AI guides

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

By AI修猫Prompt1 viewsSource: AI修猫Prompt
验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

在这片喧嚣和迷雾之中,我们迫切需要一个清晰的导航图。而Jason Wei正是提供这份地图的最佳人选之一。他现任Meta超级智能实验室(Meta Super Intelligence Labs)的研究科学家,此前在OpenAI工作了两年,o1研发的主导者,更早之前是Google Brain的科学家。

The full text has not been translated yet. The Chinese original is shown below.

从“AI没什么用”到“AI三年内将终结人类工作”,这片巨大的认知鸿沟,就是我们身处的2025年。

在这片喧嚣和迷雾之中,我们迫切需要一个清晰的导航图。而Jason Wei正是提供这份地图的最佳人选之一。他现任Meta超级智能实验室(Meta Super Intelligence Labs)的研究科学家,此前在OpenAI工作了两年,o1研发的主导者,更早之前是Google Brain的科学家。他是“思维链提示”(Chain of Thought Prompting)、“指令调优”(Instruction Tuning)等现代AI基石技术的普及者,其研究在AI世界中拥有超过9万次引用,仅CoT一篇就超过2万次。

最近,斯坦福AI俱乐部的一次演讲中,Wei提出了他认为理解和驾驭2025年AI发展的三个“简单但可能很根本”的核心观点。这三个观点,如三盏探照灯,穿透了当下的炒作与焦虑,为我们勾勒出了一幅关于未来智能、工作乃至社会结构的清晰蓝图。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

观点一:智能将成为一种商品

第一个核心观点是颠覆性的:智能,以及获取知识和进行推理的能力,正在快速成为一种廉价的商品,其成本和获取难度正被无情地推向零(Intelligence as a Commodity)。

Wei将AI的进展划分为两个截然不同的阶段:

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

  1. 阶段一:推动前沿 (Pushing the Frontier)在这个阶段,AI还不能很好地完成某项任务(例如,在MMLU这样的基准测试上取得高分),研究人员的核心工作是“解锁”这项新能力。
  2. 阶段二:商品化 (Commoditized)一旦某个能力被AI掌握,这个能力的成本就会迅速“商品化”。

Wei用一张图表展示了这一点:在MMLU基准上达到特定智能水平的“成本”(以美元计),正随着时间(每年)急剧下降。换言之,去年的“尖端智能”,到了今年可能只需要花费几分之一的成本就能获得。

为什么智能会“通货膨胀”?答案:自适应计算

为什么这个“智能通缩”的趋势会持续下去?。Wei给出了一个关键的技术解释:“自适应计算”(Adaptive Compute)的真正实现。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

他指出,在深度学习的绝大部分历史中(直到去年左右),我们都处于“固定计算”模式。这意味着,无论你问AI一个多简单的问题(比如“加州的首都是哪里”)还是一个多复杂的问题(比如“一个竞赛级数学难题”),模型都会调用几乎相同的、固定的计算量来回答。

而现在,我们进入了“自适应计算”的时代。AI可以根据任务的难度来动态调整用于解决它的计算量。

这个转变的意义是革命性的。它意味着我们不再需要仅仅依靠“不断扩大模型规模”来降低成本。对于一个非常简单的任务,我们现在可以将计算成本“推向极限”,只花费最微量的算力去完成它。这从根本上解锁了智能成本下降的通道。

从几小时到几分钟再到“即时”:知识获取的崩溃

这种商品化的最直观体现,就是获取公开信息所需时间的急剧缩短。Wei用了一个关于“釜山”的例子生动地说明了这一点:

  • 问题1(简单):“1983年釜山的人口是多少?”
  • 前互联网时代:你可能需要开车去图书馆,翻阅几本百科全书,耗时“几小时”。
  • 互联网时代:你需要搜索,然后浏览几个网页以确认答案,耗时“几分钟”。
  • 聊天机器人时代:这个答案是“即时”的。
  • 问题2(困难):“1983年釜山有多少对夫妇结婚?”
  • 前互联网时代:如果你不在韩国,你可能得先“飞到韩国”,然后去政府图书馆的档案室,“翻阅几十本书”才能找到这个特定数据。这可能需要数周。
  • 互联网时代:你可能需要搜索,但如果你不懂韩语,你得在大量网站中挣扎。
  • AI代理时代:Wei展示,AI(OpenAI Operator)现在可以做到这一点,因为它能访问并操作特定数据库(如Kosis),通过“点击和查询”来获取答案。这可能只需要“几分钟”。
  • 问题3(极难):“1983年亚洲人口最多的30个城市中,请按当年的结婚夫妇数量排序。”
  • 前互联网时代:这几乎是一个需要耗费“数周”的研究项目。
  • AI代理时代:这在今天可能只需要“几小时”就能完成。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

为了量化这种能力,OpenAI甚至开发了一个名为“BrowseComp”(浏览竞赛)的基准测试。这些任务的特点是,一旦你有了答案,验证它很容易,但找到答案的过程却极其耗时。Wei展示的数据触目惊心:对于这些任务,人类平均需要“超过两小时”才能解决一个,而且在更多情况下,人类在两小时内“无法解决”。相比之下,OpenAI的Deep Research模型已经能解决大约一半的此类问题。

“智能商品化”的启示

这个观点的结论是清晰的:一旦AI掌握了某项能力,它的成本就会趋向于零。这对我们的社会结构意味着什么?

  1. 知识的民主化:那些以前被“任意的知识壁垒”所保护的领域将被彻底民主化。Wei点名了两个领域:编程(Coding)和个人健康(Personal Health)。过去,你想做“生物黑客”实验,医生可能不会配合你。而现在,ChatGPT几乎可以给你“一个非常好的医生能给你的任何信息”。
  2. 私人信息价值的飙升:当所有“公共信息”的获取成本都变为零时,一个必然的经济推论是——“私人和内幕信息”的相对价值将会变得高得多。例如,那些“不在市场上但可以被出售的房子”的信息,现在变得更有价值了。
  3. 个性化互联网的到来:我们最终将从访问一个“对所有人开放的公共互联网”,转向获取“个性化的互联网”。你想要的任何信息,都会有一个个性化的网站为你生成。

观点二:验证者定律

如果说第一个观点解决了智能的“成本”问题,那么第二个观点则解决了AI进展的“方向”问题。这个观点,Wei称之为“验证者定律”(Verifier's Law)。

其核心论断是:我们训练AI解决某个特定任务的能力,与我们“验证”该任务是否被正确完成的容易程度成正比。

这个定律的推论是:任何可解的、且易于验证的任务,最终都将被AI攻克。

万物皆可量化:验证的不对称性

这个定律的基础,是计算机科学中一个经典概念:“验证的不对称性”(Asymmetry of Verification)。即,对于许多任务,验证一个解决方案是否正确,要远比从头开始找到这个解决方案容易得多。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

Wei举了几个绝佳的例子,我们可以将其绘制成一个光谱:

  • 极易验证(AI优势区):
  • 数独 (Sudoku):解决起来非常困难,但检查一个填好的数独是否符合规则,极其容易。
  • Twitter的代码:编写运行Twitter的全部代码,需要数千名工程师。但验证它是否在工作?你只需要“渲染它并四处点击一下”。
  • 极难验证(AI劣势区):
  • 撰写事实性文章:AI可以轻易地生成一篇“看似真实可信”的文章。但是,要去“核查”文中的每一个事实 claim,可能“极其繁琐”,耗时远超写作本身。这是一个“反向不对称”的例子。
  • 创造一种新饮食法:Wei开玩笑说,他可以在10秒内断言“最好的饮食法是只吃野牛”。但是,你要如何“验证”这个断言?你需要“大量的样本,等待长期的结果,而且过程可能充满噪音”。
  • 对称任务(中间地带):
  • 数据处理代码:有时候,你写一个脚本很容易,但让你去检查“别人写的混乱代码”到底在干什么,可能比你自己重写一遍还要花时间。

什么是真正的“可验证性”?

