“AI这个话题所覆盖的領域太廣泛了，今天咱們只談它有什麼用。”在混沌“一”思維創新嘉年華活動現場，韋青說：“為什麼選這個主題？因為從咱們朋友圈裡看到的AI和一線打拼的工程師正在開發的AI好像有點不太一樣。”他說：“我們每天一睜眼，就對技術、能力孜孜以求。請問，我們有沒有把手上的技術、能力用足？手機的功能、算力你能用到多少，電腦上Office的套件，比如Excel你能用到多少？公司裡有太多流程優化還沒到位，有太多買的產品沒有被用到它們能力的極致，有太多的技術只是有，沒有用，更不要提應用技術和所獲得的能力解決實際問題。這裡有多麼大的提升空間！”
韋青，微軟（中國）首席技術官、工程師，混沌同學們喊他“韋神”，因為他總是一語中的，把哲學的思辨和技術發展結合在一起娓娓道來。
此次，韋青老師做客混沌“一”思維創新嘉年華活動，分享《滑向冰球將要到達的位置》，從第一性原理的角度為大家講述這一輪技術落地的路徑。混沌在上海滴水湖洲際酒店舉辦“一”思維創新嘉年華活動。用一整座島、打造兩天兩夜的共學場，2000位混沌同學熱烈參與其中！邀請AI 全明星陣容空降授課。以下為分享筆記：授課老師 | 韋青 微軟（中國）首席技術官、工程師編輯丨混沌商業研究團隊支持丨混沌前沿課
模型不是產品
今天的分享為什麼叫做《滑向冰球將要到達的位置》？熟悉體育行業的朋友一定知道韋恩·格雷茨基，他是一位傳奇冰球選手。他的身體素質並不是最強壯的，也不是滑冰最快的、技能最好的。他之所以成為傳奇，就在於自身不斷地學習、不斷地思考。在這個劇變的時代，想要單純依靠原有學習的知識去應對未來是不現實的，可能性也比較小，只有終身學習才能讓我們具備應變的能力。
AI發展到現階段，有人稱其為iPhone時刻，我更願意稱之為重新啟蒙的過程。2007年喬布斯在發布第一代iPhone時，在keynote結尾引用了韋恩·格雷茨基這段話。“我總是滑向冰球即將到達的下一個位置，而不是它現在的位置。” 一些人會認為這是iPhone初代發布的心路歷程，但看到iPhone之後的發展進步，就會發現這其實是一種方法。永遠不要跟在潮流之後，除非我們認為自己跑得過冰球。
AI這個話題所覆蓋的領域太廣泛了，今天咱們只談它有什麼用。為什麼選這個主題？因為從咱們朋友圈裡看到的AI和一線打拼的工程師正在開發的AI好像有點不太一樣。
例如，微軟公司董事長兼CEO薩提亞近期在Freakonomics的採訪中提出，“模型不是產品，模型可以成為產品的一部分”。很多人都遭遇了ChatGPT、大語言模型或者大型基礎模型的信息轟炸，但大家必須要有自己的觀察，大語言模型只有加載到應用中去滿足一個具體的需求才能發揮應有的作用。在眾多新聞中，人們很少談及兩件事情，即除了模型以外，人的價值與需求，和需要提供何種產品與服務去滿足這種需求。因為用戶和消費者不會去直接用模型，他們也不會在乎你有什麼模型，用戶需要的是滿足需求和解決問題。
喬布斯、薩提亞都特別喜歡引用施樂帕洛阿爾托研究中心（PARC）首席技術官Mark Weiser對於劃時代的社會基礎技術能力的評判，大意是：真正偉大的技術、那種平台型的技術、那些會對社會的底層邏輯進行改變的技術，它真正有用的時候是消溶於一切的時候，就是沒有人再談論這種技術的時候。按照這種邏輯，水、電、氣、網絡到達了這種程度，但是今天的AI技術還遠遠沒有達到這種程度，如果我們整天談論技術而非應用，它就會永遠在天上浮著，不會落地。
模型很重要，但同樣重要的是模型如何發揮作用。任何一種基礎性技術的出現與成熟，都需要不同能力的組織在技術的不同發展階段發揮不同的作用。既需要有科學研究機構去探索各種未知的可能，也需要有企業去實現新可能下的技術創新，還需要大量企業利用這種技術能力去優化我們的世界，為人類創造現實的福祉。所以，一定要養成動態思考的習慣，要善於利用發展的眼光看待事務的演變，尋找並滿足不同發展階段的不同需求。
舉個例子，在靜態的畫面中，我們能否判斷球會向哪裡滾動？當然人們可以根據過去的經驗、知識、體會等等進行猜測，但這就像“看後視鏡開車”。人類永遠是在看著後視鏡開車的，對未來所有信誓旦旦的預判，都是以一種“看後視鏡開車”的心態進行的。在這種心態下，可能過去幾十年間未曾出現問題。那是因為過去幾十年雖然也在變化，但範式並沒有特別大的改變。範式改變之後，如果還採用“看後視鏡開車”的方式，憑藉過往經驗對事務進行預判，是無法達到效果的。這就是當下時代的特徵。
現在所有的AI、機器學習以及對未來信誓旦旦的判斷，經常是一半對一半錯的。網上有一則笑話，關於一個投資顧問如何說服別人一定聽從他的建議：先找1000個用戶，挑選一個投資方向，跟其中一半的人說會漲，跟另一半的人說會跌，結果不管漲跌，肯定有一半人會相信這個建議是對的。當然一次不夠，可能還有些許懷疑，那麼繼續用這種方法對付剩下來相信的那500人、250人、125人，最後剩下這125人，大家一定會堅信這個投資顧問，因為每次預估都是對的。在劇烈動盪的年代，這可能嗎？實際上背後全是概率，是倖存者偏差。
