起點(diǎn)課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識AI時(shí)代，大語言模型下的機(jī)會與不適
近幾個(gè)月，人們一次次在被AI技術(shù)實(shí)際應(yīng)用刷屏的同時(shí)開始產(chǎn)生專業(yè)領(lǐng)域的工作者即將被取代的恐懼。如何沉著面對AI時(shí)代下的機(jī)會與不適？希望作者在本文的闡釋能夠帶給你一些啟發(fā)。
2013年，iPhone搭載多點(diǎn)觸摸屏幕技術(shù)開創(chuàng)了一個(gè)全新的智能手機(jī)界面交互模式，由此孕育了移動互聯(lián)網(wǎng)。
而2022年年底的ai繪畫到近幾個(gè)月，ChatGPT生成的文章，Copilot 生成的代碼，Midjourney、Stable Diffusion和DALL-E 僅靠一些關(guān)鍵詞就能快速生成圖片，人們一次次在被ai技術(shù)實(shí)際應(yīng)用刷屏的同時(shí)開始擔(dān)心在不久的未來人類的絕大部分工作是否要被人工智能替代。
同一時(shí)間，各個(gè)行業(yè)巨頭也紛紛下場，前有Google圖像生成模型Imagen，Meta的文本轉(zhuǎn)視頻模型的Make-A-Video，微軟則另辟蹊徑，將 DALL-E 2 內(nèi)置在新服務(wù) Microsoft Designer 中，滿足普通用戶的邀請函、明信片等日常設(shè)計(jì)需求。
人們在面臨科技帶來的便利的同時(shí)伴隨著專業(yè)領(lǐng)域的工作者即將被取代的恐懼。
這次我們來聊聊AI時(shí)代下的機(jī)會與不適。
ChatGPT、Mid-Journey、Stable Diffusion 等 AI 超級應(yīng)用的出現(xiàn)，標(biāo)志著加速計(jì)算和AI技術(shù)的成熟已邁入成熟，看著一連串陌生的單詞，做完互聯(lián)網(wǎng)打工人的我們，雖然不太明白到底意味著什么，但也真切感受到我們的生活或?qū)l(fā)生如電影《I, Robot》的變化和恐懼。
AI正以一個(gè)前所未有的速度滲入各行各業(yè)，推動一場一場新的科技革命。
經(jīng)過近幾年AI技術(shù)的不斷發(fā)展，強(qiáng)大算力和先進(jìn)的大語言模型為AI提供了合適的應(yīng)用平臺，促使各個(gè)頭部廠商重新構(gòu)建自己的產(chǎn)品和商業(yè)模型，市面上常見到的AI工具如圖：
另一方面人性中對于安全、穩(wěn)定的追求，致使更多人對AI工具及產(chǎn)生的內(nèi)容持觀望態(tài)度或抗拒新的改變。
，隨著各個(gè)頭部公司投入的資源，如英偉達(dá)、微軟、Google、Adobe以及國內(nèi)互聯(lián)網(wǎng)等廠商在相差無幾的時(shí)間里相繼退出各自的AI服務(wù)，在當(dāng)今內(nèi)卷到不行的時(shí)代【如果不想被人顛覆，就要先顛覆別人】或許我們應(yīng)該先放下懷疑、抗拒，了解這次的新技術(shù)。
01 AI的技術(shù)發(fā)展史
人們都在說是今年是一個(gè)AIGC（AI generated content）爆發(fā)的時(shí)代，討論度最高的幾款工具ChatGPT、Stable Diffusion、Mid-Journey等都可以被稱為AI，那么什么是AI？
AI是指利用人工智能技術(shù)生產(chǎn)內(nèi)容，也就是說我們在互聯(lián)網(wǎng)上瀏覽到的信息內(nèi)容制作者從人【UGC（User-generated Content）用戶原創(chuàng)內(nèi)容，以提倡個(gè)性化為主要特點(diǎn)】或機(jī)構(gòu)【PGC（Professional Generated Content）專業(yè)生產(chǎn)內(nèi)容，內(nèi)容設(shè)置及產(chǎn)品編輯均非常專業(yè)】變成了通過各種類型的人工智能工具制造出來。
1. 從深度模型概念GAN到Transformer深度學(xué)習(xí)模型架構(gòu)
AI的概念于2014年由人工智能專家Ian Goodfellow在一次酒后想到的，可以基于CNN（深度卷積神經(jīng)網(wǎng)絡(luò)，通過問題開始學(xué)習(xí)一個(gè)陌生事物，提取特征）的深度模型概念GAN【Generative（生成） Adverserial（對抗） Nets（網(wǎng)絡(luò)）】，通過GAN將兩個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行對抗，即生成器與判別器。
生成器通過輸入生成圖像即用于生成“造假數(shù)據(jù)”，判別器用于判斷數(shù)據(jù)的真?zhèn)?，在?xùn)練過程中，兩者交替進(jìn)行，使得生成器生成的圖像越來越逼真，而判別器的判別能力也越來越強(qiáng)，如果想了解更多關(guān)于GAN算法模型可以點(diǎn)擊查看更詳細(xì)的解釋，涉及到模型算法等專業(yè)性內(nèi)容這里不做過多說明。
GAN算法做為當(dāng)時(shí)AI技術(shù)革命的基礎(chǔ)，后來被廣泛運(yùn)用到圖像生成（Ai換臉）、高清重建、黑白電影上色、視頻生成、語音合成、圖像風(fēng)格轉(zhuǎn)換等等領(lǐng)域，被稱為21世紀(jì)最強(qiáng)大的算法模型之一，Ian Goodfellow也成為了AI領(lǐng)域最知名的專家之一。
2015年開始，GAN開始被投入實(shí)際運(yùn)用中，相關(guān)的論文也爆發(fā)式增長，也成為AI生成圖像、處理圖像任務(wù)里最常見的算法模型。
同一年，一家被“鋼鐵俠”埃隆·馬斯克、Y Combinator總裁阿爾特曼、天使投資人彼得·泰爾等一眾硅谷大佬投資的公司 OpenAI 成立。
當(dāng)時(shí) OpenAI 的初衷是預(yù)防人工智能帶來的災(zāi)難性影響，推動人工智能發(fā)揮積極作用。
2016年，OpenAI推出了自己的AI訓(xùn)練架構(gòu) Universe，通過網(wǎng)絡(luò)利用全世界的游戲、網(wǎng)頁和其他應(yīng)用，來測量和訓(xùn)練AI的普通智力，使得AI 智能體可以通過虛擬鍵盤和鼠標(biāo)像人類一樣使用電腦進(jìn)行任何維度的自我學(xué)習(xí)解決任何問題。
當(dāng)時(shí)的AI 技術(shù)雖然在特定領(lǐng)域很強(qiáng)大，但一旦超過這個(gè)特定領(lǐng)域就無法工作，即AI 技術(shù)逃脫不了“窄AI”的范疇，比如AlphaGo可以在圍棋輕松贏過任何人，卻沒有辦法玩其他棋類游戲。
直到2018年，Transformer（深度學(xué)習(xí)模型）架構(gòu)的發(fā)展改變了NLP（自然語言處理）技術(shù)的發(fā)展。
在NLP領(lǐng)域中主要存在三種特征處理器——CNN、RNN以及Transformer，Transformer拋棄了傳統(tǒng)CNN和RNN神經(jīng)網(wǎng)絡(luò)，整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)完全由Attention機(jī)制以及前饋神經(jīng)網(wǎng)絡(luò)組成，使得Transformer不同于CNN的單向處理數(shù)據(jù)，可以并行處理所有輸入數(shù)據(jù)更快、更高效。
另一方面Transformer的自我注意機(jī)制，通過捕獲句子中單詞或標(biāo)記之間的關(guān)系，提高語言翻譯和情感分析任務(wù)中的表現(xiàn)，更好的處理自然語言任務(wù)中的長文本或語音序列。一定程度上解決了傳統(tǒng)RNN等序列模型中長序列計(jì)算效率低下、梯度消失等問題。
此時(shí)的OpenAI也推出在NLP（自然語言處理）領(lǐng)域打造的模型GPT系列，第一款產(chǎn)品GPT-1也在2018年正式推出。
GPT-1不同于其他AI模型之處，在于他的“半監(jiān)督”，在此之前的NLP模型中，AI需要基于特定任務(wù)對大規(guī)模數(shù)據(jù)進(jìn)行學(xué)習(xí)，而這些數(shù)據(jù)需要人為“監(jiān)督”，進(jìn)行數(shù)據(jù)標(biāo)注。
GPT-1則可以在一開始先進(jìn)行無監(jiān)督的學(xué)習(xí)預(yù)訓(xùn)練，通過對數(shù)據(jù)的學(xué)習(xí)增強(qiáng)語言能力，最后進(jìn)行部分監(jiān)督的微調(diào)。簡單來說，就是GPT-1可以用更少的資源和數(shù)據(jù)進(jìn)行更有效率的學(xué)習(xí)，但當(dāng)時(shí)的GPT-1一方面由于訓(xùn)練數(shù)據(jù)的有限，一方面性能并不算好，并沒有到達(dá)對話的能力。
2020年OpenAI推出了GPT-3，相較于前兩代，GPT-3的參數(shù)超過1750億個(gè)（GPT-2約為15億個(gè)參數(shù))相當(dāng)于人腦神經(jīng)連接的十分之一。另一方面GPT-3使用人類反饋優(yōu)化語言模型RLHF（Reformer Language model with Hybrid Flow）通過監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的組合方式對ChatGPT進(jìn)行微調(diào)，將強(qiáng)化學(xué)習(xí)和人類反饋結(jié)合到NLP中，以最小化無益、失真或偏見的輸出。
當(dāng)語言模型經(jīng)過RLHF預(yù)訓(xùn)練后，可以對一段對話生成不同的響應(yīng)，同時(shí)讓人對結(jié)果進(jìn)行排名。RLHF的關(guān)鍵3個(gè)步驟如下：
- 預(yù)訓(xùn)練一個(gè)語言模型（LM）+有標(biāo)簽數(shù)據(jù)微調(diào)
- 收集數(shù)據(jù)，訓(xùn)練獎(jiǎng)勵(lì)模型
- 用強(qiáng)化學(xué)習(xí)針對獎(jiǎng)勵(lì)模型優(yōu)化策略
預(yù)訓(xùn)練語言模型的使用提升的GPT-3性能，使其能夠識別更深層次的文本含義，通過不斷地監(jiān)督學(xué)習(xí)、人工糾錯(cuò)、強(qiáng)化學(xué)習(xí)進(jìn)行對話模擬，自然而然的與人類進(jìn)行對話并進(jìn)行反饋，最終形成越來約接近人類語言的模型。
另一方面圖像生成領(lǐng)域，雖然GAN已經(jīng)可以生產(chǎn)較高質(zhì)量的圖片及內(nèi)容，但效率較低，另一方面生成的圖像也始終難以令人滿意。而Transformer架構(gòu)的出現(xiàn)，使得圖像合成領(lǐng)域告別了GAN時(shí)代，迎來了NLP（Natural Language Processing,自然語言處理）與計(jì)算機(jī)視覺技術(shù)相結(jié)合，產(chǎn)出更貼合用戶需求的圖片。
上面關(guān)于AI的進(jìn)化過程中，除了GAN語言、Transformer架構(gòu)，還有關(guān)于語言模型的訓(xùn)練，那么什么是NLP（natural language process，自然語言處理）？為何在年初突然各大公司紛紛開始搭建自己的大語言模型？
2. 從自然語言模型（NLP）到大語言模型（LLM）
在系列電影《猩球崛起》中，由于病毒大范圍的擴(kuò)散，猩猩會因病毒變得聰明，而受感染的人類則會失去語言能力且智商大幅降低，直至稱為猩猩的奴隸。
其中的反派上校說到“病毒不會殺死我們，但會奪走那些之所以使我們稱為人類的東西，我們的語言我們的思想，它會把我們變成野獸?！?/strong>可見語言對于人類文明存在的重要。
語言作為人類特有的用來表達(dá)情感、交流思想的工具，是一種特殊的社會現(xiàn)象，由語音、詞匯和語法構(gòu)成。語音和文字是構(gòu)成語言的兩個(gè)基本屬性，語音是語言的物質(zhì)外殼，而文字是記錄語言的書寫符號系統(tǒng)。
