作者｜赵赛坡
头图｜视觉中国
本期首先推荐两篇文章，聚焦 AI 的另一层“幻觉”：不是输出一些无意义内容，而是生成一种虚假希望的“幻觉”。
人工智能会不会形成新式“利维坦”，本期选择三篇长文，从经济、安全与政府机构的角度，深入探讨这个议题。
长期以来，“卢德主义”被认为是对技术的盲目抵制，本周推荐一本新书，揭示“卢德主义”的起源、发展以及与当下的关系。
本期还将推荐以下议题的长文：
Meta 的转型；
非线性思维；
“More Reading, Less Junk”，欢迎进入本周的深度阅读时刻。
人工智能的另一种“幻觉”
在这一波大语言模型掀起的潮流里，外界看到诸如 OpenAI、Anthropic 等一众明星创业公司，但这个市场的最大赢家或许是 Meta、微软这样的“传统”科技巨头。
推荐两篇探讨上述趋势的文章。我一直向读者朋友推荐《经济学人》这篇社论（链接、免费镜像、5 分钟阅读时长），篇幅虽然不长，但旗帜鲜明地指出，大公司将在这场由大模型推动的技术革命中受益。
文章给出了极其充分的理由：其一，大公司拥有更大的渠道和销售能力；其二，数据会成为大公司的另一大优势；其三，大公司现在极度依赖云计算公司，借助云计算公司的相关技术，大公司的“转身”速度可以明显加快。
另一篇文章（链接、20 分钟阅读时长）谈到 AI 增长的“幻觉”。就像过往 60 多年历次 AI 热潮一样，这一次，大模型——从 ChatGPT 到 Stable Diffusion——再次引发了资本市场、大公司的关注，借助大量可触达终端用户的产品或服务，大模型的力量似乎已经无所不能。
但如果站在一个面对未来的视角上，还有众多不确定性的问题有待回答：基础模型的能力边界在哪里、大模型开源的商业模式会有哪些、资本市场可以容忍的烧钱额度能有多少、大公司产品集成大模型的速度与体验怎样等等。
文章最后的总结很值得思考，如果把当下的大模型创新和 90 年代的互联网、2010 年代的加密货币进行对比，会发现一个有趣的线索：ChatGPT 引发的浪潮，让这个产业里的几乎每个人——研究者、开发者、风险资本、大公司——都能参与进来，相比于互联网，大模型产业的发展速度更快，而与加密货币不同，大模型产生的价值几乎是实时而且计算的成本似乎很“便宜”。
只是，这个赛道是不是有点过于拥挤了？
构建“非线性思维”
某种意义上说，线性思维可以被视为人类认知的一种简化机制。这种思维方式有意无意忽略了大量环境因素，使得人类在思考或决策时进入一种有限的认知窠臼。
一个最简单也最具代表的例子：“努力就会有回报”是一句几乎在全球各地、各个语种里最“励志”的话，但现实里的一系列反例，足以证明这种思维方式存在巨大漏洞。
商业世界更是如此，如果你的产品只有竞争对手产品一半好，按照线性思维，你会得到一半的客户，但真实情景则通常是你一无所有。
我非常推荐这篇来自 Paul Graham 分享（链接、30 分钟阅读时长），他站在商业的角度阐述非线性世界里的投资与回报。文章列举了众多案例，比如稍微快一点的算法提升就可能让一家公司垄断市场；再比如在投资领域，非线性无处不在，关键绩效的高低就决定了一个投资项目收益甚至一家投资机构的成败。
理解“非线性投资回报”的另一个难点是人类往往无法容忍“赢者通吃”的场面，但世界或许就是这样的运行规律，只不过我们早已习惯了人为“调控”。
人工智能会不会制造新“利维坦”
“利维坦（Leviathan）”最早是希伯来语圣经里的一种怪兽，后来被政治学者使用，指代一类拥有强大力量的政治机构或国家。比如历史课本曾介绍过 17 世纪英国学者霍布斯的专著《利维坦》，就是谈论如何通过制度设计，形成一个能够适应资本主义发展的强大政府机构，以实现更好的经济发展。
与今年躁动的人工智能产业同步出现的，还有一股对于人工智能如何毁灭人类的焦虑。我选择了三篇长文，以“人工智能是否在制造『利维坦』”为主题，构建起一个理解人工智能安全风险的思维框架。
三篇文章各自有不同的侧重点：
Meta 的又一次转型
我个人认为 2023 年变化最大的一家公司是 Meta。这家公司在 2021 年的更名——从 Facebook 到 Meta——展示出对元宇宙的雄心壮志，但在 2023 年却成为一家几乎“All in AI（大模型）”的科技公司。
推荐这篇来自 CNBC 的长文特写（链接、20 分钟阅读时长），文章首先从 9 月 Meta 的“Connect”大会谈起，原本这是虚拟现实的技术峰会，不过今年的主题都是大模型，而峰会前后，扎克伯格 AI 策略也呼之欲出，那就是开源。
从年初小范围开源的 Llama 到年中更大范围开源、技术能力更强的 Llama 2，Meta 充分展示了自己在大模型领域的雄厚技术积累和研发能力。如今，Llama 2 已经成为开源大模型的代表，形成了和微软（OpenAI）、Google 等闭源大模型相抗衡的阵营。
与此同时，Meta 的 AI 策略让华尔街的分析师颇为不适，因为大公司的开源产品实在是难以估值，更何况大语言模型的商业化应用还不明朗，市场要理解 Meta 这样押注基础模型开源的公司更是难上加难。
本周图书：被误读的“卢德主义”
今年声势浩大的好莱坞编剧和演员罢工事件，不仅呼吁从流媒体服务中获得更大的收益份额，还进一步向电影制作公司提出要求：必须确保人类编剧在剧本创作过程中的不可或缺地位。这实际上反映了一种深刻的焦虑，即随着人工智能和机器学习技术的快速发展，人类编剧的角色可能逐渐被边缘化或替代。
过去很长一段时间里，我们将这一诉求称之为“卢德主义”，这群人被叫作“卢德主义者”。自 1700 年代中后期开始，一代代的“卢德主义者”就站在技术发展的对立面，不愿意接受新技术，甚至用实际行动——比如罢工、破坏机器——抵制新技术。
但事实真的如此吗？恐怕未必。这本新书 Blood in the Machine: The Origins of the Rebellion Against Big Tech（亚马逊 Kindle 书店、 14.99 美元）以编年史的形式，重新梳理、挖掘英国在工业革命早期的故事，既有从发明家摇身一变为工厂资本家的财富传说，也有穷苦工人甚至儿童被迫进入工厂，并成为“机器奴隶”的悲惨经历，试图还原早期“卢德主义”的真实故事。
在作者看来，我们一直在误读“卢德主义”，他们并非抵制技术或进步，而是在与不合理的制度做斗争。比如工业革命早期，很多工人缺乏如何使用机器的培训，当他们进入工厂车间面对复杂机器的时候，某种意义也是在用生命换取微薄的收入；更重要的是，由于法律的缺失，工人们的权益得不到有效保障，以暴制暴成了最后选择。
这本书虽然在谈历史，但作者显然希望让读者时刻记住一件事：2020 年代和 1820 年代相比，虽然人类使用的机器发生了天翻地覆的变化，但人与机器的关系并没有根本区别，因为所有的人机关系，本质上都是人与人之间的关系，机器不过只是一种媒介罢了。
评论