NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

AI 在创始人（尤其是独立黑客）和我们经常光顾的在线社区中存在形象问题。

在构建者社区中，我们不断被同类工具的浅薄复制品所淹没。有 GPT 包装器、社交媒体自动回复器、AI 入门套件、样板、AI 搜索、AI 编码工具、AI、AI、AI……——坦率地说，Product Hunt 首页上有一半的产品名称中都有 AI，更不用说副标题或描述了。

每个人都在构建 AI 工具。

从独立黑客社区内部来看，现在这就像一场大规模的淘金热，每个人都在试图向那些雄心勃勃寻找人工智能黄金的矿工兜售铁锹。

感觉就像是庞氏骗局一样，其他领先几个月的人工智能创始人正在为人工智能创始人构建工具。那些刚刚开始探索人工智能的人正在发布有关人工智能主题的课程。

在一个通常非常保护其成员的社区内部，这感觉像是一个问题。

让我们来谈谈它。

也许我们认为人工智能这个话题被夸大了，但感觉好像有什么事情正在发生。它似乎是对一个小众话题的过度兴趣。每个人都在谈论人工智能——包括我现在。因此，我们许多试图建立生活方式业务和自力更生业务的软件创始人都被这一切压得喘不过气来。这可不是什么好事。

人工智能的雪崩会给创始人带来两种潜在的反应：要么，你是说“好吧，我不在乎。我要开发一款人工智能产品，因为这是目前畅销的产品。这是消费者想要的。这是我看到我的同行开发的，我想成为这股浪潮的一部分。”的创始人之一。另一方面，你会看到创始人说，“让我们回到传统的软件即服务业务。让我们忽略人工智能，让我们远离它”——这是一种逆势而行的信号，以积极追求“非人工智能”来应对人工智能的流行。

这两种方法都感觉有点简化。

我认为我们正通过一个特定的泡沫来看待这一切。这很不幸，因为显然使用人工智能技术进行构建具有价值。否则，它就不会像现在这样在独立黑客社区之外如此受欢迎。

但是，人工智能是否有价值，可以让我们作为企业家，在不买铁锹的情况下，告知我们应该建立什么样的企业，而不会成为炒作的牺牲品？

让我们从意识到自己的偏见开始。作为独立黑客，我们拥有什么样的短视镜头？为什么我们对炒作如此不满？我们看不到什么？

第一个绊脚石是我们将人工智能视为这种超现代趋势。但人工智能并不是从 ChatGPT 开始的。显然，它因此引起了很多关注。当 OpenAI 开始发布大型语言模型时，我们见证了技术突破，无论是在容量方面，还是在创始人（尤其是个人创始人）对人工智能的可用性方面。

因此，对于我们许多人来说，人工智能始于 2022 年末或 2023 年初的某个时候，当时出现了 GPT3 甚至 GPT4。

但在此之前，人工智能已经成为研究课题数十年，许多技术早在 LLM 概念化之前就已存在。神经网络、机器翻译、预测系统：当 LLM 最终问世时，已经有很多很酷的技术。

实际上，早在 2017 年，我就为之前的软件初创公司 FeedbackPanda 使用过一个名为 Moses 的机器翻译系统：我们正在创建一个自动化系统，将从男性视角（他做了，他的车，他们给了他）编写的文本转换为女性视角（她做了，她的车，他们给了她）和反之亦然。我们需要它来允许我们的客户编写一个版本并自动创建另一个版本。我花了几个月的时间构建这个系统，并且训练它以使其运行得足够好，以达到我们可以接受的误差幅度，每个新的实验版本都需要超过 24 小时。

GPT4 现在可以在不到一秒的时间内完成此操作。

我相信这既是令人惊叹的创新，也是我们对 AI 有如此偏颇看法的原因。

我们忘记了许多这些技术正在幕后默默地为许多企业提供动力。然而，当我们查看 Product Hunt 首页时，我们看到的都是以 AI 为中心的 B2C 和 B2B 应用程序。与你的文档聊天。在 50 毫秒内创建副本。根据提示在浏览器中直接渲染视频。

