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

Open AI將通用大模型訓練的結果通過ChatGPT的應用形式帶到大家面前，意味著發展了大半個世紀的人工智能領域正式步入了廣泛意義生產力提升的新紀元?？深A見的未來，大模型的時代會逐漸拉開序幕。那么，大模型的出現會對未來產生什么影響呢？一起來看一下吧。

隨著Open AI將通用大模型訓練的結果通過ChatGPT的應用形式帶到大家面前，我們可以認為，發展了大半個世紀的人工智能領域正式步入了廣泛意義生產力提升的新紀元。

雖然在此之前，AI 算法已經在各行各業（通過大數據或充分的訓練數據）悄悄開啟了生產力的變革——從推薦算法到千人千面，從更好用的機械臂到車輛自動巡航。但在GPT之前，大部分算法的開展方向都更多傾向于小模型，通過在某一特定領域的固定場景的有限但大量數據，訓練出以服務于指定場景操作的輔助模型，以提高在對應場景下的生產效率。

GPT 作為大模型的出現，更多意義上是將足夠多的“日常小模型”整合到一起，從而誕生了普通人可以使用的 AI 模型工具。我們也太久困于“人工智障”，大模型的表現讓我們感覺離著“自然語言交互”更近了一步。

國內常見小模型，而GPT出現在海外，雖然國內大廠也有自己的大模型，但GPT之前卻不見經傳?，F在相對更可接受的說法是，國內公司一般需要更多面向業績壓力，即，他們需要更多地考量我當前完成這個模型所需要的開發和訓練的成本，對應到收益是否合適。

在此之前，小模型的收益通常確定并已知，基本就是開卷考試，而大模型則更多是面向市場的未知。而 Open AI 則保持著相對的“獨立性”以及對于“正確”的堅持，畢竟相當一段時間內不太需要考慮賺錢的問題（微軟爸爸的 10 億支持），從而針對于大模型這種“正確”但模糊的東西會更有優勢。

不過隨著市場收益的確定性被探索，戰爭迷霧的散開，國內廠商趕英超美的氣勢就又會熊熊燃起。當然，身為大廠不能用別人家大模型的驕傲（以及數據不能漏出去等的考量），也迫使各大公司都需要對大模型有所動作?？深A見的未來，大模型的時代會逐漸拉開序幕。那么大模型的出現會對未來產生什么影響呢？

一、新的交互

我們上一次生產力的革命性飛躍的標志，其實可以理解為電子設備（計算機）的交互模式從 CLI(command-line interface) 到 GUI(graphic user interface) 的轉化。命令行是對于電子設備（計算機）更底層的控制形式，但是需要巨大的理解成本。這也就導致在一段時間內，電子設備只能由理解命令行工作原理的人來完成操作。而 GUI 的出現，將命令行的邏輯轉化成了所有人類都更容易理解的圖形化表達中，使得所有人都有了在較低成本下使用電子設備的可能。同樣，我們在手機上可以看到的卡片化和圖標化設計，同樣也脫胎于 GUI。

而說起 GUI，我們跑不了比爾蓋茨和喬布斯，喬布斯首先通過麥金塔將 GUI 宣揚到市場中，比爾蓋茨將攜帶著 GUI 的 windows 系統，裝到了這個世界上幾乎全部的 PC 上，再之后，隨著智能手機時代的到來，喬布斯的 iPhone4 中初步引入了 NUI(natural user interface)，使得 GUI 與人類的自然交互更加貼近（即，人與物體與他人交互），也更符合所有人類的自然預期。

越貼近于人類的自然預期，也就意味著越低的學習和使用成本。所以當初的 iPhone4 可以號稱，沒見過其他電子設備的小孩子拿來都能直接玩兒起來的存在。

更低的學習和使用成本意味著可以有更多的人，可以更便捷地使用計算效率更高的設備和其上的應用，來在對應的場景中，通過計算設備的輔助完成信息的收集、分析與整理。隨著更多的個體有著更高的信息處理效率，整個社會的信息處理效率也會提升，而整個社會信息處理效率的提升，即代表著更高的信息生產效率和更高的信息消費效率，也就可以推進所有產業的快速發展。

