夜雨聆风请点击上面的星标⭐，并关注“碎念句读”
（1）
前天，《高考：比答案重要的，是问题》发表后，一位朋友的评论让我印象特别深刻：“解题能力过于遵循扎实，出题能力又会天马行空。这两种能力都没错。但人生短暂，创业多折。在有限的精力和空间里，想做一些更有价值的事情，还需要一种能力——猜题能力。”
我看完以后，沉思了很久。仔细想想，高考如此，创业如此，企业经营如此，甚至人生本身也是如此。会解题的人很多，会出题的人很少，而能够提前猜到未来会考什么题的人，更少。
看得到的问题，大家都会解决。真正拉开差距的，往往是那些别人还没看见的问题。想得到别人想不到的问题，看得到别人看不到的问题，预判未来可能出现的问题。这或许才是一种更高维度的能力。
（2）
如果把时间拨回2012年，当时绝大多数人并不知道，一个叫AlexNet的神经网络模型，正在悄悄改变世界。那一年，被称为“深度学习教父”的杰弗里·辛顿和他的两名学生，在ImageNet图像识别竞赛中取得压倒性胜利。
此前，计算机识别猫和狗、汽车和飞机仍然困难重重。AlexNet却把错误率直接砍掉了一半，这场胜利犹如蒸汽机点燃工业革命的第一缕火种。谷歌很快出手，以4400万美元收购了辛顿团队创办的小公司，全球AI人才争夺战正式开启。后来回头看，人们才发现，那不仅仅是一场比赛，而是人工智能新时代的发令枪。
（3）
2014年，谷歌收购DeepMind，两年后，AlphaGo横空出世。2016年3月，韩国首尔。围棋世界冠军李世石坐在棋盘前，对面坐着的不是另一位棋手，而是一台机器。比赛结果震惊世界，AlphaGo以4比1战胜李世石。
很多人至今记得李世石第五局艰难扳回的一城。却很少有人记得，三年后，这位围棋天才选择退役时说过一句话：“即使成为第一，也已经没有意义了。”
那一刻，人们第一次真切地感受到：机器不仅能替代体力劳动，甚至开始挑战人类最引以为傲的智力领域。
（4）
2017年，又一个改变历史的时刻出现了。谷歌八位研究人员发表了一篇论文：《Attention Is All You Need》。论文提出了一种全新的神经网络架构——Transformer。
当时很少有人意识到，这篇论文将成为未来几乎所有大语言模型的基础。ChatGPT、Claude、Gemini、DeepSeek…… 今天我们熟悉的几乎所有AI产品，都可以追溯到这篇论文。如果说AlexNet点燃了火种，那么Transformer则铺设了高速公路。
（5）
随后几年，AI开始不断攻克曾经被认为属于“神之领域”的问题。2020年，AlphaFold破解了困扰生物学界半个世纪的蛋白质结构预测难题。人类花费数十年才能完成的研究，AI只需要几分钟。过去药物研发最大的成本之一，就是寻找蛋白质结构。而AlphaFold几乎一次性预测出了人类已知绝大多数蛋白质的三维结构。很多科学家评价：这不是一个产品，而是一项基础设施。它改变的不是一个行业，而是整个生命科学研究的底层效率。
（6）
然后来到2022年，ChatGPT出现了，这是一个分水岭。因为此前的AI革命，大多数普通人只是旁观者。AlphaGo很厉害，但你不会下围棋；AlphaFold很伟大，但你不是生物学家。而ChatGPT不同，第一次，普通人可以直接与AI对话。写文章，做方案，编代码，翻译文件，分析数据。过去只存在于科幻电影中的场景，突然出现在每个人的电脑和手机里。人工智能第一次真正走出实验室，进入大众生活。
（7）
回头看过去十五年。AlexNet、AlphaGo、Transformer、AlphaFold、ChatGPT、Gemini……这些看似不同的技术突破，其实都在做同一件事情，寻找最优解。识别图片，要追求更准确；下围棋，要追求胜率最大化；预测蛋白质结构，要无限接近真实结果。大模型推理，要更加全面和严谨。整个AI产业的发展逻辑，本质上就是不断逼近最优解。从这个角度看，AI更像一个永不停歇的超级考生。它的目标只有一个：把每一道题做到无限接近满分。
（8）
但有趣的是，机器越来越擅长寻找最优解，人类却越来越发现，自己根本生活在一个没有最优解的世界里。这让我想起另一位大师——赫伯特·西蒙，这位同时获得诺贝尔经济学奖和图灵奖的传奇学者，研究了一辈子决策问题。最后却得出一个极其朴素的结论：人不是计算机，人的理性是有限的。信息有限，时间有限，认知有限，未来更无法预测。
因此现实中的绝大多数决策，都不可能找到真正的最优解。我们能够做到的，只是找到一个足够好的方案，然后行动。西蒙把它称为：满意决策。
（9）
仔细想想，AI的发展方向与人生的运行规律，恰恰形成了一种奇妙的反差。机器追求最优，人生追求满意。AI可以不断计算，但人生没有无限次模拟。AI可以同时评估数百万种可能，但人的一生往往只有一次机会。AI不会后悔，而人最大的痛苦，往往来自不断回头比较。
如果当年选择另一份工作呢？如果当年换一个城市呢？如果当年投资另一家公司呢？如果当年娶的是另一个人呢？于是我们不断寻找那个从未存在过的完美答案，最终陷入焦虑。
（10）
这些年，“第一性原理”成为最热门的词汇之一。马斯克在讲，黄仁勋在讲，创业者在讲，投资人也在讲。
第一性原理当然重要，它帮助科学家突破技术边界，帮助企业家打破行业惯性，帮助创新者发现新的可能。但生活终究不是实验室，科研需要寻找答案。人生很多时候却需要寻找问题。答案决定今天，问题决定未来，解题能力决定下限，猜题能力决定上限。
写到这里，我忽然理解了朋友所说的“猜题能力”。所谓猜题能力，并不是投机取巧，而是一种对未来的预判能力。今天的消费者最关心什么？明天的监管最关注什么？未来的产业最需要什么？哪些风险正在积累？哪些信任正在流失？哪些新的需求正在形成？这才是真正值得思考的问题。
（11）
最近，我的文章一直反复强调两个观点：TIC的本质，是传递信任；TIC的终极目标，是为产业赋能。
对于这两个判断，我始终坚定不移。但今天回头再看，我越来越觉得：知道“信任”是答案，并不难。真正困难的是：如何重构信任？如何让信任落地？如何让信任能够被感知、被验证、被传递？如何在AI时代建立新的信任体系？这才是检测行业未来真正需要回答的问题。
回顾过去十五年的AI发展史，我最大的感受已经不是机器越来越聪明。而是越来越理解一个事实：AI最擅长的是解题；人类最珍贵的能力，始终是发现问题、定义问题，以及预判问题。答案属于现在，试卷属于未来。真正改变未来的人，往往不是最会解题的人，而是最早猜到下一张试卷的人。
往期文章
