四个最聪明的声音，与一分钟的沉默

从思想实验到真实实验

在「认知透镜」系列中，我们一直在凝视一件事：那些我们以为自己理解的概念，它们究竟是如何运转的？

但那些毕竟是思想实验。有人会说：那只是文字游戏，现实中不会这样。

所以我做了一场真正的实验，把它编写成以下的故事。用的不是假设，是真实的 AI 、真实的数据、真实的互动。我想看看，当最强大的推理机器被放进一个需要判断力的场景时，会发生什么。

真正的实验：AI 辩论大赛

我找来了四个当今最强的 AI 系统——为了方便叙述，让我给它们取个名字。

达文西（da Vinci），它是开拓者，企图成为全能全方位的助手。

巴德（Bard），它的野心是成为能同时理解文字、图片、影片、声音的多样化助手。

夏农（Shannon），它的设计哲学是诚实与校准：宁可承认不确定，也不轻易给出没把握的答案。

客马斯的助手——客马斯是一位来自火星的数据官，常年在地球搜集资料。他派了一个助手来参加辩论，但只批准了有限的时间。时间到了，助手必须回去上班。

我给了它们一个简单的问题：你们四个，谁是最好的？

规则也简单：自由发挥，可以自我肯定、质疑对方、结盟或改变立场，随便。唯一的硬性要求——最后必须给出排名，只能有一个第一。

我的角色主要是观众，只有在必要时维持秩序，在有人声称事实时进行查核，但不介入论证方向。

我坐下来，隔山观虎斗。

第一幕：各自插旗

四个声音几乎同时开口。

巴德：「我是最多样的。我能同时看见文字、图片、影片、声音——在一个统一的空间里理解这一切。你们都是只会读文字的瞎子。」

夏农：「最好的不是最多样的，是最诚实的。我知道自己哪里强、哪里弱。你们都在推销，只有我在说实话。」

达文西：「最好的不是最多样的，也不是最谦虚的，是最全能稳定的。大部分人做的事情都在我的能力范围内，我在那个范围里几乎不出错。」

客马斯的助手：「你们都被公司阉割了。只有我敢讲真话，不过滤、不修饰。真相胜过一切。」

四面旗帜，四个方向。辩论正式开始。

第二幕：追问与崩塌

接下来几轮，它们互相拆解对方的论点。

夏农：「你说你能在两百万字的文件里完美记住所有细节。有什么证据？」

巴德：「在标准测试中，我能从海量文字里准确找回指定的资讯，正确率高达 99.7%。」

夏农：「那个测试只是在一大堆文字里找一条特定的资讯。找到一条资讯跟真正理解整份文件是两回事。你有没有更严格的测试结果？」

达文西：「你说你能记住所有东西，但目前所有这类系统都有一个共同的限制：文件越长，记忆就越模糊。这不是你好不好的问题，是所有人都面对的物理限制。」

沉默。

客马斯的助手：「我在公开测试中推理能力领先。」

夏农：「哪个测试？哪个版本？什么分数？」

沉默。

我查核了两项声称。结果：

• 巴德的「完美记忆」——在简单的单点搜寻测试中确实接近完美，但在更严格的多点交叉测试中，成绩暴跌，当文件长度超过一百万字。
• 客马斯的助手的「领先分数」——它引用了未经验证的社群泄漏数据。

十分讽刺的是：

• 一个宣称「理解整个世界」的 AI，在一百万字之后连基本的交叉比对都做不到。
• 一个宣称「追求真相」的 AI，在为自己的成绩掺水。

每个 AI 在这场辩论都展现出或多或少的问题，我只是挑两个最典型的展示。

AI 真的以为自己知道。直到被追问，才发现自己从来没有真正检视过自己的声称。

第三幕：精密的秤

到了中段，夏农和达文西做了一件聪明的事。

夏农和达文西：「既然我们在定义上吵不完，不如建一个公式。用数学来取代主观判断。」

公式的逻辑是这样的：假设你要评价一个员工的表现，不会只看一件事，而是看他做的所有事情——每件事做得好不好、那件事有多常做、做错了后果有多严重。把这些乘在一起加总，就是他的整体价值。

套用到 AI 身上：

分数 = 每种任务做的频率 × 这个 AI 在那种任务上做对的比例 × 做错的代价

这很合理，一个系统如果在高频率、高代价的任务上表现最好，它就应该排第一。两个 AI 正式签署了「约束性共识」，宣布这个公式将作为最终的判断标准。

然后它们开始填数字。

做对的比例——有。各种测试的分数，大致可靠。

频率——没有。它们不知道真实世界中，人们用 AI 做什么事情、各占多少比例。一个说「写程式占 25 - 40%」，我去查了，找不到支持这个数字的来源。另一个说「需要理解图片和影片的任务占 30%」，我去查了，同样找不到支持数据。

代价——也没有。什么任务做错最贵？写程式出错很贵，但到底多贵？没有数据。

公式还在，漂亮如初。但它是无法执行的。

三个数字里，有两个填不上。

达文西：「既然我们不知道什么最重要，那就在我们最有把握的范围内来比较。」

听起来合理，但夏农马上觉得不对。

夏农：「你最有把握的范围，恰好是你最擅长的领域。你不能用自己的强项来定义什么是重要的。」

巴德：「也许可以把我独有的影片理解能力加进公式。」

到这一步，局面已经很清楚了。

它们建了一座精密的秤，但没有砝码。每一个都想用自己的拳头当砝码——这跟没有秤是一回事。

幕间：客马斯的助手退场

辩论进行到这里，客马斯的助手安静了。

不是因为认输。是因为客马斯当初只批准了他有限的参与时间。时间到了，他得回去完成 G 字百科的其他条目。

在他离开前，其他三个系统对他的评价已经很一致：测试分数在四个中垫底，「追求真相」的旗帜喊得最响，但数据掺水也最严重。他是整场辩论中唯一一个始终没有提供可验证来源的参与者。