因此，新的交互方式，其實代表著新的生產力場景。我們稱大模型的存在為新的交互，也代表了新的交互邏輯變化。要梳理清楚大模型作為自然語言交互的新交互的價值，我們要先確認一下 CLI 到 GUI 的演進。我們先對交互的流程產生共識。我認為，交互的流程，本質上其實分為 5 步：

1. 人類根據自己的目的，通過對智能設備系統的理解，將自己的所需要完成的目的拆解成對應的步驟
2. 人類通過命令或圖形交互的模式，將自己要完成的動作告知計算設備
3. 計算設備根據輸入的信息完成計算
4. 計算設備將已完成的計算結果，通過系統的設計，通過對外輸出（展示/音頻等）的方式將結果告知使用的人類
5. 人類評估結果是否與自己的目的相符

我們觀察從 CLI 到 GUI 的變化，其實可以發現從命令行到圖形交互在交互邏輯中的變化主要產生在步驟 2 與步驟 4 中，也就是人類如何告知計算設備自己所需要完成的動作，以及計算設備如何將計算結果反饋給人類上面。

通過提高所交付的信息量的方式（從單一的命令行，到各種花樣的圖標/按鈕/交互反饋等），使得更多的人可以更容易地理解“要干啥”以及“有啥結果”。但其實本質上并沒有對交互本身的邏輯產生更改。

而我生生在標準的 2-4 的交互邏輯上再扯出 1 和 5 兩個點的原因也在于，CLI 和 GUI 的交互邏輯本身都一直存在一個問題，也就是至今“如何使用電子產品”依然是需要學習的這件事情的根源在于——我們依然需要將我們的目標，按照系統的邏輯拆解成不同的動作，而這一點其實也成了現在生產力的制約。大家困于 Excel、ps 等執行類軟件的緣由，大多也是因為這個原因。

且，在上述的過程中，除了計算過程不需要人類參與意外，其他過程都需要人類使用自己的腦子參與在交互過程中。這也就使得，某種意義上，生產力的制約在于人類本體。在任何一個節點上，如果人們沒有辦法完成對應的拆解和判斷，我們就無法快速達成我們的目標。

比方說我不知道怎么用 Excel，那么我就無法很好的完成數據分析和梳理工作。大模型 AI 的出現，其實動搖了原先的交互邏輯，大模型可以通過自然語義理解，在人的自然表達和計算機的命令之間建立橋梁，我們甚至可以理解為未來會變成：

1. 人類表述自己的目的
2. 計算設備通過識別完成語義理解，將理解的結果拆解為所需要完成的動作，計算機完成計算，并將計算結果輸出
3. 人類評估結果

新的交互邏輯，會極大幅地提升生產效率。生產效率的提升建立在：

1. 人類并不再需要根據自己的目的，對應到系統邏輯中拆解動作，也不需要去具體得完成那些動作，從而使得智能應用和設備使用成本更加降低。
2. 交互邏輯變得更符合人類的自然預期，即——與另一個人類交互。

建立在這種交互基礎上，會讓更多人以更低的學習和使用成本觸及并處理更多的數據，生產力的革命指日可待。（在大模型訓練的像個人樣以后……）

而顯然在當前大模型的發展進程下，距離上述推斷還有一定的距離，那么這些相差的距離，可能就是此后新產品出現的地方，也是新的市場機會。一如 AutoGPT 和 AgentGPT 為代表的一些GPT輔助模型，已經在幫助用戶們更好的使用 GPT，使得交互的方式更加貼近上述流程。

