第167天，我自己开始搭建自己的知识库。第一步迈出来往往比较难，但是开始做起来就变得越来越顺。在回家的路上，我自己告诉自己：只要相信未来越来越好，那么现实中一定会越来越好的。
到家之后，打开了大树的文章，细细阅读完之后对于AI的发展还是不那么恐惧的。
《联合早报》昨天有一个文章，直接把AI的作用说的特别大，我总觉得有些地方不对。但是又说不出来。
从技术底层来说，目前所有AI的技术路线大概率是无法通往真正的通用人工智能。人们往往都是把一些细节夸大，认为AI全面取代人。然而，从第一性原理出发，作为未来产业还有很长的路要走。
目前主流的大模型属于数字AI，而世界模型属于物理AI，无论哪种AI，它都要基于人类语言世界进行训练。而这种高度浓缩、存在边界的确定性世界，还不及真实物理世界的九牛一毛。对于“大统一场模型”，还远远没有达到要求。
大量隐性知识是AI所不能预测的。比如说重返月球，仅仅靠工程图纸信息十分有限，关键在于大量没有写在纸面上的人类经验和知识。
（一）
关于SKILLS和工作流，很多时候都是科技企业对部分隐性知识显性化的探索。比如在招聘环节，HR会将自己感性判断的经验总结出来，比如求职者是否具有判断力、好奇心、想象力、探索欲等进行量化，然后把人的简历相关内容或者填写的信息与基本能力相关联。只要“大差不差”就OK了。
然而，关于法律道德、商业合规性、人与物理世界交互环境等因素，HR并没有考虑。
回到昨天“变现”的话题，现在AI能否完全变现还是一个问号，特别是规模化发展。
对于一个理性思考的人来说，“AI的能力边界”是理解、把握、应用AI的首要问题。很多吹嘘、炒作，无非就是在业内和社会之间建立一种认知障碍。我看过好多文章都说，决策者一定要立得住。现在的AI，在我自己看来就是SaaS（软件即服务）的一种变体，
与计算机打交道，并且要实现一个工程项目，至少要搞定6个要素：需求、设计、接口、组织沟通、变更、测试等环节。就拿AI目前引以为豪的编代码为例，它也就是解决了自动化代码生成、配置管理、工具链集成等等，本质是在降低技术摩擦和重复劳动，对于重构也只是局部。编写软件的核心不是写代码速度，对于目前纷纷扰扰的宣传可被替代的程序员，实际工作中只有15%是编程，其他的都是在解决编程之外的问题。
最大的问题，是问题本身的固有难度。业务逻辑存在冲突、物理规律上的约束、人类之间的动态博弈、谁对这个问题具有负责和兜底、不同方案的抉择……拿出来每一项，都是沟通、延期和不确定性的来源。所以为什么要用MBSE也就能够理解了。
（二）
组织进程的关键是取决于短板而非长板。昨天在联合早报上的那篇文章很强调AI能够把流程加快，特别是决策流程。原文是这么说的：流程最短、决策最快、数据最深、系统最强的企业，才会成为新一轮洗牌的主导者。
这就要提到创业了，创业也好，投资也好，100个项目的投资，只有2~3个项目成功就已经不错了。而这两三个就可以收回所有成本。本质上就是基于判断力提升的概率游戏。AI为什么能够辅助决策？就是因为它具有强大的信息加工能力。
但是决策是越快越好吗？当然不是。一个决策者做出的决策，常态是错误的，但是组织有一定的恢复能力和冗余空间，能够承受一定的错误代价。越成熟的企业，管理流程越能够拦截这些错误，最差也可以在接到用户反馈后立即停止。
也就是说：决策最重要的是流程，而非是速度。
AI工程师现在希望的，或者给一些老板描绘的场景是：只要老板一句话，就能够把用户需求、市场动态、产品开发、投放运营等全部自动搞定。这样就可以不用人的介入。
可是的老板的痛点在于什么？第一，比竞争对手的决策更优；第二，决策要尽可能完美；第三，才是在前两点的基础上提升速度。
