后来回看时,材料认为 GPT-4 出现时范式变化就已经发生,AGI 在 2023 年就到了;早期关于生产力价值、复刻难度和闭源天花板的判断,有的被印证,有的被修正。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
范式判断被确认,但时间点提前了
一篇 2026 年的回顾文章说,从 GPT-4 到 GPT-6 没有出现超出预期的范式变化,2023 年就认为 AGI 已经到了,理由不是某项性能提升,而是模型已经能比较通用地完成任务,这打破了上一代机器学习只能做窄任务的印象1。这与 2023 年讲 GPT 具备理解与思考能力、能突破很多应用限制的说法一脉相承2。所以“AGI 到来”这条判断,被认为是提前成立并被后续印证的;但这是回顾性评价,不是独立第三方核验。
生产力优先和复刻难度,大体被后续实践印证
早期主张少把 ChatGPT 用在娱乐上、多用在提升生产力上,并判断它会先替代各类效率工具和 SaaS,而不是马上进入大众日常3。2024 年又用“Google 多久能追上 GPT-3.5 和 GPT-4”作为判断难度的标尺,一年后看到很多人声称达到 3.5、很少有人真到 4,据此认为复刻难度确实很高4。这两条方向在材料内没有出现被推翻的说法。
闭源天花板这条,做了修正
在补充讨论里,回应社区成员时说,闭源领先开源这一点两年来看仍然成立,但需要重新评估的是闭源的天花板,比当时估计的低很多5。这正好说明“几年前的判断”不是整体对或整体错:方向性的判断可以继续成立,对能力上限的估计则可能被后来的事实压低。判断某条旧结论是否还站得住,要分开看它说的是方向还是幅度。
材料里没有逐条对照“五个问题”的完整复盘,只能就生产力、复刻难度、闭源天花板和 AGI 时间点这几处看到回看;其余几问是否被印证,现有片段不足以判断。
出处
- 1从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
回顾 GPT-4 到 GPT-6 的范式判断,是“是否印证”最直接的回看材料。
- 2S3E03|问怎么赚钱之前,先补一课关于ChatGPT的基本问题
可回到原文核对这部分判断
- 3关于ChatGPT最重要的五个问题
原始五问中的生产力优先、替代顺序等判断,可作对照基线。
- 4看懂OpenAI的“指数级领先”|原标题:我为什么没有加入一家AI公司?
用 Google 追赶速度检验复刻难度,是早期判断被后续事实检验的例子。
- 5对《关于ChatGPT最重要的五个问题》的补充
对闭源天花板的修正,说明哪条旧判断被自己调整过。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。