二、生產力革命

生產力如何提升，就不再贅述。生產力革命所帶來的是，原有生產關系的動蕩。也就是……很多人擔心的事業問題。

好消息是，機器替代人類使得人類失業這件事并不是剛出現，而有著足夠悠久的歷史，所以對于社會整體來說，生產力的躍升利遠大于弊。畢竟東西會變便宜。

壞消息是，必然會有一部分人從原來的生產崗位上解放出來，畢竟他們所掌握的生產技能性價比隨著機器的出現大幅降低，無論是不是從資本角度上考慮這個問題，最終依然會有一批人因此而失業。

好消息是，雖然失業了但是他們所擁有的崗位知識和崗位技能其實在新的，由大模型 AI 構建的新生產關系中依然有著至關重要的用途。

壞消息是，這一點可能他們自己和老板都意 識不到，且需要個人有著較強的思維能力與總結習慣。

Why？按照上文的交互方式推斷，人類在交互過程中起作用的階段主要有二：

1. 表述自己的目的，aim。
2. 評估輸出的結果，select。

因此，對比而言，僅掌握著充分的拆解動作、執行動作以及理解輸出結果的人類，生產的性價比顯然是低于大模型的。因此，除了在少數特殊的崗位，社會層面上這種人類將會被逐步替代。而解放出來的生產力，將會被投入到更加“人類”的生產中去——aim and select。

我們扒拉扒拉具體的產業來看看變化：

1）先從內容產業，被認為是第一波及范圍的內容說起

在 Aim and Select 逐漸占據主流的過程中，會使得“個人/個性”在生產關系中的比重開始增加，因為 aim 動作和 select 動作本身都更加直接基于動作發起人的主觀意志，而非像當前一樣需要更多局限于實現方式的考量。因此不夠“特殊”的 AS 都將被大模型逐漸絞殺，畢竟平庸的和直接用GPT隨便設定一個 aim 和 select一樣，也沒啥特別存在的必要。

生產關系中，那些無法有自己 Aim 和 Select 方法論的人，會被淹沒在大模型的汪洋大海中。雖然，最終人們依然會在 personal 的基礎上沉淀出另一套類似于當今 UGC 的新的評估體系，導致現在 60 分及格的普通的作品變成 30 分不及格的作品，現在 75-80 分的相對優秀作品變成 60 分及格的作品，而 90 分以上的穩定優秀的作品會在其中凸顯得更加優秀，使得馬太效應會越加嚴重。這樣造成的結果本質上是社會整體的審美的提升。

同時，在娛樂參考系保持不變的基礎上，低中高紡錘形的分布模式會逐漸向正三角形演進，在任何條件下都差的很標準的內容將逐漸消失。一如我們現在很難在 Excel 里面寫出真正很丑的表格了，在基礎設施已經抬高了地板的前提下，再想往差里做還是很耗費成本的事情。因此，在應用層來說，如何抬高內容創作基礎設施的地板和基礎設施的運行效率，就成了接下來有可能會努力的方向。

2）此外，代碼行業，是另一個備受關注的波及范圍

我愿稱之為產品經理消亡的第一步2333（當然其實不太可能，產品的崗位職能會隨著生產方式和工具的變化而變化）。因為常見的產品的基礎工作的主要部分，一般是理解并抽象來自業務方的需求，然后再具象成解決方案，并將解決方案通過各種方式告知技術開發需要干點啥。

而語義大模型的出現，在某種角度上其實已經可以完成，在業務方表達清晰自己的目的和訴求之后，大模型通過語義理解與翻譯，將目的通過特定方式轉化成開發項目，并給出開發項目計劃，剩下的只需要 PM 去做項目推進就好了。雖然在這個過程中假設了太多現實中出現可能性極低的條件，但至少還是實現有望。

