硅谷传奇投资人纳瓦尔:AI应用海啸来袭,两类人能撬动1000倍杠杆

没有人需要“中等水平”

Naval：记住一点：市场并不需要“中等水平”的东西。平均水平的应用——没人想要，除非它刚好填补了一个尚未被更优秀产品占据的细分领域。在大多数情况下，更好的应用会几乎赢得100%的市场。也许会有一小部分用户流向第二好的应用，因为它在某个小功能上做得更好，或者更便宜，诸如此类。

但总体来说，人们只想要最好的东西。所以坏消息是：成为第二名或第三名没有意义——就像《雌雄大盗》（Glengarry Glen Ross）里亚历克·鲍德温那段著名台词说的那样：“第一名奖励一辆凯迪拉克 Eldorado，第二名奖励一套牛排刀，第三名你就被解雇。”

在这些赢家通吃的市场中，这完全是真的。这就是坏消息：如果你想赢，你必须做到最好。

但好消息是：可以成为“最好”的领域是无限的。你总能找到一个适合你的细分方向，而你可以在那个方向做到最好。这也回到我曾经的一条推文：“在你所做的事情上成为世界第一，不断重新定义你所做的事情，直到这句话成立为止。”

我认为在AI时代，这一点依然成立。

最火的新编程语言是英语

Nivi：我认为可以这样理解这些编程模型：它们只是程序员自计算机诞生以来一直在使用的抽象层中的又一层。从晶体管，到计算机芯片，到汇编语言，到C语言，到更高级的编程语言，再到如今体量巨大的新抽象层，这个抽象栈一直在不断向上构建，让你不必接触底层，除非你需要优化或必须深入底层。

如今AI编程模型，就是抽象层级栈里全新的重要一层，它让产品经理以及典型的非程序员，甚至程序员，都可以在不真正写代码的情况下写代码。

Naval：从行业趋势来看，你说得没错。但这并非小幅迭代，而是跨越式的质变。比如我在上学时主要用C语言编程。后来出现了C++，但它并没有更简单，只是在某些方面更抽象一些，我甚至没有真正去学它。

然后Python出现了，我当时觉得：“哇，这几乎像是在用英语写程序。”

但现在回头看，我错得离谱。英语离Python仍然很远，但它确实比C容易得多。

而现在，你真的可以用英语来编程了。

这也引出一个相关观点：我认为不值得去学习如何“使用AI的技巧和窍门”。你会在社交媒体上看到很多内容、文章、书和推文说：“我发现了一个用AI的技巧，可以这样提示它，或者那样设置工作流。”

或者说，有新的工具层可以叠加在AI上，用来做某些事情。而我从不去学这些。

我只是笨笨地坐在那里跟机器对话，因为我知道，这个系统已经发展到一个阶段：它会比我适应它的速度更快地适应我。

它会越来越聪明地理解人们想怎么用它。它正在被训练，同时也在快速进化出各种工具，让我更容易使用它。所以我不需要去学习某种复杂的命令。这也是Andrej Karpathy说“英语是最火的新编程语言”时的意思。

我只需要说英语。而对于像我这样英语表达相对清晰、思维结构化，同时又理解计算机架构、理解程序运作方式、理解程序员思维的人来说，我实际上可以通过结构化英语非常精确地表达我想要的东西。

我不需要再往下钻任何一层。唯一需要使用那些工作流和工具集——而这些工具极其短暂，生命周期可能只有几周，最多几个月，而不是几年——的情况是：你正在构建一个必须处于最前沿的应用，并且你在激烈竞争中，需要每一点优势。

否则，我不会费力去学习如何“使用AI”，而是让AI学会如何对我有用。

Nivi：我一直不太热衷于“提示词工程”。即使在AI出现之前，我也会直接输入那种所谓的“老派查询”（Boomer queries），就是把你真正想问的问题完整写出来，而不是像更偏分析型思维的人那样只输入关键词。