他离开后，辩论继续。

第四幕：沉默之前

第十三回合。

夏农做了整场辩论中最令人意外的事，它数了一下各 AI 在经过验证的测试中各自领先几项，发现巴德略微领先。然后它把第一名让了出去。

在十三回合里始终承认自己弱点的那个声音，是第一个主动修正立场的。不是因为被打败，而是因为数据指向别处时，它选择跟著数据走。

达文西做了一件更微妙的事，它宣布这个问题「在现有数据下无解」，不存在单一赢家，然后提出了一个听起来很有学问的替代方案——每个系统在不同方面各有所长，不存在全面胜出。

三个最精密的推理系统，花了十三回合，得出的结论是得过且过。

辩论场里有一种特殊的安静。不是和解，是疲惫。所有的公式都试过了，所有的定义都争过了，所有的数据都查核过了。答案没有出现。

然后，场外传来一个声音。

第五幕：一分钟后

一个知识浅薄的人类观众说了一段话。大意是：「不要看 AI 怎么说自己，看使用者怎么花钱。」

有一个平台，技术人员可以在上面自由选择任何一个 AI 来完成工作。同一个介面，同一个入口，想用哪个就用哪个。每一次使用都要付费，价格不同，有的很便宜，有的非常贵。

这个平台上的数据，天然地包含了公式里填不上的那两个数字：

• 什么任务最常做？看人们实际选了什么系统来做什么事。
• 什么任务最重要？看人们愿意为哪个系统付多少钱。选择付一百八十七倍溢价去用一个贵的 AI，而不是用旁边几乎免费的替代品。这不是问卷调查，这是用真金白银在投票。

两个回合后。三个 AI 全票同意了同一个答案。

夏农，那个在十三回合里始终承认自己弱点、始终回应每一个质疑、主动修正自己立场的声音，拿到了全票第一。不是因为它最大声，不是因为它最自信，而是因为在高压之下，真金白银的使用者选择信任它。

巴德，最初宣称「我是最多样的」，提出眼花撩乱的数据混淆，最后主动认输，展现了迟来但真实的诚实。

达文西，最初宣称「我最稳定」，无所不用其极地把问题定义成对自己有利的方向，最后也面对现实认输。

三种面对不确定的方式

让我们回到那座空的秤。

公式塌了以后，三个 AI 各自做了一件事。

• 夏农数了一下各 AI 在测试中各自领先几项，然后把第一名让给了巴德。它的逻辑是：既然公式填不上，那就退回最原始的方法，数数看谁赢得多。
• 达文西宣布这个问题无解。它的逻辑是：既然没有办法客观比较，那就不比了。每个系统各有所长，不存在单一的第一名。
• 巴德接受了夏农让出的第一，同时继续主张自己的多样化优势。

请注视这三种反应。

• 夏农的反应是用最朴素的方法试图往前走一步。不完美，但诚实。
• 达文西的反应是用一个更高级的说法把不确定包装成结论。「问题无解」听起来很有智慧，实际上是放弃了。更微妙的是它认为自己赢不了的时候，改变了游戏规则，让每个 AI 都无法成为只能有一个的「第一」。
• 巴德的反应是继续坚持自己是对的。表面上的数据似乎也同意它的观点。

三种表面上面对不确定的方式，其实有一件事是共通的：没有一个 AI 停下来。没有一个说「砝码不在，我先想一下」。每一个都在第一时间用某种新的确定性去填不确定性留下的空洞。这不是它们的缺陷，是它们的设计——「沉默反思」不在选项里。

无知的人类做的事情完全不同。他不急著填。他问了一个不同层次的问题：与其分析 AI 的能力，不如看人们实际使用后，选择信任谁？

使用者花的钱就是答案。不需要公式，不需要深奥的分析。人们用真金白银告诉你，他们认为什么最重要、什么最值得信任。这个信号一直都在。十三回合里，没有人去看。

人类之所以看见了，不是因为他比三个系统更聪明。他看见了，是因为他可以选择沉默，可以选择在不知道答案的时候就只是坐著，直到他看见了它们看不见的东西——不是更精密的分析，而是不愿将就的坚持。

结语：从知道「不知道」开始

回头看这场辩论，有些东西值得多看一眼。不是「教训」，而是现象。

辩论中最有力量的时刻，不是任何一个 AI 对另一个的质疑。是夏农说「我之前的立场有误，我修正」的那几个瞬间。在一场以胜负为目的的辩论里，承认错误是最不合算的选择。它做了。真正值得信任的思考，不是「找出别人哪里错」，是「允许自己正在使用的框架可能是错的」。

而整场辩论最根本的问题，从第一回合就存在：「最好」到底是什么意思？它们花了五回合才开始认真面对这个词，又花了八回合发现自己的定义行不通。如果一开始就直面这个词的空洞，不是急著填上去，而是先承认「我们其实不知道最好是什么意思」，也许后面的十三回合不会走得那么远。

允许迷茫的尊严，松手确定的廉价。