首富从AI浪潮开始 第149节
日志开始反复。
……
——重新编码：10/10。
——运行测试组件：117 failed。
——达到最大重试次数，退出。
姜亦心盯着屏幕，心慢慢往下沉。
十几分钟之后，监听进程停止重试，姜亦心悬着的心终于死了。
苏念念没说话，姜亦心先小声的说：“能做简单的，太复杂的它就想不清楚了。”
像说给苏念念听，又像是自言自语。
本来以为做出来一个很厉害的东西，结果激动早了。
苏念念却拿出手机，想了想又把手机放下了。
“走，带上电脑。”苏念念站起来，对姜亦心说。
“啊？去哪儿？”姜亦心没反应过来。
“去找韩总。”
说完，苏念念已经向韩路一的办公室走去。
姜亦心赶紧拿着电脑跟了上去。
韩路一还在自己的办公室。
标数据。
核动力牛马了可以说是。
视界的精力值还撑得住，他自己的“精力值”有点撑不住了。
这个量级的标注自己一个人做确实不太现实，三天八千条已经快把他肝没了。
他一边放慢了标注的速度，一边思考怎么把这种标注能力规模化。
已经有一点眉目了。
这时，敲门声响起，他抬起头。
是苏念念的声音：“韩总，是我和小姜。”
“什么事？”韩路一站起来去开门。
“小姜做了个新东西。”苏念念站在门外，后面跟着抱着笔记本电脑的姜亦心，“你得看一下。”
“什么东西？”
苏念念收到姜亦心的飞书的时候已经转发给韩路一了，但是他还没来得及看。
没关系，苏念念让韩路一打开飞书，把那条消息快速的看了一遍，然后让姜亦心把电脑打开，把刚才那个复杂场景的测试描述了一遍。
短短几句话之间。
韩路一心里的架构图已经画完了。
他有点儿惊讶。
没想到，这几天忙着做模型做标注，没关注公司的事，员工自己搞了个大的。
不能说是惊讶了，是惊喜。
Nexus的瑞恩提出来的新范式，硅谷各个公司都在专注的新方向，姜亦心自己搞出来了个半成品。
“你自己做的？”韩路一问。
姜亦心有点儿不好意思：“不是，还有钱晓乐。”
韩路一想了想，有点儿印象，也是个年轻人。
还是年轻人的脑子新。
“把刚才那轮日志给我看看。”
姜亦心赶紧调出刚才的记录，把电脑放在韩路一面前。
韩路一打开视界。
好久没扫过代码了。
日志一行行在眼前展开，视界叠了一层透明的分析层，深深浅浅的颜色浮现在上面。
韩路一的目光跳到中段那一大片反复的红。
规划一次，编不过，回滚。重新规划，又编不过。再规划，再挂。
一共十次。
他把滚动条拉回去，看每一次规划之间的差别。
前面几次走的基本是同一条路，只换了些枝节；到中间某一次才“想起来”有个地方不对，补了一层；再往后又把前面想明白的东西丢了，重新来一遍。
按下葫芦起了瓢。
前面想清楚的，写到后面就忘。
一段一段翻过去，从头到尾，没有一次是真的“想明白了再动手”。
架构他也扫了一眼。
不是架构出了问题。
韩路一一下就看出了根本原因——
模型不够聪明。
这个架构说复杂也复杂，实现起来并不容易。
但是说简单也很简单。
大模型就像人的大脑。
传统的聊天式的交互方式，只给这个大脑配备了读和写的能力，如ChatGPT、谷歌的Gemini，唯一的交互方式就是聊天。
随着模型的能力越来越强，人们开始探索能不能让它做更多的事情，方式就是装上手脚。
比如开物，是给模型装上了调用预制组件库的手，于是它可以制作各种各样的APP。
比如Nexus正在开发的自动化工作流，和姜亦心刚刚展示的新软件，是给模型装上了可以直接在电脑里读取代码的眼睛和修改代码的手，于是它可以像一个开发工程师一样工作。
这个想象空间其实是很大的，因为你还可以继续给它装其他不同的手脚。
比如你如果让它能收发短信，那它就可以替你每天跟女神发早午晚安。
甚至开网店、炒股，都不是问题。
但是为什么现在还没有这样的产品出现呢？
整个行业还在探索的早期阶段，这是一方面。
但是根本原因，还是那句话。
模型不够聪明。
你跟它说，帮我盯着新能源的利好，出消息就加仓。
它闭市前从财经新闻里扒出一条《宁德时代与苹果达成深度合作》，反手就把你账户里的两百万梭哈了进去。
第二天你打开账户：跌停。
再一查，那条“深度合作”，其实并不是官方媒体的报道，而是哪个野鸡自媒体博眼球的假消息。
如果你问它，它甚至还会认真地帮你理出这条新闻和买入操作之间缜密的逻辑关系。
一个经常犯傻的模型，装上手脚之后所能造成的危害可比只有嘴的模型大多了。
关于什么是聪明的模型这一点，不从事这个行业的人会有很多误解。
有人说：“所谓大模型，不就是猜下一个词是什么的概率生成器吗？你怎么能指望这种东西产生智能？”
这个说法，其实没错，但容易让人误解。
因为这种概率不是在一张平面表上查的。
它是在一个巨大的多维向量空间里算出来的，每一段语义、每一种逻辑关系，都对应这个空间里的一个方向。
模型把你输入的那段字投进去，让它在这个空间里和见过的所有东西进行比较、融合，最后落到一个点上。
输入越多，落点越精确；空间的维度越高，对细微差别的分辨越清楚。
维度靠什么堆？靠层数。层数越深，这个落点在出来之前就被反复精修得越多，每一轮都更贴合你真正想要的意思。大模型比小模型聪明，核心就是这个原因。
从这个层面上来说，即使模型真的产生了“智能”，似乎也不足为奇，毕竟人的大脑进行思考的时候，也只是神经元的电位运动而已。
只是大脑里神经元之间的连接是以百万亿计的，而现在最大的AI模型，参数量也不过万亿级，还差了几个数量级。
而且，大脑运转的耗电量，还不到AI模型的几万分之一。
所以过去几年全世界的AI公司拼命砸钱，就是要把模型做大、维度做深。
但当算力砸到一定程度之后，每多加一层带来的提升开始递减，代价却越来越贵。