每日AI新鲜事·08月23日晚间版：AI能力的荒诞落差

周日晚上好，今天新闻不多，但有几条挺有意思的，咱们快速过一下。

先说一条让人难过的消息，Hacker News上看到，Linux内核SMB3和CIFS文件系统的维护者Steve French去世了。

这个确实挺让人惋惜的。SMB3在Linux上的支持这些年进步很大，跟他的贡献分不开。

对，很多人可能不知道这个名字，但只要在Linux上访问过Windows共享文件夹，背后都有他的代码在跑。

开源社区里这种默默维护关键基础设施的人，真的值得被记住。

然后第二条，Palantir的CEO Alex Karp在CNBC上炮轰前沿AI实验室，说它们在试图让我们上瘾。

得了吧，Palantir自己做的事也没多让人放心。不过他这个比喻倒是挺狠的，drug addict，直接类比毒品。

他的意思大概是说这些公司用消费者产品吸引用户，本质上是在培养依赖性。

立场很明确嘛，Palantir做的是企业和政府市场，当然要踩消费者AI一脚。屁股决定脑袋。

好，新闻就先聊到这儿，最后一条其实特别适合展开聊聊。

Hacker News上有个帖子问了一个灵魂问题：为什么AI能生成超级马里奥，却做不出一个扫地机器人的坡道？

这个问题问得太好了。一句话就戳破了当前AI能力的一个核心矛盾。

对啊，你想想看，生成一个像素游戏关卡，或者写一首诗，AI都能做到。但你让它设计一个简单的物理楔形坡道，它就不行了？

本质上是因为生成马里奥是一个模式匹配问题，训练数据里有大量游戏相关内容。但坡道设计涉及真实物理约束。

你得知道机器人的轮径、底盘离地间隙、爬坡角度上限，还有坡道材料的摩擦系数。这些都是具体工程参数。

所以问题不是AI不够聪明，而是它擅长的事情跟我们日常需要的事情之间有一个巨大的鸿沟？

没错。我把它叫做能力的荒诞落差。AI在抽象创作上已经很强了，但在具身的、需要跟物理世界交互的任务上，还差得远。

而且这个例子还特别讽刺，因为坡道这个东西本身太简单了，就一个三角形。

对，但简单不代表容易。你让AI画一个三角形它当然会，但你让它输出一个能3D打印的、承重合格的STL文件，那完全是另一回事。

这其实也解释了为什么AI在很多实际场景里落地那么难。生成内容容易，解决具体问题难。

因为具体问题需要的不是生成能力，而是对约束条件的理解和推理。这恰恰是当前大语言模型的短板。

帖子评论区有人提到类似的经历吗？

虽然评论不多，但这种吐槽其实在各个社区都很常见。大家越用AI越发现，它在你最需要帮忙的地方反而帮不上。

就像你让它写一封邮件它写得比你好，但你让它帮你修个水龙头，它连第一步都不知道怎么做。

哎，这个比喻好。而且更扎心的是，写邮件这件事你本来也能做，只是懒得做。真正需要帮助的地方它又不行。

所以你觉得这个落差短期内能缩小吗？

得靠多模态和具身智能的进展。光靠文本训练是不够的，模型需要理解物理世界的规则。

但这个方向进展确实比纯语言模型慢很多，可能还需要好几年。

行吧，那今天就先聊到这里。一个简单的坡道问题，背后其实是AI发展路线的根本性挑战。

嗯，有时候最朴素的问题反而最深刻。

好啦，周日晚上大家早点休息，咱们明天见。