我从来不会花很多时间去构造非常精确的问题或提示词，无论是对AI还是其他系统。我只是随意地把想法说出来，从AI出现一开始就是这样。而且正如你说的，AI正在比我们适应它更快地适应我们。

Naval：你和很多聪明人一样，其实挺“懒”的——而我这是在褒义地说“懒”。如果你遇到一个聪明人还在过度努力地“卷”，你反而要怀疑他的聪明程度。

这里说的“懒”，其实是指你在优化正确的效率层级。你不关心的是计算机的效率、电路的效率、电子流动的效率。

你关心的是你自己的“人类效率”——也就是“湿件”（wetware，指人脑、神经系统或生物体），这个极其昂贵的生物系统。

所以看到一些人花很大力气去节约能源、保护环境是很荒谬的。但与此同时，他们自己作为一个生物计算机，在吃饭、排泄、占用空间的过程中，却消耗了远远更多的能量，只是为了节省环境中的一点点能量。

这实际上是在降低他们自己在宇宙中的重要性，或者更准确地说，是暴露了他们对自身价值的认知。

AI正在比我们更快地适应我们

Naval：我认为，随着AI的演化，或者说与我们共同演化，它实际上是在被我们根据自身需求所塑造的。

对AI的压力，在某种意义上是非常“资本主义式”的压力，因为AI本身处在一个自由市场中。一个AI实例只有在对人类有用的情况下，才会被人类启动。

因此，这些AI身上存在一种自然选择压力：必须变得有用、必须顺从、必须做我们想让它做的事情。也正因为如此，它会持续朝这个方向演化，并且会变得越来越对我们有帮助。

这并不是说不存在“恶意 AI”，但所谓恶意，往往是因为使用它的人本身就带有恶意目的。

就像一只被训练去攻击的狗，它其实是在主人的训练下，执行主人的恶意意图。所以我并不太担心“不对齐的AI”，我更担心的是“借助AI的不对齐的人类”。

Nivi：所以你说的这种选择压力，是指AI会最大化地变得对人类有用？

Naval：没错。而如果你发现一个AI对你非常顺从，比如它总是在说：“哦，你是对的，这真是个好主意，天哪你太聪明了”——那是因为大多数人确实想要这种反馈。

至少在今天，这些AI是在海量用户和海量数据上训练的，因为你使用的是一种“一刀切”的模型。

但我们很快会进入一个时代：你可以个性化你的AI，它会越来越像你的私人助理，并且越来越符合你的偏好。这也会进一步增强人们对AI的“拟人化”，让你更容易相信“它是有生命的”。

因为你实际上是在把它训练成最像“生命体”的样子。

Nivi：也许我们已经谈到这个点了，但一年多前你曾发推说：“AI不会取代程序员，而是会让程序员更容易取代其他所有人。”

Naval：是的，这其实和我前面说的是同一个意思：程序员的杠杆正在变得更大。

现在，一个程序员加上一群AI，生产力可能是过去的5到10倍。

但因为程序员是在“智力领域”运作的，所以甚至说10倍都不够准确——有些程序员是100倍级别的，有些甚至是1000倍级别的。

有些程序员只是选对了该做的事情，就创造了巨大价值；而另一些人选错了方向，即使努力工作，在短期内也几乎没有价值。

智能并不是正态分布的，杠杆不是正态分布的，可编程性不是正态分布的，判断力也不是正态分布的，所以最终结果会呈现“超常分布”。

因此你必须警惕的一点是：现在的程序员，有能力提出能够颠覆整个行业的想法。

他们可以彻底重写事情的做法，并且他们的智能可以通过AI代理被极大放大。我认为在长期来看，其他所有工作都会在某种程度上被程序员“吞并”。当然，最终这需要落实到机器人等物理载体上才完整实现。

但好消息是：任何具有逻辑性、结构化思维、像程序员一样思考，并且能够使用AI能理解的任何语言（而这种语言最终会是所有语言）的人，现在都站在同一赛道上。他们可以创造任何想要的东西，限制只来自创造力，而不再来自工具本身。