从第一个痛点解决上看，基于概率计算的AI技术路线，所能够提供的水平也就是整个人类社会的平均水平。在这一个现实上看，AI加速决策流程前后，原本一个公司在一个周期内承担10个错误决策，那么之后一下子做出20、30甚至更多的错误决策，超过了公司承受上限，公司损失将会不可逆转。
从第二个痛点解决上看，老板的决策是要精细化而非粗放型。学过相关算法的人都知道，AI是个黑箱，这种让人即时反馈，缩短路径，本身就是对人的思考的剥夺权。老板做决策的数量一旦增加，决策压力也会陡然上升，决策质量越来越粗放，越来越缺乏思考，整个组织也会更加疲于奔命。
从第三个上面看，由于这种即时性的增加，很多程序设计披着“AI辅助”的外衣，实际上本质就是要替代人的决断。
（三）
再说说应用。
现在动不动提到“具身智能”，具身智能在8小时内能够在流水线上独立完成精密上下料、人机协同等工作，成功率为99.5%。
但是人们忽略了一点，在工业自动化环境下，多流程环节的成功率是要要求99.999%的。如果一个环节的成功率为99.5%，那么10个环节成功率就会下降到95.1%，20个环节之后就会降到90.5%，50个环节之后，77.8%的成功率谁能忍受。而如果是同样采取工业自动化水平，50个环节之后的成功率是99.95%。差距越来越大。
数字AI领域失误，正如现在全民所看到的“重生”短剧一样，大不了消耗token纠正，但是工业领域失误可是要付出真金白银甚至是生命代价。
看似99.999%和99.5%只差0.5%左右水平，但是就是这一点就需要远超此前所有工作的扎实工作。这些工作往往是AI巨头和大资本抗拒的低收益苦活。
就拿OCR来说，如果一旦给了上万组甚至几十、几百万组数据的表格，人工智能使用的成本远高于人力或自动化。
作为工科出身的人，一定要牢记：干一个项目，如果不能实现100%准确率，0%=99%。
生产角度看，投入几十万甚至几百万做的AI工具，如果无法完整替代一个工作人员，这件事就等于无意义。
企业实际生产经营中存在三个不可能定律：
1、不可能无上限增加成本投入；
2、不可能为某个环节提供很高的投入预算；
3、不可能不在乎投入产出比。
现阶段，雇佣人还是雇佣AI风险还很大：比如一件事情上，人做错了。那么主要责任不是决策者的，最多就是招聘、培训以及直接领导的责任；但一旦投入AI替代，当AI出了问题，那么主要责任直接就是决策者的。性质就发生了本质的变化。
人，是有兜底功能的！
（四）
所以，归根结底，我应该如何面对AI呢？
首先，AI代表的是人类的平均能力，但平均能力不是中位数！这里需要普及一点：将一组数据按照大小的顺序排列。如果数据的个数是奇数，则中间那个数据就是这群数据的中位数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这群数据的中位数。
比如说，在职场上还是生活中，人类最困难的问题就是：简单地请清晰描述自己面临的问题。这个问题的解决，就是靠公务员考试来训练出来的。
其次，要认清现在炒作AI最凶的不是大平台、大企业、大资本。而是自媒体相关从业者。很多人一说你看这个账号有多少粉丝、有多少受众，有多么无所不能，本质上还是个体户，最多雇佣几十个人算是小微企业。一定要认清：自媒体影响力和人均创收并不是和从业者整体素质水平挂钩！
还有一个扎心的本质：小微企业最大的难题就是没有高素质的员工。因此，在基础性的难简单难题，比如如何准确表述、如何建立标准化的工作流程上，小微企业甚至个体户太随心所欲了。
况且，炒作AI强大，本身就是制造焦虑，获得营收的关键。
所以，看清真相，让AI回归本质，才是眼下最重要让内心回归的功课。
发表回复