谷歌不是输在技术上，是输在顾虑上
阅读方式：微信读书网页版，从版权页翻到后记，共 284 屏、7 章、7 分 29 秒。 七章：ChatGPT 的冲击、如何影响世界、生成式 AI 之前的 AI 史、Transformer、谷歌与 OpenAI 的此消彼长、图像生成、创造性的本质，加一篇后记。
这本书的作者是一位日本科技记者。这个身份很重要——他写的不是技术，是"社会怎么接住它"。
同类的书里，技术部分大同小异：Transformer、注意力、大语言模型。但这本的重心在后面几章：谁被告了、谁被解雇、哪个岗位被列进警戒线、哪所大学第一反应是禁止。
而它给出的最反直觉的一个判断，是关于谷歌的。
一、谷歌不是输在技术上
第 5 章的标题叫"苦恼迟疑的谷歌与高歌猛进的 OpenAI 和微软"。这个对比很扎眼，但作者的解释比"谷歌掉队了"复杂得多。
他列了三件事：
第一件，一篇关于大模型偏见与风险的论文引发撤稿纠纷，两位研究者相继离职。
第二件，2021 年 2 月，其中一位在离职两个月后被以"违反公司行为规范和安全政策"为由解雇。
第三件，2022 年，一位 AI 评估人员在接受采访时称大语言模型 LaMDA 具有意识，随后被解雇，引发轩然大波。
然后作者写了一句我认为全书最见功力的话：
"经过上述这些事件，也难怪谷歌高层会采取与这种 AI（大语言模型）保持距离的策略……也许这种保守的策略正是谷歌后来被 OpenAI 和微软抢占先机，并在大语言模型开发竞争中陷入被动的原因之一。"
注意他的用词："也许"、"原因之一"。这种克制，比一口断定"谷歌因为怕被骂所以输了"要可信得多。
但我还是想把这句话往前推一步，因为它指向一个很现实的处境：一家公司越是被公众盯着，它的技术就越难发出来。
不是能力问题，是"发出去之后要解释"的成本问题。你发一个模型，要先想清楚它会不会被用来造谣、会不会说出不该说的话、会不会上一个记者的头条。这些顾虑都是对的，但它们要花钱，花的是时间。
而一个新来的公司，没有这些包袱。它只需要跑得快。
所以"领先"这件事，有时候不取决于谁的技术更强，取决于谁更敢先把它放出去。这是个组织问题，不是技术问题。 这一点，对任何在大公司里做事的人都不陌生。
二、版权：模型自己把人给招了
第 6 章讲图像生成与诉讼，但最精彩的一段其实是文字模型引起的，而且过程有点荒诞。
据书里引述的报道：一位记者去问 ChatGPT——"你训练时使用的新闻来源是什么？"
它回答了，列了《华尔街日报》、CNN、《纽约时报》等 20 多种主流媒体。
然后是道琼斯的声明：
"任何希望将《华尔街日报》的文章用于 AI 训练的人必须从道琼斯获得相应的许可。"
CNN 随后也提出抗议，并要求支付训练数据的内容使用许可费。
作者很谨慎地补了一句：鉴于 ChatGPT 会出错或产生幻觉，这个检举是否妥当尚不确定——但它确实说明，主流媒体的内容被用于训练的可能性是存在的，而 OpenAI 并未获得许可。
我特别喜欢这一段，因为它同时暴露了两件事：
一是模型的"自知"是假的。 它说的训练来源，可能只是从语料里学来的"合理猜测"，不是真的查询了训练日志。它连自己吃了什么，都是猜的。
二是版权这件事，很难靠"查"来解决。 你没法打开模型的脑袋看它记了哪篇文章。所以争议最后不会落在技术上，会落在"谁来承担举证责任"上。
书里还问了一个更根本的问题："毕加索的'剽窃'与 AI 的'剽窃'一样吗？"
它没给答案。但我认为这个问题的价值在于它把讨论从"技术是否侵权"拉到了"创造是什么"——一个人类画家看遍前人的画，然后画出自己的，这叫学习；一个模型看遍前人的画，然后生成一张，这叫不算？
这个界线，法律还没画完。
三、就业：警戒线画在哪三个岗位
第 2 章讲社会影响，作者列了一份"已经进入需要引起戒备阶段"的名单，只有三个：
口译、笔译，以及美国称为 paralegal 的律师助理。
这份名单很有意思，因为它不是"最容易被替代"的名单，而是"已经被替代到需要警戒"的名单。
这三个岗位有个共同点：输入是文本，输出是文本，中间那层判断不重。 翻译要的是准确与通顺，律师助理要的是检索与整理——都不是"必须有人负责"的环节。
而作者紧接着提到的另一句更值得琢磨：即便小说家、漫画家、动画师、电影制作这类创造性岗位，"以目前生成式 AI 的发展速度来看，也无法确保能够一直不受影响"。
这句话写得克制，但意思很清楚：创造性不是护城河，只是更晚被淹到的地方。
同时他也提到了新长出来的岗位——提示工程师。
我不太认同把"提示工程师"当成一个长期职业（它更像一项技能），但作者把这个现象摆出来是对的：每次技术换代，都会先干掉一批岗位，再长出一批新岗位，而这两批人往往不是同一批。
这才是真正的问题所在——不是"有没有新工作"，是"被换掉的那个人，能不能变成新工作要的那个人"。
四、教育：第一反应是"防"
书里有一节叫"用 AI 做作业动摇了教育的根本"，接着两节分别讲美国各大学加紧制定应对措施、日本各大学加强戒备。
这个"加紧制定""加强戒备"的措辞，把当时的气氛写得很准：大学的第一反应不是"怎么用它教"，是"怎么防它作弊"。
我不觉得这有什么可指责的。考试和作业是教育里最基础的度量工具，度量一旦失效，整套体系就要重新设计——而重新设计要很多年。
但这恰好也是这本书最值得读的地方：它记录了一个"制度还没想好"的时刻。技术三个月走完了，制度可能要三年。 中间这段时间，所有人都在凭直觉办事。
五、这本书的短板
一是时效性极强，且写得很"当时"。 大量篇幅在讲 2023 年上半年的事——Bard 刚发、GPT-4 刚出、诉讼刚起。两年后再读，很多"最新进展"已经成了历史注脚。 它更像一本"现场报道合集"，不是"长期判断"。
二是技术章节偏薄。 第 3、4 章讲 AI 史和 Transformer，明显是给非技术读者做的压缩饼干，懂行的人会觉得太浅，不懂的人可能还是跟不上。两头不讨好。
三是立场偏"记者"，少"判断"。 作者擅长把事实摆清楚、把各方说法列全，但很少给出自己的结论。好处是客观，坏处是读完你会知道发生了什么，但不太知道该怎么想。
它的优点是：它记录了别人不愿意记的那部分。 谁被解雇了、谁被告了、哪个岗位进了警戒线、哪所大学先竖起了墙——这些东西写不进技术文档，但它们决定了技术最后长成什么样。
六、一句话
这本书真正的主题不是 AI 有多强，而是当一项技术跑得比制度快的时候，中间那一段真空由谁来填。谷歌的迟疑、大学的戒备、道琼斯的声明、口译员的焦虑——看起来是四件不相干的事，其实是同一件事的四个侧面：技术三个月走完的路，制度要走三年。 而在这三年里，所有人的判断都只能凭直觉，包括你我。
阅读记录：微信读书网页版逐页翻阅，284 屏 / 7 章 / 7 分 29 秒。
本书知识图谱见文中配图，原图地址：https://www.jiangtian.top/zb_users/upload/kg/aigc-wave-map.png
发表评论: