抓住風(fēng)口

本期要點：AI帶來了解題新思路——遍歷式求解

你好，我是王煜全，這里是王煜全要聞評論。

先問你一個問題，假如在IT產(chǎn)業(yè)，AI模型只需要2萬美元就能找到一個隱藏了27年的重大系統(tǒng)漏洞，那你的行業(yè)又會如何被AI顛覆？

據(jù)媒體透露，上周，Anthropic啟動了一項名為“玻璃之翼”（Project Glasswing）的內(nèi)部計劃。

他們將自己最前沿的Claude Mythos模型，提供給了包括微軟、谷歌、英偉達等約40家核心公司與機構(gòu)，讓他們?nèi)グl(fā)掘自己系統(tǒng)中的漏洞。因為據(jù)Anthropic稱，這個模型能力過強，如果直接貿(mào)然公開，可能帶來不可控的網(wǎng)絡(luò)安全風(fēng)險。

比如Claude Mythos只用了幾個小時，就在OpenBSD系統(tǒng)的核心代碼中識別出了一個此前從未被發(fā)現(xiàn)的關(guān)鍵漏洞。

簡單介紹一下，OpenBSD是一個以極致安全著稱的開源操作系統(tǒng)。從1999年發(fā)布以來，它的代碼經(jīng)過全球開發(fā)者數(shù)十年的反復(fù)審計，廣泛應(yīng)用于對安全要求極高的網(wǎng)絡(luò)設(shè)備、防火墻和服務(wù)器中。

然而，Claude Mythos發(fā)現(xiàn)，攻擊者只需要發(fā)送兩個精心構(gòu)造的網(wǎng)絡(luò)數(shù)據(jù)包，就能導(dǎo)致主機系統(tǒng)崩潰。這意味著，全球無數(shù)基于此系統(tǒng)的關(guān)鍵網(wǎng)絡(luò)節(jié)點，都可能因此癱瘓。而更令人驚訝的是，完成這次深度挖掘任務(wù)的整體成本，只有大約2萬美元。

不過，當(dāng)所有人的注意力都放在網(wǎng)絡(luò)安全問題這個層面時，我們不妨把鏡頭拉得更遠一些。類似的情節(jié)，在另一個領(lǐng)域就曾上演。

今年1月，我們就曾報道，清華大學(xué)智能產(chǎn)業(yè)研究院在《Science》雜志上發(fā)表了一項名為DrugCLIP的研究。

他們訓(xùn)練了一個深度神經(jīng)網(wǎng)絡(luò)，只花了24小時，就在人類2萬個蛋白質(zhì)與5億個藥物分子所構(gòu)成的、接近10萬億種配對中找到了大量藥物組合。經(jīng)過實驗驗證，其中不少組合都是有效的。

在硅谷，一個AI模型用2萬美元和幾小時就從曾被人們認為無懈可擊的的系統(tǒng)中找到了漏洞。在北京，一個AI系統(tǒng)用24小時就從10萬億種可能性中定位了新的候選藥物。

兩件事看似無關(guān)，但都表明了，AI給我們帶來了解決問題的全新方法，也就是用算力對某個領(lǐng)域的所有可能性進行系統(tǒng)性的遍歷與篩查。我們可以稱其為 “遍歷式求解”，而且這種范式變革可能會重塑每個行業(yè)。

遍歷式求解

首先，這種“遍歷式求解”的內(nèi)核到底是什么？又有什么價值？

過去，我們試圖通過理解原理機制或天才的靈光一現(xiàn)來解決復(fù)雜問題。但在現(xiàn)實世界巨大的可能性面前，這種方法必然會碰到天花板，成本也高得令人望而卻步。

比如，在網(wǎng)絡(luò)安全領(lǐng)域，專家要在代碼所有的可能執(zhí)行路徑中，憑借經(jīng)驗去猜測漏洞可能藏在哪里?？墒菍σ粋€百萬行級的代碼庫進行一次全面的人工滲透測試通常需要數(shù)萬乃至十幾萬美元，且耗時數(shù)月。

在藥物研發(fā)領(lǐng)域，研發(fā)一款新藥，平均要投入26億美元和超過十年時間，但最終成功率不到10%。

于是，新的解題邏輯應(yīng)運而生，也就是將問題轉(zhuǎn)化成計算機可以高速、低成本、并發(fā)處理的形式。

一條路徑是特征提取與匹配。

清華大學(xué)將蛋白質(zhì)口袋的形狀以及藥物分子的結(jié)構(gòu)轉(zhuǎn)換成兩組高維的向量，這樣一來，判斷兩者能否結(jié)合，就從模擬相互作用的繁重計算，轉(zhuǎn)變?yōu)橛嬎銉蓚€向量的相似度。

