1. AI 会如何影响你的生活
- 通用聊天场景:也即 ChatGPT 本身,或者用 gpt-3.5 的 api 实现的各类网站或小程序。他们没有明确的问题场景,但反而可以解决非常多的问题,比如搜索一些常见问题的答案、编个笑话等,可以当个搜索引擎使用,个人感觉50%以上的问题,效率超过搜索引擎。当然未来搜索引擎会融合这样的能力,bing 已经融合了。
- 客服/答疑系统:比如说 保险条款 的回答。很多问题一直需要客服的原因是客户的表达是非结构化的,客服端的知识也是非结构化的。而如今的 AI 有能力实现推理与文本信息结构化,于是乎,只要是基于现有的知识体系就能回答的问题,都能够被解决。当然客服不仅仅只处理简单的事情,依旧有复杂的事情需要人工服务。
- 程序编程:比如 cursor 与 copilot-x。虽然目前还不能完全替代人工编程,但在很多小模块(以函数、组件为维度的代码块),AI 已经有能力基于程序员诉求直接完成编写工作。或者帮助程序员给现有代码进行注释、或者Code Review(审核代码,发现隐藏问题)。
- 办公助理:这里的办公主要还是指文字类的办公,比如 Notion AI ;比如微软的 copilot(跟上述编程提到的 copilot 都是微软旗下,相同品牌,不同应用)。基于这些助理,可以快速的实现文档的攥写、润色、审查;亦或者是数据表格的快速处理。
- 教育培训:市面上貌似还没有比较成熟的,但确实是一个相对热门的方向。入门级的教培服务其实是剧本化、场景化的,且知识体系相对固定。随便举个例子,即使仅是把现在的课本转成智能课本,这个想象空间也比较巨大。
除此外,其他各种垂直业务当然还会有非常多的细的应用场景,比如医疗问诊。这些都还只是 ToC 的场景,还有很多 ToB 的场景,比如:数据挖掘、知识库管理、财务计算、法务合规等等。
但总结来说,这些场景都可以抽象为,AI 基于现有知识,为你的问题返回一个答案。而这些工作在以前,传统 AI 无法胜任的原因在于,知识是非结构化的,问题与答案也是非结构化的,而且问题与答案还无法穷举、具有强逻辑,甚至还带有感性因素。
传统 AI 也尝试在其中部分环节来解决问题,比如现有的一些智能客服系统,会通过一定算法对用户的问题做分类,也即是各种意图识别。对于非结构化的知识,会采用人工手段,基于专家经验,把高频问题的知识去结构化,并基于一定的逻辑编排来设计剧本,最终解决用户相对高频的问题。
如此抽象以后,我们会发现,其实大部分脑力工作,都是这个范式。不同的人在过程中能表现出高低水平,也是体现在某几个环节是否能出彩,比如抽象能力强的人擅长抽离非结构化的知识;逻辑推理能力强的人擅长解决复杂逻辑问题;洞悉人性的人更能处理复杂的情感类问题。
但现在大模型 AI 在这几个方面都具备了非常高的水平。因此可以预见,大部分脑力工作,都不可避免的会被 AI 给深刻影响。
大模型 AI 就像铁器时代遇到了蒸汽机。人们发现“烧开水”可以把原本人力的事情转成机械的事情。从此开始极大的提高人类生产力,彻底改变了人类的生产与生活方式。但是从蒸汽机到火车、汽车、轮船中间肯定还有很多事情。不是拿来一堆铁皮,捏成汽车、轮船的样子,里面放个蒸汽机就可以了。这里面还有大量的机械工程事情要做。
大模型 AI 也是如此,相当于一颗不输人类的脑子已经有了,但真正离各种领域的生产作用,还缺乏很多工程上的事情,可以理解成,有脑子但没躯干与器官。
比如,如果我们希望实现一本智能电子教科书(让 ChatGPT 给我一些点子):
其中的可视化与动画,需要我们在工程上实现这样的交互能力;社交学习,需要能有网络连接其他的电子教科书;互动学习需要教科书跟人有更好的人机交互等等。
“躯干与器官”一方面是能够真正执行脑子的命令,但从另一方面也是增加一些限制来最大化提升某方面的效率。就好像人类四肢灵活,但不能飞;鸟能飞,但无法游泳一样。即使我们思想上能翱翔天空,但躯干无法达到。
我们给大模型装上躯干的同时,也代表了它适合做某几类事情,并且能在这些事情上处理的更好。但相比于传统 AI 来说,大模型这颗新脑子的特长就是,装什么躯干都可以,不用换脑子。这极大的降低了解决某类事情的成本,也极大提升了解决某类事情的上限。
在现代大型互联网企业中,一般是算法工程师专门造脑子,前端、后端这些工程师负责装躯干。现在大模型这颗脑子能力太强,普适性太强,算法工程师造脑子的必要性就弱下来了,对他们也造成了深深的焦虑感。
但现实里有不少事情,并非是一个人或者一类人就能解决的。或者说,让不同的人做不同的事情,可能效率会更高。比如说一个软件的设计与发布,经历了产品经理、交互设计、视觉设计、前后端工程师等流程。
相应的,我们也可以给大模型 AI 脑子装上不同的躯干,让他们更适合做产品经理或交互设计或程序员。我们只要定义好流程,在不同的流程上放上不同的脑子+躯干,最终串成生产线,这样就能带来更大的生产力革命。
当然这一步还有很长距离,毕竟每个节点,现在这些 AI 的准确度也并不是非常理想,而且纠错机制比较少。一个节点有一定的不确定性,那多个节点串联起来,就会更加放大问题。较窄的马路上遇到一个新手司机不可怕,可怕的是两个新手司机相遇了。