我们将 AI 视为界面，是我们与服务之间的第一个接触点。AI 很炫，而且就在那里。这导致我们的独立黑客目光短浅。

当我们思考如何将 AI 用作产品时，我们认为 AI 就是在我们面前工作以创造某种魔法的东西。发布的工具越多，AI 是软件中如此出色的部分，我们就越认为这就是我们在 AI 领域构建工具的方式。

与此同时，有些系统看起来像是 20 世纪 90 年代建立的，其后端、数据库以及报告和数据分析数据存储上都有强大的 AI 算法，它们正在浮现出具有巨大影响力的业务信息——但你无法与其中任何一个聊天。没有酷炫的提示。没有即时图像生成。里面没有任何东西喊着“当前最前沿的 AI 系统”，但里面的一切都是一个处理大量数据的人工智能。

我现在用 Podscan 亲眼目睹了这一点。这个工具的真正魔力对我的客户来说是完全看不见的。它能够从音频中提取对使用我的产品的企业有意义且有影响力的数据。我扫描了那里的每一集播客，寻找主持人姓名、嘉宾姓名、赞助商和广告商。主要话题是什么？这一集的语气友好吗？还是咄咄逼人？人们彼此友善吗？

这就是我的客户所需要的，而人工智能系统可以满足他们的需要——因为人工智能在规模上“足够可靠”。它为使用 Podscan 开展业务的人提供了有意义的信息。

他们的核心问题不是“我可以用这个工具聊天吗？”相反，而是“有没有我想在上面做广告的播客？或者这是我想向客户推销的播客？”这就是他们赚钱的方式：让客户收听符合他们个人资料的优质播客。

为了能够完成这项工作，他们需要拥有个人无法收集的信息，但完全不浮华的人工智能系统可以轻松收集和提取这些信息。然而，我的界面中没有任何内容表明这一点。它只是一个列表。它是一个搜索栏，人们可以在其中搜索某些内容，然后会出现结果。Podscan 的界面与过去 20 年的工具没有什么不同（除了它可能看起来更现代一些）。

至于如何使用，我的人工智能根本不是一个界面。但是，它全天候为数据收集提供支持。我有几十台服务器，它们只做数据提取、数据分析、大型文本文档的问答、存储这些文档和搜索这些文档，所有这些都在后台进行——对我的用户来说完全不可见。他们唯一能看到的是人工智能收集的结果，甚至可能是在摘要等方面生成的结果。

但这与创建内容或自动回复社交媒体帖子无关，就像我们在社交信息流中找到的所有那些大肆宣传的工具一样。

我认为我们的问题是，独立黑客只是看到了错误的工具，这些工具正在流行，因为它们很容易被我们这样的人和我们周围的同龄人采用。有样学样，我们最终构建了类似的东西，错过了人工智能深层但看不见的力量，而这种力量实际上创造了人们愿意为之付费的巨大价值。

我在过去一年里多次提到这一点：人工智能业务是有风险的。仅利用人工智能的企业风险较小。但风险仍然存在。当你依赖某些 OpenAI API 或使用其任何竞争对手时，就会产生平台依赖性。本地大模型可以解决这个问题，但需要花费一些钱。即便如此，这项技术变化如此之快，它越是耀眼，就越快失去吸引力。

寻找人工智能的无聊应用。让它成为一匹主力，而不是一只跳舞的贵宾犬。注意那些使用这项技术但销售文案中却没有提到它的创始人。当你有疑问时，不要想“我可以建立什么样的人工智能业务？”，而是想“我可以建立什么样的无聊业务来利用幕后隐形的人工智能？”

原文链接：Indie Hackers’ Myopic View of AI

BimAnt翻译整理，转载请标明出处