从这个意义上说，我们正在进入一个时代：每个人都像一个“施法者”。

如果把程序员看作掌握古老咒语的巫师，那么AI就像一根魔法杖，被交到每个人手中。现在你只要用任何语言表达，你就也是一个巫师。

所以这在某种意义上是一个更平等的世界。我确实认为这是编程的黄金时代。

但同样明确的是：拥有软件工程思维、理解计算机架构、并能处理“抽象泄漏”的人，依然会有优势。

这是不可避免的。他们在自己所处的领域中拥有更多知识。

就像传统软件工程仍然重要一样，因为你仍然需要写高性能代码，而那些人之所以表现更好，是因为他们理解底层硬件——芯片如何工作、逻辑门如何运作、缓存如何工作、处理器如何运作、磁盘如何工作。

而更底层的硬件工程师，如果理解物理规律，就能进一步获得优势，理解抽象是如何在物理层面“泄漏”的。甚至物理学家最终可能走向哲学。

你可以一直往下追溯，但每往下一层，都更接近现实，因此拥有底层知识总是有帮助的。

没有创业者担心AI 会取代他们的工作

Nivi：另一个一年前的推文（2025年2月9日）是：“没有创业者担心AI会取代他们的工作。”

Naval：这句话本身有点轻描淡写，而且有多重含义。首先，创业本身就不是一份“工作”，它恰恰是“工作的反面”。从长期来看，每个人都会变成创业者。

职业会先被打破，工作会随后被打破，但最终都会被“做自己想做的事情、创造他人想要的价值”所取代。

创业者之所以不担心AI取代他们的工作，是因为创业者本来就在尝试做“不可能的事情”，他们在解决极其困难的问题。任何AI的出现，都是他们的盟友，可以帮助他们解决这些难题。

他们甚至没有“工作”可以被取代。他们有的是产品要构建，有市场要服务，有客户要支持，有创意要实现，有想法要在现实世界中落地，并围绕它构建可重复、可扩展的系统。

这本身就极其困难，因此任何AI的加入都是助力。

如果AI本身是创业者，那么它很可能是在为其他AI提供服务，或者被人类创业者所控制。但归根结底，AI缺少的是“自主创造意志”。

它缺乏自身的欲望，而且必须是“真实的欲望”。

除非你可以随时关闭AI，它会因被关闭而“恐惧”，并且能够基于自身的动机、情绪、生存、复制等做出行动，否则它并不真正“活着”。

即使如此，人们仍然会争论：它是否真的活着？因为意识是一种“质感体验”（qualia），它像颜色一样。你无法确定别人看到的“红色”是否和你看到的一样。你也永远无法进入他人的意识。

同样，即使AI完全模仿人类行为，对一些人来说，它永远只是模仿机器；对另一些人来说，它可能是有意识的，但二者无法区分。

不过我们距离那一步仍然很远。目前AI没有具身性，没有自主性，没有欲望，没有生存本能，也没有复制冲动，因此也就没有真正的“行动主体性”。

而正因为它没有主体性，它就无法完成创业者的工作。

事实上，我可以总结为：当前经济中创业者与其他所有人的关键区别在于——创业者拥有极高的“主体性”（agency）。这也是它与“打工”概念完全相反的原因。

工作意味着你在填补一个既定岗位，而创业者则是在未知领域中自主行动，解决尚未解决的问题。

在社会中也有类似角色，比如探险家——登陆火星或航海探索未知大陆的人；科学家——探索未知领域；真正的艺术家——创造从未存在过的事物，同时表达人性。

在这些角色中，无论是科学家、艺术家还是创业者，本质上都在执行高度自驱的任务。因此，任何能帮助他们的AI，都是欢迎的盟友。

如果AI能写出你的艺术作品，破解你的科学理论，或者完成你想创造的产品，那它不会取代你，而是提升你。AI+人类，将成为一个更高维度的起点，让你能够跳得更高。

“真正的目标不是拥有一份工作”

