為什麼人工智能和 web3 的進展曲線看起來不同？
原文：Social vs. Sci e nce Experiments（Not Boring）
作者： Packy McCormick
編譯： Zion
責編： karen
封面： Photo by Amir Kalhor on Unsplash
取得進展可能是困難的、混亂的、曲折的，重要的是，對於不同種類的產品，取得進展的速度和路徑是不同的。今天的文章是我對兩類產品的思考：科學實驗和社會實驗。
成功的科學實驗產品顯然推動了世界的前進；社會實驗產品在短期內沒有那麼明顯的好處，也更混亂，但我認為從長遠來看，它們同樣重要，尤其是與科學實驗產品相結合時。
一些尖端科技產品是科學實驗的結果，另一些則是社會實驗的結果。
科學實驗產品在早期面臨著很多技術風險，將產品推向市場可能需要大量的時間和資金。但當一個產品最終客觀上足夠好時，他們面臨的市場風險就會減少。發布前或發佈時通常會有研究論文出來。想想人工智能、生物技術、能源、芯片和太空等。
社會實驗產品面臨的技術風險較小，可以在幾個月而不是幾年的時間內進入市場，但一旦發布，就會面臨與依賴人作為產品關鍵組成部分相關的非常現實的風險。這些產品進入市場時已經部分成型，並與他們的用戶一起發展。想想 web3、社交媒體和市場等。
這是非常明顯的區別之一，但當我通過這個框架看世界時，我明白了很多東西。我們經常把所有東西都歸到 “技術”，這導致了一堆困惑。
最近，隨著加密貨幣的下跌和人工智能的飆升，這種困惑一直是人們關心的問題。
對於人工智能這個科學實驗來說，什麼都沒有，什麼都沒有...... 然後砰的一聲，一隻完全成形的蝴蝶從蛹中出來。對 web3 這個社會實驗來說，小小的燧石引發採用，而採用又塑造產品，什麼都沒有，有了一些，有了更多，再更多，“可能沒有”...... 然後砰的一聲，一些出乎意料的事情發生了，一切又回到了原點。
社會實驗產品是在公眾視線中製造出來的，其中不可避免的起伏展示給世界看。科學實驗產品是在私下形成的，並且在大多數問題都解決之後才進入公眾的意識。當然，技術並不總是完美的。
但轉眼間我們就從沉默變成了 “這太神奇了”，現在 Stability AI 已經開源了 Stable Diffusion 等模型，OpenAI 也跟著開源了 Whisper。幾乎每天都有新的東西。上週，谷歌旗下的 DeepMind 展示了一個可以發現矩陣乘法算法的人工智能。
值得注意的是，許多科學實驗一旦進入市場就會失敗，要么是因為它們還沒有真正發揮作用，要么是因為它們為時尚早，要么是因為將實驗擴展到商業水平很難。某種產品類別可能在技術上或經濟上長期不可行，即使研究人員的工作預期是，當成本曲線達到某一點，或這種投入變得更便宜時，一切都會水到渠成。有些公司有點過於興奮，在科學或經濟學還沒有完全正確的時候就急於入市。
雖然個人的努力經常會失敗，但他們進行的實驗會推動這一類別向前發展，一項技術創新建立在下一項技術創新之上，直到有產品足夠好或最終準備好進入市場。
從長遠來看，人工智能等科學實驗類別的進展是這樣的：
這條線看起來有點像 s 曲線：緩慢增長，快速增長 (AI 現在在這裡)，然後再次緩慢增長。這是一條永不下降的平滑線：一項新的創新為未來的產品奠定了新的技術基礎。當所有的果汁都被榨乾，需要一種新技術來觸發新的曲線時，增長就會放緩。
從事科學實驗的人受益於實驗室的相對隱蔽性。他們可以修補、搞砸、繼續修補、取得進步、後退十步，然後取得突破，所有這些都是在他們自己的隱蔽小天地裡完成的。顯然，私下修補面臨自己的挑戰——獲得資金可能更困難，問題真的很難解決，死胡同經常出現——但在一天結束的時候，最大的問題有一個客觀的答案：你做出這個了東西嗎？
構建社會實驗的人沒有這樣的奢侈。雖然技術發揮著重要作用——區塊鏈、代幣標準、零知識證明等等都是主要的技術創新——但人是產品本身的必要組成部分。人是混亂的、善變的、詭計多端的、浮躁的、易激動的，以及使我們成為人的所有其他美好品質。此外，大多數加密產品也是貨幣技術，而貨幣增強了所有這些人類屬性。