Wei进一步将“可验证性”这门艺术,拆解为五个关键因素:

  1. 客观事实 (Objective Truth):是否存在一个关于“好”与“坏”的客观标准?
  2. 验证速度 (Fast to Verify):验证一个答案需要多久?
  3. 可扩展性 (Scalable):你能不能同时验证“一百万个”提议的解决方案?
  4. 低噪音 (Low Noise):每次验证的结果是否都一样?
  5. 连续奖励 (Continuous Reward):你是否只能得到“通过/不通过”的二元答案,还是能得到一个“完整的光谱”(比如这个答案比那个答案好5%)?

所有的AI基准测试,本质上都是“易于验证”的,这解释了为什么AI在刷榜上进展神速。

案例研究:AlphaEvolve如何证明“验证者定律”

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

Wei指出,DeepMind的AlphaEvolve项目,是利用这种不对称性的完美范例。该算法通过投入海量计算,在“采样”和“智能算法”的配合下,解决了一系列符合高度不对称性的任务。

例如一个数学问题:找到11个六边形的最佳摆放方式,使包裹它们的“外部六边形”面积最小。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

这个任务完美符合了上述所有验证标准:它是客观的(可以绘图检查),可扩展的(计算验证),低噪音的(每次计算结果都一样),并且提供连续奖励(六边形的大小本身就是一个精确的优劣指标)。

AlphaEvolve的算法流程简单而粗暴:

  1. 让大型语言模型 (LLM) “采样”一堆候选解决方案(有好有坏)。
  2. 用“验证器”(即评分程序)给所有方案打分。
  3. 将“最好的”方案喂给LLM,作为下一轮采样的“灵感”。
  4. 投入大量算力和迭代,性能就会持续提高。

这个方法非常聪明,它甚至“绕过”了传统的泛化问题。它不需要模型学会解决所有六边形问题,它只需要找到这一个特定问题的最优解。感兴趣您可以看下

离AGI更近了!!0.31元运行谷歌的AlphaEvolve和UBC的DGM「达尔文-哥德尔机」

“验证者定律”的启示

这个定律为我们指明了AI自动化的清晰路线图:

  1. 自动化的顺序:最先被自动化、被AI征服的,一定是那些“验证起来微不足道”的任务。
  2. “测量”是新的金矿:Wei认为,一个即将爆发的商业领域是:“想出衡量事物的方法”。因为一旦某个事物(比如“员工幸福度”或“代码优雅度”)可以被精确、快速、客观地测量,那么它就可以被AI所优化。

观点三:智能的锯齿状边缘

Wei的第三个观点,也是最具现实指导意义的观点,是关于AI发展的“形态”。他认为,AI的能力和进步速度,并不是一条平滑向上的曲线,而是一个“锯齿状的边缘” (Jagged Edge)。

值得一题的是,Jason Wei 在他演讲中所使用的“锯齿状边缘” (Jagged Edge) 理论,最早由哈佛商学院的研究者们率先提出。早在2023年,哈佛商学院(HBS)联合波士顿咨询集团(BCG)、MIT和沃顿商学院,共同发布了一篇名为《驾驭锯齿状的技术前沿:人工智能对知识型员工生产力和质量影响的现场实验证据》的重磅研究报告。感兴趣您可以看下:

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

哈佛波士顿最新技术前沿:人工智能将在未来几年对知识工作者产生巨大影响

这份报告的权威性,不仅在于其顶级的研究阵容,更在于它进行了一项史无前例的大规模“现场实验”:研究团队深入BCG内部,让758名真实的顶尖咨询顾问 参与了一场使用GPT-4的随机对照试验。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

这份研究报告首次用真实数据绘制了AI能力的“锯齿状前沿” (Jagged Technological Frontier),其核心发现震惊了业界:

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

Jason Wei 的演讲,正是在这个坚实的实证研究基础上,进一步阐述了“锯齿状边缘”对未来AI发展速度和职业变迁的深刻含义。

为什么不会有“快速起飞”的超级智能

在AI安全和未来学领域,流行着一种“快速起飞”(Fast Takeoff)的假说。该假说认为,AI一旦在某个关键点上超越人类,就会在极短的时间内(即“起飞持续时间”)获得“巨大”的智能优势,迅速甩开人类。