在人類長期的進(jìn)化過程中，采用一套共同的符號、表達(dá)方式以及處理規(guī)則進(jìn)行溝通，即交流觀念、意見、思想。其中符號以視覺、聲音、觸覺的方式進(jìn)行信息傳遞，現(xiàn)代人類擁有現(xiàn)在的高度文明，并不是當(dāng)代人類的獨(dú)立創(chuàng)作，離不開前人對于自己發(fā)明成果的記錄與留存，使得我們可以在前人的基礎(chǔ)上進(jìn)行迭代與新的創(chuàng)造。
當(dāng)然人類也并非天生具備語言能力，需要后天經(jīng)過學(xué)習(xí)才能獲得。
語言模型（language model，LM）是根據(jù)客觀事實(shí)而進(jìn)行的語言抽象數(shù)學(xué)建模，通過計(jì)算句子（單詞序列）的概率或序列中下一個(gè)單詞的概率的模型。自然語音模型（natural language process，NLP）則是從人類的角度，人與人及人與計(jì)算機(jī)交際的語言問題，語句是否正常合理。
當(dāng)一句話種的單詞總是順序出現(xiàn)，每個(gè)單詞通過前面所有單詞計(jì)算出概率，把所有這些單詞的概率相乘，總概率數(shù)值越大，說明越像人類語言，語言模型協(xié)助解決了AI出現(xiàn)的語句是否合理。而語言模型也經(jīng)歷從專家語法規(guī)則性模型到統(tǒng)計(jì)語言模型，進(jìn)而到神經(jīng)網(wǎng)絡(luò)語言模型階段。
專家語法規(guī)則性模型-（至80年代）
在計(jì)算機(jī)編程語言的初期，通過歸納針對自然語言的語法規(guī)則方式建立模型，多應(yīng)用在提升語音識別和機(jī)器以及機(jī)器翻譯的性能。
整個(gè)過程中需要人先從數(shù)據(jù)中獲取知識，歸納出規(guī)則，寫出來交給機(jī)器，然后機(jī)器來執(zhí)行這套規(guī)則，從而完成特定的任務(wù)。
但由于自然語言本身的多樣性及口語化，隨著時(shí)間性發(fā)展不同語法或流行語的迭代，以及空間性不同國家地區(qū)語言語法的本地話，同時(shí)人本身強(qiáng)大的糾錯(cuò)能力，導(dǎo)致語法規(guī)則急劇膨脹，沒辦法持續(xù)迭代使用。
傳統(tǒng)的自然語言處理系統(tǒng)主要依靠人工基于上述組成元素來編寫出各種規(guī)則，從實(shí)踐結(jié)果來看，這種方式耗時(shí)耗力，而且效果并不理想。
在圖像識別領(lǐng)域也同樣存在。例如，在圖像識別領(lǐng)域的早期，如果要識別一只貓，那么首先就要提取和制定出貓的各種特征規(guī)則。
由于貓的形態(tài)多種多樣，而且當(dāng)出現(xiàn)遮攔、扭曲等情況時(shí)，人工提取特征將會變得更困難。
統(tǒng)計(jì)語言模型-（至00年代）
計(jì)算句子（單詞序列）的概率或序列中下一個(gè)單詞概率的模型，通過給定的上文來預(yù)測句子的小一個(gè)詞，如果預(yù)測的詞和下一個(gè)詞一致，那么上文+該詞出現(xiàn)的概率比上文+其他詞的概率更大，則系統(tǒng)判斷上文+該詞則更為合理，即概率高的語句比概率低的語句更像人類語言。
與上階段統(tǒng)不同的是，統(tǒng)計(jì)語言模型由之前的需要通過人轉(zhuǎn)述知識變成了機(jī)器自動從數(shù)據(jù)中學(xué)習(xí)知識，再加上大量的語料數(shù)據(jù)。
神經(jīng)網(wǎng)絡(luò)語言模型-（至今）
在統(tǒng)計(jì)語言模型的基礎(chǔ)上，通過網(wǎng)絡(luò)的疊加和特征的逐層提取，可以表征除了詞法外，相似性、語法、語義等多方面的表示。
相較于傳統(tǒng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)模型可以處理單詞之間的長期依賴關(guān)系，捕捉到單詞的上下文及句子中其他單詞的關(guān)系，同時(shí)隨著時(shí)間的推移神經(jīng)網(wǎng)絡(luò)語言模型可以使用更多數(shù)據(jù)自主進(jìn)行學(xué)習(xí)迭代，而傳統(tǒng)語言模型則需要手動更新以提高其準(zhǔn)確性。
ChatGPT現(xiàn)階段的自然語言模型正是“神經(jīng)網(wǎng)絡(luò)語言模型”階段。
2023年很多公司基于深度學(xué)習(xí)架構(gòu)，通過大量的文本數(shù)據(jù)訓(xùn)練，從而擁有包含了數(shù)十億參數(shù)規(guī)模龐大的大語言模型LLM（Large Language Model），用來處理多種自然語言任務(wù)，目的在于讓機(jī)器能聽懂人的命令、遵循人的價(jià)值觀，意味著AI的使用并不局限于專用領(lǐng)域，而是通用任務(wù)，即通過自然語言鏈接人與機(jī)器，滿足機(jī)器能夠獨(dú)立、準(zhǔn)確理解完成相應(yīng)指令同時(shí)完成自主學(xué)習(xí)，比如文本總結(jié)分類、問答、對話等等。而人的角色也會從教導(dǎo)者逐漸轉(zhuǎn)向監(jiān)督者，甚至從人機(jī)協(xié)作、機(jī)器向人學(xué)習(xí)，發(fā)展為人向機(jī)器學(xué)習(xí)，甚至由機(jī)器拓展人類。
目前常見的大語言模型有：
GPT-3（OpenAI）：Generative Pre-trained Transformer 3（GPT-3）最著名的LLM（Large Language Model）之一，擁有1750億個(gè)參數(shù)使用單向語言模型預(yù)訓(xùn)練。該模型在文本生成、翻譯和其他任務(wù)中表現(xiàn)出顯著的性能，在全球范圍內(nèi)引起了熱烈的反響。
BERT（谷歌）：Bidirectional Encoder Representations from Transformers（BERT），該模型基于谷歌的大語言模型LaMDA驅(qū)動，使用雙向方法從一個(gè)詞到左右兩邊捕捉上下文，使得各種任務(wù)的性能提高，適合于理解類、做理解類、某個(gè)產(chǎn)經(jīng)的具體任務(wù)，如情感分析和命名實(shí)體識別。
