我的学术经费即将耗尽，我对创业文化的疯狂步伐的耐心也已耗尽。你可能会说我被解雇了；我可能会回答说，我从一开始就没有被真正雇用过。但关键是，我需要重新开始找工作。于是我登录了 LinkedIn 并开始建立人际网络。

仅凭我通知的力量，世界就在革命性新发现的兴奋和我们所珍视的一切即将毁灭的阴郁之间来回摇摆。这是找工作的最好时机；对于年轻的专业人​​士来说，这是最糟糕的时期。那是一个触手可及的无限智慧的时代；这是一个愚蠢的时代颠覆了我们最好的意图。这是一个相信更高力量即将到来的时代。这是一个对庸俗伎俩的轻信迷恋感到怀疑的时代。这是新光黎明的季节；这是一个陷入前所未有的黑暗的季节。这是希望和变化的春天；那是一个充满绝望和掠夺的冬天。我们面前有一切等待我们去发现，我们没有什么可以再做的，我们都将直接前往富足的天堂，我们都将直接前往掠夺的地狱。简而言之，这一时期非常像狄更斯笔下的伦敦，以至于一些最喧闹的当局坚持认为，无论好坏，都只能以最高级的比较来接受它。

经过大量的申请和少量的面试后，我发现自己得到了一家相对良性的当地大公司的工作机会。去年下半年，我开始了人工智能科学家的新职业生涯。

新工作的很多事情让我感到困惑；还有许多其他事情让我感到厌烦；有几件事让我感到惊讶；但大多数情况下，我所经历的一切都让我感到熟悉和舒适。

我在新雇主（我将其称为 MegaCorp）的经历与yAI。在那里，始终如一且无处不在的感觉是我们没有生产快 够了。有这么多事情要做！我的经理会在往返办公室的路上向我发送语音备忘录；他在家人的陪伴下在机场接听电话，并在他们名义上的假期期间在海滩上接听电话。

作为回应，我制作、搅拌并发送了东西，从最初的“探索性”分析一直到近乎神秘的“产品”或生产状态，此时我的工作将最大限度地为公司中的每个人所访问。我和每个人都在沿着仓鼠轮运行时犯了错误——很明显，只要我们坚持不懈地纠正不可避免的错误并保持机器运转，这没关系。但激励我们跑步的策略和目的很少被深思熟虑，而且大部分精力都浪费在从失败中恢复上，而这些失败本可以通过测试和更仔细的设计来避免。

在 MegaCorp，我不受这些影响。我在庞大的等级制度中处于低位。我的可替代性不仅体现在执行可复制和可转移的工作单位的大资本主义意义上，而且还体现在更本地化和字面意义上，即我的工作在很大程度上与我们指数级庞大的人群中处于类似但取代位置的其他人所做的事情重叠。 

这里的交易与 yAI 不同：大而缓慢的企业文化允许事情需要时间、发展，并且经常因为下层不透明的原因而被放弃。在某种程度上，我不知道的是，经理们在内部展开竞争并推销产品。许多努力将被遗忘，新的任务将被赋予。对于那些重视所分配工作的重要性和重要性的人来说，这可能会令人沮丧，但在我看来，这种冗余是故意的，而不是病态的。

在这两项工作中，总体目标都是转变数据变成一个预测模型。在这两种情况下，人工智能都是描述的核心部分。但实际体验却大不相同。

在 yAI，总感觉工作比时间或人员更多（或者，如果你愿意的话，时间乘以人员）。在工作循环中添加足够强大的人工智能可以使循环表面上更快，而且由于速度是唯一的特权，它成为工作流程和期望的重要组成部分。这样的环境敏感地取决于人工智能的能力。如果它比他们可以雇用的程序员中位数更快，那么他们将不再有理由雇用人员。所以，对于初创公司的人来说，人工智能的到来可能真的是天塌下来了。

然而，在巨型企业中，人员数量远远多于实际需求。许多人都是经理，存在于一个延伸得很远的等级制度中，从我的角度来看，首席执行官可能是一个永远不会犯错、高深莫测的上帝。MegaCorp 的日常工作并不包括为技术问题找到某种解决方案，任何解决方案，也不是尽快将这些解决方案部署到生产中，也不是熬夜修补由于急于生产而不可避免地产生的摩擦和问题所带来的问题。相反，问题在于季度报告、股东和业绩审查的存在。（我的第一次很顺利，谢谢。）

