AI在“計分便宜”之處即為超人

這世界上的AI能力分佈，乍看像一團亂麻，直到你發現那條隱藏的規則。AI在競技編程、形式數學、軟件漏洞挖掘和棋類遊戲中早已超越人類，卻在要不要接受一份工作、談判是否已經悄悄轉向對你不利、以及審美品味這類事情上，只是“還行”。最自然的解釋是前者簡單、後者困難，但這個解釋完全錯了。真正的規則是：AI在驗證答案便宜的地方變得超人，在驗證答案昂貴的地方保持平庸。重點不是“做”，而是“檢查”。

為什麼？因為訓練循環需要信號。幾十年來，做出更好模型的配方就是更多文本、更多算力，但互聯網文本正在見底。全球高質量人類文本大約有10^14個token，模型已經消耗了約10^13個，剩下的一個數量級還是低質量部分。於是前沿轉向了合成數據、基於可驗證結果的強化學習，以及能夠廉價檢查答案的領域中的自我對弈。這個轉向不可能是中性的：它讓整個行業依賴一種分佈極不均勻的資源——便宜的答案校驗方式。

最典型的對比是兩條訓練循環。第一條是“毫秒循環”：模型寫代碼，單元測試運行，通過或失敗，瞬間給出信號，不需要人類，可以一天運行數百萬次。第二條是“六個月循環”：模型給出職業建議，你得等六個月觀察結果，再費力地把建議的效果從其他因素中剝離出來。同樣的模型、同樣的算力，左邊的已經做了五百萬次練習，右邊的只能坐在鐘錶旁等待。沒有哪種巧妙架構能修復一條根本跑不起來的循環。

由此可以預繪能力地圖：左邊是形式數學、帶測試的代碼、結構化檢索、有明確勝負的遊戲、自我驗證的網絡漏洞利用；中間是計算化學、窄域影像診斷、法律文書分析、可兑現的預測、電網調度；右邊是實驗生物學、臨牀判斷、談判與品味、社會科學與政策、特種農業和最後一公里配送。同一個模型，只是在左邊滑下山坡、在右邊推石頭上山。決定方向的不是智能，而是“誰在為答案打分”。

關於合成數據的標準反駁是：模型可以自己生成訓練數據。但這經不起推敲。未經過濾的合成數據會讓模型退化；每次成功案例，依靠的都是一個廉價驗證器作為過濾器，丟棄一切未被證實的樣本。自對弈、數學證明檢查、通過測試的代碼，莫不如此。因此合成生成不是驗證的逃逸，而是驗證的放大器：在驗證便宜處把信號放大無數倍，在驗證昂貴處幾乎什麼都不放大。

真正令人沮喪的是二階問題：慢速領域的進步依賴人類偏好和結果標籤，也就是資深判斷。而資深判斷恰恰是被此輪自動化侵蝕的資源——你得先當十年初級員工，做那些最先被自動化掉的工作，才可能成為資深。慢速領域消耗的，正是這個轉型正在切斷供應的燃料。單元測試不需要二十年經驗來寫，但判斷一個人生建議是否正確需要。這個迴路跑錯了方向，因此兩列之間的差距很可能先擴大、再收窄。

有三類誤讀需要提防：第一，把基準測試進展當作領域進展，律師考試便宜易打分，執業並不如此；第二，把領域平均化，醫學在窄域影像上快、在臨牀判斷上慢，平均成“中等”會丟掉部署路徑；第三，把排序當作就業預測，超人的代碼生成完全可能通過需求擴張增加程序員崗位。

想逃出慢速側？只能去買更便宜的地面真值：自動化實驗室讓實驗自行產出機器可讀結果；儀器化機器人制造從未公開存在的交互數據；按結果定價的合同把客户真實結果變成訓練標籤。每條路都會把領域向左拖，但不會刪除任何一列。機器人學尤其受制於“操作互聯網”的不存在；文本與代碼有現成的公開語料，物理交互卻只有空房間和一隻手套。

什麼可能打破這張表？學習式驗證。如果模型能夠為軟領域引導出可靠的驗證器，用稀疏人工標籤訓練出能正確泛化的評判者，那麼串聯線路就會斷開，放大器變成開環，昂貴領域不再落後，整張表重新洗牌。但要誠實計分：看的是不可驗證領域中的生產深度，而不是演示——願意把自己置於訴訟風險之間的評判模型，才值得認真對待。

落到個人身上，結論簡短而略帶不適：如果你的工作自帶廉價計分板，幾年內就會有比你更快的東西來跑這個計分板，你的卓越市場價值會向算力成本坍縮；如果你的工作沒有廉價計分板，你更安全，但保護你的恰恰也是讓你難以證明自己優秀的東西——這本身就是一個職業難題，而且永遠如此。