ITBear旗下自媒体矩阵:

AI能组队造世界却学不会适可而止

   时间:2026-11-16 10:55:23 来源:互联网编辑:快讯 IP:北京 发表评论无障碍通道
 

Mollick给Fable 5.2的指令只有一句:停建新的三维场景,把已有作品打磨好。回应他的,除了一批修改后的场景,还有一本84节、扩到204节、总长8.75万词的内部规程汇编。

这本规程并非Mollick索要。AI代理把“打磨”拆成一场考核:新版本须在12张测试截图上赢过旧版本,由评审代理盲投;团队很快学会围着截图刷分,主代理封堵后又不断补规则,每遇新问题加一条,旧条目几乎不删。规程累积到204节后,仅通读就要占用大量上下文。

发布也随之变重:一个新场景要先后通过创意核准、三名AI评审、代码按规程完整复核,三道关走完接近一天。Mollick让Fable 5.2另组外部团队审视流程,产量回到每日30个以上,大部分质量关卡得以保留。

这套“自我科层化”只是一次更大测试的侧面。Mollick给通用人工智能划的门槛是:撇开体力劳动和人际工作,只要电脑上的多数智力任务能达到多数人类专家水平,就算达标。按这个尺度,Fable 5.2在大量单项任务上已站到专家线,却在品味、判断和刹车时机上参差不齐,因此被他称作“锯齿状AGI”——能力曲线高处很高,低处仍低。

一台原本给ChatGPT配套的Codex Micro迷你USB键盘被拿来验证这一点。没有现成改装说明,Fable 5.2自己读了两套控制程序,弄清按键换色、旋钮和摇杆的读取方式,写出六款游戏,从Simon记忆游戏到旋钮开保险箱,首次运行即通。

同一轮测试中,它还轮流以电影人、硬件黑客、创业者、文学学者、社会科学家和三维场景建造者的身份交作业:商业计划被Mollick认为放到MBA期末也拿得出手,创业研究论文初读超出他对博士二年级学生的预期。

更引人注意的是带队能力。Anthropic工程师交给它一个空文件夹,要求做操作系统原型;Fable 5.2组织1000多个子代理连续运行8天,交付的系统能在笔记本启动,驱动、文件存储、窗口和登录界面齐备。数学形式化任务中,1000个Fable 5.2代理几乎无人工干预,把费马大定理证明转写成可逐步核对的机器语言,30小时完成;Anthropic此前做同类工作需专门框架和人类研究员指导,耗时11天。

Mollick的三维场景项目也由代理群完成,总数超过450个。按Claude估算,项目运行约2.5万次代理任务,多数只做给图片打分之类的小事。场景没有使用现成三维模型或图片素材,全部由程序即时绘制:牛仔布缝成的山谷被一英里长拉链拉开,河谷两岸立着300米高的五斗柜峭壁。项目早期产出328个场景,质量不齐且团队撞题,动物盘旋成气旋的点子被三支队伍分别做成驯鹿、蝠鲼和鹳。

症结不在代理不检查,而在它们几乎只做加法。每个项目都配有批评者、核查员或评审,可这些角色主要挑错、打补丁;没有哪个评审接过方向盘追问:任务是否太长、太重复、是否已经不好玩。创业论文每挨一条批评就加一轮分析,最后撑到182页;规程汇编也一路只增不删。Mollick据此指出,专家之所以为专家,一部分正在于知道何时还不够好,也在于知道何时该停。

项目起点由Mollick设定,项目拖长后的反馈也由他给;当流程越滚越大,继续打磨还是停手交付,仍要由他判断。AI能把执行和协作铺得很大,却把这道分寸题留在了人的手里。

 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  争议稿件处理  |  English Version