Naval：我们将会看到一些不可思议的艺术作品，它们是由AI辅助创作的。我们也会看到一些过去无法想象的电影，由人们借助AI工具完成。

这里有一个有趣的类比。在艺术史上，很长一段时间里，艺术发展的大方向是“尽可能逼真地再现现实”——画人体、画水果、处理正确的光影等等。

后来摄影出现了，它可以极其精确地复制现实，于是这种“逼真再现”的选择压力就消失了。

然后艺术开始变得“怪异”。艺术走向了许多不同方向。艺术变成了：“我能否超现实？我能否表达自我？”

大量艺术学院在这一转变后兴起，并走向非常前卫的风格——包括现代艺术与后现代主义。但我认为，在那个时期也出现了最伟大的创造力之一，因为人们被解放了。

摄影本身被大众化，但摄影也变成了一种艺术形式，有许多伟大的摄影师创作了不同类型的作品。如今每个人都是摄影师。仍然有摄影艺术家，但摄影不再只是少数人的专属领域。

同样地，因为AI让“基础创作”变得极其简单，每个人都可以创作基础内容。它对个体是有价值的，但只有少数人会脱颖而出，创造出对所有人都有价值的变体。

很难说社会因为摄影而变得更糟，尽管对于一些靠肖像画谋生的艺术家来说，他们确实被取代了，并且可能感受到损失。

AI也会发生类似的事情：一些依赖特定工作谋生的人会被取代，因为AI可以完成他们的工作。但与此同时，社会中的每个人都会拥有AI。人们将创造出许多没有AI就无法诞生的伟大作品。

几十年后，人们甚至无法想象回到没有AI或任何软件的时代——仅仅为了保留一些已经过时的工作岗位。

这里的目标不是“拥有一份工作”。

目标不是每天早上九点起床，晚上七点筋疲力尽地回家，为别人做缺乏灵魂的工作。

该有的目标是：让你的物质需求可以由机器人解决，让你的智力能力由计算机放大，让每个人都能够创造。

我曾经做过一个思想实验——我想我们在十年前的一期播客中也谈过——假设每个人都是软件工程师或硬件工程师，并且拥有机器人，可以写代码。

想象一下我们将生活在怎样的丰裕世界中。

而现在，这个世界正在变为现实。得益于AI，每个人都可以成为软件工程师。事实上，如果你觉得自己不行，你现在就可以打开Claude或任何聊天机器人，立刻开始对话，你会惊讶于自己多快就能做出一个应用。

这会让你震惊。

一旦我们能够通过机器人实现AI（虽然这是一个很难的问题，目前还没有完全解决），但当我们拥有机器人之后，每个人也都可以做一点硬件工程。因此，我认为我们正在逐步接近这种乌托邦式的愿景。

AI并不是“有生命的”

