醫生用AI幾個月自己找息肉的本事掉兩成！賣AI的自己測出用AI學得更差、7個模型當交易員越強越像、九億人外接同一個大腦、中共的模型還多一道篩子、市場一起買一起翻船！獨立比正確值錢

本期節目探討AI時代人類群體是變得更智慧還是更蠢。主播指出AI帶來了“答案平權”，但由於資訊源於“驚奇”，AI提供的是統計眾數，導致個人創造性及醫學、程式設計等實操能力退化；同時，當全球9億人接入同一公共大腦甚至受中共規制篩選題庫時，群體資訊趨於一致，導致資本市場羊群效應加劇、流動性脆化。主播建議把AI當作筆記本而非大腦，保持獨立判斷、多找反例，強調在AI時代“獨立比正確值錢”。

影片連結：

完整文字：

最近我一直在思考一個問題，就是AI時代群體是變得更加智慧了，還是更蠢了？當然這裡邊正方反方肯定都有。我認為的是，AI時代呢，答案更加標準了，但是資訊呢是更少了。答案平權不等於資訊平權。進一步來說呢，答案越一致，資訊能力實際上呢會變得更差。這我們就得回到1948年夏農對於資訊的基本定義了。夏農關於資訊的定義呢，兩個字兒就可以概括完畢，哎，就是驚奇。什麼叫資訊？就是能夠引起你驚奇的，改變你的決策，甚至改變你決策背景的那個東西才叫做資訊。我們再進一步來說啊，飛流直下，如果讓你接的話，基本上誰都能接得上，哎，就是三千尺嘛。但是如果問你AI明天會如何發展，或者問你明天的資本市場會如何表現，那就產生無數種回答。換句話來說，一個眾所周知的答案含不含資訊量，完全不含。資訊呢，就是你完全沒有意識到，但一下子擺在你面前，並對你決策產生影響的一個東西，這才叫做資訊。拿這把尺子去量的話，今天的問題呢就變成AI時代的答案變多了，但是資訊本身呢並沒有變多。要探討這個問題，我們就從最微觀開始，我們先測量一個人的答案，再量一個人還能不能產生驚奇，最後呢量一群人加起來還剩多少資訊。

首先我認為答案平權這個事兒倒是一個真命題，這也是有資料支撐的。今年2月份的美國國家研究局有一篇工作論文，裡邊呢有個很有意思的實驗。實驗讓1174個25到45歲的成年人做商業決策的題，在沒有AI的時候，高學歷跟低學歷的人呢，在同一個問題上的答案的差距呢是0.55個標準差，配上AI之後，這個差距呢縮到了0.14個，直接抹掉了四分之三。在這個場景當中，標準差量的是什麼呢？量的是一群人分數散的有多開，你可以理解成原來這兩撥人呢差了大半個檔次，配上AI之後呢只差這麼一小截了。教育這幫呢就更加整齊了。在今年3月26號的人文與社會通訊上有一項元分析，哎，元分析呢就是把一堆研究合在一塊兒算，這個分析呢合了35項課堂的對照實驗，參與實驗的一共是4193個學生，算出來的結果是用ChatGPT學生的成績呢啊有中等程度的一個提升，然後在今年6月份呢又有一項元分析這項專門看的是什麼呢？看的是批判性思維的。他合了26項研究，算出來什麼呢？哎，用生成式AI的學生那個批判性思維的得分呢是上升的，它也不是下降的。所以一個人配上AI答案呢會變得更準，學的也會更多，這就使得什麼呢？學歷之間的門檻呢被抹平了，這就是答案平權。但是，一旦你拿夏農這把尺子量一下這些實驗，他們量的都是什麼？都是有標準答案的題，有商業案例的題，有課堂考試的題。這種題有個共性，就是答案呢早就在那兒了。只不過以前呢你得多花幾年時間讀書才可以拿到這個題的答案，現在呢你打黑一個對話方塊就OK了。當然啊這是好事啊，但是按照夏農的定義，你夠得著那個東西是什麼呢？是早就在那兒那個答案，這個根本就不算資訊。1174個人都答對了同一道題，就是誰也沒讓誰驚喜，所以答案平權，憑的是群體能夠夠得著那個答案的距離，而不是產生什麼資訊。

