一般我們很難想象：萬物源自比特這種話是來自著名物理學家（約翰·惠勒），而不是民間科學家。

如果宇宙是一臺設置了各種參數(shù)的計算機，那我們所謂的虛擬空間就是對這臺計算機本質的回歸。而如果說回歸的終點是百分百的數(shù)字空間、物理空間重疊，那還真是假作真時真亦假。

AI是再遞進了的信息層級

純粹從信息的角度看，AI代表了再次遞進的信息層級。

生物DNA是一種信息層級。

部落老人口口相傳是一種信息層級。

紙張印刷是一種信息層級。

電視廣播是一種信息層級。

電腦互聯(lián)網(wǎng)是一種信息層級。

AI是一種信息層級，它和過去最大的不同在于自主行為，即使是最近的互聯(lián)網(wǎng)、最高級的算法也還是遵循人類的設置做人類指定的事，但AI不是，AI可以自己行動，產(chǎn)出內容。

如果萬物源自比特，按信息層級的遞進可能就代表了我們在掌握更深層的本質力量，每一層對應的能級不同，對應的文明表現(xiàn)也不同。

如果挖掘文明的根基，那我們會發(fā)現(xiàn)進化的根本不是人類，而是信息的層級。最近幾萬年人的基因那有什么變化，變化的不過就是外在的信息系統(tǒng)。參見：

歷史、哲學、科技、審美等組成的這套系統(tǒng)與其說是人類虛構的故事，不如把它看成一套獨立于某個人的信息系統(tǒng)。來自于人但不屬于每個人。

在這種遞進過程中明顯的一個表現(xiàn)是低信息量和低信息流速下的思維模式和高信息量和高信息流速下的是不匹配的。

比如：古之善為道者，非以明民，將以愚之。民之難治，以其智多。故以智治國，國之賊；不以智治國，國之福。

簡單解釋，就是人傻一點好管。先不說出發(fā)點、對錯這些，這在上古的信息層級下至少是可以低成本做的到的。但越往后越難成本越貴。

人是信息流速的障礙

如果我們認為信息的流速和吞吐量是信息層級的兩個關鍵支撐，那在這兩個點上人都是障礙。這是生物特征決定的，短期也進化不到哪兒去。

如果在三個人類塑造子系統(tǒng)：政治、經(jīng)濟、文化中選擇，那經(jīng)濟大概率先受沖擊。

假設我們認同經(jīng)濟是信息流牽引資金流和物流，那人就是經(jīng)濟增長的障礙。

障礙不全是反面意思，比如馬車跑的慢可能有助于避免翻車。

但不管怎么樣AI越成熟，人對經(jīng)濟的的這種制約性就會表現(xiàn)的越明顯，比如無人工廠和傳統(tǒng)工廠，無人駕駛和滴滴出行。從效能角度看后者不可能比前者好。

而我們說的AI Level1~Level5從這個角度解讀就是人成為障礙的范圍越來越大。

舉個例子，假設說所有的汽車都變成了自動駕駛的汽車，并且速度提到很高，這個時候還用現(xiàn)在的事故處理方法顯然就不行，我們能想象交警處理兩個高速無人駕駛汽車的事故么！

俄烏戰(zhàn)爭和過去很大一個不同是無人機的使用，基于此我們可以想象假如生產(chǎn)制造能力足夠強大，像安德的游戲那樣鋪天蓋地的都是無人機，但無人機必須靠人去單個遙控指揮，那人就會成為障礙。

AI世界觀

第一、低信息流速和吞吐量下的各種既有思維方式不適合AI。

第二、各種現(xiàn)有組織、系統(tǒng)都會變成無人系統(tǒng)。

第三、無人系統(tǒng)的重要性大于個人，人的經(jīng)濟價值會趨于0。

第四、人是宇宙這臺計算機和代表虛擬世界這臺計算機的接口。

第四點很難理解，但確實是人類的未來的位置。這個位置上價值來源于橋接、建設而擴大人類世界的邊界，而不是單純干活創(chuàng)造簡單經(jīng)濟價值。

上圖中的AI世界會很快占滿整個人類世界，人類處在人類世界和AI世界的邊緣。

（這和徹底的人類中心論正好對立，如果放到世界上也正好和現(xiàn)實趨勢相反。如果系統(tǒng)更重要，那其實應該更多的維護和建設整體的系統(tǒng)。）

信息的奔現(xiàn)與宇宙維度

假如說圓的概念是一個信息，那我們世界里的圓都是這個信息的實體，游戲這類虛擬世界里圓是另一種實體。

那確實宇宙就應該是多維的，每個具體的宇宙都對信息做出一種實現(xiàn)。

但算法可能不一樣。

我們宇宙的算法是牛頓的運動方程、麥克斯韋方程、愛因斯坦的狹義與廣義相對論方程、狄拉克方程、海森堡方程，別的宇宙里方程和參數(shù)可能就不太一樣了。

這是另一種萬物源自比特的解釋，比無限微觀之后發(fā)現(xiàn)啥也沒有還是好一些。

小結

為什么突然寫這個短文呢？因為琢磨事的群里面林華同學說他在研究AI的法律。我就噴他，我說AI世界的進化速度、信息流速和產(chǎn)出量完全不是過去那套體系的能適配的。所以AI的法律應該也是AI，然后以人類的價值觀、三論為基礎，這整出來的可能還靠譜。但群里不好展開，所以寫篇文章把這個展開下。

這個時點的AI太混沌了，宣稱有賺錢方法的大概率是騙子，宣稱全無機會的又過于消極。面對AI就得解剖麻雀，研究案例，回到現(xiàn)場，獲取一線信息。反之越高大上、越論文就越危險。關鍵是真實案例不好找，所以就有了琢磨事AI碰撞局。研究清楚多個案例，弄明白產(chǎn)業(yè)底層邏輯，再回到自己問題差不多是眼下最靠譜的方式了。對活動感興趣的同學請聯(lián)系cathywangyue。 老李話一三，公眾號：琢磨事