本文来自微信公众号： 快刀青衣 ，作者：快刀青衣，原文标题：《NASA小卫星不用GPS，拿「垃圾」定位：AI时代没有路线图该怎么办？》
行动产生的差值就是坐标。
我看到一条关于NASA的新闻，觉得挺有意思，也有不少启发，所以今天拿出来和你分享一下。
简单说，就是NASA有个叫Starling的任务，最近公布了一项飞行实验的结果。他们搞了个FALCON系统，能让一颗小卫星在完全不用GPS的情况下，自己算出自己在哪。
我们都看过那种太空科幻片，你可以设想一下，在茫茫太空中，有一颗孤零零的卫星。过去，这颗卫星要想知道自己在哪，从来不是靠自己想出来的，基本得靠外部的导航信息。
近地轨道上，最常见的是GPS；更传统的办法，则是靠地面站跟踪。而这次NASA干的事，就是把GPS这个实时导航输入拿掉，让卫星自己看、自己算。
说实在的，别说在太空中定位了，现在我在城市里，哪怕是一条已经开了一年的路，我也习惯性地要开导航。
如果不开，有时一条走过好几次的路，也会莫名其妙地恐慌，心想：「是这个路口拐弯吗？怎么看起来不太对劲？」
这里也先说一句，在我看来，这不只是一条航天新闻，它最后会落在我们每个人都在经历的事上。
太空垃圾也能成为路标
说回小卫星，那它靠什么在茫茫太空中定位呢？靠看。
卫星上本来有个叫星敏感器的东西，粗略一点说，就是个朝天上看的相机。原本这个东西的任务是认星星，判断自己的朝向。
但这次NASA让它改看别的，比如看周围飘过去的其他航天器，还有那些一直被骂的轨道碎片，也就是咱们俗称的太空垃圾。
一个物体从视野里划过去，小卫星认出它是谁，知道它大概该在哪，反推一下，也就知道了自己在哪。
这就跟在一片没有路牌的荒野里认路有点像。你能用的，就是眼前这几块大石头、远处那棵死了几十年的歪脖子树。
当然，太空垃圾跟那些石头有一点不一样，它不是杵在原地不动，而是在高速绕地球飞。但NASA有一份目录，记录着它们是谁、按照预测此刻应该飞到哪儿。
所以，小卫星看到它，再和这份目录一对，就能反推自己的位置。
你看，对这颗卫星来说，连太空垃圾都能变成路标。大家骂了太空垃圾几十年，结果这一次，它那个人人嫌弃的属性反倒派上了用场。
反正它就在那儿，一时半会儿也清理不了。
中心推演VS现场观测
听到这里，你大概会觉得，这事挺浪漫的。我一开始也停在这儿。但真正让我坐直了的，是这个FALCON系统干的第二件事。
地面站往小卫星上传了那份目录：两万个太空物体，每一个都带着预测出来的轨道，来自美国官方公开的太空物体编目。
这是它的作业本，相当于地面上那帮最专业的人告诉它：答案都在这儿，你照着找。
结果FALCON系统拿相机看到的实况，跟这份底本一对，发现不对。
三天里，它自主修正了两百多个物体的轨道数据，全程没有地面人员介入。而且，对它亲眼看过的那些物体，修完之后的精度，比地面站给它的那份目录更高。
这相当于什么呢？就是考试时，老师刚把卷子发下来，旁边的学霸扫了一眼，然后淡定地举手说：「老师，这道题出错了。」然后全班哗然，老师尴尬地看了看卷子，发现题目还真出错了。
别问我为什么感触这么深，就是因为这个原因，让我决定到北京做个互联网民工，而不是当老师。
扯远了，回到这条新闻。你把这个过程再想一遍，会觉得细思极恐。
按理说，地面站是中心，是权威，是那个算力最多、专家最多的地方。它手里拿着大量历史数据和轨道模型，它的角色就是告诉这颗卫星：你在哪。
结果这颗自己带了个相机和一点点端侧算力的小卫星，看着看着就发现中心给的数是错的。然后，它就在星上，把自己手里的那份目录重新改了一遍。
