AI效率提升的边界究竟在何处？

昨天刷到一个讲"陀螺仪"原理的科普短片，从最初的物理结构优化，到后来用激光技术替代传统方案，最后直接让陀螺仪保持静止状态，借助物体运动时惯性引发的物理偏移来推算偏转角度，精度竟然能达到小数点后8个9，也就是误差只有百万分之一。 回过头来梳理这些年的软件开发经历，真正能让效率大幅提升的核心要素其实是确定性。 生活中不少人的手机输入法用的是拼音九宫格，早期电脑自带的输入法里每个字的位置同样是固定不变的，翻两页就能在第三个位置找到目标字，那时候大家打字的速度反而出奇地快。 经验丰富的业务员，操作设备、交接工作都遵循一套固定的工作流程，熟练程度加上标准化流程，再配合独特的防呆设计，使得整条流水线的效率显著提升，事故发生率也大幅下降。 再拿机器人、机械臂、物流中心来说，大多数应用场景都是在固定的流程范围内运行，自动化系统只信赖物理定律的稳定性。 这恰恰是AI难以在这些场景中真正落地的根本原因。比如你不可能让AI在操作员高度专注工作的时候，跑过去跟机器闲聊，AI要是情绪化地开个玩笑，整条流水线少说也得停摆三天。 就目前的情况而言，AI的实际落地应用正朝着黑盒化的方向发展，让AI自己去管控AI和相关流程，人类一旦介入反而会拉低效率，变成拖后腿的短板，可人类又不可能让AI处于完全无人监控的状态。监控环节的投入，以及流程决策的成本，会成为制约效率提升的真正瓶颈。 顺便提一句，这么大力推崇AI，总不会是为了防止那些冒失的年轻人用征信贷款去梭哈股票或者房地产市场，从而让中国重蹈日本当年的覆辙吧。