AI的脉络：非共识时刻的认知价值。
AI到底能怎么用？
现在是真正的AI非共识时刻。
在已经形成的时候，非共识时刻的认知价值通常大于普遍共识。
现在再谈网络，对网络的认识再清楚其实也没有机会干电商了。
一家公司的价值通常体现在与其他组织或个人的差异中。
A做100，B也做100通常不会形成机会，但是A做10，B做0则相反，很可能形成机会。
陆续写了一系列文章，有点系统，但不是学问，更像是一种未来认知混乱的方式，而不是共识。
因为之前发散了，但是里面有一些递进的关系，所以这里就按照逻辑顺序来整理一下：人物中心式计算，图灵检测2.0，智能原生，从1到10。。
01 角色中心式计算
AI的颠覆到底在哪里？这种颠覆是大于互联网还是低于互联网？与互联网相比有什么不同？
这种颠覆性起源于基于AI模型和基于过去经典计算机架构的应用的基本计算模式。。
使用韩毅同学的说法是经典的计算机架构，过去的应用是大量的if。...else...积累。这一规则的积累最终可以形成一种有点智能的感觉，但是灵活性和功能界限受到极大的限制。
要解决问题，就必须把问题切成块。
公司级软件正在切块：
个人APP也在切块，电子商务，短视频，IM等等。
切块后，人们变成了一个调度器来完成某个目标。需要调度的不同角色的功能应用越多。但是一般来说，切块越多，人就越多。
AI提供了理解概念和逻辑判断的能力，所以安排自己可以分配给AI，而人们可以更多地完成特定角色和现实世界中的投射。比如教育孩子，要多思考如何成为一种好的教育方式，而不是如何使用工具。这是角色的中心计算。if不在后面...else...规则沉积，而是any。...then...的智能。
角色中心式计算将成为现实的底层逻辑：假如智能本身的表现与所获得的信息成正比，那么最终在追求感觉和效率的内驱力下，一定会成为角色中心式计算。
02 图灵检测2.0
人物中心计算是否创造了新的机会？怎样确定是否可以进行人物中心计算？
人物中心式计算强烈依赖于智能的程度。
一个人的智力到了不学习也许考不上大学，但是智力还没有到可能的学习还没有考上。
要真正改变计算模式，首先要有足够的纯智商，这种纯智商取决于模型。
但是纯粹的智商是否真的够了，就要回到情景本身，擅长下围棋也许智商高，但是不一定能做好企业。
这种智力衡量不能学术化，比如做题或者测试集跑分，但是要回到具体场景。单纯做题或者测试集的结果是学术角度，需要一种新的判断方法来判断商品视野中的智力是否足够。
从学术角度来说，减法注重几个纯量，而商品角度是加法，100个环节中有一个做不好，但也做不到。很多时候，我们不仅要依靠一个模型，还要做一个模型组合。
其背后的判断方法可称为图灵检测2.0。
它是一种简单的智能测试，其本质是在封闭系统中追求逻辑自洽。
现在我们将Agent类似的概念添加到这个测试中：
那就是图灵检测2.0。与1.0相比，核心差别是什么？
去幻觉，有界限。
1.0是一个腾空系统。合理的幻觉实际上有利于通过测试，但2.0不起作用。测试人员同时从真实场景接受受试者的反馈；此外，测试边界的限制需要更高的智能综合性。
能否打破内容产生的界限，成为任何场合使用的新型通用计算平台，取决于智能能否跟上。智能能否跟上，取决于图灵能否在每个场景中通过2.0检测。
每当一个场景通过图灵测试2.0(产品经理测试而不是技术视角测试)时，就会形成一个实验田(一个重构的机会)，可以用角色中心计算。
通过图灵检测2.0则有机会进行智能原生应用，注意这些工具不是MJ、ChatGPT等。
下面这些工具大多不是智能原生应用，而是被通用模型吞没的工具。
角色中心计算和智能原生应用是一个全新的应用，有点像一个新的应用商城，所以这是普通人的机会。。
与大模型不同，由于对资金、技术和人员的要求太高，即使是纯粹从相应角度的医生，估计也不到10%的人能够真正从事相关工作。
03 智能化原生应用
那么什么是智能原生应用呢？
这张图可以用爱立信画，我们有很多AI相关的应用，但是上面提到的大部分都不是智能原生应用。
比如原来的闸机需要刷卡，现在要刷脸了。
比如Office原本不能帮助生成内容，现在加一个球可以帮助你生成内容。
举例来说，智能音响本来只能靠按压，现在可以进行语音交互。
这并非智能原生应用程序(分别对应上图中依次向下的场景)。
智能化应用需要将概念理解与智能判断与决策渗透到每一个角落，正是角色中心计算的实现。(图的右边)
在结构上，智能原生应用将与过去的智能音响或搜索最相似，但具有独立的行为能力。
如果你想成为一名主播，你不想去那里，你可以把一个智能体扔在那里，它每天都会自己播出，那么这个智能体就是智能的原生应用，它处理了你角色的所有相关细节。以前详细举过例子，这里就不展开了。
04 从1到10
智能原生应用一旦真正开始，就需要对其进化阶段有所期待。
因特网项目是从0到1，从1到100的两段理论，而智能原生应用则是从0到1，从1到10，从10到100的三段理论，更加辛苦和具有挑战性。
它与两者的计算形式有关。
功能性中心式计算是选择一种功能，水过土地湿润，只要面积足够大，就可以创造比较的总量。
智能化原生型应用相当于要把一个角色透彻理解，那就像打深井一样，必须打到一定程度才能喝水。
人物所面临的环境是一个变量，那么到底是否真的能适应这些变量，在幻觉依然存在的前提下，就是一个水磨工夫。
您做了自己的数字分身，到底会不会违反规定？对于话题A不违规，对于B也不违规？
过去，我们的计算模式本质上是由程序员将现实世界的需求映射到计算机世界的语言中，然后根据程序员的设置执行计算机。
AI下的计算模式不是这样的。程序员的中间层越来越透明(没有完全消失)。人们直接与模型互动，然后具体功能范围不确定。这个范围的模型、方案和价值观设置不再是程序员设置的范围。
假如用图形来描述，那么大概如下：
这类有机体可能会引起麻烦！！
打磨期，可以统称为从1到10。
05 总结
人物中心计算，图灵测试2.0，智能原生应用，从1到10是一种逻辑层层递进的思维方式。。不是100%正确，但从实践来看，估计误差不大。如果你明白了这一点，你就会明白普通人的机会在哪里，所以重新梳理一下这个脉络。吸引别人的注意力，供参考。
本文来自微信微信官方账号“琢磨事”（ID:zuomoshi），作者：老李话一三，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com