另外一條路徑就是并行探索與測試。

雖然沒有太多公開的細節(jié)，但我們也可以合理推測，Claude Mythos很可能是將人類安全專家的滲透測試工作流程自動化了。從而可以讓成百上千個Agent同時測試，對代碼進行地毯式的掃描。

模型會閱讀代碼，理解其結(jié)構(gòu)；再基于學(xué)到的知識，提出測試假設(shè)；之后，模型還會行動，生成測試代碼，去驗證這個假設(shè)，并觀察結(jié)果；當(dāng)測試失敗后，它還能修改方案，重新測試。

無論是哪條路徑，它們都不再依賴人類專家的直覺，而是通過構(gòu)建一套可以自動運行的系統(tǒng)來解決問題。

這種“遍歷式求解”范式的核心價值在于重構(gòu)了探索未知的成本結(jié)構(gòu)。

舊模式下，一個項目啟動起來確實相對容易，但每多測試一個分子，每多審查一行代碼，成本都會累積。

新范式下，主要成本集中于前期系統(tǒng)的構(gòu)建。一旦系統(tǒng)建成，增加探索廣度和深度的邊際成本就只不過是算力而已。

這就像福特把流水線用于汽車的生產(chǎn)，通過規(guī)模標(biāo)準(zhǔn)化生產(chǎn)的方式改變了汽車的成本結(jié)構(gòu)，從而給汽車產(chǎn)業(yè)帶來了根本性的改變。

擴散

可以預(yù)見，這個新范式必然不會只停在網(wǎng)絡(luò)安全和藥物研發(fā)，一定會流向所有類似的、過程可以工程化的領(lǐng)域。

許多行業(yè)已經(jīng)呈現(xiàn)出可被遍歷的潛力。

例如芯片設(shè)計，本質(zhì)就是在海量的晶體管級微架構(gòu)組合中，尋找特定約束下的最優(yōu)解。傳統(tǒng)設(shè)計依賴工程師的經(jīng)驗，未來的EDA工具，可能會讓AI Agent并發(fā)探索，快速鎖定最優(yōu)方案。

再如材料科學(xué)中，尋找新材料的過程，就是在元素、晶體結(jié)構(gòu)、合成工藝構(gòu)成的龐大組合中進行搜索。

傳統(tǒng)模式依賴研究人員像炒菜一樣試錯，未來也可以借鑒清華大學(xué)篩藥的思路，將材料特征向量化，進行大規(guī)模篩選，從而縮短研發(fā)周期。

此外，你也別以為這一范式只是研發(fā)人員的專屬工具，其實平時很多日常工作也可以工程化，并通過“遍歷式求解”的方式破解。

前段時間，我的合伙人賀志剛老師就分享了一個內(nèi)容工程化的思路。

過去，策劃爆款內(nèi)容依賴策劃者的敏感度和靈感。但其實，可以將內(nèi)容解構(gòu)為場景、年齡、痛點、情緒、解決方案等多個維度，再進行組合。隨隨便便就能得到數(shù)十萬個組合，一輩子也做不完。

那么，我們也可以進一步思考，創(chuàng)作者也可以用“遍歷式求解”的方式，基于這個結(jié)構(gòu)化清單批量生成內(nèi)容，再投入社交平臺進行A/B測試。數(shù)據(jù)會迅速揭示哪些組合是具有潛力的方向，值得進行深挖。

所以，關(guān)鍵是你能否把思維打開，能否用AI構(gòu)建工程化的流程來探索自己領(lǐng)域里的復(fù)雜問題。

那么，你得到了什么啟發(fā)？又準(zhǔn)備怎么做呢？歡迎在評論區(qū)分享你的思考。

以上就是今天的內(nèi)容，最后做個小廣告。5月10日，我們的硅谷考察團就將啟航了。我將帶你，在英偉達、谷歌和Meta，在亞馬遜和微軟的云服務(wù)中心，以及在斯坦福和納斯達克創(chuàng)業(yè)中心，一起和創(chuàng)業(yè)者、研究者面對面，看AI如何真正進入業(yè)務(wù)流程，變成改變行業(yè)的產(chǎn)品和公司。

歡迎你和我一起，到一線沉浸式地觀察和思考產(chǎn)業(yè)變化，看懂AI浪潮。考察團名額有限，快快掃碼報名吧！

更多的科技產(chǎn)業(yè)新趨勢和底層規(guī)律，歡迎加入科技特訓(xùn)營學(xué)習(xí)，先人一步，領(lǐng)先一路！

王煜全要聞評論，我們明天見。

硅谷AI考察，請掃碼報名↓

↓長按圖片掃碼報名，先人一步，領(lǐng)先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發(fā)布獨家資料 ，快快掃碼加入吧！

此外，我們還為您準(zhǔn)備了一個思維導(dǎo)圖，掃描加群即可領(lǐng)取

“AI for Science”

↓點擊學(xué)習(xí)王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！