那人自己產生驚奇的能力呢？哎，這頭證據是更硬的。今年的6月1號，法國的里昂呢有一家癌症中心，這個中心的研究團隊在歐洲腫瘤的內科學會的期刊上發了一篇綜述。這篇綜述研究什麼呢？哎，研究醫生用了AI之後手會不會生疏？裡邊有波蘭四家醫院的內鏡醫生的一個記錄，這些醫生呢每個人都做過2000例以上的腸鏡操作，然後給這些醫生呢配上AI這個輔助作業系統，用了幾個月之後，研究人員呢去看他們不開AI的時候，哎他們表現會怎麼樣，就是手生沒生？結果是什麼呢？他們自己找到腺瘤這個比例從過去的28.4%一直降到了22.4%。哎，腺瘤就是一種癌前的息肉，病理科呢就更狠了，有項實驗呢直接給病理醫生加了一個時間壓力，然後讓AI呢故意給錯誤提示，結果30%以上的醫生把自己本來診斷對的片子改成了錯的了。你想啊，醫生在一次診斷裡的價值是什麼呢？就是他們看見了機器沒標出來那個病灶嘛，那一眼，哎，就是那一眼就是驚喜，這就是資訊。一個只會確認AI答案的醫生，他給這次診斷增加的資訊量呢是零。AI如果錯了，他就跟著錯。當然還有針對程式設計師的，今年1月底有一個實驗，而且實驗的發起者呢就是澳大利亞人。實驗呢找了52個程式設計師，學了一個新的一個編碼庫。這裡邊呢，其中有一半人用AI幫忙，一半人呢自己動手，學完之後呢還要考試。用AI那組的平均得分呢是50分，自己動手那組呢是67分。這個數呢可是賣AI的公司自己測出來的啊，他們還把用AI那一半人的對話呢全翻了一遍，結果呢翻出了六種用法，大概呢分為兩類，哎一類是整個交給AI去寫的那幾種，他們考試呢平均分不到40分，哎就是要程式碼同時也要解釋的，或者只問概念然後自己動手做的那幾種，他們的考試呢是在65分以上的。為什麼會這樣呢？因為學一門本事靠的是你自己把題給做出來，做的過程你腦子裡邊得留下一套辦法，對吧？你下次再遇到沒見過的題呢，你還能拿這套辦法出來碰一碰，碰出來這個東西呢才能讓人驚喜。你把做題的過程整個交出去了，題是做完了，那套辦法呢一點都沒有形成。如果下次不開AI的話，你還是隻能付出眾所周知的答案。

學生那邊呢也是一樣的。英國的高等教育政策研究所的今年3月份呢發了一份問卷調查，問了一千零五十四個全日制的本科生，其中有94%的學生呢用生成式AI做這個積分的作業，直接把AI寫的東西貼進作業交上去的呢佔12%。這個比例去年的是8%，前年是3%，兩年時間翻了兩番。到這兒兩頭我們都量完了，我們看到這個資料給出的答案了吧？就是一個人的答案呢更加標準了，但是產生驚奇的能力呢在退化。這兩件事的本質並不矛盾，甚至可以說他們就是同一個動作的兩面。你把想題的過程交出去了，換回來的只能是一個更加標準的答案而已。真正狠的呢其實是最後一個，也是我最想說的，就是一群人加在一起還剩下多少資訊量？在說這個群體之前呢，我先講一個老故事啊。這個故事我可能以前也講過，在1907年的時候，高爾頓在《自然》雜誌上釋出了一篇鄉村集市上的一個稱牛比賽。這個比賽呢，就是讓787個獨立的個體各自猜一頭牛的重量。當然，大多數人呢是猜不準的。但是你把所有人的猜測從小排到大，正中間那個數呢是1207磅，而牛的實際重量呢是1198磅，差的不到1%。哎，這就是群眾的智慧。用相同的話來說呢，787個人的獨立猜測，他們之間呢都是驚奇的。每個人往裡加的都是別人沒有那份資訊，並且呢錯誤的方向還不一致。哎，因為有的人會猜的很高，有的人會猜的很低嘛。這麼一平均就抵消掉了。我們現在呢把這個故事給改一下，如果這787個人在猜之前先看了同一份還給的一個估重，然後各自在這個數上做一個上下的一個調整，每個人呢還是會錯。但是錯的方向會怎麼樣？會跟著AI的估中走，這個時候獨立性就會怎麼樣？被消失了，因為你猜的是多少，我基本上都能猜得到。然後整個數值呢，基本上也會在那個數值上上下晃悠啊，就是AI估中那個數值。也就是說，787個人之間那份互相的驚奇呢，沒有了，也就是沒有資訊了。就算你找一萬個人來平均，共同那份錯誤呢還在那兒，根本就抵消不掉。答案越一致，群體的資訊量呢就越少。所以我開頭那句話說的就是這個。

