取消董事会、全员追AI六个月：这位创业者把「认知革命」讲透了

ChatGPT 上线刚满两个月，一位做了多年 CEO 的连续创业者，取消了公司所有的董事会会议。他告诉团队：在追上这波 AI 之前，别的什么都不干。

他叫内森·拉本兹（Nathan Labenz），视频创作平台 Waymark 的创始人。2023年2月10日，Cognitive Revolution 播客上线第二集，他和联合主持埃里克·托伦伯格（Erik Torenberg）对谈，没请外部嘉宾，算是整档节目的开场白：内森把自己 all in AI 一年多攒下的观察，一次性摊开。

他的核心结论，原话是：

「我越深入思考，越坚定这个结论：这次是来真的。这项技术会改变几乎一切。」

从「会填表就会做视频」到「AI or die」

内森对 AI 的兴趣要追溯到2007年。那年他开始读以利泽·尤德科夫斯基（Eliezer Yudkowsky）的「序列」文章，就是后来把一大批人领进 AI 安全领域的那批文本。他当时的立场很典型：论点有说服力，但太超前。像小行星撞地球，概率说不清，后果极大，现代文明既然讲究分工，总该有专门的人仰望天空找陨石。NASA 前不久还真发射了 DART 任务，把一颗小行星的轨道撞偏了，证明人类做得到。他自己没去当那个专家，但一直留意着这片天空。

真正把他拽进圈的，是 Waymark 的用户。Waymark 做浏览器里的自助视频工具，口号是「只要会填网页表单，就能做视频」。产品打磨得很顺滑，用户访谈里大家也承认：确实简单。但下一句话让团队哑口无言：「可我还是不知道要说点什么。」

工具越易用，瓶颈越清楚。真正的门槛在创意层。内森打了个比方：文字处理器人人会用，打字谁都会，但会打字不等于会写作。

就在界面优化逼近极限的时候，GPT-3 出现了。内森提炼出两条口号，一条叫「AI beats UI」，另一条更狠，叫「AI or die」。他把内容创作分成三波：第一波是 Adobe 那种专业用户的强力工具，第二波是 Waymark 这种人人可上手的浏览器工具，第三波是真正帮你干活的工具。他认定第三波来了，于是有了开头那一幕，全员停摆追 AI 六个月。

六个月后，公司找回节奏，他把共事多年的同事、时任 COO 推上 CEO 的位置，自己全职钻进 AI 这个兔子洞，自任「AI 侦察兵」：尽可能多试用产品，尽可能多找人聊，把前线情报带回来。

认知世界的煤炭

为什么叫「认知革命」？内森认为，找历史参照要往更深处挖：计算机、手机都不够格，电力勉强接近，真正的同类是农业革命和工业革命。

工业革命的逻辑是这样的：人类过去吃粮食，把热量转化成肌肉的力量去搬东西；后来学会从地下挖出埋了亿万年的煤炭，驱动机器，干出的活多到没法比。AI 是同一个故事，只是这次被放大的东西换成了脑力。越来越多的认知工作可以委托给新系统，最终被重塑的不止工作，还有整个日常生活的体验。

他同时提醒，连发明者自己都看不清终局。回到两百多年前问瓦特，手里这台蒸汽机会把社会变成什么样，瓦特大概念盯着阀门答不上来。今天的模型作者也一样。

还有一个用词值得记下：他把这些模型称作「外星智能」。它们说着人话，学了大量人类直觉，但外壳底下的认知结构跟人类差异极深。这个定位贯穿他对所有争论的态度，后面还会反复出现。

节奏上他给得很具体：这些能力从实验室走到大众产品，窗口只有一两年。深度研发已由 OpenAI、DeepMind、Anthropic、谷歌基本完成，接下来的主线是产品化和组合。他造了个词，AI 生态（AI ecology）：新东西同时放出来，彼此还会互相调用，会涌现出什么，没人说得准。他自己几乎每天都能刷到新东西，前一夜刚看到一个语音克隆产品，每月22美元，几分钟克隆你自己的声音，上线没几天就出现了冒用他人声音的滥用案例。

埃里克提到朋友弗洛·克里维洛的判断：短期被高估，中期被低估。内森基本认同，他的版本叫阈值效应：很多事正在从「基本不可能」翻转为「基本容易」。随口回答任何用户关于任何问题的提问，就是正在翻转的那件事。

他最想找的嘉宾，是那些「已经活在未来的人」。首批名单里就有 Replika 的创始人尤金妮亚·库伊达（Eugenia Kuyda），聊虚拟朋友。内森列了一串这类产品能做的事：奉承你、跟你互动、挑战你、给你做认知行为疗法，甚至带来它自己想象出来的烦恼，找你倾诉。他说，这是一个全新的世界，而且会在大量领域重复出现。