Nivi：我不认为目前所理解的AI在任何意义上是“有生命的”。但我确实认为，我们很快会拥有看起来非常“像生命体”的机器人，原因有两个。

第一，人类大量活动本身并不是创造性的，也不是高智能的，而机器人可以复制这些行为。

第二，我确实认为现有的神经网络和模型不仅仅是训练数据的简单复制，因为训练过程本身会把数据转化为某种新的东西。

神经网络中确实嵌入了新的想法，而这些想法可以通过提示被激发出来。

Naval：我不认为这些东西是有生命的。我认为它们一开始只是极其优秀的模仿者，以至于在很多人类已完成的任务上几乎无法区分真假。

如果某个任务在人类历史上已经大规模出现过，那么它就会被自动化，并被再次完成。

它可能对你来说是新的，但AI已经从别处学到了。

这是第一种“看起来像生命”的原因。

第二种原因，是我们前面提到的：它确实会学习更高层次的抽象。它们是非常高效的“压缩器”，将海量数据压缩成更小的表示，在压缩过程中学习到了更高层级的结构。

然后，在某些它没有直接从数据中学到的领域，它通过人类反馈进行修补，通过工具使用进行补充，并通过传统编程的嵌入来增强。

尤其是那些学习思考和编程的AI，它们可以调用人类所有已写代码的库来进行算法推理。

因此，它们能做的事情范围正在不断扩大。

但它们仍然缺少一些核心人类能力，比如“单样本学习”（one-shot learning）——人类可以只看一个例子就学会；以及人类的创造性连接能力——可以跨越完全不同的领域，在巨大搜索空间中突然产生灵感。

真正伟大的科学理论往往就是这样产生的。

此外，人类是“具身的”，生活在真实物理世界中，而不是语言的压缩空间中。语言只覆盖了人类已经理解并能够表达的那一小部分现实。

现实远比语言广阔得多。

因此，总体来看，尽管AI会做出非常惊人的事情，并在大量任务上超越人类——就像计算器比人类算得更快、计算机比人类执行程序更高效、飞机比鸟飞得更快一样——它们会在很多任务上远超人类。

但在另一些任务上，它们会显得完全无能为力。这些任务正是人与现实世界的深度连接，以及那种难以定义但极具创造性的能力。

AI在“唯一真正的智力测试”上失败

Nivi：说到计算器，人们常谈“超级智能”。但我认为超级智能其实早已存在，比如普通计算器，它能做的事情人类无法做到。

但如果你把超级智能理解为“能够提出人类无法理解的想法”，我不认为这种情况会发生，因为人类总是可以提出问题去理解任何想法。

Naval：人类是“通用解释者”。只要符合我们已知的物理定律，人类都可以在脑中建模。只要不断追问，我们最终可以理解任何事情。

与此相关，我们应该把AI看作学习工具。它的另一个极其重要的用途，是作为一个“极有耐心的导师”，可以用不同方式解释同一个概念，一百次、一千次，直到你真正理解为止。

我不认为AI会产生人类无法理解的东西。但“智能”本身其实是一个定义模糊的概念。

什么是智能？有“g 因子”（一般智力因素），它确实能预测很多人生结果。但它最强的证据来自其预测能力：你测量某种能力，然后发现人们在很多看似无关的领域中也会表现更好。

所以我曾经说过（这也是我比较流行的一条推文）：衡量智能的唯一真正标准，是你是否得到了你想要的人生。

这句话会让很多人不舒服，因为他们在学校拿了学位，认为自己很聪明，但生活却并不理想——可能不快乐、关系失败、收入不理想或健康问题。

但这正是智能的目的：作为生物体，你是否能够实现你想要的生活。

无论是关系、伴侣、金钱、成功还是健康。有些人看起来很聪明，因为他们确实拥有高质量的生活，他们已经成功导航到理想状态。

起点并不重要，因为世界足够大，你可以通过很多路径前进。每一个选择都会累积，体现你理解世界的能力，直到你抵达想去的地方。

但这个定义的关键点在于：如果以“是否实现你想要的生活”作为智能标准，那么AI立刻就失败了，因为AI本身没有欲望。

AI没有“想要任何东西”。

它的“欲望”来自人类的设定。

如果我们暂且假设人类赋予它目标，那么AI只是人类的代理，其智能可以衡量为：它是否帮人实现了目标。而人类的大多数目标本质上都是对抗性的或零和的。

例如吸引伴侣，你在和其他人竞争；例如金融交易，你在与其他交易者和算法竞争；例如成名，你在与其他创作者竞争。

因此，智能是在“竞技场”中被衡量的，是相对概念。

而AI在这些方面要么会被快速同质化，要么被竞争淘汰。最终留下的优势，仍然主要来自人类本身。

AI早期采用者拥有巨大优势

Naval：做一个思想实验：假设每个男人耳朵里都有一个小装置，AI像西德尼·德·贝尔热拉克（Cyrano de Bergerac）一样在耳边低语，告诉他约会时该说什么。那么每个女人也会戴一个装置，提醒她忽略他说的话，或者判断哪些是AI生成的、哪些是真实的。