這個經過改過的故事呢，今年9月3號，麻省理工學院的羅恩團隊真的做了一遍，只不過他們猜的呢不是牛，而是資本市場，讓7個大模型當交易員，然後跑64種市場的情形，每種跑5遍，結果是非常讓人意料之外的。模型越強，彼此的決定呢就越像，並且呢是不是同一家公司出的反而不重要，只要它夠強。做出來的事兒呢，就高度相關。你把這些模型混在一起用，能靠分散消掉的誤差呢，只有一半，另外一半呢是他們共同的這部分，你換多少個模型都消不導。最狠的一步他媽是什麼？是喂假訊息。實驗團隊呢在盤面上放了八條滾動評論，都說盤面給出的合理價格比真實價格高估了25%到30%。當市場裡全是AI交易員的時候，價格偏離真實價值的幅度是平時的5到7倍。當時其中能力最強的模型呢是Claude 3.5，它判斷漲跌的正確率是多少呢？只有42%，比他媽拋硬幣還要低。但是這裡邊還有一個讓人驚奇的地方，那就是能力弱一點的模型反而沒有那麼容易被騙。論文的題目叫為什麼更好的模型會造出更危險的系統？哎，大家可以去翻去找一找，還蠻有意思的。我們再說回來啊，這幾個模型的意見那是高度一致的，但他們不是被分成了幾份資訊，而只有一份，並且這份資訊還是什麼？就是這幾個模型居然答案是一致的，這個才叫資訊。

那為什麼AI會把大家的資訊給歸一呢？而以前的工具就不會呢？我用哲學上一個很有名的例子來說這個事兒啊。98年呢有兩個哲學家Andy Clark跟David Chalmers，兩個都是搞這個心靈哲學跟認知科學的。他倆研究的東西呢也是很有意思的，研究什麼呢？研究心智到底是什麼，意識是什麼？哎，都是這類問題。他們提出了一個說法叫做拓展心智，我覺得放在這兒呢是非常合適的。他們講了一個人叫奧托，奧托這人呢得了失憶症，然後呢靠一本隨身的筆記來記這個事兒。比如說他想要去博物館，哎就得翻出這個筆記查這個地址，反正大概就是這麼情況吧。他們的哲學觀點是什麼呢？哎，奧托的筆記本就是他記憶的一部分，因為這個筆記本乾的活呢，跟正常人腦子裡的記憶呢乾的是一樣的活。但是你注意筆記本的一個特點啊，奧托的筆記本記的是奧托自己遇到過的事兒，或者是他自己想做的事兒。我們的筆記本記的是什麼呢？是我們遇到過的事兒，或者是我們想做的一個事兒。每一本存的都是什麼？都是各自的驚奇，對吧？但是大語言模型它不是筆記本，它返回給你的不是你已經寫進去的東西，而是全世界語料庫出現最多的那種說法。也就是說，AI給的答案呢，它是個眾數，而眾數按定義就是最不讓人驚奇的那個說法。OpenAI在今年3月31號自己公佈了一個數，每週有超過9億人在用ChatGPT，9億人開啟同一個對話方塊，背後是同一家公司的同幾個模型。按照拓展心智的說法呢，如果它是你思考過程的一部分的話，那也就是我思考過程的一部分，對吧？那你我的思考過程本身呢，就共享了同一段了，對吧？這一段呢，沒有你我之間的驚奇，這就是筆記本跟公共大腦的區別。筆記本呢，是讓每一個人的記憶各有各的驚奇；但公共大腦讓每一個人的判斷外接到了同一個地方。