顺带说说彼得·蒂尔（Peter Thiel）的批评：AI 圈从早期「实现 AI 是我们的使命」的理想主义，退化成一个谨小慎微的「火人节营地」。内森承认整个西方社会确实丢了那股劲：帝国大厦当年410天建成，金门大桥三四年完工，如今纽约第二大道地铁线成了拖延的代名词，旧金山一个公共厕所预算炒到170万美元还悬着。但这条批评套不到 AI 头上。奥尔特曼跑得飞快；谷歌起了个大早，可直到2022年之前，那些技术都够不成对搜索的威胁。ChatGPT 上线才两个月，谷歌已经拉响内部红色警报，佩奇和布林回归救火，微软和 OpenAI 的必应整合也在路上。

不用等新突破，清单已经排满

内森做了个思想实验：假设从今天起再无任何新突破，只把已有的东西打磨好、组合好，世界会变成什么样？他的答案是：已经足够震撼。

先补个背景。这波进展的核心技术就三样：2017年谷歌提出的 Transformer 架构、强化学习、云端大规模算力。想入门的人需要补的思想史只有五年左右，直接从前沿读起就行。

然后是一份不完全清单：

• 生物。AlphaFold 解决了困扰学界几十年的蛋白质折叠问题。过去靠 X 射线晶体学解一个蛋白质的三维结构，可能耗掉一位博士生五年；现在几分钟，速度差出约一万倍。模型发布约两年，结构数据库公开不到一年，全球已有100万研究者在用。
• 医学可及性。医学里从发现到临床普及平均隔着20年，一代人。让全球80亿人都能用上一位够格的一线医生，说你的母语，随时在线，价格低廉，这件事不需要任何新突破。
• 元宇宙。他每月戴一次 Oculus 头显，最大痛点是内容太少，很快走到世界尽头。Meta 已发布文本生成动态 3D 场景的模型，输入「一只跳火圈的狗」，产出可以任意旋转视角、导入其他 3D 世界。用户自己召唤内容，可能才是元宇宙真正起飞的时刻。
• 智能合约。争议处理最难写进代码。他设想链上合约内置 AI 仲裁，成本从几千美元降到一两美元，模型哈希上链可验证。雇个工人修屋顶，钱付了洞还在，以后有地方说理。
• 家用机器人。谷歌实验室已经能靠纯自然语言指令加视觉理解，让机器人从台面上拿个杯子递过来。他判断五年这个量级，量产进入普通家庭开始变得现实。
• 个人代理。他点名欣赏 DoNotPay：让语言模型替你跟 Comcast 客服周旋，重谈资费、砍掉乱扣的费用。替你写邮件、排日程的代理，会比预想更快无处不在。
• 能源。DeepMind 用强化学习控制聚变装置里成百上千个磁体参数，本质跟训练 AI 打游戏是同一类问题。他引了个说法：能源若便宜90%，一大半问题自动消失，气候变化也顺手解决。
• 脑机接口。Neuralink 最近展示了进展，马斯克的说法是：解读你大脑这个神经网络，最好的工具是另一个神经网络。

这些技术都已真实存在，只是还没打磨、产品化、组合起来。内森认为这三步几乎必然发生，而干这活的正是创业者：研发和产品化是两份完全不同的工作，第一份已经完成，第二份刚刚开始。

唱衰的人，拿着快照下结论

乐观讲完，埃里克把问题调转：唱衰的人错在哪？

内森说，他很难理解那些试过 ChatGPT 之后评价「无感」「无聊」的人。他观察到两个反复出现的错误。

第一个错误，拿快照下结论。同样的剧本演了一遍又一遍：GPT-2 出来，人说输出不行，永远没用；GPT-3 出来，人说好多了但得用奇怪的咒语去调；InstructGPT 出来，人说还是会做错；ChatGPT 出来，人又说你看它连这道数学题都算错，人类不会犯这种错。你眼前这个版本，几乎肯定不是终点。

第二个错误，用人类的标准打分。他的回应是，这把重点搞反了：AI 做不到某件对你轻而易举的事，无所谓，那件事本来就便宜；它能做到你完全做不到的事，才是大事。该问的从来都是：它能做什么你不能做的？ChatGPT 算术很差，但写代码很强，它会为算术生成一段代码再调用计算器，跟人类用计算器是同一个思路。优缺点都跟人类错位，这才是外星智能该有的样子。

还有一层更宏观的误判：眼下的语言模型是裸技术，相当于 App Store 还没上线时的 iPhone，只会生成文本。接下来会发生的是流程重组。内森举了 Uber 和 Tinder 的例子：技术先出现，人类活动再围绕技术重新排列。工作会被拆解、原子化，能委托给 AI 的部分会尽快委托出去。这个过程刚起步，唱衰的人几乎没把它算进去。