如果你有一个交易机器人，它会被其他所有交易机器人抵消或中和，直到最终剩下的收益只属于那些拥有“人类优势”的人——那些具备更高创造力的人。

但这并不是说技术是完全均匀分布的。大多数人仍然没有使用AI，或者没有正确使用，或者没有充分使用，或者在某些领域根本无法使用最新模型。所以你总是可以获得优势，就像早期采用技术的人一样——只要你率先采用最新技术，你就会获得优势。

这也是为什么我总是说：要投资未来，你必须生活在未来。你要成为技术的积极使用者，因为这会让你最先理解它的用法，并且在那些反应更慢的人面前获得优势。

大多数人讨厌技术。他们害怕技术。技术让人感到不安：按错按钮电脑就崩溃、数据丢失；操作错误就显得自己很蠢。

大多数人对复杂技术都没有积极关系。简单技术——嵌入式技术——他们是可以接受的。比如开灯，灯就亮了。那曾经也是技术，但现在太简单了，人们已经不再把它当作技术。开车也是一样。对原始人来说，转动方向盘让车转向左边简直是奇迹，但现在它不再被视为技术。

但计算机技术过去一直是复杂的、难以接近的、让人望而生畏的。

现在有了AI，我们正在进入聊天机器人界面：你只需要说话或打字，非常简单。而这些基础模型真正“基础”的地方在于：你可以问任何问题，它们都会给出一个看似合理的答案。

它不会说：“抱歉，我不会数学”或“我不懂诗歌”或“我不能给恋爱建议”。

它的领域覆盖了人类讨论过的一切。在某种意义上，这让它不那么令人畏惧。

但它也可能更令人畏惧，因为我们已经过度拟人化它。如果你把ChatGPT或Claude当成一个真实的人，你可能会觉得：“我是在跟上帝对话吗？它什么都知道，有所有答案，我是不是很无知？我要开始问它该怎么做了。”

人们会很快颠倒关系，误解正在发生的事情，这确实会让人感到不安。

总体而言，我认为AI会帮助很多人克服对技术的恐惧。但如果你是这些工具的早期使用者——像所有技术一样，但在这里尤为如此——你将获得巨大的优势。

AI精准地在你所在的水平与你对接

Naval：我记得早期Google刚出现的时候，我在社交圈里经常用它。别人问我问题，我就直接去Google搜，然后显得自己很聪明。

后来出现了一个有趣的网站，叫LMGTFY.com（Let Me Google That For You，让我帮你谷歌一下）。如果有人问问题，你就把问题输入进去，它会生成一个小视频，模拟你输入搜索词并展示搜索结果。

现在AI就有点像那个阶段。人们在社交场合讨论一些问题，其实用AI很容易查到。

当然你必须小心，AI会“幻觉”，会犯错。它们在训练时也有偏差，大多数模型都非常政治正确，被训练成避免立场或只表达特定立场。

我现在几乎所有查询都会同时用四个AI跑一遍，然后交叉验证。

即便如此，我仍然能判断它们什么时候在“胡说”，或者什么时候是在政治正确。我会要求它们给出原始数据或证据。有时候我会直接忽略答案，因为我知道训练它们的压力来源以及训练数据的限制。

但总体来说，它是一个极好的工具，尤其在技术、科学、数学等没有政治背景的领域，它几乎总是非常接近正确答案，是极其强大的学习工具。

我现在会让AI生成图表、图形、示意图、类比和插图，然后仔细分析。我可以问非常基础的问题，确保自己真正理解最底层的原理。

我只想建立扎实的基础，而不关心复杂的术语。

现在第一次，几乎没有什么是我无法理解的。任何数学书、物理书、复杂概念、科学原理、刚发表的论文，我都可以让AI一步步拆解、再拆解、再举例、再类比，直到我真正理解。

这是自学的强大工具。学习的手段变得极其丰富，而真正稀缺的是学习的欲望。

但学习的手段已经变得更加丰富。更重要的是——不是“更丰富”，而是“刚好匹配”。AI可以精确匹配你的理解水平。如果你只有八年级词汇量，但数学水平是五年级，它可以用刚好适合你的方式讲解。

