OpenAI 前核心科学家，“思维链提示”（Chain-of-Thought）的奠基人之一：Jason Wei ，他最近写了一篇新博客，分享了对 AI 发展方向的思考。文章中提到一个非常有价值的观点，叫作「验证者定律」，简单讲就是：AI 的能力强不强，很大程度上取决于它所做的任务结果是不是容易验证。

什么意思呢？就是训练 AI 解决某个任务的难度，跟这个任务是否容易被验证，有非常强的正相关关系。

简单来讲就是，AI 更擅长解决那些“结果好坏”更容易判断的问题。

举几个例子，比如：

1、做一个像 Instagram 那样的网站，可能需要一个工程师团队干上几个月甚至几年；但普通用户打开网页，能马上判断网站是否正常运行；

2、编程调试：写一段代码可能得几个小时，但跑测试用例，很快就能判断有没有bug；

3、做数独游戏：数独填空需要大量时间思考，仔细推理各种组合，但验证答案对错，马上就能判断。

这几个例子背后的共性是什么？解决过程复杂，结果判断简单。Jason 的意思也很明确：AI 怕的不是任务很难，而是“没法快速判断结果对错”。

对此，Jason 引入了一个关键概念：验证不对称性。他说，这种现象在很多任务中都很常见——我们可能要花很多时间、算力和精力去解决一个问题，但验证一个已有答案是否正确，却常常只需要几秒钟。

Jason 特别指出，还有一种更棘手的情况，叫做“近似对称验证”。用更通俗的话说，就是验证答案花费的时间，跟解决问题本身差不多。

比如，有人写了一个复杂的数据处理程序，你想验证它是否有效，很可能得从头跟一遍流程，理解每一步的逻辑，有时候甚至要自己重新实现一遍。

这些“近似对称验证”的任务，现阶段对AI来说就比较头疼，因为它没办法享受到"秒级反馈"的好处。AI学东西靠的就是不断试错，如果每次试错后都得等很久才知道对不对，那学习速度就会慢很多。

所以，Jason 的核心观点就是：未来AI会快速突破的任务，遵循「验证者定律」。换句话说，所有可能被解决且易于验证的任务，都终将被 AI 解决。

他还总结了五个判断标准，简单讲就是看一个任务适不适合AI来做：

第一，客观标准清晰：像加法、看图识物这种，对就是对，错就是错；

第二，能快速判断对错：最好几秒内就能知道答案对不对；

第三，能不能批量验证：比如一次性验证多个解决方案；

第四，结果稳不稳：不会今天说对，明天又说错；

第五，能不能给打分：针对一个具体问题的多个解决方案，能很容易地做出排序，判断哪个解法更好。

这也就是为什么过去十年AI进步最快是图像识别、机器翻译、语言理解等领域，因为基本都符合这五个条件，研究人员知道怎么验证、怎么给分、怎么排名。#人工智能[超话]##AI创造营##微博新知##ai兴趣创作计划#