T5（谷歌）：文本到文本轉(zhuǎn)換器（T5）是一個(gè)LLM，該模型將所有的NLP任務(wù)限定為文本到文本問題，簡化了模型適應(yīng)不同任務(wù)的過程。T5在總結(jié)、翻譯和問題回答等任務(wù)中表現(xiàn)出強(qiáng)大的性能。國內(nèi)許多大型語言模型都采用T5模式。
ERNIE 3.0 文心大模型（百度）：百度推出的大語言模型ERNIE 3.0首次在百億級和千億級預(yù)訓(xùn)練模型中引入大規(guī)模知識圖譜，提出了海量無監(jiān)督文本與大規(guī)模知識圖譜的平行預(yù)訓(xùn)練方法，底層邏輯是通過百度智能云提供服務(wù)，吸引企業(yè)和機(jī)構(gòu)客戶使用API和基礎(chǔ)設(shè)施，共同搭建AI模型、開發(fā)應(yīng)用，實(shí)現(xiàn)產(chǎn)業(yè)AI普惠。
而現(xiàn)在的大型語言模型也多應(yīng)用于提升AI的自動回復(fù)能力、意圖識別能力、優(yōu)化人機(jī)交互的體驗(yàn)以及其他更多的實(shí)際使用場景。
3. AI 繪畫-文本生成圖像
在美國科羅拉多州博覽會的藝術(shù)比賽中，參賽者 Jason Allen 使用AI繪畫工具M(jìn)idJourney生成的作品《空間歌劇院（Théatre D’opéra Spatial）》獲得了數(shù)字藝術(shù)獎(jiǎng)項(xiàng)的第一名。在當(dāng)時(shí)引起極大的爭議，甚至有人提出“藝術(shù)消亡”的言論，但隨后兩名評審表示即使提前得知此事，也依舊會把首獎(jiǎng)?lì)C給Allen。
在實(shí)際創(chuàng)作過程中這張畫也不是一次性完成的，整個(gè)繪制過程中經(jīng)過了上千次修改、完善，花費(fèi)了將近80個(gè)小時(shí)才完成。
而差不多時(shí)間段Stable Diffusion、Disco diffusion等多個(gè)高精度、高效率的AI繪畫平臺開始在全世界范圍內(nèi)引起關(guān)注。
很多人理解的AI繪畫應(yīng)該一鍵生成完全符合用戶心中所想的圖像，而在實(shí)際操作過程中需要通過不斷輸入關(guān)鍵信息生成圖像，其操作邏輯跟畫家進(jìn)行創(chuàng)作有很大的區(qū)別。
實(shí)際上AI繪畫與ChatGPT等大型語言模型相似，都需要操作人對于想要的圖像先進(jìn)行抽象化文字理解，比如畫面的構(gòu)圖、曝光、置景、角度等都需要先通過哪些精準(zhǔn)化、具像化的語言表達(dá)出抽象的畫面，整個(gè)創(chuàng)作過程也需要多次的人為干預(yù)優(yōu)化，進(jìn)行多次輸入調(diào)整，而系統(tǒng)則根據(jù)對于語義理解能力、充分的數(shù)據(jù)標(biāo)注、細(xì)節(jié)處理、用戶的Prompt提示詞相互作用，才能得到符合操作人的想要的畫面。
我們在各大社交媒體會看到各種各樣的不同風(fēng)格對應(yīng)的Prompt提示詞整理，因此如果你使用MidJourney生產(chǎn)的畫面差強(qiáng)人意不妨先找找對應(yīng)風(fēng)格的描述詞（比如主題、媒介、背景、燈光、顏色、氣氛、視角、構(gòu)圖、藝術(shù)風(fēng)格等等）。
因此AI圖像的生成不是簡單的結(jié)果，更多是將操作人進(jìn)行表達(dá)的過程。而由于自然語言中的語義表達(dá)比詞組空間更大，AI對于語義的理解和人類本身不可避免的會出現(xiàn)偏差，因此AI繪畫的本質(zhì)是協(xié)作與表達(dá)，因此在使用Midjourney過程中描述詞越詳細(xì)，生成的圖片相對也就越精準(zhǔn)。
當(dāng)你需要修改AI生成圖像的某一細(xì)節(jié)時(shí)，就需要重新修改Prompt，而我們無法知道AI是否將你輸入的Prompt拆解成對應(yīng)圖片上的修改，也就無法保證此次輸入修改是否有效，因此在Midjourney生成圖片后還是需要經(jīng)過ps、ai等工具進(jìn)行二次加工，或許才能得到我們想要最終效果。
AI繪畫并非在近兩年才開始投入研究，也并非一開始就采取文本生成圖像的方式，在算力和模型不斷的技術(shù)迭代下，促使各個(gè)公司及相關(guān)人員不斷嘗試構(gòu)想實(shí)現(xiàn)產(chǎn)品落地及商業(yè)模式，因此Chat GPT、Midjourney等AI工具的出圈及更新迭代的速度并非一蹴而就：
- 2012年，吳恩達(dá)和Jef Dean使用1.6萬個(gè)CPU以及來自YouTube的1000萬個(gè)貓臉圖片來訓(xùn)練當(dāng)時(shí)最大的深度學(xué)習(xí)網(wǎng)絡(luò)，耗時(shí)3天，用來指導(dǎo)計(jì)算機(jī)畫出貓臉，最終得到模型，以及一張非常模糊的貓臉。正式開啟深度學(xué)習(xí)模型支持AI繪畫這個(gè)“全新”的研究方向。
- 2015年，Google開源項(xiàng)目deep dream，根據(jù)AI指令，完成迷幻超現(xiàn)實(shí)圖畫。同一年，智能圖像識別，通過算法識別并標(biāo)記圖像中的對象，而同時(shí)一群研究員開始嘗試思考反向操作用文本生成圖像。
- 2016年，模型Diffusion Models提出使用隨機(jī)擴(kuò)散過程生成圖像。
- 2021年1月，OpenAI 公布了DALL-E，底層技術(shù)為Diffusion Models，奠定了擴(kuò)散模型在這一波技術(shù)發(fā)展中的重要性。
- 2022年2月，由somnai等開源社區(qū)工程師開始訓(xùn)練自己的AI生成器-Disco? D infusion，此后相當(dāng)多的基于此的產(chǎn)品出現(xiàn)。
- 2022年3月，由Disco diffusion的核心開發(fā)參與建設(shè)的AI生成器Midjouney正式發(fā)布。
- 2022年4月，OpenAI旗下人工智能在線繪圖應(yīng)用DALL·E 2公測。
- 2022年7月，stability.ai 開源了stable-diffusion，這是目前可用性最高的開源模型，很多商業(yè)產(chǎn)品都基于此，如 NovelAI。10月18日，Stability.ai 宣布完成1.01 美金的種子輪融資，估值達(dá)10億美金。