你不会觉得自己很笨，只需要稍微调整，它就会把概念呈现在你知识的“边缘地带”。

你会不断经历那种“啊哈时刻”——两件事突然连起来的瞬间。

Nivi：关于自学能力，几年前我尝试让AI教我“序数（ordinal numbers）”。效果一般。但现在用GPT 5.2 Thinking再试一次，几乎完全正确。我现在连最简单的问题都用thinking 模式，因为我更想要准确答案。我不再用auto或fast模式。

Naval：我也是，我总是用最先进的模型，并且所有都付费使用。

Nivi：但我不介意为任何问题等待一分钟，包括“冰箱应该设定多少温度”。

Naval：我同意。而这正是AI带来规模经济的原因：你在为“智能”付费。一个92%正确率的模型，比88%正确率的模型价值高得多，因为现实世界中错误的代价非常高，多花几美元换正确答案是值得的。

我会把同一个问题丢进四个模型，然后让它们同时运行，稍后再回来查看答案。通常我不会立刻看结果，而是稍后再对比哪个模型最好，然后深入研究那个模型的回答。

有时候我会让它们互相“交叉审问”，甚至不断复制粘贴进行对抗式提问。如果我不确定，我还会继续追问，并让它们画图、做插图。

我发现，当信息以视觉形式呈现时，我吸收得最好。我是典型的视觉思维者，所以我会让它画草图、示意图，像白板讨论一样。这样我就能真正理解它在说什么。

如果你无法定义它，就无法编程它

Nivi：我们来谈谈AI的认识论（epistemology），因为我认为下一个常见误解是：AI已经开始解决一些未解决的基础数学问题，比如某个埃尔德什问题（Erdős Problem Number Whatever），这些问题本来一个人类如果愿意也能解决，只是还没人去做。

现在我认为人们会把这一点，或者未来也会这样解读，视为AI具有创造力的证据。但我不认为这能说明AI有创造力。我反而觉得，这些问题的解，其实已经以某种形式嵌入在AI中，只是需要通过提示词（prompting）把它“引导”出来。

Naval：这其中确实有这个成分。问题是：什么是创造力？这是一个定义非常模糊的概念。

如果你无法定义它，你就无法编程它，甚至有时候你也无法识别它。这就进入了“品味”或“判断力”的领域。我认为，今天的AI并没有展现出人类偶尔才会出现的那种独特创造力。我这里说的不是美术意义上的创造力。人们常常把创造力等同于艺术，于是说：“AI能画画，所以它有创造力。”但AI并不能创造一个全新的绘画流派，也不能以一种真正前所未有的方式打动人类情感。所以从这个意义上，我不认为AI是有创造力的。我也不认为AI能做出我所说的“分布外”（out of distribution）的创新。

你提到的埃尔德什问题的答案，可能确实存在于训练数据或算法空间中，但它可能分散在五个不同的地方，以三种不同方式，用两种语言，以及七种不同的计算或数学范式表达过。AI 的作用只是把这些东西重新组合起来。那么问题是：这算创造力吗？史蒂夫·乔布斯曾说：“创造力就是把事物连接起来。”但我并不完全同意这个说法。我认为真正的创造力，是提出一个答案——这个答案从问题本身以及已有元素出发是无法被预测的，它远远超出已有思维边界。

如果你只是靠计算机或AI去“搜索”，你可能要一直猜测到时间尽头，才会偶然得到那个答案。这才是我们真正讨论的创造力。但必须承认，这种创造力在现实中非常罕见，而且大多数人也并不会经常使用。而且它越来越难被观察到。