这件事最有意思的地方就在这儿。
那份目录是预测出来的，用超大体量的已知参数往前推算，逻辑可以说非常严密。而小卫星上的相机干的事特别笨，就是看，看到什么算什么。
一个是根据过去往前推演，一个是拿刚刚发生的现实来观测。这两个撞在一起，观测赢了。
这是不是就是咱们那句老话：「耳听为虚，眼见为实」？
整个AI行业都在「迷失太空」
说到这里，我得说一下FALCON这个名字。
它其实是个缩写，英文全称Fast Autonomous Lost-in-space Catalog-based Optical Navigation。
这里面有一个词组，叫Lost-in-space。有一部经典科幻作品就叫这个名字，翻译过来叫《迷失太空》。
不过这个系统这么叫，可不是浪漫，也不是为了向经典影视致敬。
在航天里，它本来就是个专有说法，用来形容一种挺麻烦的状态：设备刚醒过来，完全没有一个现成答案告诉自己在哪、朝向哪，只能靠视野里能看见的东西，重新把自己认出来。
你看，这不就是FALCON正在干的事吗？
没有GPS直接告诉它坐标，它就抬头看，看周围有什么，再拿自己看到的东西去跟目录对，最后一点点算出：哦，我现在大概在这儿。
但我想说的是，我看到这个词的时候，脑子里冒出来的压根不是卫星。我想的是现在做AI的所有人。
88%和1%的鸿沟
前两天，我在看腾讯研究院一份讲超级个体的报告，它开篇摆了两个数。
一个来自斯坦福HAI的年度人工智能指数，讲全球88%的组织已经至少在一项业务里用上了AI。另一个来自麦肯锡的全球调查，提到只有1%的公司认为自己真正达到了AI成熟。
你看，这两个数字，88%和1%，放在一起显得多么刺眼？
报告里管这个叫巨大的鸿沟。而所谓「用上了」，很多是买了个账号、成立了个委员会、写了份政策文件，部门里两三个人在自己摸索，组织本身压根没变。
说实话，这跟我见到的完全对得上。
我去硅谷，见了一些在外界看起来最激进的公司。很多人都以为他们手里握着一张明确的路线图，结果聊下来，他们说的是：我们也还在测试，也不知道明天模型一迭代，这套东西会不会全被推翻。
所以，整个行业现在是个什么状态？
所有人都开机了，所有人都在动，但没有人手里有GPS，全都是lost in space。
旧路线图为啥失效了
说到这里，我知道有一部分朋友要开始走神了。
你可能会想，你不是创业者，不需要天天想战略。你不是老板，也不是那个要在年初决定公司往哪走的人。
你就是一个在公司里干活的普通人，你的工作方式是这样的：年初定目标，往下拆KPI，每周每月写汇报，季度对一次进度，然后照着执行。
你等的就是一份清晰的规划，等上面把方向定下来、把资源分配好、把路铺出来，你负责跑得快、跑得准。
我非常理解这种感觉。这是过去二十年被反复验证过的、真正有效的工作方式。因为过去二十年，环境的变化速度是可以被预测的。年初那份规划，到年底大方向多半不会错。
中心确实比边缘看得远，总部确实比一线信息全。那份从上往下发的目录，确实比你自己抬头看到的更准。你照着它走，效率最高，还不用担责任。
所以，过去你等一份规划，或者等上级领导的指示，一点问题都没有。
有问题的是现在。现在，那份「目录」不准了。
因为之前所有规划都是推演出来的，用已知条件往前推。而现在的已知条件，比如模型能力、成本、工具形态等等，三个月一变。
你在一月份推演出来的十二月，跟现实中的十二月，可能早就不是同一个世界。不信的话，你想想今年三月最火的龙虾OpenClaw，到现在也就半年不到，是不是已经恍如隔世了？
