当天才失败时：AI 实验室的知识傲慢

原文 ↗ Hacker News 讨论 ↗

围绕 AI 和金融中的“天才”叙事，怀疑情绪正在升温。一个例子是：一位 25 岁的前 OpenAI 研究员很快为一家带有 AI 主题的对冲基金筹集了数百亿美元，却在经历了一次戏剧性的追加保证金式崩盘后，尽管年度收益仍为正。评论者借此质疑硅谷更广泛的知识傲慢：认为在一个领域足够聪明（如机器学习）就自动拥有其他领域（如宏观投资、劳动经济学或放射学）的权威，并且 AI 会毫无阻碍地取代大批专家工作。许多人认为，无论是 AI 鼓吹者还是批评者，都低估了领域知识、风险管理和社会约束，而那些过度自信的预测——无论是即将到来的 AGI，还是大规模失业——都远没有听起来那么可靠。

情境感知基金与“天才”叙事

  • 讨论围绕一位非常年轻的基金经理展开：他基于 AI 极致主义论点筹集了数百亿美元，履历包括顶尖名校、提前毕业、AI 实验室工作、FTX 慈善以及 Effective Altruism 关联。
  • 一些评论者将他视为具有非凡前瞻性；另一些则认为他的 AI 预测来得太晚、过度炒作，或者只是顺势营销。
  • 对其基金发生了什么存在巨大分歧：
    • 一方称其在极端杠杆导致追加保证金和被迫清算公开头寸后“崩掉了”。
    • 另一方坚持基金还活着，因早期押注一家私营 AI 公司，今年仍大幅盈利，而巨额回撤并不等同于破产。
  • 许多人认为，这不是 AI 是否正确的问题，而是基本风险管理失败的问题（过度杠杆、缺乏对冲、忽视 Kelly 准则）。

知识傲慢与范畴错误

  • 核心主题：在某一领域（AI 研究、顶尖学术）很聪明，并不意味着在其他领域（资产管理、宏观经济学、气候科学）也有能力。
  • 一些人将此联系到“工程师病”和“Nobel 病”：对自己不理解的领域妄下判断的过度自信。
  • 另一些人指出镜像问题：传统领域往往会默认自己不会被颠覆。

AI、就业，以及炒作与现实

  • 对激进的 AGI 时间表（例如 2027 年实现 AGI/ASI）以及“投入规模增加 = 指数级进步”的假设持强烈怀疑态度，并指出能源、硬件与 S 型曲线的限制。
  • 关于 AI 取代工作的争论：
    • 一些人认为 AI 更像放射科中的“正常技术”，会提高工作量和生产率，而不是消灭岗位。
    • 另一些人预计最终会实现全面自动化，但也承认到目前为止时间表一直严重错误（例如卡车司机、放射科医生）。
  • 评论者强调，要说别人的工作可以被自动化是多么容易，却并不了解其中蕴含的默会判断。

科技文化、炒作周期与金融

  • 与区块链和其他硅谷狂热的比较：自信的外行误判了真正的限制（法律、社会、责任、领域复杂性）。
  • 许多人指出，牛市会让每个人都看起来像天才，直到波动性暴露出谁只是在高杠杆押注 beta。
  • 有些人认为，对冲基金和 AI 实验室是在理性地“收割繁荣”：赚取上行费用，在爆仓后抽身离场。
  • 也有人对监控/“看着员工干活”的 AI 创业公司以及诸如取代好莱坞之类的夸张说法感到沮丧，相比之下，更认同 AI 是一种有用但有限的工具。