Judgment

前段时间，我在学习文本向量化时重新读到 OpenAI 的 CLIP 论文。读着读着，我突然想起张首晟谈比特币的一场演讲。 一个是分布式账本。一个是把图像与语言放进同一套表示空间。它们解决的显然不是同一个技术问题，却让我反复想到同一个词：共识。 比特币试图让分散的节点对交易历史形成可验证的共同记录。CLIP 则从海量图文中学习：一张图片通常会和什么语言相遇。一个处理协议中的共同历史，一个处理数据里的语义对应。它们之间不存在可以直接画等号的证明，但这种距离很远的相似，改变了我理解 AI 的方式。 我开始追问：如果模型越来越擅长吸收那些已经被反复表达、记录并进入训练数据的模式，那么一个人的长期价值，究竟应该建立在哪里？ 一、共识并非没有成本，只是成本记在不同科目里 比特币白皮书要解决的核心问题，不是让世界从此不再需要信任，而是在没有单一可信第三方处理每笔支付的情况下，防止同一笔数字货币被重复花费，并让参与者接受一份共同的交易历史。它把交易写入持续增长的工作量证明链。想改写过去，就要重做那个区块及其后续区块的工作，并追上网络正在延伸的工作量证明链。1 这并没有让系统脱离一切依赖条件。它只是把对单一中心机构的依赖，换成了对公开协议、密码学证明、软件实现和诚实算力占优这一前提的依赖。 在工作量证明中，成本非常直白：CPU 时间和电力。张首晟曾用热力学中的熵来解释这件事：一个局部系统要维持有序，就必须把代价释放到别处。2 这个类比很有启发性，但我现在不会再把它写成一条由物理学证明的社会定律。热力学照亮了问题，却不能替代分布式系统的证明。 我由此得到的不是一条关于所有共识机制的定律，而是一个工程提醒：共识成本不会凭空消失，只是不同系统把成本记在不同科目里。 有的支付计算，有的支付通信和等待，有的依赖抵押、身份，或者对部分参与者的信任。稳定的共同状态不是一句“大家同意”就会自动出现，它需要一套可以持续校验、处理分歧并约束改写的机制。 二、CLIP 学到的不是世界，而是世界留下的图文痕迹 这里也必须把比特币与 CLIP 之间的距离说清楚。比特币用协议和资源成本，让节点收敛到一份共同历史；CLIP 不建立这种协议共识，它通过统计训练，从人类已经留下的图文配对中提炼规律。两者共享的不是机制，而是一条观察：分散的信息只有被组织成可以反复调用的结构，才会从噪声变成能力。 过去的视觉模型往往依赖预先定义的标签体系。ImageNet 就建立在 WordNet 的概念层级上：研究者先按类别收集候选图片，再通过众包判断图片是否真的呈现了目标概念。它把一套经过人确认的视觉分类体系扩展到了极大的规模。3 CLIP 换了一种做法。研究团队从公开互联网来源构建了约四亿组图文配对，让模型在一批候选中判断哪段文字和哪张图片真正配对。通过这种训练，图像和文字被投射进同一套表示空间，模型由此获得了跨任务迁移的能力。4 四亿组数据听起来仿佛足以覆盖世界。但它们并不是“世界本身”。公开网络、从英文 Wikipedia 高频词、部分条目标题和 WordNet 同义词集扩展而来的约五十万个查询词，以及后续的采样和平衡方法，共同决定了什么有机会进入训练集。CLIP 的预训练没有被锁死在 ImageNet 那样的固定类别表里，但人仍然通过语言、查询和采样方法参与塑造它的边界。 所以，我所说的“语义共识”不是 CLIP 论文里的技术术语，也不是比特币意义上的协议共识。它是我对这类模型的一种理解： CLIP 不是直接从世界读取意义。它从人类留在互联网上的图文配对里，学习视觉与语言如何相遇。 模型看到的世界，已经被人拍摄、筛选、命名、描述和上传过。它学到的不只是物体外观，也包括这些物体在特定网络语境中通常怎样被谈论。这些反复出现的对应关系，像一层沉积下来的意义基础设施。