經濟體系長期以來建立在這樣的觀念之上：專業知識稀缺且昂貴。而人工智慧即將讓這種專業知識變得豐富且幾乎免費。本文源自 AI先鋒官 所著文章，由 深潮 TechFlow 轉載。 （前情提要：資深工程師有感而發：初階開發者現「全靠AI」喪失獨立思考，馬斯克也回應 ） （背景補充：OpenAI 解鎖 Deep Research：付費用戶每月可查詢 10 次、微軟發布多模態 AI 代理 Magma ）   在人類大部分歷史中，要僱傭十幾位擁有博士學位的專家，往往需要龐大的預算和長達數月的準備時間。如今，只需在聊天機器人中輸入幾個關鍵詞，就能瞬間獲得這些 「大腦」 的智慧。 當智慧的成本變得更低、速度變得更快，支撐我們社會制度的基本假設 ——「人類洞察力稀缺且昂貴」—— 將不復存在。當我們可以隨時呼叫十幾個專家的見解，公司組織結構會如何變化？我們的創新方式會如何演進？我們每個人又該如何對待學習與決策？擺在個人與企業面前的問題是：當智慧本身隨處可得且幾乎不需成本時，你將如何行動？ 智慧 「降價」 的歷史程式 歷史上，我們曾不止一次見證知識成本大幅下降、傳播途徑急速擴張的過程。15 世紀中葉印刷機的出現，就極大降低了書面資料的傳播成本。在此之前，文字往往由僧侶等專業人士手工謄寫，既費錢又費時。 當這道瓶頸被打破後，歐洲迎來了深刻的社會變革：新教改革在宗教層面引發了巨大沖擊；識字率迅速上升（為普及初等教育奠定了基礎）；科學研究藉助印刷出版物蓬勃發展。荷蘭和英國等商業導向的國家因此獲益匪淺，荷蘭進入 「黃金時代」，而英國則在隨後的數個世紀繼續在全球舞臺上扮演重要角色。 隨著時間的推移，大眾識字與公共教育普及，讓社會總體智慧得以提升，這也為工業化打下了基礎。工廠職位日益專業化，更復雜的勞動分工推動了經濟增長。18 世紀末，男性識字率較高的國家率先實現工業化；到了 19 世紀末，技術最發達的經濟體也往往是識字率最高的國家。人們掌握新的技能，催生出更多專業職位，從而形成延續至今的良性迴圈。 網際網路的出現更是把這一趨勢推向新高度。童年時，如果我想研究一個新話題，需要帶著筆記去圖書館搜尋書目，光是這一步就能耗掉大半天。那時，獲取知識既昂貴又不易。 而今，人工智慧接過了這條持續千年的 「降低智慧成本」 的接力棒，為我們的經濟與思維方式開啟了全新的篇章。 我與 ChatGPT 的 「頓悟時刻」 我在 2022 年 12 月第一次使用 ChatGPT 時，就感到這是一個里程碑的產品。起初，我只是用它做些 「數位把戲」，比如讓 AI 「用 Eminem 的風格改寫《獨立宣言》」（它寫出的改編詞大概是 「Yo, 我們要大聲說出來，這裡的人絕不會被打倒」，諸如此類）。 事後回想，這就像讓一位藍帶廚師為你烤芝士三明治，實在太過大材小用。直到 2023 年 1 月的某個下午，我和 12 歲的女兒花了幾小時，藉助 ChatGPT 一起設計了一款全新的桌面遊戲，才真正意識到這類工具的力量。 當時，我先告訴 AI 我們喜歡哪些桌遊、不喜歡哪些，並請它分析其中的共性。它發現，我們喜歡能夠 「鋪設路徑」「管理資源」「收集卡牌」「制定戰略」 且 「勝負懸念較大」 的遊戲機制，同時不喜歡某些常見於《Risk》或《大富翁》的模式。 我要求它在這些元素的基礎上構思一些不那麼顯而易見、但又重要的遊戲創意，並希望有一定歷史背景。ChatGPT 便想出了一個名為 「Elemental Discoveries」 的遊戲：玩家扮演 18~19 世紀的化學研究者，通過收集和交易資源來進行實驗、獲得分數，並可相互干擾破壞。 然後，我讓它進一步細化資源、玩法、遊戲機制以及適合玩家扮演的角色。它提出了 「鏈金術師」「破壞者」「商人」「科學家」 等定位，還為他們匹配了歷史上的化學家形象，例如拉瓦錫、約瑟夫 – 路易・蓋 – 呂薩克、瑪麗・居里、卡爾・威廉・舍勒等。 藉助當時還比較 「初級」 的 ChatGPT，我們僅用兩三小時就製作出了一款雖然粗糙但還算可玩的桌遊。最後，我不得不停下來，一方面是時間不夠，另一方面我也已經精疲力竭。那次經歷讓我親身體會到，AI 「合作者」 可以將原本需要數週的研發流程，壓縮到短短几小時。想想如果把它用於產品開發、市場分析，甚至企業戰略，會帶來多麼巨大的潛力？ 在這個過程中，我看到的 ChatGPT 並不僅僅是在復讀或堆砌事實；它的表現展現出類比和概念性思維能力，能夠聯結點子與現實參考，真正地在需求下輸出具有創造力的解決方案。 從 「隨機鸚鵡」 到 「深度思考者」 一兆這個數量級已經很驚人了。支撐 ChatGPT 的大型語言模型動輒擁有數十億、數千億甚至上兆個引數，其複雜程度令人咋舌。 我們至今也不完全明白這些模型為什麼、又是如何發揮作用。當它們在過去七年屢屢取得突破時，有些理論學者堅持認為它們做不出真正的新東西 ——2021 年，一些研究者甚至提出 「隨機鸚鵡」（stochastic parrots） 這一帶有貶義的說法。因為大型語言模型基本是根據訓練資料的統計規律來預測文字，彷彿鸚鵡隨機重複話語。 然而，對於那些持續體驗並讚歎這些工具的人而言，很難相信它們只是在復讀。尤其是在過去半年裡，這種觀點顯得更加站不住腳。 最初的大型語言模型，更像是 「憑直覺發言」，既缺少 「反省」 能力，也無所謂 「自我意識」。用諾貝爾經濟學獎得主丹尼爾・卡尼曼的話來說，人類大多時候依靠系統 1（直覺性、快速反應）的思維，但真正需要深入思考時，我們會切換到系統 2（緩慢、謹慎且更不易出錯）。前期版本的 ChatGPT 及其競品多數只具備類似於系統 1 的表現，沒有系統 2 的推理流程。 這種狀況在 2024 年 9 月時開始改變，OpenAI 釋出了一個名為 o1 的推理模型，它可以對多步的複雜邏輯問題進行分解、驗證中間結論（必要時還能回溯修正），從而更好地得出最後結果。相較於傳統的大型語言模型僅能依賴記憶或表層模式匹配，新的推理模型逐步具備了…