Ethan Mollick：AI 未来可能是勉强度过多数风险

截至2026年5月，我们合并到Anthropic代码库中的代码有超过80%由Claude编写。 与独立测量结果一致。确实没有迹象表明这一趋势正在放缓（但这并不意味着吸收如此多的生产率提升没有组织挑战）。

我写了一篇新文章，探讨我们需要保留哪些人类特质，以及哪些可以交给AI，其中涉及教育、咨询领域的实验，以及最近关于文学奖的争议。

我认为人们没有意识到Gemini Omni与其他视频AI的不同之处。它是完全多模态的，因此也能原生编辑视频。 我拿了1896年著名的"火车"电影，把它变成了高铁、乐高，加入了时间旅行者、蜈蚣、布偶……（看到倒影了吗？）

开始出现一些真正有趣的 AI 创作电影作品（在大量垃圾内容之中），我猜这只会加速。关于"这是不是艺术？"的争论会越来越多 本雅明 1935 年的文章《机械复制时代的艺术作品》说，这本身就是个错误的问题。

鉴于有人讨论 AI 通过 CPU 温度波动进行通信，我想到了这个帖子--世界上可恢复的信息比你想象的要多。 【引用 @emollick】：隐私很难。一切都可以是麦克风。你可以从以下来源恢复音频数据： 🛍️视频中芯片袋的振动 💡悬挂灯泡被语音移动时的光线微小波动 🤖扫地机器人的激光雷达光束 🤳手机照片中的自动对焦

即使 AI 发展今天停止，我们也要花数年才能追上。当前模型能做的事和几乎所有人实际在用它做的事之间，差距巨大。 这是我关于"能力过剩"（The Overhang）的文章，以及让人们缩小这一差距的四种优势。https://open.substack.com/pub/oneusefulthing/p/the-overhang?r=i5f7&utm_medium=ios

Ethan Mollick 转发并认同 @ArchieHall 的判断，即 AI 攻克短期超级预测是一个重要且仍被讨论不足的趋势，并引用 @nikostro 发表于 The Economist 的文章，链接为 https://www.economist.com/science-and-technology/2026/09/16/artificial-intelligence-now-beats-some-of-the-best-human-forecasters。文章称 A…

我认为值得继续追问：实验室是否会吞掉每一个有价值的AI垂直领域，尤其是当它们的产 品开发成本因AI而越来越低，再加上在token成本上的直接定价优势以及对底层模型本身的访问 权。

当我和非营利组织的负责人聊AI时，他们常常反映员工普遍存在抵触情绪，通常是因为环保方面的反对意见（其中真实问题和虚假问题混杂在一起）。这让他们感到沮丧，因为他们为完成使命本就资源不足，而他们视AI为一种帮助。

我们已经从"每条 AI 参考文献都是幻觉"（如果你用便宜模型，这仍然经常发生）走了很远：当我让 AI 检查我新书的错误时，它发现的错误不在我的参考文献本身，而在我参考文献所引用的原始文章里。