模型越能吸收它们，我们调用公共知识的成本就越低。 但一张足够大的地图，仍然不是全部领土。 三、MNIST：共识存在，却没有以模型熟悉的形状出现 CLIP 在许多自然图像任务上迁移得很好，却在机器学习入门者非常熟悉的 MNIST 手写数字上只有约 88% 的零样本准确率。论文作者检查预训练数据后发现，其中几乎没有外观类似 MNIST 的图片；甚至一个直接处理原始像素的简单逻辑回归模型，也能胜过零样本 CLIP。4 这件事最初让我兴奋，因为它似乎证明了：模型在高频区域强大，在共识稀薄的边缘失灵。 但这个说法并不够严谨。0 到 9 恰恰是人类最稳定的公共符号之一。MNIST 暴露的不是“数字缺少共识”，而是这份共识没有以黑底、低分辨率手写数字的形态，大量进入 CLIP 的训练分布。 所以，我今天所说的“共识密度”只是一把思考工具，不是一个可以从论文里直接读出的指标。它提醒我追问：一种经验有没有被记录，记录是否与语言形成了可学习的配对，最后又是否进入模型的数据分布。CLIP 的研究者在比较不同预训练数据时也谨慎推测，不同数据集上的性能差异可能反映相关数据在预训练材料中的相对密度。4 这支持了我的直觉，却没有把它变成一条普遍定律。 更准确的说法应该是：规模能够扩大模型覆盖的地图，但规模本身无法消灭地图的边界。 四、稀有不是价值，承担后果才是 张首晟在谈 AI 与数据时，设想过这样一个场景：如果一个模型已经有 90% 的准确率，要继续提高到 99%，真正需要的可能不再是更多相似样本，而是与已有数据差异足够大的信息。2 这不是一个已经被证明适用于所有模型的定律，却是一个很有力量的追问：当常规样本已经足够多，下一条重要信息会从哪里出现？ ...

——从《火影忍者》的尾兽，到大模型时代的人类能力重构 小时候看《火影忍者》，我一直觉得尾兽是一个很有意思的设定。九大尾兽承载着远超普通个体的查克拉与力量。有人看到它们，只觉得那是无法控制的怪物；真正强大的忍者却会追问：怎样理解这种力量，与它建立关系，并把它转化为自己的能力？ 最近思考 AI 时，我突然意识到，今天的大模型很像《火影忍者》中的尾兽。它把人类文明长期积累的知识，压缩成了一种普通人可以调用的外部智能。我们正在进入一个近似“人柱力时代”的阶段：越来越多人可以接触巨大的力量，但拥有力量，并不等于会使用力量。 一、知识一直是人类文明创造的“尾兽” 如果把人类文明看成一个巨大的知识体系，那么每一个成熟领域，都像一只尾兽。物理学包含经典力学、电磁理论、热力学、相对论和量子力学；生命科学连接细胞、遗传、进化、神经与生态；金融涉及货币、银行、市场、资本配置与风险；工程制造则横跨材料、机械结构、自动化、软件和供应链。 这些知识不是任何一个人的财富，而是无数代人共同积累的结果。过去真正的障碍，不是知识不存在，而是调用知识的成本很高。一个人需要经过长期教育、阅读、训练和实践，才可能掌握其中一小部分。人的时间、注意力和经验有限，而文明积累的知识早已超过任何个体能够独立容纳的范围。 知识这只“尾兽”一直存在，只是大多数人很难靠近它，更难在需要时迅速调动它。 二、大模型改变的，是人与知识的连接方式 大模型并不是凭空创造知识，也不是一本按照页码保存事实的超级百科全书。它更像是把大量文本、代码和其他资料中的模式压缩成一个可交互的模型，再根据提问生成、重组和连接内容。它可以帮助人发现关系、形成草稿和探索方案，也可能产生错误、遗漏条件，甚至以很自信的方式给出不可靠的答案。 在过去，一个人通常需要先找到书籍和资料，再理解知识、形成能力，最后尝试解决问题。现在，人可以先描述问题，让模型协助检索思路、解释概念、比较方案、生成代码或整理表达。互联网和搜索引擎曾经降低了寻找信息的成本，大模型又进一步降低了初步理解、连接和转化信息的成本。 