AI真正需要学习的是:承担结果的人

新闻

作者：微信文章


AI如何帮助人进化？

归根结底，是提供反馈——更高频的反馈，更客观的反馈，更有情境的反馈。

你有没有遇见过这样的老师？

在关键的地方，指点一下，你就少走了许多冤枉路。

AI就可以成为这样的好老师。

可是，AI不仅是老师，也是学生。

AI的进化，同样依赖反馈。

只是这种反馈，并不是互联网上的那种。

真正推动 AI 进化的，是另一种反馈——为结果负责的反馈。

有些人善于讲道理，但你让他为结果负责，他立刻沉默。

AI的进化，需要的不是许多人的反馈，而是能为结果负责的人的反馈。

不是他们说什么的反馈，而是他们做什么的反馈。

无论是人还是机器，真正重要的，从来不是更多数据，而是更强的反馈。

---

真理来自反馈

传统的想法是：先构建一个理论，再通过实践去验证它；构建理论和检验理论的部分是截然分开的。

在实用主义哲学中，这个顺序被彻底颠倒。在William James 老师看来，真理不是探索的起点，而是探索的结果。

先开枪，后瞄准。

先投资，后调研。

不是先知道什么是对的，然后才行动。是先动起来，在实践的过程中找到行得通的路。

说白了，探索真理就是试错。

那么，如何提高试错的效率呢？——找到更快更好的反馈。

换句话说：真理本质上是反馈系统的产物。

如果接受这一点，一个问题就变得非常清楚：真正决定学习能力的，不是智力，而是反馈系统的质量。

---

决策反馈

金融市场并不缺市场数据，真正稀缺的是另一种数据——决策数据，也就是人在不确定条件下做出判断、承担风险并接受结果的全过程。

如果这些数据能够被系统记录和学习，AI学到的就不仅仅是市场数据，AI 学到的是一个更重要的题目——人类如何做出决策。

决策意味着承担风险，也意味着影响未来。

金融市场的参与者不会随意判断，因为每一个决策，最终都会回到现实世界：变成盈利或亏损。

正是这种责任，使他们的反馈具有更高的信号密度。

当这些人与 AI 互动时，他们不仅是在使用工具。他们也在不断为AI 提供一种极其稀缺的东西：高质量的决策反馈。

---

未来可能出现一种新的网络

更有意思的是，这些承担真实结果的决策者，并不是孤立存在的。

他们往往形成一种小规模网络。

他们彼此交流观点，观察彼此的判断，并在长期结果中逐渐形成共识。

这种网络具有两个特点：规模很小，信号密度极高。

如果这些决策过程与结果能够被系统记录下来，它可能会形成一种新的数据来源。

不是互联网的数据，而是现实世界的决策数据。

互联网时代建立的是信息网络。

人们不断分享观点、表达情绪、交换信息。

但 AI 时代，可能会出现另一种网络：决策网络。

在这种网络中，一小群承担真实结果的人不断产生反馈：

判断
行动
结果

AI 从这些真实反馈中学习，而不是从情绪化表达中学习。

如果这种系统能够建立起来，AI 学习的就不仅仅是过去发生了什么。

AI 学习的是：人类如何决定未来。

---

根本差异

如果 AI 的学习越来越依赖高质量反馈，那么一个问题就变得清晰：
AI 的进化，并不是由大众决定的，而是由一小群承担真实结果的人决定的。

互联网是服务大众的。AI也是服务大众的。都是to C。

可是，互联网主要是用来消费和玩的，AI主要是用来工作的。

这个根本差异就决定了，决定AI的是一小撮人——为结果负责的、理性的人。

所谓垂直AI，归根结底，就是一个特定场景，最适合找到让AI进化的人，最适合找到让AI进化的反馈。

---

AI合伙人

普罗大众会使用 AI，但他们很少为结果负责，因此也很少产生真正有价值的反馈。

找到第一批AI合伙人，是关键。

什么样的人会成为 AI 的第一批合伙人？
是那些必须为决策结果负责的人。
他们的判断好坏，会直接影响自己的收益，也会直接成为 AI 学习的反馈。

他们和AI是利益绑定的人。

---

网络结构的改变

过去，你要找到这样的人——影响更多人的人。

未来，你要找到这样的人——更能影响AI的人。

如此，社交网络的网络结构和关键节点恐怕都要改变了。

现在该做什么呢？

找到那张最适合让 AI 进化的决策网络。