在這種劇變下，在每天早上都有新事物出現的情況下，先別著急下結論，大致方向對就可以。關鍵是要在過程中去摸索，不要怕犯錯，與其總擔心如何不犯錯，還不如關注於如何建立起迅速改錯的韌性能力，以應對“黑天鵝”層出不窮的時代。
機會點在哪
就像韋恩·格雷茨基提到的，擊球能否得分是未知的，但不擊球肯定是不能得分的。這個時代變化很大，大家迷茫、彷徨、焦慮，這很正常，因為我們討厭不確定性，但這些情緒並沒有用，關鍵是如何安下心來，去探究事物發展的必然規律。
大家對於微軟公司的關注，更多集中在同OpenAI合作的GPT模型和相關服務上。實際上從2022年下半年開始，微軟公司的薩提亞·納德拉(董事長兼CEO)、凱文·斯科特(CTO)和彼得·李(微軟研究院負責人)做出了一個非常重要並且風險很大的決定，當看到模型已經具有發展潛質之後，他們決定對微軟的全線產品與服務做智能化轉型，把大型基礎模型，包括以GPT為代表的大型語言模型能力全都嵌入到微軟現有的產品中，而且在短短半年之內不斷開發出新產品。做過產品的企業家都能感同身受，做這種決定是非常不容易的，這是一個產品開發流程的重構，不僅僅是一個理解、消化和吸收新技術的過程，更是一個巨大的軟件工程挑戰。軟件開發有其特有的系統工程思想和流程，這些流程又都與所開發的產品特點與組織文化相適應。在一個非常成熟與可靠的開發流程之上，突然加入一種每個軟件工程師自己都還在學習與適應的新興技術，而且還要迅速推向市場，這種成就背後的艱辛與付出或許只能以“不足為外人道也”來表達了。
大家可以從各種場合的採訪、交流的公開資料中可以看到， 微軟和OpenAI的技術專家無不透露一個真相，對於這樣一個新生事物，每個人都是在探索，沒有人能夠事先知道如何利用這種還未被人們完全知曉的能力開發新的產品與服務，但他們堅信只要大家努力研究，尤其重要的是不要空談，敢於在未知的領域大膽實證，有這種技術信仰，大膽假設，小心求證，就一定能夠淌出一條未有人走過的路。這是所謂成功的真相，一定會成功的事情，要么回報少，要么輪不到我們去做，而且永遠不要忘記倖存者偏差的道理。
在這個劇變的時代，人們開始還是習慣使用固有的充分條件思維，如果條件充分，只要做了A就一定會實現目標B。但真實的生活深刻教育了我們，這種事前就追求確定結果的方法在確定性消失的時代其實是不科學的，也是不現實的。科學的方法和態度，恰恰不講究一定要怎樣，科學定理本身就是等待被證偽的假設，它在被論證出來的那一刻，就等待被更加精確和更加符合實證結果的理論所推翻。理查·費曼在他的一堂物理課上，當問及何為科學時，他的回答是“猜”，也就是假設；當提到如果假設與實證結果不符合怎麼辦？他的回答是“那就要改變假設”。在科學思想中沒有一成不變的方法，講究的是批判性思維、科學方法論，科學最偉大之處在於它的科學精神和科學方法，不斷觀察現象、產生假設、進行實驗、產生結論，對了就做，不對就改，從而不斷迭代，不斷證實和證偽，永無終結。
把這種方法應用到我們的技術創新與落地的過程中，就是學會採用必要條件思維，即“盡人事，聽天命”，做了不一定有結果，不做肯定沒有結果，不斷假設，不斷探索，不斷糾偏，不斷前行。
在技術落地過程中，其實有三個階段：剛開始的時候，是“擁有”技術的階段。人們傾向於關注如何擁有某種技術能力，但不要忘記在擁有技術能力之後，還有漫長的學習與適應的過程，以及時間與資金持續地投入。擁有技術並不等同於掌握技術，更不等同於解決實際問題。技術是一種需要去同時擁有和掌握的能力。
學會如何掌握技術的能力，就進入了“應用”的階段。今天的企業在開展業務時，很多人認為有錢、有資源、有人就可以獲得技術的能力，其實很少人能將自己手中的技術用好用足。對於企業而言，這是巨大的浪費，當然也是巨大的機會。作為企業管理者，我深刻地感受到，公司裡面有太多的流程優化還沒有做到位，有太多產品功能與性能還沒有被員工利用到極致，有太多的技術能力還沒有發揮到極致，更不要提使用之後解決企業和個人的現實問題了。
技術被使用起來之後，企業與個人就具備了因掌握新技術而產生的新能力，但是這並不意味著我們就知道需要解決什麼問題。技術的價值，體現在通過工程的實現來解決實際問題。用技術的目的，是解決企業的問題。對於AI這種能力而言，除了那些資金、人才、技術儲備充足的大型企業，絕大多數企業的目的不是擁有AI，不是擁有大語言模型、顯卡、數據，而是解決一個人類社會具體的問題。企業的終極目標也是人類的終極目標，在於確保人類的衣食住行、吃喝玩樂、學習、生活、工作更加幸福和快樂，在於人類自身的成長進化。當企業以及個人在追逐技術的時候，是否同時獲得幸福感？還是獲得了焦慮？不要忘記，擁有之後還要花大量的時間和成本讓它用起來。
對於大型基礎模型，包括大語言模型我只是略知皮毛，我的任務是要用它解決公司和客戶的問題。我們在具體的管理、學習和工作中會經常發現，很多人都在關心模型。模型並非不值得關注，一定會有