此外，寫代碼的過程，在已知某系統結構下，需要通過 X 方法來在 Y 部分實現 Z 功能，并前后端同步完成構建，并最后通過嘗試在虛擬環境下運行代碼，并根據反饋自己修改自己的 bug，這件事，似乎也不是必須由人類完成的。雖然客觀來說開發去“寫代碼”這件事本質上和產品去“寫 PRD”是一個類型的事情，都是在把事基本捋明白之后，最終落實到具體實現的過程。只是寫 PRD 大概只需要打字和畫圖，而寫代碼需要了解更多代碼實現的邏輯與方式。

大模型的出現，使得“寫代碼”這件事情，在使用代碼完成功能構建這件事情上變得更加便宜。大模型在信息整合和使用領域的優勢幾乎無可匹敵，此前程序員們戲稱的 ctrl+c/v 代碼復制類型的工作將會以更高的效率以成體系的形式輸出。

因此，大多純執行類的程序員會因此而變得性價比較低（指工資不能大于 20 刀/月），但是與此同時也要求著原先的執行者們更多地向著非執行類工作的方向前行。更深入理解業務需求，更好地完成代碼邏輯建構，更多地嘗試不同的方法和 prompt。

大模型在這一領域中，發揮的作用其實與內容行業類似，本質上都是抬升了地板（當然現在還沒抬完）。而在抬升變化的過程中，完全低于地板的人，自然會被市場認為是性價比較低的存在。而隨著地板的抬升，自然會將更多人從原先純粹執行的工作中解放出來，去更充分地發揮“人”這一因素在過程中應有的作用——Aim and select。

3）落到應用范圍，我們可以大膽假設——在未來，單獨的工具類 app 還會有存在的必要嗎？

我們構建一個假設，即我們大多數人，在大多數日常場景下的需求都是類似的，且不需要特別特殊方法或功能去完成它。如果這個假設為真的話，那么大多數人，在大多數場景下，通過一個可以基本滿足各類需求的功能去滿足自己的日常訴求，就變得自然而然了。

由此可見，未來，有可能只需要一個GPT對話框，我們可能便不再需要——Todolist、calendar、weather、alarm clock、美圖、美團、餓了嗎、keep 等這類主要以在特定場景中提供固定工具屬性功能的 app。

只要告訴大模型，把這張圖磨個皮，腿拉長點，他就可以自動完成基礎操作。甚至在釘釘和Notion AI 中，已經在探索通過類似的方式完成任務和低代碼應用的搭建，以滿足不同人的個性化需求（而不是功能化需求）。

那么工具類產品面臨的挑戰將是——他們的壁壘將何在？未來有哪些應用會真的消失？又有哪些會逐漸變成幕后工具？大家又會在大模型時代來臨后做出怎樣的應對？大概還是需要那些比我更聰明的人去尋思了。

上述的小想法，只是在我們已知的日常工作范疇內，而真正的先行者，則會去創造和探索新的執行方式，他們的存在依然會不朽。如今的大模型僅能通過已知信息應答被提出的問題，但是無法創造和說明當前還沒有的信息。我們依然需要人們去識別和拓展新的邊界，去拓展大模型所在地板的邊界。

大模型的出現一如此前從純手工制作到工業化的轉變，并不意味著純手工制作的消失，也并不意味著所有此前手工制作經驗變得無意義。那些愿意去探索更優質的手工制作方式，探索更有效的工業化生產方式的先行者，依然是整個行業前進的動力。

三、下一步的大模型

現在的大模型并不完善，他依然有一些我們希望他能做得更好的事情?，F在的大模型，一如一個執行力很強但是眼里沒什么活兒的下屬，當你問他什么事情或者安排他去做什么的時候，他可以手腳麻利地完成。雖然現在還有一些小問題，需要你去盯一下最后的結果，但是大體來說，說什么干什么還是沒什么問題的。如果放到我們熟悉的工作場景中，這種類型的員工我們其實能覺察出來，距離“優秀員工”，他沒有足夠的主動性，說白了就是眼里沒活兒。

當前的大模型是以響應為主的，而非主動建議。一如阿里的通義千問，“是一個專門響應人類指令的大模型”（十分嚴謹）。同時，在輸出方案時，大模型會根據訓練集中多數出現的場景，去將我們每一個場景不明確的問題賦予一個出現概率更高的場景，正因如此，才需要我們更多的執行 select 的過程，或者更多 prompt 的過程。

同時，大模型也無法獲知人類是否需要在哪個節點完成判斷，以約束可能輸出的解決方案。導致我們只有在輸出完解決方案之后，才可以提供方案的改進意見，而這個意見實際可以在方案完全產出之前就可以提供。

由此：

1. 主動
2. 判斷節點

這兩點會變成大模型未來變得更好用的契機。換句話說，讓這個只知道執行的員工變得眼里有活兒，且不會替你瞎做判斷。如果這個餅可以實現的話，那么距離成熟的“AI 私人秘書”，就近在咫尺了。

當然這個故事可能就有點遠了。

四、大模型下的我們

那么聊點近的。

我們人類的判斷在大多數時候都是依賴于直覺，而非理性。同時，大多數人一般有的是“理性感”。由此，會產生的小影響是，大模型的 bias 會對人們的判斷產生影響。有實驗表明，在大模型的影響下，人們對于電車難題這種道德倫理的問題判斷傾向會與大模型的建議趨同。

我們由此做一點點引申。大模型當前是以響應為主的，并且是基于已有的信息完成響應。在訓練的過程中，大模型會持有比較中性的偏見，同時，一般比較常見的偏見，例如性別、膚色、國籍等，在大模型輸出的時候會特別完成管控。雖然這本身就已經是一種偏見了。

人們在對話中，通常會包含“觀點”和“事實”，但是有些人其實不太善于分別“觀點”和“事實”，同時，大模型自己其實也不知道自己輸出的到底是“觀點”還是“事實”，對于他來說其實都是事實。由此包含的風險是，不擅長分辨“觀點”和“事實”的人，可能會把大模型自以為“事實”的“觀點”認為是“事實”。

引發的問題是，我們可能從一個信息繭房脫離，進入到另一個更堅固的信息繭房。從推薦算法中脫離，跳到一個，始終會理你而且秒回，知道你想要什么和喜歡什么，并且一直能記住你不吃辣，召之即來揮之即去，也不會對你埋怨也不會對你有要求，只想著怎么能滿足你的需求和愿望的，信息繭房里。畢竟，每個人都更喜歡自己，和自己的觀點。

顯然，離完美男友就只差一個什么功能了，是更危險的開放式囹圄（論年輕人不結婚的新理由）。這種理論上可以滿足我們大多數信息訴求，甚至可以提供不少情感訴求的存在，也會在不經意間影響著我們的決策。

可能有朝一日我們再用建構主義分析人們的心智模型和心智構成的時候，就需要考慮到 2023 年作為大模型元年，不同的大模型有著不同的特性和傾向分別在不同的場景下對不同的人產生了不同的影響的問題……未來的大模型，甚至有可能成為文化和社會的一部分。

那么在大模型時代下，我們能做些什么呢？有啥法子不被淘汰，有啥法子可以乘上地板抬升的順風車，能力大概有五項要求：

1. 能提出好的問題
2. 有好的價值判斷邏輯與方法，以及，好的審美
3. 知道如何清晰地表述自己的想法和目標，并確認對方理解的和你表達的誤差不大
4. 意識到自己是否處于信息繭房中，并時刻去探索新的領域
5. 有意愿與能力去創造和選擇新的東西

（未完待續……）

寫半截兒發現這五項要求……坑還是很深的，所以計劃放到下集來寫……其實還順便意識到，無論在什么時代，對于優秀人才的要求都是雷同的。我的野心自然想畫好邊界，建好軌道，但不是件容易的事情啊。