GitLab创始人借力AI抗癌：ChatGPT在现实世界中的真实用途

Sid 这个案例最震撼我的，不是“AI 参与抗癌”这几个字本身。而是它让我第一次很清楚地感觉到：AI 真正的用途，可能从来都不是回答问题。而是进入那些原本只有专家团队才能推进的复杂现实，把前面的认知成本、协作成本、试错成本，直接摊平。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

今天看了一个 OpenAI Forum 最新的新闻，直接把我给惊呆了。

图片

里面说的是 GitLab 联合创始人 Sid Sijbrandij，曾经被诊断为晚期骨肉瘤（一种罕见且凶险的骨癌）。

图片

他得的是骨肉瘤，一种很少见、而且在一线治疗失败后生存期往往是按 “月” 来算的癌症。视频中播放了他的彩超照片。

图片

后来，在标准治疗已经很有限的情况下，他和团队开始用AI、单细胞测序、DNA/RNA 测序、靶向影像、organoid testing、个性化 mRNA 疫苗、工程化细胞疗法这些东西，硬生生自己给自己“治病”。

现在，最新活动页里给出的结论是：在靶向放射治疗和手术之后，他目前处于No Evidence of Disease（没有疾病的证据）的状态。

说实话，这个事儿最让我震撼的地方，不是 AI 竟然能参与抗癌了。

而是我突然意识到一件事：AI 已经不是一个只知道回答问题的工具了。它正在变成现实世界离解决复杂问题的一个核心。

因为在很多人的认知里，AI 还是一个只会回答的机器：你问它一个问题，它给你一个答案。

但是 Sid 这个案例把这件事讲得非常清楚：现实世界根本不是问答题。

现实世界更像是一团巨大的、混乱的、充满噪音的信息泥巴。你要先把数据捞出来，再整理，再理解，再形成假设，再验证，再决定下一步怎么走。

而 AI 在这里最值钱的，不是“给出正确答案”。

而是把这整条链路里的认知成本无限压低了。

即：AI 可以快速是把一个原本不属于某个领域的人，快速拉进到这个领域的专家级别里。

这才是我觉得这是这次案例里最恐怖的一点。

同时，我们需要知道的是，在整个事情的过程中，最关键的点其实不是AI 变聪明了。

而是：AI 开始扮演一种过去几乎不存在的角色：认知中间层。

什么叫认知中间层？

说白了，就是以前一个复杂问题，要靠人自己去做的那堆事：查数据、查资料、关联数据之间的关系、排序 等等的这堆事。

这堆事看起来好像很重要，但是实际完全是固定的、耗时的、无意义的工作。

现在，我们可以完全把这些交给 AI 去做，让 AI 全部跑一遍这些流程。把这些最浪费时间的东西，全部交给 AI 去做。

而人只去做最重要的决策行为。

所以 Sid 这个案例真正让我感觉到震惊的地方就在于：AI 第一次开始让“个人 + AI”这个组合，具备了一部分过去只有“小型专家团队”才有的能力。甚至超过了这种专家团队。

这才是最可怕的地方。

所以，AI 接下来真正会改变的，不是某个岗位，而是解决问题的默认流程。

这是我觉得这件事最值得所有程序员想清楚的一点。

在以前的工作模式中，通常是：先去整理大量的数据，然后根据这些数据再去做判断。所花费的时间也都在这些数据上。

但是现在就变成了AI 先帮你把所有的数据进行统计、整理、分析，然后人直接基于这些数据进行决策。

一旦这个变化成立，很多行业的效率、组织方式、协作关系，都会被重写。

因为过去最贵的，恰恰就是前期整理数据那一套漫长的流程。

写在最后

Sid 这个案例最震撼我的，不是“AI 参与抗癌”这几个字本身。

而是它让我第一次很清楚地感觉到：AI 真正的用途，可能从来都不是回答问题。

而是进入那些原本只有专家团队才能推进的复杂现实，把前面的认知成本、协作成本、试错成本，直接摊平。

当 AI 开始做到这一点的时候，它就不再只是一个工具了。

它开始变成现实世界里的基础能力。

而这，可能才是 AI 真正可怕，也真正有价值的地方。