我們可以看到市面上有各種各樣的AI繪圖工具，Midjouney、Stable Diffusion、Disco Diffusion等等。相較于其他同類型的AI 繪畫工具，Midjourney通過社群的形式，注冊Discord賬號之后即可進(jìn)入到Midjourney頻道，加入公測服務(wù)器開始使用了。
使用方式也很簡單，用戶只需要輸入命令提示符，1min左右就可以得到對應(yīng)的高品質(zhì)圖片。
Midjouney借助Discord社區(qū)持續(xù)迭代，大量免費(fèi)試用新用戶涌入，有時(shí)甚至?xí)?dǎo)致付費(fèi)用戶的服務(wù)器癱瘓。低用戶門檻，簡單上手的使用方式，以及快速得到反饋使得即使Midjourney即使叫停了免費(fèi)試用，需要用戶花費(fèi)每月30美元的費(fèi)用，也依舊抵擋不了大量用戶對于Midjourney AI繪畫的著迷。
而Midjouney公司也靠著訂閱服務(wù)在沒有融資的情況下，實(shí)現(xiàn)年?duì)I收1億美元。
在Stable Diffusion發(fā)布前，AI繪畫最好的開源工具是Disco Diffusion，但Disco Diffusion存在生成速度慢、成本高昂、生成圖片邏輯差導(dǎo)致的畫面結(jié)構(gòu)混亂等等問題，而且無法生成人和物體。Stable Diffusion解決了Disco Diffusion存在的這些問題，另一方面Stable Diffusion作為免費(fèi)的開源工具，用戶可以進(jìn)行本地配制，能夠保證信息安全，配制出合適的數(shù)據(jù)庫后，AI定向?qū)W習(xí)畫畫風(fēng)格，完成定向風(fēng)格圖片的批量生產(chǎn)。
雖然Stable Diffusion相對Midjourney都有著高可控性，但要駕馭Stable Diffusion，需要在服務(wù)器或本地端布置一個(gè)強(qiáng)大的計(jì)算環(huán)境供其運(yùn)行。
也就是說，即使你有強(qiáng)大的想象里，沒有強(qiáng)大的自然語言學(xué)習(xí)、處理能力，以及AI算力作為支持，依然無法使用Stable Diffusion。
因此如果是完全新手可以先嘗試Midjourney體驗(yàn)AI繪圖工具，但如果有很大的工作商業(yè)需求，則可以選擇Stable Diffusion部署定制自己的AI繪畫數(shù)據(jù)庫。
02 關(guān)于AI的不同聲音
在AI討論如火如荼的當(dāng)下，很多人已經(jīng)體驗(yàn)過AI生成文字或AI繪畫，對于AI的使用感受、擔(dān)心、發(fā)展各個(gè)行業(yè)開始出現(xiàn)不同的聲音。
1. 學(xué)術(shù)論文劇本創(chuàng)作
一開始ChatGPT被人們關(guān)注到除了ChatGPT無障礙的對話模式外，很多學(xué)生開始使用ChatGPT完成論文，甚至得到A+的高分。老師們不得不仔細(xì)辨別，學(xué)生的作業(yè)是否使用ChatGPT完成。
在紐約和西雅圖的公立學(xué)校系統(tǒng)，學(xué)校的wifi網(wǎng)絡(luò)和設(shè)備上已經(jīng)全面禁止ChatGPT。港大也明令禁止使用chatGPT或其他AI工具上課、做作業(yè)或考試。
如果必須使用，需事先獲得相關(guān)課程導(dǎo)師書面許可，違反上述臨時(shí)措施的行為被視為【潛在抄襲】行為；如果教師懷疑學(xué)生使用hatGPT，可要求學(xué)生討論相關(guān)論文或作品，設(shè)額外的補(bǔ)充口試、新增課堂考試等。
學(xué)生使用ChatGPT完成作業(yè)、論文等，可以輕松的解決一些需要查詢，思考的問題。
但在學(xué)校方面則認(rèn)為這項(xiàng)技術(shù)對于沒有使用ChatGPT的同學(xué)來說是首先是不公平的，另一方面使用人工智能幫助完成作業(yè)及論文這種行為在當(dāng)時(shí)沒有明確的規(guī)定是否屬于抄襲行為。
而對于學(xué)生來說，過度依賴人工智能完成課程，在整個(gè)學(xué)習(xí)過程中無法發(fā)展出自己的邏輯推理、批判性思維和語言技巧，同時(shí)也會失去獨(dú)立自主的學(xué)習(xí)過程以及對知識的驗(yàn)證過程。
而28所英國大學(xué)已經(jīng)明確規(guī)定禁止在論文和課程作業(yè)中使用Chatgpt，否則將被視為學(xué)術(shù)不端行為?，F(xiàn)在很多學(xué)校已經(jīng)在嘗試加入AI 相關(guān)的課程或更換其他考核方式，比如課堂作業(yè)、手寫論文、小組作業(yè)和口試等。
ChatGPT除了可以用來完成課業(yè)論文，也可以用來寫小說、詩歌或進(jìn)行編劇。
當(dāng)?shù)貢r(shí)間5月2日，美國編劇協(xié)會（WGA）和好萊塢等影視巨頭談判宣告破裂。11500名協(xié)會成員舉著統(tǒng)一制作的標(biāo)語牌，涌上紐約和洛杉磯的街頭，進(jìn)行罷工游行。而他們抗議的并不是AI，而是那些幕后使用、訓(xùn)練AI的電影公司。
由于AI的生成并不是基于自主創(chuàng)作，而是在于喂給機(jī)器相關(guān)文筆、故事梗概、畫面風(fēng)格的基礎(chǔ)上進(jìn)行的【模仿創(chuàng)作】，所有的創(chuàng)作都是建立在現(xiàn)有的數(shù)據(jù)基礎(chǔ)上，而對于很多創(chuàng)作者來說相當(dāng)于用自己的作品，斷送了自己的生計(jì)。這就牽扯到版權(quán)問題，之后會有專門的說明討論。
2. 自動化編程導(dǎo)致程序員將被取代
CSDN 曾提出自動化編程的 5 個(gè)等級：
- 第一個(gè)等級（C1）：基于當(dāng)前行代碼自動補(bǔ)全。
- 第二個(gè)等級（C2）：編寫代碼時(shí) AI 可以預(yù)測下一行代碼。
- 第三個(gè)等級（C3）：基于自然語言生成代碼；基于自然語言完成編程語言翻譯功能。
