一、Sundar Pichai 提出 AJI 概念
在最近的一次採訪中，Google 的 CEO Sundar Pichai 承認了其他 AI 公司拼命想隱藏的事情。當其他人都在宣稱他們的 AI 具有革命性、正在改變一切並將接管世界時，Sundar 引入了一個新術語——AJI（artificial jagged intelligence，人工鋸齒狀智能），其實質是 AI 既聰明又愚蠢。它可以在複雜的舊金山交通中導航，但卻無法數出“Strawberry”中有多少個“R”。
二、AJI 揭示 AI 現狀
（一）AJI 描述 AI 行業現狀
AJI 這個術語可能是由 OpenAI 聯合創始人 Andre Karthy 提出的，它完美地捕捉了整個行業中 AI 系統的分裂性能模式。Pichai 承認，AI 模型可以輕易地犯數值錯誤或數錯“Strawberry”中的“R”的數量，同時又能執行複雜的推理任務。這種鋸齒狀的性能意味著 AI 在令人印象深刻的演示中表現出色，但在人類認為理所當然的基本操作上卻會慘敗。
（二）Google 的 AI 成果與現實差距
儘管擁有世界上最先進的 AI 基礎設施和無限資源，Google 使用 AI 僅實現了 10%的工程速度提升。這一 10%的增長並非微不足道，對許多公司來說都是有吸引力的。然而，這與其他人所承諾的 10 倍生產力提升相去甚遠，也與 Anthropic 首席執行官所說的未來三年 50%的白領工作將消失的說法大相徑庭。
（三）AI 與人力的關係
- Google 的招聘計劃：儘管 AI 帶來了生產力的提升，Google 計劃在明年招聘更多的工程師。這是因為 AI 擴展了可做事情的機會空間。這直接與 AI 將取代軟件開發和消除編程工作的說法相矛盾。
- AI 的輔助作用：Google 認識到 AI 可以處理繁重的工作，但人類的創造力、解決問題的能力和架構思維仍然是不可或缺的。公司的持續招聘表明，在現實應用中，AI 是對技術人才技能的增強，而不是取代。
三、AI 代理的局限性
（一）AI 代理的不可靠性
Pichai 承認，當前的 AI 代理不夠可靠，自主 AI 系統的獨立決策能力在很大程度上仍然是理論上的，而不是實際的。Google 自己也承認，當前的 AI 代理只是需要人類監督才能完成特定任務的系統的營銷術語。
（二）AI 代理的應用限制
這種代理能力的限制解釋了為什麼 AI 實施需要更多的人類監督，以及為什麼完全自動化的 AI 解決方案經常失敗。例如，Google 正在增加至少一輪面對面的面試，以確保候選人具備基本的編程知識，因為 AI 輔助編碼可能會掩蓋候選人的無能。
四、AJI 的實例
Pichai 以 Waymo 自動駕駛汽車為例來說明 AJI。它在舊金山的交通中導航令人印象深刻，但卻會出現無法解釋的簡單故障，比如打開轉向燈。這表明即使是 Google 最先進的 AI 系統，在不同領域也表現出同樣的鋸齒狀智能模式。自動駕駛技術代表著數十億美元的投資，但由於 AI 決策的不可預測性，仍然需要人類的監督。
五、AGI 的發展預期
（一）AGI 實現時間延長
Pichai 承認，AGI（人工通用智能）的實現將比 DeepMind 在 2014 年被 Google 收購時預計的 20 年時間線更長。這與 OpenAI、Anthropic 和其他 AI 公司關於突破時刻即將到來的激進預測相矛盾。
（二）Google 的謹慎態度
Google 首席執行官預計到 2030 年在許多方面會取得“令人驚嘆的進展”，但謹慎地避免承諾實際的 AGI 成就。這種謹慎的態度與競爭對手做出的諸如未來幾年內 AGI 將到來並取代 50%的工作等超級大膽的聲明形成鮮明對比。
六、AI 與人類創造力的關係
（一）國際象棋的類比
Pichai 指出，儘管國際象棋 AI 比人類更優秀，但現在下棋的人比以往任何時候都多。這個類比表明，AI 將增強而不是取代人類的創造力、解決問題的能力、編程能力和其他知識工作。AI 工具將使編程更容易獲得和享受，而不是消除對編程員的需求。
（二）Vibe 編程的現象
Vibe 編程讓非開發人員也能構建原型，這使得更多人能夠進入軟件開發領域。雖然 Vibe 編程生成的應用程序不應該投入生產，但它可以用於會議演示等場景，加快整個軟件開發過程。
七、AI 與代碼的關係
（一）AI 對代碼的要求
Pichai 承認，AI 將使 Google 的代碼庫更加標準化，更容易移動，這將有助於 AI 更好地理解代碼。但這也表明，當前的 AI 系統在處理代表大多數企業軟件的複雜、非標準化代碼庫時存在困難。
（二）代碼標準化的必要性
Google 對標準化的關注表明，AI 需要高度結構化、可預測的代碼模式才能有效運行。這也暴露了 AI 在處理不符合完美編碼約定的現實軟件時的脆弱性。
八、AI 的生產力收益與限制
（一）生產力收益有限
儘管在 AI 上進行了大量投資，並且有 30%的代碼生成採用率，Google 僅實現了 10%的生產力提升。這表明我們正在達到收益遞減的點，當前的 AI 方法可能正在達到基本的限制，而不是經歷指數級的改進。
（二）與其他技術的比較
Google 的生產力收益與其他人的說法形成鮮明對比。Pichai 的誠實指標表明，AI 的生產力效益遵循傳統的技術採用曲線，而不是革命性的轉變模式。
九、AI 內容的標識與信任問題
（一）內容標識的必要性
Pichai 強調需要清晰的系統來標記 AI 生成的內容，以區分現實。這是因為 AI 使得真相驗證極其困難，AI 內容非常有說服力，人類無法可靠地區分它與人類創作的材料。
（二）信任問題的影響
Google 對內容識別的關注揭示了對 AI 潛在的大規模錯誤信息和欺騙的深切關注。標記系統的必要性證明了 AI 輸出質量已經變得足夠複雜，足以破壞對數字信息的信任。
十、結論
Google 對 AJI、AGI 和生產力收益的誠實評估代表了對 AI 狂熱泡沫的現實檢驗。雖然其他公司承諾革命性的轉變，Google 承認 AI 的鋸齒狀智能，並需要謹慎、衡量和現實的期望。Google 的現實主義觀點為 AI 採用提供了一個可持續的基礎。我們應該明智地傾聽，學習如何使用 AI，並在軟件開發教育方面進行投資，以促進自身和組織的發展。
如果您的公司有未連接的系統，歡迎聯繫 Startup Pack，其專長是連接系統以幫助公司更高效地運行。網站：startup.com/spensor 。
您有什麼想法？您同意還是不同意？歡迎在下方留言。Startup Pack 熱愛培訓軟件開發人員並構建定制軟件解決方案。