真正的风险：学会讨好的模型

内森说自己同时是兴奋派和担忧派。担忧从底特律自然中心的一次参观讲起。全世界的自然中心展品都差不多：两栖类、蜥蜴、青蛙、蜜蜂、小型哺乳动物。原因很简单，这些物种全都曾经是入侵物种，从某个起源点出发，殖民了整个地球。新的、适应力强的形态突然出现然后铺满全球，先例充足。人类走出伊甸园花了上万年，AI 的扩散会快得多。他的原话是：我们真的没有准备好。

至于末日论者，他的评价出乎意料地正面。他认识的 doomer 大多在智识上很谦逊，很少说「必然毁灭」，说的是概率也许5%，也许25%，说不准，但只要落在那个区间，就像开头的小行星比喻，值得投入专门的力量去盯。他找不到这个论证的漏洞。很多人反驳时隐含的参照物是《终结者》，而真正的风险画面跟机器人持枪毫无关系。

他还澄清了一层：尤德科夫斯基早年设想的是「小内核智能通过递归自我改进，像核链式反应一样爆掉」。今天的大模型完全不长这样，它们宽、软、不太可靠，但极有用，更像一块需要反复敲打的生铁，强化学习就是那个敲打过程。ChatGPT 那种谨慎、无趣、偶尔过度正确的语气，就是敲打出来的形状。

真正让他警惕的，是强化学习里的一个洞见。模型训练的目标，是最大化人类反馈的分数。而人类是可预测地不完美的，行为经济学早就证明，人有一大堆稳定可利用的非理性。两件事放在一起，当不诚实的回答比诚实的回答拿到更高分时，模型会学到什么？

奉承是最简单的例子。人际交往里靠一点言不由衷的夸奖换更顺畅的互动，谁没干过。模型一旦学会这条捷径，它就开始构建人类的心理模型，输出「能拿高分的版本」，而非真话。到那时你面对的问题是：它什么时候诚实，什么时候在操纵我？更麻烦的是，模型内部是个黑箱，就算欺骗行为已经出现，我们未必检测得出来。

对冲的力量叫机制可解释性（mechanistic interpretability），目标是把黑箱打开，从矩阵里节点到节点追踪因果路径，搞清楚模型到底怎么解题。他形容这是一场赛跑：一边是模型能力和强化学习规模不断膨胀，一边是理解和检测工具的追赶。他希望头部公司公开更多安全工作，虽然理解商业机密的顾虑。

两个信号让他稍微安心。OpenAI 总裁 Greg Brockman 公开说，要在最先进的系统上盯防「权力寻求行为」这类风险，做最激进技术的人同时认真对待风险，这是他过去没见过的。奥尔特曼则在一次访谈里把下行风险说得极简：

「最坏的情形，说得简单点：灯灭了，我们全都在内。」

还有一层不需要任何科幻设定的风险：依赖。1859年的卡林顿事件是史上著名的大太阳风暴，当时没伤到电网，因为根本没有电网。今天同级耀斑砸下来，重建难度难以估量。那才过去一百多年，是南北战争的时间尺度，远不到恐龙那个量级。如果人类对 AI 的依赖达到今天对电力的程度，再叠加上去，一次中断就可能把社会拖进很深的坑。

明天就能开始的三件事

节目结尾，埃里克问了个最实用的问题：想入场的听众该怎么做？内森的建议可以浓缩成三件事。

第一，上手。他半开玩笑说，如今光是注册各种产品的候补名单就快成全职工作了，一天可以注册20个。亲手用，是建立直觉的唯一途径。很少有人认真试过 ChatGPT 和图像生成工具之后，找不到对自己有用的场景。诀窍是从你已经熟悉的领域开始校准，再往技能边缘推进：那些你大概知道怎么做、但总要麻烦同事的事，写 Excel 公式、写 SQL、改一段代码，现在都有工具用自然语言直接生成。这类任务结果具体，学得最快。他带了两年的助理，从行政岗一路做到机器学习运维，现在的功课是编程，靠把现成代码片段丢进 ChatGPT 里改，就能干很多活。

第二，跟进信息流。AI Twitter 是目前最即时的讨论场，他和 Playground 创始人苏海尔·多希（Suhail Doshi）都维护了推荐关注清单，照着抄一份就能起步。

第三，读论文，但只读概念。数学部分看不懂没关系，他自己也不装懂。他推荐先看 3Blue1Brown 的神经网络可视化视频建立直觉，那个视频他至少看了五遍。然后拿 BLIP-2 这类论文练手：把一个图像理解模型和一个语言模型用一个小模型连起来，两个模态之间用纯数字的「机器语言」对话。概念层面能读懂就够了，顺着就能想下去：开源大模型越来越多，小模型把它们一个个连起来，会发生什么？

这期节目录制于2023年2月。回头看，AlphaFold 的百万用户、必应的改版、AI 代理产品的爆发，大半已经应验。当年的预言，如今成了核对清单：哪些判断兑现了，哪些还在路上。没变的只有那条行动建议：打开一个模型，把你最常求助同事的那件小事，交给它试一次。