- 第四個(gè)等級（C4）：高度自動編程?？梢曰谧匀徽Z言生成項(xiàng)目及注釋，基于自然語言生成模塊及注釋，基于自然語言生成函數(shù)及注釋，函數(shù)、模塊、項(xiàng)目粒度自動化測試生成；主流編程語言正確互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位及正確修正建議）；基于當(dāng)前行代碼自動補(bǔ)全；代碼檢查（自然語言提示問題）。
- 第五個(gè)等級（C5）：完全自動編程。可以基于自然語言生成系統(tǒng)及注釋；基于自然語言生成項(xiàng)目及注釋；基于自然語言生成模塊及注釋；基于自然語言生成函數(shù)及注釋；函數(shù)、模塊、項(xiàng)目、系統(tǒng)粒度自動化測試生成；全編程語言最佳互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位以及自動修正）；基于當(dāng)前行代碼自動補(bǔ)全；代碼檢查（自然語言精準(zhǔn)提示問題）；代碼自動最佳糾錯(cuò)。
目前對于程序員來說，ChatGPT更像是最強(qiáng)輔助，使用ChatGPT可以在幾秒內(nèi)解決編碼的代碼補(bǔ)全、編譯錯(cuò)誤、語法錯(cuò)誤等問題，并在不同語言和框架下，提供有關(guān)如何使用特定語言、API和框架的信息等等（也就是C1-C3的部分工作）。
但ChatGPT只能用于快速、準(zhǔn)確地調(diào)用事實(shí)答案，幫助提升程序員的生產(chǎn)力，沒有辦法適用于需要【邏輯推理】等高精度需求的任務(wù)領(lǐng)域。也就是在最終仍然需要人類確認(rèn)和測試代碼的正確與否并進(jìn)行修改。
而初級程序員將被取代的情況早在十幾年前就已經(jīng)出現(xiàn)了，很多企業(yè)很早就已經(jīng)開始用低代碼開發(fā)的方式節(jié)省時(shí)間，而GPT的出現(xiàn)讓這種趨勢更加明顯，創(chuàng)造性較低的開發(fā)活動很容易被取代。但對于沒有系統(tǒng)學(xué)習(xí)過編程的小白用戶來說，編程的門檻也相對容易了很多。
其他類似金融、律師、教育等職業(yè)也是類似情況，AI降低了我們與某些專業(yè)性職業(yè)的門檻距離，他可以準(zhǔn)確、快速的找到專業(yè)性信息，將信息數(shù)據(jù)結(jié)構(gòu)化，替代基礎(chǔ)的信息收集及普及工作，但還是需要更高專業(yè)的相關(guān)人員進(jìn)行信息補(bǔ)充與校正，以提供真實(shí)的、不同場景下的解決方案。
3. 設(shè)計(jì)行業(yè)
由于Midjourney、Stable Diffusion等AI 繪畫工具的爆火，使得設(shè)計(jì)、原畫、插畫等設(shè)計(jì)師感到岌岌可危，在AI 繪畫工具的加持下，仿佛人人都可以進(jìn)行高質(zhì)量的創(chuàng)作。
一部分畫手對于AI繪畫采取抵制、排斥的態(tài)度，而有些則開始嘗試將AI繪畫作為生產(chǎn)力，試圖從另一個(gè)方向突破。
各大公司則態(tài)度明顯很多，都在再嘗試使用Midjourney、Stable Diffusion等AI 繪畫工具實(shí)現(xiàn)降本增效，降低低端重復(fù)工作內(nèi)容的投入比例。
但在實(shí)際的執(zhí)行過程中還是會有各種各樣的問題，由于AI無法理解畫面元素與元素之間的關(guān)系，畫面的視覺統(tǒng)一性無法保證、生成的內(nèi)容不可控、無法進(jìn)行特定部分的修改等等，比如衣服上的褶皺、logo、特定花紋、紋路等等，需要有專門的人進(jìn)行修改，使得AI 繪畫好像并不像傳說中的那么容易應(yīng)用于商業(yè)領(lǐng)域。
這是由于AI 繪畫的底層邏輯其實(shí)是自然語言模型，AI對于語義的理解和人類本身不可避免的會出現(xiàn)偏差。
技術(shù)的進(jìn)步，伴隨了舊工作形式的消失，同時(shí)也伴隨了工作內(nèi)容的出現(xiàn)，上面我們大概了解到部分AI對部分職業(yè)的影響。而AI和人類也對現(xiàn)在的工作進(jìn)行了評估，并引用“暴露值”（Exposure）這一新的標(biāo)準(zhǔn)來來評估哪些工作形式將被AI將取代。
接下來我們來聊一聊，AI 影響下對已有職業(yè)的影響及新職業(yè)的產(chǎn)生。
03 AI帶新的工作方向
蒸汽機(jī)剛誕生時(shí)，部分紡織工人對機(jī)器給人類帶來人類失業(yè)的災(zāi)難感到憤怒，并砸毀了機(jī)器。
在一開始人們確實(shí)會因?yàn)樾录夹g(shù)的誕生導(dǎo)致大量傳統(tǒng)工作消失，但新的進(jìn)步終究會創(chuàng)造出更好的工作崗位，實(shí)現(xiàn)新的經(jīng)濟(jì)增長和創(chuàng)造力。
當(dāng)時(shí)的工業(yè)革命創(chuàng)造了大量的高度自動化的機(jī)器，替代體力勞動，使得人類開始從事大量腦力勞動工作，而AI的出現(xiàn)也導(dǎo)致很多工作職業(yè)受到影響。
1. AIOE暴露值評估工作是否會被AI工具影響
3月20日，在人類評估和GPT-4共同調(diào)研評估的結(jié)果中顯示，口譯員和筆譯員、調(diào)查研究人員、數(shù)學(xué)家、新聞分析師、記者和新聞工作者等職業(yè)受GPT技術(shù)影響最大，其次是作家、稅務(wù)人員、書信員、區(qū)塊鏈工程師、法律秘書和行政助理等行業(yè)。
調(diào)研過程中使用AIOE（AI Occupational Exposure），引入了“暴露值”（Exposure）這一新的標(biāo)準(zhǔn)來衡量確定工作和行業(yè)對AI進(jìn)步的“暴露”，其定義為使用GPT模型及其相關(guān)技術(shù)是否會將人類執(zhí)行特定任務(wù)所需的時(shí)間減少50%。
- E0：沒有暴露。
- E1：直接暴露，僅使用大型語音模型（比如GPT-4 聊天界面），可以將時(shí)間至少減少50%。
- E2：間接暴露，單獨(dú)使用大型語音模型無法達(dá)到效果，但在它的基礎(chǔ)上開發(fā)額外軟件（比如圖形生成），可以將時(shí)間減少50%。