人工智能的引入会对这个生态系统产生什么影响？这个问题又衍生出另一个问题：经理想要什么？当然，人工智能已经改变了企业界，因为我的经理现在向我发送愚蠢的想法和副驾驶（很快！）输入的伪代码，并将我们所有的视频通话默认为我所说的“监视模式”，这样即使是长时间沉默的工作会议也可以被记录、转录和总结。但归根结底，管理者通过雇佣的员工数量以及团队可以解决的问题的复杂性来衡量自己的价值。美国企业界存在很多惰性，人工智能无法对其进行有意义的改变。

最近病毒式传播的一则逻辑谬误清单意见稿根据初创公司创始人马特·舒默（Matt Shumer）的说法，最需要拆除的就是早期的之一。在描述技术进化的旋风般的步伐时，他写道： 

人工智能实验室做出了深思熟虑的选择。他们首先专注于让人工智能擅长编写代码……因为构建人工智能需要大量代码。如果人工智能可以编写该代码，它可以帮助构建自身的下一个版本。更智能的版本，可以编写更好的代码，从而构建更智能的版本。让人工智能擅长编码是解锁其他一切的策略。这就是为什么他们首先这么做了。我的工作在你之前开始改变，并不是因为他们的目标是软件工程师……这只是他们选择首先瞄准的地方的副作用。

他们现在已经做到了。他们正在转向其他一切。

这是同时且不同的：

• 错误：人工智能实验室一开始只是写蹩脚的诗歌和无聊的板球比赛总结，而不是代码块；
• 误导性：人工智能非常擅长提高与训练人工智能模型相关的一组非常有限的任务的效率，例如分布式计算，但不一定会像本文所暗示的那样在算法或结构方面取得有意义的进步；
• 误导：除了“编写更多代码”之外，编写代码到底能“解锁”什么？
• 不受支持：转向“其他一切”是一个相当大的飞跃；和
• Sad：我很抱歉你做了一个愚蠢的应用程序，亲爱的。

事实上，人工智能产品现在擅长编写代码，并不是因为任何深层次或险恶的原因，而是因为编写代码很容易，并且在其上训练模型更加容易。有许多有效的代码示例；如果你想让你的人工智能做某事，你很容易写一个无限用于训练模型的其他示例。而且，至关重要的是，对于所有这些示例，包括您自己生成的示例，正​​确的答案很容易以多种方式进行评估和表征（它得到了正确的答案吗？并且：花了多长时间？以及：它需要多少内存？以及：它进行了多少次递归调用？）。关键是能不能得到具体、客观的答案这意味着您可以定量地告诉您的模型“您看到了差异吗？我想要更多”，并且它会可靠地做到这一点。

我在这里描述的是强化学习的方案。使模型能够执行的“一个奇怪的技巧”雅达利游戏表面上令人印象深刻的东西在围棋中击败李世石 (Lee Se-dol) 的比赛现已应用于代码中。这种对两个模型输出进行定量比较的能力与构建法律摘要等工作截然不同。给定两个内裤，哪个更好？存在一定程度的基线能力，可以快速、轻松地进行辨别，因为每个人都必须具有某些特征（例如，总结所有重要事实），并且它们不得包含某些内容（例如，谎言或对从未发生过的事件的描述）。假设您能够解决这些基本标准（事实证明，这些标准本身比预期要困难一些），您如何进一步从“不假”到“好”？路径并不那么清晰，因为并非每个任务都可以转换为强化学习任务。

MegaCorp 的午餐桌上谈论的并不是人工智能聊天机器人抢走了我们的工作。这是关于人工智能泡沫很快破裂的可能性，以及这可能如何影响我们的工作以及原因。

作为一名人工智能科学家，与一家控制自己模型的大公司的人工智能团队的人工智能工程师一起工作，我们可以很好地避免 OpenAI 可能的失败，或者无数愚蠢的初创公司调用 OpenAI 的模型或其他提供的大型模型。这是事实，因为除了我们与 Microsoft 的深厚企业纠葛之外，我们不向外部提供模型服务，而且因为我们的工作将不同的数据用于不同的目的。如果你坚持将这种情况拟人化，你可以说人工智能在 2022 年迈出了一小步，已经读完高中，刚刚进入大学。现在，像我这样的每家公司都在同时让人工智能选择自己的狭隘关注点作为其专业。 