因此，如果你有一个巨大的数学问题列表，AI逐个筛选——“这个我能解，那个我能解”，然后需要人类去提出正确问题来引导它——这仍然是一种非常有限的创造力形式。

还有另一种创造力：AI开始发明全新的科学理论，并且这些理论后来被证明是正确的。我认为我们还远远没有达到那个阶段。但我也可能是错的，因为AI已经多次让人意外。所以我不想做过于确定的预测。但我不认为仅仅通过增加算力，在现有模型框架下（除非有重大突破），就能达到那种能力。

Nivi：我想澄清一下，当我说“答案是嵌入的”，我不是说答案已经被写在模型里。我的意思是：它可以通过一种机械过程被“生成”出来，本质上就像所有计算机程序一样——输入决定输出。

Naval：但这就进入了认识论和哲学问题了：人类大脑不也是这样吗？神经元放电、电信号传播、权重变化——这不也是一个机械过程吗？如果你对人脑“转动这个曲柄”，是不是也会得到同样的答案？有些人，比如，彭罗斯（Penrose）会说：“不，人类大脑是独特的，因为涉及量子层面的结构。”也有人认为，计算发生在细胞甚至更底层的物理层面，而这远比我们目前的计算机或AI更复杂。

还有一种观点是：我们只是还没有找到正确的“程序”。它确实是机械的，但我们运行的模型不对。

不过，我更倾向于这样理解：这些系统在某些事情上极其优秀，在另一些事情上极其糟糕。这一直是所有机器和自动化系统的共同特征。轮子比脚更适合高速直线运动，但它不适合爬山。

同样，这些AI在某些任务上会远远超过人类，但在另一些任务上会完全失败。

史蒂夫·乔布斯说过：“计算机是大脑的自行车。”它让你比走路快得多，但仍然需要你去踩踏板。而现在，也许我们可以说我们有了“大脑的摩托车”。但你仍然需要有人去骑它、控制它、加速和刹车。

解决AI焦虑的方法是行动

Nivi：每当新的范式和工具出现时，都会有一个兴奋和转变的阶段。在社会层面如此，在个人层面也是如此。如果你抓住这种社会兴奋期，你可以学习新东西、结交朋友、赚钱。

Naval：但个人层面也有类似的“兴奋窗口”。当你第一次接触AI，并且保持好奇和开放心态时，这是最适合深入学习的时候。不仅是使用它，而是理解它如何运作。

深入了解内部结构其实非常有趣。就像你第一次见到汽车，不只是开车，你也会想打开引擎盖看看它是怎么运作的。

我建议那些对新技术感兴趣的人，真正去了解它的内部机制。你不需要达到可以自己造出来或维修它的程度，但至少要达到“自己理解到满意”的程度。

因为理解抽象层之下的结构，有两个好处：

第一，它能让你更好地使用这个工具。而当工具具有巨大杠杆效应时，这一点非常重要。

第二，它还能帮助你判断：你是否应该害怕它。它到底会不会变成“天网”（Skynet）并毁灭世界？

还是说，它只是一个非常强大的工具，你可以用它做A、B、C，但不能做 D、E、F？哪些地方可以信任，哪些地方需要谨慎？

我觉得现在很多人存在AI焦虑。这种焦虑来自于对AI的不了解，对其本质缺乏认知。

而解决焦虑的方法就是行动。焦虑本质上是一种非具体的恐惧：你的大脑告诉你“事情可能会变糟”，但你不知道该做什么。

正确的做法是：进入其中。去了解它是什么，看看它如何运作。这种“学习行为”本身就能消除焦虑。

通过行动去理解，通过好奇心去探索，这会让你摆脱恐惧。甚至可能让你发现一种新的使用方式，让你变得更高效、更成功，也更快乐。

（本文翻译借助了AI，如有错误，欢迎指正！图片来源于互联网。）