(gè)類生命體是可能闖禍的！?。?/strong>