E0等級，主要包括體力勞動，比如：
最終，人類評估員將15種職業(yè)的“暴露值”標(biāo)記為100%，即使用GPT技術(shù)將使人類執(zhí)行該職業(yè)中特定任務(wù)所需的時(shí)間減少50%，包括作家、數(shù)學(xué)加、保稅員、金融量化分析師、網(wǎng)頁與數(shù)字界面設(shè)計(jì)師等。
GPT-4則將86種職業(yè)的“暴露值”標(biāo)記為100%，包括數(shù)學(xué)家、會計(jì)與審計(jì)、新聞從業(yè)者、臨床數(shù)據(jù)助理、法律秘書和行政助理、氣候變化政策分析師等，是人類評估結(jié)果的近6倍。
總體來說，如果工作對科學(xué)方法和判斷性思維依賴性較強(qiáng)，那么就不會過多接觸GPT技術(shù)，而如果涉及編程和寫作技能，就會更容易接觸GPT技術(shù)或受影響。
而從行業(yè)層面來看，受GPT技術(shù)影響最大的五大行業(yè)依次為證券商品合同和其他金融投資行業(yè)、保險(xiǎn)行業(yè)、數(shù)據(jù)處理托管行業(yè)、信息服務(wù)行業(yè)、出版業(yè)。
而受影響最小的五大行業(yè)則是以體力勞動著稱的行業(yè)，比如農(nóng)業(yè)和林業(yè)、木制品制造業(yè)、伐木業(yè)、食品制造業(yè)、采礦業(yè)（不包括石油和天然氣）。也就是說收入越高的“白領(lǐng)”越可能收到影響，原因在于，這部分人群更可能接觸和需要使用ChatGPT和相關(guān)工具。
2. AI帶來的新機(jī)會
之前人們的猜想是，隨著科技的進(jìn)步大量體力勞動工作將被取代，之后是認(rèn)知?jiǎng)趧?，而隨著AI的到來促使我們提前進(jìn)入了新的時(shí)代，而最不受影響反而是體力勞動。
另一方面，AI也催生了新的職業(yè)，由于AI的缺點(diǎn)，比如編造事實(shí)、無法進(jìn)行邏輯推理等等，在真實(shí)的工作場景中，AI只有有可能出錯(cuò)，就無法放任其獨(dú)立完成工作。
因此AI 的火爆同樣也帶來了新的熱門高薪職業(yè)，如提示詞工程師、AI訓(xùn)練師等職位，也成為了近段時(shí)間招聘的熱門：
- 提示工程師——負(fù)責(zé)開發(fā)和優(yōu)化人工智能提示算法的工程師，訓(xùn)練大模型。需要具備對人工智能、自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)的深刻理解，以及對人類語言表達(dá)的熟練掌握。日常工作為各種應(yīng)用和平臺設(shè)計(jì)，優(yōu)化提示詞，以提高用戶的使用體驗(yàn)和效率。
- 人工智能訓(xùn)練師——為機(jī)器學(xué)習(xí)模型設(shè)計(jì)和實(shí)施訓(xùn)練計(jì)劃，即讓機(jī)器人懂用戶在說什么。使用一系列的方法來改善機(jī)器學(xué)習(xí)模型的性能，包括數(shù)據(jù)清洗、超參數(shù)調(diào)優(yōu)、正規(guī)化等。還會負(fù)責(zé)從可用數(shù)據(jù)中提取，篩選和編寫有意義的結(jié)構(gòu)，以便訓(xùn)練機(jī)器學(xué)習(xí)模型，并解決訓(xùn)練中出現(xiàn)的問題。另一方面需要收集有關(guān)機(jī)器學(xué)習(xí)技術(shù)的最新進(jìn)展，不斷改進(jìn)訓(xùn)練方法，以提高模型的準(zhǔn)確性和可靠性。
- AI代碼整理員——將AI生成的代碼進(jìn)行整理、糾錯(cuò)，最終獲得一個(gè)完整、邏輯上能跑通的代碼文檔。（大學(xué)生兼職）
- AI作圖家——通過AI作圖工具“midjourney”，根據(jù)需求提煉關(guān)鍵詞，通過提示詞或關(guān)鍵詞，讓工具生成一副畫。拆分關(guān)鍵詞是這個(gè)工作的核心，關(guān)鍵詞越精細(xì)，做出的畫越符合想要的。同時(shí)需要對生成的圖片進(jìn)行細(xì)節(jié)修改。
- AI敘事員——利用基于ChatGPT的AI工具去寫網(wǎng)文、故事。需要先想象一個(gè)故事背景，然后將這個(gè)故事進(jìn)行細(xì)枝末節(jié)的拆分，必須要拆分的足夠詳細(xì)，這樣可以讓AI反饋出的文字更加詳盡和真實(shí)。
隨著AI的爆火，作為一個(gè)全新的工具，AI的影響已經(jīng)自然而然的開始蔓延到各個(gè)階層和角落，而另一方面我們也需要看到AI的風(fēng)險(xiǎn)與局限。
04 AI的局限與潛在風(fēng)險(xiǎn)
1. AI的局限
無論是文生文還是文生圖，AI 以自然語言模型以及大量數(shù)據(jù)算力為基礎(chǔ)，本身還是在理解、信息數(shù)據(jù)方面存在問題。ChatGPT可以快速、準(zhǔn)確、持續(xù)的進(jìn)行信息的收集、整理、反饋，但同時(shí)也會犯些明顯的錯(cuò)誤，包括編造信息，因此在真實(shí)工作環(huán)境中必須要有相關(guān)人員監(jiān)督其工作，無法獨(dú)立完成工作。
而在AI繪畫方面，生成圖片的隨機(jī)性、無法進(jìn)行細(xì)節(jié)調(diào)整、對輸入Prompt及輸入信息用戶的認(rèn)知依賴、指向性差（無法生成數(shù)字或精確到像素）等，都需要在生成的圖片上進(jìn)行二次加工或作為創(chuàng)意概念靈感使用，無法直接作為商用結(jié)果進(jìn)行上線使用。
2. AI的潛在風(fēng)險(xiǎn)
在3月底，包括2018年圖靈獎(jiǎng)得主 Yoshua Bengio、馬斯克、史蒂夫·沃茲尼亞克、Skype 聯(lián)合創(chuàng)始人、Pinterest 聯(lián)合創(chuàng)始人、Stability AI CEO等多位知名人士簽名支持，呼吁所有AI實(shí)驗(yàn)室立即暫停至少6個(gè)月的時(shí)間，不要訓(xùn)練比GPT-4更強(qiáng)大的AI系統(tǒng)。