這意味著，雖然構建社會實驗的人可以私下對他們的技術進行修補，但他們無法在實驗室裡模擬完整的產品體驗，並發布一個解決所有問題的完美產品。他們需要將產品發佈到現實世界的公共實驗室，然後順其自然。
更糟糕的是，他們經常需要在產品功能出來之前進行宣傳，因為他們需要在擁擠的市場中脫穎而出，吸引人們，這樣產品才能真正實現他們最初認為它可能實現的功能。即使抱有最好的意圖，最好的情況下它會被稱為無用，最壞的情況下它會被稱為騙局。
看看推特的早期 (“我為什麼要知道人們午餐吃了什麼？”) 以及所有關於 Clubhouse 的評論，一個小型初創公司的應用程序如此受歡迎，以至於成千上萬的成年人為它的衰落歡呼，或者幾乎所有的 web3 產品。所有的勝利和失敗都在公眾輿論的舞台上上演，導致整個類別出現了劇烈的波動。
這並不是要為真正的騙局開脫，稱其為有趣的實驗。相反，真正的騙局具有雙重破壞性，因為他們傷害了自己的用戶，並給善意的項目蒙上了陰影。
從長遠來看，web3 等社會實驗類別的進展是這樣的：
這條線看起來更像過山車，有上升的趨勢，但沿途有一些令人不適的下降。當事情看起來不錯時，人們湧入，當事情不理想時，人們出來，任何技術都會發生這種情況，但當人們湧入時，產品本身就會變得更有用，而當人們出來的時候，產品就會變得不那麼有用。附加資金和價格會放大這種效應。
社會實驗將是混亂和坎坷的，這顯而易見，人工智能已經明白了這一點，但每當這種混亂和坎坷在現實中真正發生時，我們會再次感到驚訝，想知道這種衰落是否意味著 “X 的終結”。在繪製這些曲線的幾天后，我將這篇文章的一些內容輸入 GPT-3，它準確地預測了兩條曲線的形狀 (GPT-3 的輸出為綠色部分)：
GPT-3 是一項科學實驗的結果，它依賴於數百萬人過去無知覺的參與，這些人在互聯網上發布的東西現在為模型提供了素材。然而，無論其他人是否使用，任何用戶現在所擁有的單人遊戲體驗都是有價值的。事實上，如果我是世界上唯一一個使用 GPT-3 的人，它對我來說甚至更有用：你們都會認為我是一個超級天才機器人，可以產出大量非凡數量的好素材。
另一方面，如果一個神秘的超級程序員構建了一個技術上完美的區塊鏈，它解決了可擴展性三難困境，永遠不會崩潰，比 web2 基礎設施更容易構建，但我是唯一使用它的人，它對我來說完全沒有用。
梅特卡夫定律指出，一個網絡的價值與使用它的人數成正比，對於需要建立網絡效應的社會實驗來說，這是兩面性的。在早期階段，讓合適的人使用合適的產品是非常困難的，大多數網絡企業失敗都是因為這個冷啟動問題。
這就是為什麼炒作往往是社會實驗產品的必要成分，也是為什麼社會實驗類別的進展看起來像是一堆炒作週期串起來的。
Gartner Hype Cycle 的 Y 軸是能見度 (Visibility)，而不是進度 (Progress)，但由於社會實驗產品需要用戶為其提供價值，所以兩者之間存在直接的關聯。正如 a16z 在《加密價格創新周期》中所描述的那樣，兩者之間也存在間接關係，因為更高的價格會吸引更多的人來生產更多的產品。
在科學實驗類別中，能見度與進度之間的關係幾乎完全是間接的，但它是存在的。炒作和能見度吸引更多的人和資源，從而加快進度，降低成本，形成良性循環。這是 S 曲線的陡峭部分，也是為什麼科學實驗類別的實際進展看起來不像炒作週期堆疊 (進展不下降，只是減速)，而更像是堆疊的 S 曲線：
這並不是說炒作不會影響公眾對科學實驗的看法。人工智能的成功並不取決於讓很多人使用還不夠好的聊天機器人；它取決於讓相對少數的技術迷對進展感到足夠興奮，從而為了解決真正困難和重要的問題而不斷取得進展。
