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。可是對一個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！