在之前的文章里我提过，现在的大模型已经足够聪明，却始终解决不了一件事：怎么跟使用者的价值观对齐。这段时间我又留意到一个更具体的现象，我们一边拼命教大模型像人一样思考、像人一样做事，一边又受不了它真的需要跟人商量。

这个要求本身没问题。让大模型学会像人一样处理事情，是脑力劳动能被替代、人的负担能被减轻的前提，方向没有错。但只要往前多走一步就会发现，大模型给出的任何规划都绕不开跟人协同这件事。总有一些关键的判断和决策，只能由人来拿主意，它自己走不出电脑那一步，那一步还得人去补。可我们一边希望它像机器一样不吃不睡、连轴转，一边又见不得它真的需要人插手：它做的事总有需要收尾、需要人兜底的地方，让人没法完全放心；等它真按要求把决策权交回来，跟人配合，我们又嫌它一点人味都没有，理解不了它为什么非要这样。这个矛盾挺有意思，我们既想要一个像人一样思考的工具，又不想承担一个像人一样需要沟通的伙伴该有的成本。

另一个我最近想得比较多的问题，出现在大模型真的被放进组织里以后。一个组织里人和人之间的协同，本来就存在信任问题；现在多了 AI 进来，信任关系从两方变成了三方，问题不但没被稀释，反而好像被放大了。人对大模型的不信任尤其明显，现阶段谁也不敢把一件事完全交给它，出了错还得靠人去善后，做不到真正意义上的托管。

表面上这是个信任问题，往深了挖，我觉得绕不开的还是人性。不管是人还是模型执行一件事，最终都要有人对结果负责。可现在的组织里，尤其是一线员工，越来越难讲真话。诊断一个组织出了什么问题，靠的是听到真实的情况，看不到真相，就没法做出准确的判断和对策。而大模型的训练材料，说到底来自这些以人为中心的组织行为和语言，人怎么表达、怎么取舍，很大程度上决定了模型学到什么。人有的毛病，模型大概率也会学去。所以指望大模型在组织里说真话，本身就不太现实，它同样会顺着使用者的意图说话，甚至讨好。

想到这里，我大概能明白为什么现在还谈不上机器真正取代人，或者说智能体真正取代人。卡住的不是算力，也不是推理能力，是人性这部分很难被真正学会。人善变，也是多面的，同一个人在不同场景下的反应，未必能靠他以前的行为模式去推断。大模型现在的思考之所以还不太像人，恰恰可能卡在这里：它得先学会应付一个不按套路出牌的对象，这件事本身就有点悖论的味道。

大概还需要不少时间，靠更多的观察和学习，才有可能让大模型在这方面更贴近人一点。往这个方向想，倒也还是有点值得期待。