Thinking Machines谈AI边界
alex_verem · x · 2026-07-15
这条转述并评论了 Thinking Machines Labs 的一篇观点文章，核心是：AI 和经济中的“本地知识”无法被单一中心模型完全吸收。
作者借用 Hayek 的“中央计划失败”论证，强调真正支撑经济运转的知识往往是隐性的、局部的、不断更新的——比如厨师调配菜谱、店主调整价格、企业内部的决策规则。把这些知识全部喂给一个巨型模型，并不能消除这种分散性。
帖子进一步把这个逻辑延伸到 AI 对工作的影响：
- AI 更擅长棋类、数学这类“棋盘完全可见、目标不变”的任务；
- 现实工作几乎都不像这样，关键知识常常不在文档里，而在人的判断与协作中；
- 因此，最容易被 AI 处理的是结构化、边界清晰的任务，而不是那些依赖隐性知识和持续变化环境的工作。
所属事件:Thinking Machines借哈耶克理论探讨AI边界(3 条相关)→
「漫话AGI」频道最新
- 风投人士讽 AI 末日论：与疫情恐慌话术如出一辙 — StewartalsopIII · 2026-09-11
- Anthropic 内部爆料:并非人人都持高 p(doom) 灾难论 — anpaure · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11
- AI 陪伴的隐秘代价：它消解了建立真实亲密关系所需的摩擦 — YogeshMalik · 2026-09-11
- Wired 深度解析:为何众多 AI 研究者担心机器威胁人类生存 — wiredmagazine · 2026-09-11
- 「幻觉」或是范畴错误:把 AI 叫智能正在限制我们的想象 — Genaforvena · 2026-09-11