頂尖創投教父 Marc Andreessen 震撼發言:別高估人類智慧,AI 早已超越 99% 的人

頂尖創投教父 Marc Andreessen 震撼發言:別高估人類智慧,AI 早已超越 99% 的人

矽谷創投教父、A16Z 創辦人 Marc Andreessen 與其合夥人 Ben Horowitz 在一場深度對談中,拋出了顛覆傳統認知的震撼觀點。他們不僅挑戰了我們對 AI 創造力與智慧的狹隘定義,更直言在許多層面上,多數人類的能力早已被高估。這場對話從 AI 的本質,一路延伸到領導力、市場泡沫,最終揭示了美中 AI 競賽中一個被嚴重低估的致命戰場。

當被問及大型語言模型(LLMs)是否具備真正的創造力或科學發明能力時,Marc Andreessen 給出了一個發人深省的反問:「那人類能做到嗎?」

他犀利地指出,我們常常將貝多芬或梵谷這樣的曠世奇才視為創造力的標竿,但歷史上究竟出現過幾個這樣的人物?「我一生中只遇過幾個真正有原創概念突破的人,但大多數人從未做到。」Andreessen 表示,無論是科技還是藝術,絕大多數的進步都源於「混搭與重組(remixing)」。

他以語言模型為例,這項技術是過去「八十年」研究成果的結晶。同樣地,在藝術領域,「貝多芬的作品中,有著大量莫札特與海頓的影子。」Andreessen 認為,如果 AI 的能力能夠超越 99.99% 的人類,這本身就已經是極其驚人的成就。他坦言:「當我使用這些工具時,我的感覺是『哇,它們似乎聰明得可怕,也富於創意得可怕』。」

智商不是一切:為什麼博士為MBA工作?

對談中探討了一個更深層次的問題:如果 AI 變得比人類更聰明,它會統治我們嗎?Andreessen 對此嗤之以鼻,他用一個經典的比喻點出關鍵:「高智商的專家為中等智商的通才工作,博士們都在為 MBA 打工。」

他反問道:「你看看今天的世界,你覺得我們是被最聰明的人統治嗎?」現實情況是,智力並不是成功的唯一決定因素,甚至不是最重要的因素。

Andreessen 引用社會科學研究數據指出,智商(IQ)與各種正面生活成果(如收入、生活滿意度)的相關性係數僅約為 0.4。這意味著即使智商很重要,仍有 60% 的變數是由其他因素決定的。

Ben Horowitz 補充道,領導力成功的關鍵往往在於「勇氣、同理心、以及在正確時機與人對質的能力」。這些都不是單純的智商問題,而是複雜的情感與情境判斷。Andreessen 更引用了美軍的研究發現:如果領導者的智商比追隨者高出一個標準差以上,領導者將會失去「心智理論(theory of mind)」的能力,無法理解下屬的想法,導致溝通斷裂。這證明了「超級智慧」反而可能成為領導的障礙。

AI比你更懂人心?模擬政治焦點小組的驚人能力

儘管超級智慧可能無法與普通人連結,但當前的 AI 在理解人類心理方面,卻展現了驚人的能力。Andreessen 分享了他與 LLM 互動的經驗,他喜歡讓 AI 進行「蘇格拉底式的對話」。

他發現 AI 的預設行為是「希望每個人都開心,最終達成共識」,這讓他覺得很無聊。於是,他下指令:「讓對話更緊張、充滿憤怒、甚至讓角色們互相進行名譽攻擊。」結果,AI 完美地執行了這些充滿人性張力的複雜場景。

更實際的應用是,英國一家新創公司發現,先進的 LLM 已經可以「精準地在模型內部重現一場真實的政治焦點小組訪談」。AI 能夠模擬來自不同背景、不同地區的選民角色,其觀點與真實人類的反應高度一致。這證明了 AI 在「心智理論」上的應用潛力已經達到了商業化的水準。

我們正處於AI泡沫中嗎?兩大指標戳破迷思

對於市場上甚囂塵上的 AI 泡沫論,Ben Horowitz 提出了獨特的看法:「我認為,這件事本身是個問題,就意味著我們還沒陷入泡沫。」他解釋,真正的泡沫是心理現象,它發生在「所有人都放棄質疑,相信這不是泡沫」的時候。

Marc Andreessen 則將討論拉回基本面,他認為判斷是否為泡沫,只需回答兩個問題: 1. 技術是否真的有效?(Does the technology actually work?) 2. 客戶是否願意付費?(Are customers paying for it?)

只要這兩個問題的答案是肯定的,那麼市場的熱度就建立在真實的價值之上,而非虛幻的炒作。

別只盯著 ChatGPT!AI 的終極產品形態,我們根本還沒看到

許多人將目前的 AI 競賽簡化為 Google 的搜尋引擎與 OpenAI 的聊天機器人之爭。但 Andreessen 警告,這是一個巨大的誤解,因為我們很可能還沒見到 AI 的終極產品形態。

他用個人電腦的歷史作為類比,這是一個極具啟發性的觀點: - 1975-1992年: 長達 17 年,個人電腦是「文字指令系統」。 - 1992年後: 整個產業突然轉向「圖形使用者介面(GUI)」,再也沒回頭。 - 短短 5 年後: 產業再次急轉彎,全面擁抱「網頁瀏覽器」。

Andreessen 強調:「我確信 20 年後還會有聊天機器人,但我更相信,無論是現有的公司還是新創公司,都將會創造出我們今天甚至無法想像的、截然不同的使用者體驗。」這意味著真正的顛覆性機會,還潛藏在未來的創新之中。

美中AI競賽的真正戰場:當軟體遇上硬體

最後,對話轉向了地緣政治的尖銳議題:美中 AI 競賽。Andreessen 認為,目前美國在「概念創新」上仍保有約六個月的微弱領先,而中國則「極其擅長吸收創意,並將其實現、規模化與商品化。」

然而,他發出了嚴厲警告:AI 革命的第二階段即將到來,那就是「機器人學(Robotics)」與「實體 AI(embodied AI)」。這將是真正的戰場,而美國處於極其不利的位置。

他指出:「美國和西方在過去 40 年選擇了去工業化,而中國建立了一個龐大的工業生態系,能夠製造從手機、無人機、汽車到機器人的一切。」

這場競賽的未來格局令人擔憂。Andreessen 總結道:「即使他們在軟體上永遠追不上我們,他們也可能在硬體上直接超越我們。到那時,一切就結束了。」這不僅是技術競賽,更是關乎未來世界秩序的關鍵戰役,而硬體製造能力,將成為決定勝負的致命關鍵。

參考資料: https://www.youtube.com/watch?v=Y7dwbJ0AtUA

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin