中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

AI領域的應用在最近一個月來迎來了巨大顛覆與更新，許多巨頭與互聯網大佬也加碼其中，嘗試抓住AI浪潮下的增量空間。而在這樣的浪潮下，不少普通人也開始擔憂起自己的未來職場處境。本篇文章里，作者就嘗試從更多視角對GPT帶來的影響進行解讀分析，一起來看一下。

最近科技領域什么最火？如果你的回答還是 ChatGPT 的話，可能已經稍顯滯后。

自從微軟發布 GPT4，AI 領域的應用幾乎每天都在更新，GPT 不再只是封閉在黑箱里的聊天機器人，而成為了新的通用工具。比爾·蓋茨說，「從 ChatGPT 衍生開始的 AI 應用，是自 1980 年互聯網浪潮以來最具革命性的技術進步」。未來，GPT 會成為一切技術應用層的基礎設施。

機會之下，憂慮不斷。諸如「微軟深夜放炸彈、GPT4 office 全家桶發布，10 億打工人被革命」的標題，大量渲染慘淡就業市場和競爭加劇的內容，成了流量密碼。

對產業巨頭來說，的確是一次生與死的較量。寶寶樹原創始人王懷南最近斷言：ChatGPT 會重構互聯網巨頭的秩序，就連谷歌這樣的巨頭，都很可能在朝夕之間出局。對于中國互聯網巨頭來說，同樣不可懈怠，百度李彥宏第一個跟進，推出了文心一言，并稱和 ChatGPT 的差距僅在幾個月，王小川則拆穿稱百度的差距應該在三年左右，并戲言李彥宏生活在平行宇宙，一時間火藥味濃厚。

圖源：智能涌現

阿里則在近期推出了「通義千問」，恰逢阿里集團架構調整，逍遙子張勇也率先給自己在阿里云找到了「新工作」。

360 創始人周鴻祎更是 ChatGPT 的擁躉，他曾在多個場合搖旗吶喊，稱 ChatGPT 已經擁有或接近擁有了人類智慧，并正處于通往「通用人工智能」的臨界點。

昆侖萬維也動作連連刺激股價，引發了深交所關注函。字節跳動的內部人士也向我透露，其內部正在趕工中，有若干組人馬在齊頭并進，目前成果在內部人看來頗為驚艷。

2023年至今昆侖萬維股價走勢

圖源：富途證券

原谷歌科學家李志飛就猜想，ChatGPT 的進展超乎他的想象，他甚至也聽到一種說法：如果交互方式發生革命性變化，華為榮耀小米 OPPO vivo 構筑的手機行業可能都會被顛覆掉，一個可穿戴設備即可解決用戶日常需求，更不用說附著在手機之上的阿里騰訊字節百度聯手掌控的移動互聯網生態，這的確值得巨頭們的緊張。

而對于普通人來說，討論「人類（工作）被 AI 取代」，先得問問，什么是「取代」？汽車「取代」了馬車嗎？滴滴取代了「出租車」嗎？似乎沒有這么簡單。很多出租車司機會熟練運用各種打車軟件拉客，載客效率提升、收入增加了。打車軟件對用車行業的正向改變，無論是司機還是乘客都有目共睹。

時下流行話語中，AI「取代」人類的各種設想，大多來源于反烏托邦科幻作品。而在現實和歷史中，新的技術革命，及其帶來的產業更新，并非只有「替代效應」，還會將人與技術系統重新交織在一起，組成行動網絡，開辟新的領域。只有在這個打破了「技術好 vs 技術壞」的動態視角下，我們才能清楚看到更多涌現出的可能與機遇，才能全面評估技術的影響。

這篇文章將從這樣的視角出發，嘗試性尋找新的理解 GPT 的路徑，為人與 AI 的未來提供一些相對樂觀的視角，并探討我們如何應對這些改變。

一、GPT 浪潮的根源

2016 年，谷歌 AlphaGo 大獲成功，國內互聯網巨頭，百度、阿里、字節、騰訊、美團涌入人工智能領域，紛紛設立自己的 AI 實驗室，高薪聘請專家擔任負責人或首席科學家，領導科研團隊。

這些改變被看作是國內 AI 產業繁榮的表現，互聯網大廠憑借其數據量優勢，給 AI 算法提供了源源不斷的養料，再讓算法匹配到具體技術產品中，形成良性循環，在安防、語音識別、翻譯、大數據、廣告匹配推送、智能系統等領域，AI 的確有所建樹。

上一波 AI 投入，專注于小模型（比如神經網絡），需要大量人工標注、清洗處理數據，最后在垂直領域內驗證成果。這樣訓練 AI，一個蘿卜一個坑，單一模型難以擴展到其他領域。AlphaGO 下圍棋天下無敵，AlphaFold 在繪制蛋白質折疊結構上強過專家，但兩者無法對調使用。對相關企業來說，專精某一細分領域的 AI 相對來說投入產出比更高，利益更近。

縱觀 AI 發展史，幾乎都是專精突破，比如 IBM 的「深藍」（象棋），Waston 問答系統，Libratus 撲克程序，等等。那時，AI 領域還處于「天下武林門派，各有專精，不求大同」的狀態中。

這一波 AI 浪潮始于從 GPT3 到 GPT3.5 演進的過程里，大型自然語言模型（LLM）打破了人機邊界，開始生成出「有意義的回答」，GPT 強大的語言通用能力，可以用推及到自然語言處理任務、機器翻譯、問答系統等其他領域，且表現出色。

所謂大語言模型的「涌現」（Emergent）現象，是例如基礎的社會知識、上下文學習（ICL）、推理（CoT）等能力，在訓練參數和數據量超過一定數值后，就突然出現了，令 AI 一下變得特別智能。我愿稱之為「靈光乍現」。

語言真是一通百通、一統武林的利器。但有意思的是，GPT 的成功并不在于掌握人類的「說話之術」，它也沒有心智意識，沒有思想，甚至沒有推理過程，沒有語境，沒有理解。它與人類的「思考方式」完全不同，它在無監督學習下，采用「自回歸語言模型（ALM），通過統計推斷來判定意義，用「生成」替代理解，繞過了傳統意義上的語言結構，也因此，它能處理各種類型的文本數據，應用在不同任務中，說白了，它就是一個高級的「接下茬兒」機器。

僅憑語言能力就把 GPT 看作是人（或神）是想象慣性和擬人化理解，這是人的偏見和媒體誤導所致，GPT 遠未到通用人工智能的級別?？陀^一點，不如將其看作「工具」，一個像鏡子迷宮一樣封閉復雜的反射系統，一個高度進化版的「猴子打字機」，更接近它的模型效果。

不要神話它，也不要低估它。

二、GPT 如何改變工作

在前兩波技術浪潮中，操作系統和 PC 把軟硬件組合起來，迭代縮小，普及大眾；互聯網、搜索引擎、社交平臺和電商將人類協作網絡重新組織；GPT 提供更便捷和自然的人機交互界面，增加了人機協作的可能性，帶來的改變可能不亞于互聯網。今天，我們不能想象一種沒有互聯網的生活，未來，對 GPT 亦如是。

GPT 會滲入不同領域的工作流程中，幫人完成以前重復性較高的案頭工作，例如數據分析、商業分析、基礎咨詢、會議記錄、文案草稿、報表生成……GPT 是一個很強大的中間層工具，它接收人類的語言指令，并轉換成機器語言，操控其他的 APP 或系統，相當于一個智能中樞，這一步是革命性的躍升。

目前有關 GPT 的應用，除了二次開發的對話程序（chatbot）外，最火的是圖像領域（GPT+stable difussion/Mid Journey/大鵝/Adobe……），幫助設計師快速出稿（據調查，設計師群體也是目前在專業領域運用 GPT 最多的，其次是程序員群體）。相關的視頻和游戲領域也可以用 GPT+ 軟件完成基礎的構架和渲染，以前一個團隊一個月的工作量，現在幾天搞定。

規?；蛯I化幾乎是大勢所趨，未來圍繞 GPT 開發的生態系統，上下游公司，只多不少。只是目前來說，還存在灰色地帶——因為 GPT 生成的作品介于原創和復制之間，版權歸屬不明。

不過，與很多成熟的互聯網產品比起來，GPT4 目前在商業和應用層面，還只是一個半成品，一塊璞玉。寫片湯話在行，更優質的內容還無法完成。

借用之前猴子打字機的比喻，敲出大量內容不難，難的是篩選出優質內容。和 ChatGPT 聊天時我們就能感覺到，問題精確與否，語境完整與否，與最終得到的答案息息相關。比如讓 ChatGPT 解釋概念或直接寫一大段文字時，往往錯誤百出（因為它對語料并不具有判斷力），但是如果讓它幫你根據前文續寫、擴展、縮寫內容，或者對文本進行總結、轉寫、提取關鍵詞，找例子，都挺 OK。

ChatGPT回答算盤計算速度快于計算機

由于 GPT 的黑箱屬性，我們并不知道輸入輸出的直接對應關系，因此，和它建立溝通模式、框架，訓練運用 GPT，以得到最好的結果，將變得非常重要。所以李彥宏才說，未來，機器的工作中提示詞（prompt）非常重要，提問的質量直接影響回答的效果。提示詞工程師會有點像過去產品經理的工作，分析需求，優化輸出。李彥宏大膽猜想：未來十年，人類全部工作的 50% 會與提示詞有關。

由于 OpenAI 開放了 GPT4 的 API 接口，開發者可以以此為基點，在各個領域創建自己的應用，當然，這些工作同樣需要對 prompt 的想象力。所有的 APP、網站、系統，只要接入 GPT 后能提升效率和創意，都會有人去嘗試結合、重構，甚至顛覆。

客服系統接入 GPT 后能更準確地「聽懂」顧客的意思，隨時響應，甚至把常見的提問整理成單獨的語料庫，總結出痛點，甚至新的賣點；在網頁瀏覽器中閱讀文章時，看到一個觀點，不知如何反駁，可以讓 GPT 找 10 個反例，甚至還可以跨站搜索包含觀點的視頻音頻，定位到時間戳，這些功能對搜索引擎來說比較麻煩，但對具有多模態能力的 GPT 來說屬于常規操作；在游戲開發領域，GPT 能快速生成地圖或對話，或者測試平衡性，這些工作在過去需要花費大量人工。

GPT 影響最深遠的行業當屬教育。傳統的、課堂上基于文本的學習方式，從普魯士教育和工業化時代延續到現在，可能會被完全顛覆。

過去，知識結構和書面表達幾乎劃等號，中小學寫作文，大學寫論文，是（文科社科）考核的重要指標。但在 GPT 廣泛運用的世界里，標準答案變得不太重要，如何向 AI 提問、溝通，找到答案，可能成為新的素質教育必備技能；如何多角度思考，超出機器的生成范疇，可能會成為衡量創造力的指標。在教學方面，GPT 可以協助教師工作，解釋概念、訓練邏輯、頭腦風暴、定制外語學習方案，讓教學過程變得更豐富，個性化。

如果我們再想遠一點，會發現，巨頭們，無論是 BAT 還是 FAANG，都是迎著前兩波技術浪潮興起的，但這一波由微軟和 OpenAI 引領的風暴，誰都沒有壓中——盡管巨頭們在 AI 領域的投入驚人，足以砸出下一個巨頭。但這些付出，在 GPT 面前，都顯得有點無力，比如王小川認為百度的差距在 3 年左右，還有谷歌的 Bard，短時間對 GPT 都無法構成任何威脅。如果把 GPT 看作先行者，如同埃尼阿克之于個人電腦爆發，移動互聯網全面開啟前的諾基亞，互聯網前浪網景瀏覽器（不知還會有人記得這名字嗎？），那么今天的巨頭們，20 年后又將在哪里？洗牌還未開始，而山雨欲來風滿樓。

Open AI 創始人 Sam Altman 曾在一次采訪中坦言，他之所以讓 GPT 開源，讓 AI 運行在一個開放的環境中，就是為了防止 AI 在進化的過程中走偏，它需要人類為其行為校準，尤其是當它還未成為 AGI（通用人工智能）時。就像一個小孩子，小時候教育成本更低，要是等他變壞，充滿過激的思想和仇恨時，人類可能也無法改變它。屆時，人工智能可能就是人類的最后一項發明。

三、與 GPT 協作，必要且緊要

人類與 AI 接觸和交互的未來已經臨近，人與人的關系、人與機器系統的關系都可能會被重塑。有一點毋庸置疑：GPT 不會取代人，也無法取代人。它始終與人不同，人類的問題，不可能被 GPT 一勞永逸地解決（歷史上所有的技術革命也是如此）。

人類的問題是什么？簡單來說，是價值判斷的問題，包括價值的根基和價值導向的「何為良好生活」（well-being）的難題。

AI 暫時沒法在這個領域給予人類更多幫助，AI 沒有生活世界，沒有軀體，沒有朋友和經濟壓力，它所具有（或者說模擬出的）邏輯、觀點、情感、知識，都僅僅基于龐大的模型。換句話說，它沒有真正「活過」，不知道活著是什么滋味，愛情是什么狀態……語義上，它可以無所不知，但在生活中，它與人類始終隔著一層。

人類的問題、境況和挑戰，短時間（5-10 年）來看，取決于現存的「現代系統」（包括金融系統，國家行政，文化價值等）的運作情況。GPT 的力量尚不足以改變比它更大更復雜的東西。

從最悲觀的態度來看，GPT 的確可能增加現代系統的風險，因為它只是一個技術路徑，可能會把它所能觸及的領域變得單一化。

假設如此，我們就更應該及早去探索「逆技術路徑」，不是完全拋棄或反抗系統，不是去做一個盧德分子，搗毀機器、刪庫跑路，讓科技浪潮減緩或停滯——歷史上也沒有成功案例——而是去克服它的局限。就如同在互聯網時代，對抗信息繭房的方法，不是斷網自閉，而是更好地利用搜索引擎，找到自己需求的資料，去學習和練習邏輯嚴密的思考方式，站在更多的視角思考，利用互聯網做公共表達，影響他人；或是創造新的商業模式，來平衡人性中的自利與善意。

我們也不能原地躺平，等待 GPT 成為一個完整的商業應用落地鋪開時再去使用——這樣恰好順應了技術的邏輯，放大了負面效應。最樂觀的態度，是嘗試和 GPT 一起改變，去測試和尋找它的應用邊界，去思考與實踐，重新審視創新和創造的意義，以此改進它，同時在與 GPT 的交互中體現出人類價值。人類最難替代的能力，是在不同的道路之間穿行、選擇、創造。畢竟，我們創造了它，不應該畏懼它。

從長遠來看，如果 AI 讓人類的生產力和創造力得到大幅提升，工作崗位人數銳減，技術性失業在所難免時，類似于 UBI（全民基本收入方案）就是時候提上議程。當人們從糊口謀生的工作崗位上解脫出來，又有一筆錢，他會做什么呢？就像文藝復興時期的藝術家、思想家依靠資助人的贊助，自由地創作，硅谷淘金熱時期無數年輕的創業公司拿到 VC 的錢后為自己的夢想奮斗一樣，未來也許有更多人參與到創造、探索、實現人類的可能性之中。