好问题，是 AI 时代的自由

在 AI 时代，真正稀缺的不是答案，而是能让自己兴奋、也能打开世界的问题。

从一条牵引绳开始

我最近遛小狗 Peppa，发现它一看到自行车、跑步的人，就会本能地想追，甚至会叫。这个时候不能完全放任它，也不能把它拉得太死。你要看着它，让它不要乱冲出去。

那种感觉有点像“驾驭”。不是单纯控制，而是在它有自己的能量和方向时，仍然让它不要跳出你的控制范围，不要做一些傻事。

后来我想到孩子。大概有好几个月了，我的小孩都是自己骑车上学。学校离家近，我们前面陪着看过路线，确认过路况。后来他自己骑之后，我明显感觉他变得更自足了。

我越来越觉得，教育小孩和跟 AI 相处很像：你越授权给它，它可能越自足，越有创造力；你限制得越多，它就越被束缚在你的框架里。

Scaling law 之后，英雄主义变少了

之前听到一个观点：现在已经不是个人英雄主义的时代。GPT 出现之后，scaling law 被证明是一条可行路径。算力、模型参数、数据量这些变量不断放大，智能就会以某种方式涌现。

我以前也不理解所谓“泛化能力”和“涌现智能”到底是怎么产生的。左边看起来只是统计学、预测、反馈函数、足够多的数据和足够好的数据；右边却出现了越来越强的能力。

这条路是不是有天花板？学界还在争论。有人认为 scaling law 还能继续放大，也有人认为 transformer 会有上限。Yann LeCun 提出的世界模型路线，就是希望模型真正理解世界底层规律，而不只是预测下一个 token。

我又想到 Hinton。他当年在别人不看好的情况下，坚持研究神经网络二三十年。后来世界变了。

如果世界可以被完全预测

现在，SpaceX、OpenAI、地缘政治、战争与和平交织在一起，很难知道世界会走向哪里。

如果真的有一个模型能预测未来，或者说世界本身可以被完全参数化，只要参数足够多，一切都可预测，那世界好像会变得没那么有意思。

我还是喜欢自由意志这个假设。人是有选择的。所有选择当然都基于经验、环境和过去，但我不喜欢被“量化”到只剩下一串参数。

比如抛硬币。从物理上说，硬币正反面在抛出去的那一刻，可能已经由力量、角度、旋转、空气阻力、手指动作决定了。可是对我们来说，它仍然像随机。因为变量太多，大到我们无法控制，也无法预测。

世界留有未知，人才会继续好奇。

AI 会让更多谜题被打开

最近我看到一条报道，说 AI 推进了一个困扰数学界几十年的问题。我觉得未来这样的新闻会越来越多。

借助 AI，只要人能够提出一个好问题，找到一个好方向，给 AI 合适的目标、环境和数据，它就可能帮助我们发现世界更深层、更微观、更完整的规律。

我也看了黄仁勋在卡内基梅隆大学 2026 届毕业典礼上的演讲。他说的很多内容我很有共鸣。虽然我没有站在他那样的高度，也没有那样的经历，但我确实感觉现在是一个很好的时代。

每个人都可以成为 programmer，都可以去创造。我们可以在这个巨大的世界画布上提出一个好问题，画上一段自己的颜色，做一些比自己更大的事情。

好问题会让人兴奋

身边没有被满足的需求，或者自己没有被满足的需求，可能都是值得探索的好问题。

一个好问题，首先是能让自己兴奋起来的东西。如果它还能让更多人兴奋，那可能就是能解决更多人问题的方向。

我希望自己能够 jump out of the box，跳出来看一看。去获取世界上更多先进的信息，也从自己生活里的微观细节中跳出来，看一看更大的世界。享受其中，但又不沉溺其中。

因为我们在一个环境里待久了，就会把很多东西看成理所当然。道路就应该这样，地就应该这样铺，房子就应该是四方形，世界运行规则就应该是这样。可或许并不是。

职业、年龄这些外在东西，现在都不应该定义你。不要因为自己到了某个年龄，或者在某个职业里，就觉得自己只能待在那个位置，不能做别的事。

每个人都值得想，也可以做很多很多事情，远不止被自己的职业所限制。慢慢把这些边界忘掉一点。当自己心里突然觉得“这好像是一个好问题”的时候，也许就应该认真看一看。

— END —

感谢阅读，如果觉得有启发

欢迎关注「薛衡 Henry」