而在這個(gè)暫停期間需要AI 實(shí)驗(yàn)室和獨(dú)立專家共同制定和實(shí)施一套共享的先進(jìn)AI設(shè)計(jì)和開發(fā)安全協(xié)議，這些協(xié)議應(yīng)該由獨(dú)立的外部專家嚴(yán)格審核和監(jiān)督。
在AI 進(jìn)步如此神速的當(dāng)下，相關(guān)的監(jiān)督、審計(jì)手段卻依然遲遲沒有跟上，也就是說沒人能保證AI工具及使用AI工具的過程中的安全性。呼吁信中提出疑問：
- 我們應(yīng)該讓機(jī)器充斥我們的信息渠道，傳播宣傳和謊言嗎？
- 我們應(yīng)該將所有工作都自動化，包括那些令人滿足的工作嗎？
- 我們應(yīng)該發(fā)展可能最終超過、取代我們的非人類思維嗎？
- 我們應(yīng)該冒失控文明的風(fēng)險(xiǎn)嗎？
需要注意的是這封倡導(dǎo)信并不是說暫停AI的發(fā)展，而是希望將研究開發(fā)重點(diǎn)放在提高現(xiàn)有強(qiáng)大、先進(jìn)系統(tǒng)的準(zhǔn)確性、安全性、可解釋性、透明度、穩(wěn)定、一致、可信度和忠誠度。并在信中提出需要AI開發(fā)人員與政府合作，至少需要：
- 專門負(fù)責(zé)AI有能力的新機(jī)構(gòu)；
- 監(jiān)督和跟蹤高性能人工智能系統(tǒng)和大型計(jì)算能力池；
- 用來幫助區(qū)分真實(shí)與合成的出處及水印系統(tǒng)，并跟蹤模型泄漏；
- 強(qiáng)大的審計(jì)和認(rèn)證生態(tài)系統(tǒng)；
- 人工智能造成的傷害責(zé)任；
- 為技術(shù)人工智能安全研究提供強(qiáng)大的公共資金；
- 資源充足的機(jī)構(gòu)來應(yīng)對人工智能將造成的巨大經(jīng)濟(jì)和政治破壞（尤其是對民主的破壞）。
附上原信件鏈接，希望了解更多的同學(xué)可以自己查看，《Pause Giant AI Experiments: An Open Letter》。
而另一方面AIGC模型的完成和完善依賴于大量的數(shù)據(jù)訓(xùn)練，而用于訓(xùn)練的數(shù)據(jù)中往往包含受版權(quán)保護(hù)的內(nèi)容（比如圖片版權(quán)商圖庫里的圖片、知名藝術(shù)家的作品等等），另一方面藝術(shù)家是否有被AI模仿的意愿。
因此對AI生成物用于商用的版權(quán)問題一直存在諸多爭議。而通過AI生產(chǎn)的圖片版權(quán)到底是歸用戶、平臺或是需要版權(quán)注冊后才擁有或者以CC0（知識共享許可協(xié)議）協(xié)議發(fā)布，不同的平臺或用戶都有自己的一套想法。
直到2023年3月16日，美國版權(quán)局（USCO）發(fā)布的美國法規(guī)第202部分，才有說明AI自動生成的作品，不受版權(quán)法保護(hù)。
USCO表示，作者通過Photoshop進(jìn)行的創(chuàng)作圖片作品是受保護(hù)的，從最初的構(gòu)思到完成創(chuàng)作，在整個(gè)過程中有人工參與進(jìn)行創(chuàng)作。而AI工具自動生成的作品，整個(gè)過程由機(jī)器人自動完成，并且訓(xùn)練的數(shù)據(jù)需要基于人類創(chuàng)作的作品，因此不受版權(quán)法保護(hù)。
而國內(nèi)目前還沒有明確的法律關(guān)于AI生成物的版權(quán)問題。
也就是說無論是通過何種AI工具生成的劇本、小說、畫作、音樂等等創(chuàng)作，任何人都無法擁有版權(quán)，任何人都可以進(jìn)行使用。
05 尾聲
還沒有試過任何AI工具，可以先接觸下ChatGPT、Midjourney或其他AI工具，但目前ChatGPT需要進(jìn)入OpenAI官網(wǎng)，根據(jù)提示進(jìn)入ChatGPT頁面。
目前暫不支持國內(nèi)手機(jī)號，需要第三方平臺輔助接碼，如果想快速體驗(yàn)可以嘗試Notion或Writesonic等門檻低的其他平臺。Midjourney同樣的情況目前有大量的教程怎樣注冊使用及關(guān)鍵詞講解，這里也不做過多說明。
歷史上的數(shù)輪創(chuàng)新浪潮從來沒有淘汰人類，也并未導(dǎo)致大規(guī)模失業(yè)，反而使勞動需求空前增加。
比如，機(jī)器雖然部分替代了人工耕種，卻也圍繞農(nóng)業(yè)機(jī)械催生并聯(lián)通了制作、維修等上下游行業(yè)，每個(gè)行業(yè)都包含大量的工作崗位。電腦普及后，數(shù)字經(jīng)濟(jì)、平臺經(jīng)濟(jì)在今天依然在擴(kuò)展著我們的生活和工作的邊界。
對于AI的探索從來不是突然的爆發(fā)，技術(shù)跟新帶來更多的可能，或許更多時(shí)候我們需要保持對技術(shù)的樂觀及敏感，在不斷的局勢變化中找到自己的方向。
資源來源：
- 《penAI CEO最新訪談，3萬字全文詳述技術(shù)、競爭、恐懼和人類與AI的未來》
- 《LLMs 大語言模型是對實(shí)體世界的抽象》
- 《什么是LLM大語言模型？Large Language Model，從量變到質(zhì)變》
- 《transformer通俗理解》
- 《什么是GAN（生成對抗網(wǎng)絡(luò)）？》
- 《別讓 GPT-4 再進(jìn)化！馬斯克帶頭簽署千人聯(lián)名信，緊急呼吁 AI 實(shí)驗(yàn)室立即暫停研究?》
- 《當(dāng) AI 沖擊自動化編程，誰將成為受益者？》
- 《“你的AI侵犯了我的版權(quán)”：淺談AIGC背后的版權(quán)保護(hù)問題》
作者：查無此人；公眾號：9號自習(xí)室；知乎專欄：9號自習(xí)室。
本文由 @9號自習(xí)室 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
該文章從展示AI技術(shù)的進(jìn)步，討論了人們在面對這種進(jìn)步時(shí)的機(jī)會和擔(dān)憂。通過提供一些例子和細(xì)節(jié)，也展示了AI技術(shù)對我們生活的潛在影響和應(yīng)用領(lǐng)域。然而，文章沒有深入探討技術(shù)對社會的影響，如失業(yè)率增加等問題。