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

Wei明确表示:他认为这“可能不会发生”。

他的理由是,“自我完善能力”并不是一个“是/否”的二元开关。现实更可能是一个渐进的光谱:

  • 第0年:AI甚至无法获取自己的代码库。
  • 第0.5年:AI可以“训练一些东西”,但结果“并不惊艳”。
  • 第1年:AI可以“自主训练”,但效果不如10个顶尖人类研究员。
  • 第2年:AI可以自主训练,但仍需要人类“时不时地干预”以保持良好运行。

最重要的是,自我完善的速度应该是“针对每个任务”来看待的。AI不会在“所有事情”上同时变得更强。AGI短期之内不会到来。持有这种观点的还有

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

你是对的,AGI一年内不会出现了!学术界对AGI的定义来了,27家机构最新

欢迎来到“锯齿状”世界:高峰与低谷

AI的能力图谱充满了“高峰”(AI表现超常)和“低谷”(AI表现愚蠢)。

  • 高峰(Peaks):AI目前特别擅长的任务,比如“困难的数学问题”或“某些类型的竞赛编程”。
  • 低谷(Valleys):那些AI表现很差的奇怪领域。例如,很长一段时间里,ChatGPT会坚持认为“9.11 大于 9.9”。或者,AI根本无法说好“特林吉特语”(Tlingit),一种只有几百名美国原住民会说的语言。

更关键的是,改进的速度也是“锯齿状”的。有些任务(比如那些可验证的)会改进得非常快。而另一些任务(比如学会说特林吉特语),其瓶颈在于现实世界——你必须“去到那个原住民保留地,去记录那种语言”。AI的算法再快,也无法加速这个物理过程。

预测AI进步的3+1条启发式规则

那么,我们该如何预测AI在某个特定任务上的进步速度?Wei给出了一个强大的预测工具包,包含三条核心规则和一个例外:

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

2025+ 的职业预测:谁会留下,谁会离开?

基于这套“锯齿状”理论和启发式规则,Wei给出了一个关于未来职业的惊人预测表:

验证者定律,智能的锯齿边缘和商品化,CoT之父Jason Wei2025AI进展的三个思路

这个表格清晰地展示了“锯齿状”的未来:

  • 被AI重度加速的领域:软件开发、电影制作、研究。它们都是“数字化的”。
  • 几乎不受AI影响的领域:理发、管道维修、手工制造。它们受制于“物理世界”的瓶颈。

结论:在“锯齿状”的未来中导航

Jason Wei的演讲为我们提供了三把标尺,用以丈量这个被AI重塑的世界。

  1. 智能商品化:智能和知识正变得快速而廉价。这意味着依赖“信息差”的壁垒正在崩溃。
  2. 验证者定律:“可测量性”和“可验证性”是AI进步的核心驱动力。自动化将沿着“最容易验证”的路径展开。
  3. 锯齿状边缘:AI的进步是不均衡的。未来不是一个“AGI”突然降临的世界,而是一个“数字领域”被极大加速、而“物理领域”相对停滞的、极度不均衡的世界。

这三个观点合在一起,描绘了一幅比“AI将终结一切”或“AI毫无用处”都复杂得多,但也真实得多的未来图景。

对于那些处于焦虑中的人来说,这幅蓝图给出了清晰的答案:AI的冲击不是均匀的,而是高度结构化的。你的未来,取决于你的工作在多大程度上是数字的、数据丰富的、以及易于验证的。

与其在“起飞或不起飞”的二元论中恐慌,不如开始校准自己的坐标,找到自己的“人马”(Centaurs,清晰分工) 和“赛博格”(Cyborgs,高度整合)。学会如何在AI创造的这个“锯齿状”新大陆上,攀登属于自己的高峰。

文章来自于微信公众号 “AI修猫Prompt”,作者 “AI修猫Prompt”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)