它没有让学习失去意义，而是改变了学习的重点。人的任务正在从收集零散知识，迁移到建立框架、提出问题、验证结果并把知识用于真实情境。 这仍然像鸣人与九尾的关系。九尾的存在没有自动让鸣人成为强者。他仍然需要理解力量、约束力量，并让它与自己的经验、判断和意志协同。真正属于鸣人的，不是体内存在多少查克拉，而是他最终能够把这些力量用来做什么。 三、拥有尾兽，不等于成为强者 AI 时代一个常见的误区是：“既然 AI 可以回答这么多问题，学习还有什么意义？”这就像认为鸣人体内有九尾，因此不再需要修炼。外部智能提高的是一个人的能力上限，却不能替他建立专业基础、理解现实约束，更不能替他承担决定的后果。 工业时代的机器放大了人的体力，计算机时代的软件接管了大量标准化计算与信息处理，现在 AI 又开始参与语言、代码、分析和内容生成。随着常见知识的获取成本下降，以下四种能力会变得更重要： 问题定义能力。 AI 可以回答问题，也可以协助寻找问题，但什么值得解决，取决于人的目标、处境与价值判断。 跨领域连接能力。 单一领域的知识越来越容易调用，真正困难的是把工程、金融、写作、心理学和商业放进同一个现实问题中。 判断与责任。 AI 可以快速生成许多方案，却无法替人决定哪些假设可信、哪些风险不可接受，以及谁来承担结果。 创造与执行。 一个答案只有被测试、修改、交付并接受现实反馈之后，才可能变成价值。生成内容不等于完成创造。 因此，未来人与人的差距，不只在于谁能获得更多答案，而在于谁能形成一个完整闭环：提出值得解决的问题，调用合适的知识，识别错误，把结果用于现实，再从反馈中继续修正。 四、用 Human Capital ETF 训练驾驭外部智能的能力 这也让我重新理解 Human Capital ETF。过去，我们常用学历、技能和工作经验衡量人力资本；AI 时代，一个人的竞争力更像一组需要长期配置和持续再平衡的资产： Core 是健康、现金流、专业能力和基础认知。它决定一个人是否拥有理解问题的底座，以及能否持续行动。 Growth 是学习、AI、编程和跨领域迁移能力。它帮助一个人扩大能力边界，但应该放大 Core，而不是成为逃离专业积累的借口。 Distribution 是写作、表达、社交网络、个人品牌与内容渠道。它把私人的思考和人机协作结果，转化成可以传播、被反馈和长期保存的作品。 Meta 是思考、复盘、时间配置、风险管理和重新平衡的能力。它决定我们为什么使用 AI、把注意力放在哪里，以及什么时候应该质疑或停止。 AI 使用能力主要属于 Growth，但它不能孤立存在。没有 Core，模型的输出容易脱离专业约束；没有 Meta，人可能只是更高效地走向错误方向；没有 Distribution，再好的想法也可能停留在一次私人对话里；没有健康和稳定的现金流，长期积累也很难持续。 未来真正有竞争力的人，不一定是拥有最多知识的人，而是能够持续调用外部智能，并把一次次调用沉淀为专业能力、工作成果、作品、关系和长期资产的人。 五、成为自己的“人柱力” 每一次技术革命都会替代一部分旧任务，也会重新划分人和工具的边界。AI 可能重组岗位、改变专业分工，并让一些原本昂贵的能力变得普遍，但它的影响不能只用“是否取代人类”来概括。更直接的变化是，一个普通人能够调动的知识、分析和创造能力正在迅速扩大。 成为 AI 的使用者，不是被动接受它给出的第一个答案，也不是把目标、判断和责任一并外包。它意味着知道什么时候调用它，什么时候质疑它，什么时候回到现实中验证，以及怎样把结果变成自己的能力和资产。 如果知识是尾兽，那么 AI 正在让更多人有机会接近这些尾兽。真正的问题不再只是“我有没有 AI”，而是“我是否有能力与它协作，同时保留自己的判断”。 ...