這個公共大腦吧，在中共國還多了一道工序。我記得前年還是大前年來著，中共不是搞了一個什麼狗屁的生成式AI服務管理辦法嗎？這個辦法要求什麼呢？要求訓練資料合規，生成內容呢還要體現什麼狗屁的社會主義核心價值觀？說白了，體現就是中共他媽要說的話，中共的口徑嘛。這樣一來，中共的模型呢，不止給出了眾數，而且呢還是一個先過了審的中共要的那個眾數。我開頭說那個中共那種傻逼通稿，本來就是把最不清晰的說法再篩一遍，現在這道篩子呢直接裝到模型裡邊了。所以呢，就別看中國又說啊釋出多少多少個模型，就算他媽發一億個模型，本質上也都是過同一道篩子。模型多不等於資訊多，即使是海外這種公共大腦呢，也讓大家的答案歸一了。牆內的公共大腦呢，不僅讓大家歸到那個一，還他媽是指定了那個一。所以如果在中國的話，你讀原文要比在別處呢更加值錢，因為連眾數都不是自然長出來的。

我們再說說資本市場啊，資本市場靠什麼定價？靠資訊定價，價格一動就有驚喜發生了。但是現在呢，我們想個問題：當所有人都拿著同一份答案進場的時候，市場會不會留下看得見的痕跡？一定會。首先是什麼？基金的持倉就先像起來了。今年8月，新加坡國立大學跟中山大學兩位研究者發了一篇論文，論文比較的是什麼呢？論文比較的就是ChatGPT釋出前後依賴生成式AI的基金的彼此的持倉變化的關聯度。結論就是變得更像了，並且很多維度呢都是高度相似。例如這些基金扎住的股票，還有價格對訊息的一個反應速度。副作用是什麼？瞬間的流動性變得更差了。反應快是因為什麼？因為大家同時收到了同一份答案。流動性差是因為你想要賣的時候根本就沒人接，沒有人手裡邊有一份不一樣的判斷。速度上也留了痕跡。國際貨幣基金組織有個部門，這個部門呢叫貨幣與資本市場部，這個部門主任叫Tobias Adrian。他在前一陣呢說一句非常猛的話，他說未來那種幾分鐘之內暴跌的閃崩，可能呢不再來自程式碼錯誤了，而是來自許多AI系統對同一份資訊同時做出反應。他改變的是什麼？共識的壽命啊，兄弟們！以前資訊傳播的正規化是什麼？是傳的慢，散的也慢。現在是所有人同時看到同一個判斷，判斷只要一趨同，那就是所有人同時翻船的時候。慢擴散那一段呢，直接就沒有了。大家發現沒有？今年以來，或者是從去年開始吧，市場行情整個就是這個鬼樣子。你看伊朗戰事那一輪，標普500呢從1月27號收盤那個高點到3月30號那個低點，跌了多少呢？跌了9.1%。然後恐慌指數VIX在3月9號盤中直接衝到35了。然後呢？4月15號，標普500直接收到了一個歷史的新高點，離低點只隔了16天。納斯達克的綜合指數呢，從6月2號的收盤的高點回撤到7月29號那個低點，直接跌了9.8%。兩個月之後，納指呢又重新創了一個歷史新高了。晶片股就更極端了，費城半導體指數今年二季度呢直接漲了88%，這是1994年有記錄以來的最好的一個季度。然後在7月份一個月就跌了20.6%。這幾輪漲跌呢各有各的訊息，但是我要說的是節奏，買是一起買，賣也是一起賣，中間呢沒有分歧的過程。這種共識有個特點就是看著牢，但是其實非常的脆，因為撐著這個價格的呢不是每個人手裡的資訊，而是同一份答案，並且呢這個人看東西越來越少也是連著的。