現在世界上最酷的事情之一就是許多科學實驗類別同時綻放，而且往往是相互協調的。除了人工智能，科技生物、機器人和可再生能源似乎都正在從實驗室跳入現實世界，產品比人們預期的更好，成本結構比專家預測的更好。人工智能是真正有用和有趣的，而不是令人失望的。Moderna 在創紀錄的時間內將基於 mRNA 的新冠病毒疫苗推向市場，挽救了數百萬人的生命。現在，人工智能和生物技術正在以驚人的方式結合，比如 DeepMind 的 AlphaFold 和 Atomic AI。太陽能成本直線下降，開闢了新的用例和需求來源。
在相對隱私的環境下，經過一系列繁瑣、艱難的工作後，這些產品顯然非常有用，以至於採用它們正成為一件不需要考慮的事情。這是在商業化之前在實驗室里安靜地做科學實驗的好處之一。
細心的讀者可能會注意到，太陽能受益於學習曲線和萊特定律，成本和效率的提高是生產更多太陽能電池板的直接結果。所以採用很重要。對於任何企業來說，一旦它成為企業，採用是非常重要和必要的；這才是重點。一旦科學實驗走出實驗室，進入市場，它們通常會從規模經濟中受益。
但採用並不像社會實驗那樣是產品本身。10 億人購買太陽能電池板會使成本更快下降，並且使更快地接近物理極限的邊緣成為可能，但這並沒有改變科學。10 億人相信比特幣會直接讓比特幣更強大、更有用，而如果只有 10 個人相信比特幣，它就不會這樣。
社會實驗的生存和死亡取決於網絡效應，網絡效應是為少數能到達另一邊的社會實驗預先處理所有人類混亂而獲得的獎勵。網絡效應可以變得如此強大，以至於不管一家公司生產的東西有多糟糕，人們都會留下 (比如 Facebook)。
但真正的網絡效應是很難實現的。比特幣和以太坊都是在非常安靜的市場環境中起飛的，在非常小的第一和第二個加密週期中，從忠實信徒的核心開始，向外擴展。
這是教科書式的網絡效應創造。從一個小領域開始，增加參與者之間的密度和聯繫，然後才開始添加相鄰的網絡。這在牛市中是很難做到的，當一群人急於做任何看起來有一點點希望的事情，就會稀釋甚至毒害利基市場，特別是當 web3 產品被設計成開放和無需許可的時候。
我一直以 Farcaster 為例來說明什麼是好的，因為我認為他們在多個方面做了很多非常聰明的事情，也許沒有什麼比這更聰明的了：將能夠使用產品的人限制在志同道合的核心人群中。這讓產品有機會盡可能地像一個科學實驗，在關心產品的人的集體投入下，私下製造錯誤和修復錯誤。
在寫這篇文章之前，我一直認為大型加密項目之所以會在熊市中建立，是因為只有真正在乎的人才會堅持下去，而且噪音和競爭更少。這是一部分原因。但我認為更重要的是，外部世界的完全缺乏興趣，讓社會實驗盡可能地映射科學實驗。
下一輪牛市的開始是緩慢的，在安靜的實驗室裡醞釀的社會實驗變得對人數不多但不斷增長的群體足夠有用，以抵禦被創世空投吸引的那些人不可避免的衝擊，並抵禦炒作。
我希望將前沿技術分解為科學實驗和社會實驗，並觀察它們各自的曲線。這篇文章只是一個起點——我們還沒有討論何時尋找什麼指標——但至少，我們可以停止在 AI 和 web3 等技術之間做蘋果和橘子的比較，並開始關注更有趣的部分，比如曲線可能重疊和相互加速的地方。
我們現在可能正處於人工智能這一階段，開始模糊科學實驗和社會實驗之間的界限，特別是隨著 Stability AI 決定開源其模型。
我還認為，人工智能將是 web3 的最終最佳用例。人們需要一種方式來擁有、許可並從他們的數據中受益。回顧過去十年左右的時間，如果我們把 web3 早期的所有失誤和錯誤視為主要事件的必要實驗，我不會感到驚訝。
雖然科學實驗的好處通常看起來更直接、更明顯——一種新的救命藥物或更便宜的電力解決了明確的問題——但人類的獨特性，以及我們首先解決困難科學問題的能力，來自於我們作為社會生物的協調和合作能力。民主是一場血腥、混亂的社會實驗。
讓我們變得混亂的東西也讓我們變得神奇。社會實驗和科學實驗一樣重要，即使它們會帶來坎坷。
免責聲明：作為區塊鏈信息平台，本站所發布文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。文章內的信息僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