人工智能就在这里；就是这样；你已经看到了；埃切人工智能。接下来的内容将委婉地作为“个性化”出售给您，或者分配给我，作为在其向客户提供的模型中灌输 MegaCorp 的观点。（我觉得我不妨声明，我并不完全反对，而且比 yAI 试图推向市场的观点更让我感到舒服。）我的工作既不有趣也不有意义，除非它对我的经理和我经理的经理很重要，直到首席执行官、董事会和股东的具体目标。这是非常有限的。

但是人工智能泡沫的可能性，是由突然上升到（电，闪烁）的可能性促成的能力聊天机器人的编码绝对会对一个地方产生巨大的影响：创业生态系统。填写MadLibs“Uber for _”或“用_改变世界“遗憾的是，如果有的话，可能不会持续很长时间。由于大量资金在经济中流通，因此连锁反应可能会很大。

这对某些人来说确实很重要，对其他人来说则不然，所以您可能会问：巨型企业的底线是什么？午餐时，当人们说“现在是进入 B2B SaaS 的糟糕时机”之类的话时，我会轻笑或明智地点点头，这很可能是真的。除此之外，对我个人来说，而不是代表巨型企业来说，人工智能很可能会促进企业整合和企业权力扩张的新时代。人工智能不会变得有知觉，但是，随着软件成本或多或少降至零，初创公司将会失败，而较大的人工智能公司将失去对尖端模型能力的垄断。大公司会吸收他们看到的任何对他们有利可图的想法，并重新包装和转售它们，以及一些关于增强客户能力的花哨的胡言乱语，如果我也可以涉足预测销售策略的话。

从日常角度来看，我认为这意味着人们无法选择其他方式，或者现在根本无法访问这些服务，将开始从聊天机器人获得越来越多的互动。这将看起来越来越多95%无懈可击的法律合同，越来越多的医疗保健或教育由技术层介导。我并不是说这很好；我只是说这很好。我只是说这不是一场革命。

总的来说，人工智能科学领域的锄地并不像打开潘多拉魔盒的密封。我目前的工作感觉更像是科学，而不是像我在 LinkedIn 或（可怕！）Substack 上读到的有关人工智能的内容，比在 yAI 等地方更是如此。就像在我的科学生活中一样，我每天都在阅读论文、编写代码和绘制图表，只是现在偶尔还要满足一些对公司短暂需求的愚蠢需求，这会带来额外的负担。每隔一段时间，我都会要求 Copilot 帮助调试一个问题（属于可迭代的 pandas 列的元素不会留在我的脑海中，上帝帮助我），但它并没有为我编写整个代码块，主要是因为我没有任何压力尽快编写整个代码块。这与我的科学生活的感受或它的发展方式没有太大不同。

主要区别在于结构。我可能会做一两次内部演讲，而不是写论文、申请参加会议和等待举办研讨会的邀请。即使我的管理代表赢得了激烈的内部斗争，并且我的一小部分劳动最终在生产树上结出果实，我的工作也不会以任何重要的方式向外进行。我不会因为感觉自己正在根据自己的判断和好奇心在所有人类知识的大厦上建造而感到满足，而这正是我的学术生涯最好的感觉。当然，我喜欢这一点，并且很自豪能将自己的名字写在我所做的事情上，但它也伴随着挫折，那些时刻变得更加短暂和罕见。因此，在比这里显而易见的方式更多的方面，我现在正在适应自己处于匿名时代。

很难得出一篇关于人工智能的文章的结论，因为写关于人工智能的文章很困难，因为写关于人工智能的文章很容易，因为很容易对人工智能做出任何数量的有效观察，但所有表面上真实的陈述并不完全让人觉得它们加起来就是有必要说的大事。可悲而可怕的事实是，没有人知道未来会怎样。加上改变。但为了以防万一，如果您从事 B2B SaaS，我会开始考虑 B 计划。