ChatGPT統計了今年第二季度全球讀者的一個資料，發現什麼呢？發現全球讀者在一篇文章上平均只停留了26秒鐘。還有更牛逼的，今年頭4個月，美國68%的谷歌搜尋沒有點開任何連結。2024年的時候，這個比例還是60%。那原文看的越少，能碰到的驚奇呢就會越少，同時就會越依賴那份共用的判斷。只要共用那個判斷一翻船，所有人就一起翻船了。不僅如此，連金融市場說的話也是越來越同質了。由G20牽頭成立的國際機構叫做金融穩定理事會，他們在今年6月10號發了一份徵求意見稿，寫的非常直白，依賴共同的AI模型、資料整合或者是基礎設施，會讓各家金融機構做出相似的動作，放大羊群效應以及順週期性。羊群效應就是大家一起買一起賣，順週期性就是什麼？就是漲的時候他媽加倉，跌的時候他媽一起減倉。英格蘭銀行呢也坐不住了，他們那個副行長呢在歐洲央行那個論壇上直接把話直接挑明瞭，他說能自己下單的AI程式，要是對同樣的出發做出同樣的反應，市場呢就應該按一個類似熔斷全市場的一個總開關。你看，就是監管層已經開始擔心流動性瞬間爆炸這個問題了。這個全市場熔斷呢還只是一個提議，哎也沒有什麼實施細則。但是就在前兩天，哎也就是9月30號，英格蘭銀行公佈了9月25號金融政策委員會的會議記錄，記錄裡邊引用了摩根士丹利那個估算。這個估算什麼呢？就是2026年到9月為止，全球AI相關的債券發行呢大概是4500億美元，已經超過2025年全年的兩倍了。那有個問題就是這些錢是不是靠同一份答案借出來的？你就品吧。

現在我們回到普通人的視角上，既然AI時代缺的不是答案，而是驚奇，那辦法就是什麼呢？讓自己重新變成一個能產生驚奇的人。我們呢要把AI當成奧托那個筆記目前來用，別把它當成一個公共大腦來用。哎，你讓他幫你存，幫你查，讓他幫你整理東西。哎，這些都是筆記本應該乾的活兒，這些他乾的肯定比人類要好。但是判斷這一步千萬別外包，判斷要用你自己的資訊，而你的資訊從哪兒來呢？從原文來，從原著來，從書本來，從你自己走過的地方來，從模型沒讀過的東西里邊來，驚奇只在原料裡邊來，眾數里邊沒有驚奇。你讀了一份原文，你的判斷就跟9億人的判斷呢分開了，而且還要做一個訓練，什麼訓練呢？你讓AI給你找反例，不讓它給你下結論。如果你問他這隻票怎麼樣，他給你的一定是全世界的眾數，此時你的判斷呢就被並進了九億人的判斷。你要問他我這個判斷哪兒站不住腳，反方最強的理由是什麼？他給你的一定是你沒想到的那條理由，這才是他在給你驚奇，此時他才是在給你提供資訊。同樣是9億人在用，用法決定你是並進去的還是分出來的。

還有一個小習慣，哎，這是來自9月17號慕尼黑大學發的一項實驗資料。實驗呢，讓704個人帶著AI助手練這個分數運算，練完之後呢，再關掉這個AI，然後考一次試。其中的一組是每做完一道題呢，螢幕上會提醒他，哎，這道題是你自己算的還是直接找AI要的答案呢？然後再問他一句，下一道題你打算讓AI幫你到哪一步？就這麼一個動作，直接抄AI答案的機率呢被壓到了不到一半了。考試成績也是略好了一點，只是這一條呢在統計上還沒有站穩。另一組是自己做對了給高分，要答案做對了只給低分。這組呢沒有測出任何效果了。就是你讓AI給你答案之前，你自己先寫下自己的判斷，然後再看他的，你的判斷跟他的答案之間差在哪兒，那個差就是你手裡的資訊量。如果差是零的話，說明你這次呢沒有信。只有答案。最後一條也很重要，就是保留不聽他的機會。這不是為了逞能，是因為在這個時代，獨立比正確值錢。一個並不比大家強的獨立判斷，往群體里加的是一份別人沒有的資訊。因為一萬個抄來的判斷，加進的資訊量呢是零。我們回到這個題目本身，AI時代的人是更蠢了還是更聰明瞭？我的結論是非常明確的，答案呢是平權了，但是資訊沒有，群體呢會變得更蠢，但是個人如果善用AI的話會變得更聰明。原因很簡單，AI讓一個人的答案呢更標準了，但一群人的資訊呢歸一了。所以我們要做的不是在這個兩派裡邊站隊，是別讓自己變成9億份一樣打理的一份。好了，今天先跟大家分享到這裡。如果大家喜歡我節目，請點下方鈴鐺。如果大家想支援我的話，可以加入會員頻道，會員頻道每個月有四集的深度節目，歡迎加入狠人的團伙。我們下期節目再見。