先给个坐标，哪怕是垃圾
那怎么办呢？
FALCON给的答案挺笨的：你看见什么，就用什么。哪怕是太空垃圾，只要能提供定位的功能就可以。
放到我们身上，就是先做。做个AI小工具，做个流程改造的试验，做个能跑起来的粗糙玩意儿。
它很可能不好用，很可能三个月后就废了，很可能同事看一眼说：「这什么啊？」行，那你就得到了一个垃圾。
但这个垃圾，是有坐标的。
垃圾能当路标，不是因为它本身有用。就像前面提到的太空垃圾，它本身是负担。但它能当路标，是因为它有一个确定的位置，能被相机认出来。
不过，这里我得先说清楚一件事，不然这话很容易变成鸡汤，让大家以为随便做点什么就可以交差。
要知道，FALCON这个系统不是睁着眼乱看的，它手里拿着那份目录去看。所以，每看一眼都能得出一个读数：我以为你在这儿，你实际在那儿，差多少。
这个差值，才是它真正拿到的东西。
如果你张嘴跟AI说：帮我做一个《黑神话：悟空》，那个东西不是垃圾，是噪音。你对它压根没有预期，做出来什么样自己都说不清，那它偏离了什么、告诉了你什么，也就无从谈起。
这种东西做两百个、五百个，你的能力还在原地。
所以，在你真正动手之前，先给自己写一份目录，一句话就够：我以为AI能替我做到哪一步。
做完拿结果去对一遍，对不上的那个差，才是你捡到的坐标。也因为这一点，这件事最好落在你每周真会重复干的那摊活儿上，而且要小，小到失败时你说得出卡在第几步。
从超级个体到超级团队
说到这里，这条新闻还有一个后续，是整件事里我觉得最妙的一层。
Starling本身就是四颗卫星组成的编队，前面说的实验，主要还是让一颗卫星自己看、自己算。但NASA接下来还准备再往前走一步：让这四颗卫星把各自看到的东西共享出来。
你想想看，如果FALCON能在多颗卫星上协同运行，四颗卫星各自观测，把看到的东西共享出去，用合并之后的观测，共同修正每一颗的位置，会发生什么变化？
一颗卫星自己看、自己定位，甚至敢改地面站的数，这是超级个体。
四颗把各自看到的东西全摆到桌面上，互相校正、一起变准，这是超级团队。
而前面提到的腾讯研究院那份报告，也把「影响力溢出」列成了超级个体的一个必要特征。有句话说得挺厉害：
❝
如果一个人用AI让自己产出翻了十倍，但同事毫无察觉，那他还没成为超级个体，只是一个会用AI的优秀员工而已。
当时我觉得这话对，但没想明白为什么是必须。卫星给了我答案。
一颗卫星观测到的东西如果不共享出去，那就只是它的私人经验。它自己变准了，剩下三颗还在用那份旧目录。只有把观测摆出来，它才从一个人的视野，变成整个星群的公共路标。
所以，被看见也不是给个体面子，不是员工激励，它是整个系统能不能变准的前提。
就好比你们公司里那个自己捣鼓出个AI小工具、把自己那摊活儿效率提了三倍的人，如果没人知道，那这个组织在他身上什么都没学到。
把经验写回同一份目录
而且你回头看FALCON那三天，最值钱的不是修正了两百多个物体的轨道，而是每一次修正都写回同一份目录，让自己手里的那份目录变得更准。
换句话说，你随口跟AI要来的两百个demo，每一个都孤立，不写回任何地方，那不叫做了两百次，那叫做了两百个第一次。
如果你手头有一件跟AI有关的事，一直在等一个更成熟的时机、一个更完整的方案、一个上面拍下来的方向，我的建议是：
这周就动手，只解决你自己手上那一件小事，别一上来就去动别人的流程。
做完了，把学到的那句话写下来，攒在同一个地方。然后让人看见。注意，让人看见的不是那个工具，是你摸到的那个坑。
哪怕做出来是垃圾也行，垃圾也是你前进道路上的坐标。