來源：紅與綠
導讀：
AI能夠起到最大作用的地方，不僅僅是在人類不能做的，更是在於去探求完全未知的工作。
大家好，非常高興能夠見到各位。
目前，技術領域的重要趨勢，正在對全球的經濟環境產生重大影響。大家可能都已經猜到了是什麼——人工智能。
實際上我們對人工智能的了解並不深刻，並沒有挖掘到人工智能實際存在的更多發展可能性。
我們來談論一種可能性，但需要注意的是，這是把技術置於場景下的可能性的延伸，並不是單純的預測。有一點我們需要明確，世界上不只有一種AI，不同的行業有很多不同的想法和認知，也就意味着會有非常多紛繁各異的AI，這就像世界上存在各種物種的動物一樣。
如果把衆多截然不同的動物智能和機器智能彙總，我們會發現人類的智能發展並不是核心或者唯一。事實上，白癡和天才之間的區別並沒有那麼大。
在圖譜當中存在着成千上百萬的不同的智能，所以想擁有通用智能的想法是一種誤導，就像我們在生物的譜系當中，也並不是處在最核心的位置，地球也並不在太陽系，或者是宇宙或者是銀河系的核心，我們都是處在一個邊緣的位置，智能也是一樣。
我們與AI的關係可以從四種模式來思考。
一、AI爲人類提供完全跳脫的思維方式
第一種叫人造外星人。AI就像是降臨到地球上的外星人一樣，但是它是由人類來進行設計和編程製造的，可能超過了人類的智能，也有可能有認知。但最重要的一點是，他們並不像人，他們是一個硅基生物，有不同的認知和思維方式。
思維方式的不同，可能就構成了AI與人之間最大的不同，這並不是差錯，而是特點，甚至是優勢，他們可能會有創造性的思維，用完全不同於人的思維去做決策。
在新經濟的時代，不同的思維方式是非常重要的，如果我們要在一個互聯的世界生存，可能很難出現完全不同的、跳脫於所有人的思維方式，但是AI就可以做到，它可以幫助人們跳出常規思維，用一個全新的視角來去思考。所以我覺得AI中存在一些像ET這樣的很聰明的智能體。
在過去的幾年有一個讓人們很驚喜或者驚訝的事情發生——以前我們會覺得電腦或機器是沒有辦法做有創造力的事情的，但隨着新的AI的應用，人們發現機器也是可以產生創造力的。但是這些創造力並非是空穴來風，他們必須有人去給AI做出提示，那麼這些人就叫做提示工程師。
在過去的幾年我也一直在研究AI甚至是與AI共事，我嘗試和AI共創一些東西。所以在新的時代，可能提示工程師將成爲新一代的藝術家，他們和AI共同創造，我甚至把他們稱爲AI耳語者。
真正優秀的AI提示工程師或耳語者，他們可能要花一千個小時以上的時間和AI共事，他們用的AI和我們是一樣的，但是他們卻可以通過創造性的提示讓AI去創作出非凡的東西，因爲他們花了超過一千小時的時間去學習和練習，這就像是精通一門技藝一樣，精益求精，熟能生巧。
同時他們也有一定的天賦，可以去了解AI背後的運作機制，現在招聘網站上已經可以看到這樣的招聘信息了，年薪最高可以達到30萬美元，這是給最優秀的人才所提供的機會。
之所以能給這麼高的薪資，是因爲要成爲一個優秀的AI提示工程師是需要大量的練習和非常深厚的知識積澱和技術積澱的，大家現在也都會用一些開放的AI工具，你會發現提示確實非常的重要。
你需要去了解AI背後的思考鏈條，你需要讓AI一步一步地去跟着你的思考。我們也發現了，現在AI的注意力非常短，他沒有辦法跟進一個很長的思維，所以你就必須把思維打碎，然後一步一步地餵給AI，這樣才可以幫助AI實現一些複雜的任務。
二、你暫時不會被AI替代 但會被更擅長使用AI的人替代
第二點，如果說你給AI一些積極的情感反饋，比如你表揚他，那麼他就會給你一些更好的質量更高的答案。我們也不知道爲什麼，但是確實有這樣的現象。你甚至可以告訴AI，你提的問題非常重要、生死攸關，請好好回答，這樣AI就可以給你一個更高質量的答案。這些也是一些小小的竅門，幫助大家更好的運用AI。
我認爲這樣的AI更像是一個普世的私人實習生，在座的各位每一個人都可以擁有一個24小時的實習生，爲大家服務，這就是AI可以做到的。比起助理，AI更像一個實習生，因爲實習生不能獨立完成任務，工作成果需要我們來做二次覈驗的。但即便如此也已經很好了，雖然這還不是我們最終的目標。
現在的大語言模型給我們的答案雖然不是最精確的，但是看上去已經非常合理了。有一些工程師每天的工作就是去設計一些合理的答案和輸出，並不是最精確的答案，而是出最合理的答案，這也是設計和算法的策略。
他們是從大量人類語料中去提取信息來訓練AI，其中包含了人類最精尖的信息，同時也有一些非常普通的，甚至是質量不高的信息。因此AI的水平就像是實習生一樣，可以做一些初始性的工作，比如說設計一個大綱或草稿，這些任務他們可以完成得非常好。
通過研究發現，對知識型行業從業者來說，50%的任務都是可以由AI實習生來做到的。而其他50%的工作可以讓AI去做一個草稿，然後由人來做提升。調查發現，如果使用copilot的話，程序員每天的生產力可以提升56%。
同樣在其他的行業，比如說作者，他們使用AI的話，任務的完成速度會增加37%；比如律師、顧問，還有行政的工作，他們使用ChatGPT之後都有不同程度的效率的提升。最明顯的效率提升，其實來自於低級別的工種或者是普通員工。
AI和其他的技藝一樣，需要至少一千小時的練習和學習，才能夠真正擅長，所以我認爲未來人們的薪資將與你使用AI的能力掛鉤。因此，人們不會簡簡單單地因爲AI失去工作，但是確實有一些工作內容會改變。
我相信在未來的5年以內人是不會被AI替代的，但是有可能會被一個善於使用AI的人替代，這是普遍的趨勢。如同現在看到的，即使有了自動駕駛，依然很少會有司機被自動駕駛所取代，但未來，司機的工作內容是會出現一定的變化的。
我給大家舉個例子，美國有一個公司，他們用生成式AI去賦能服務檯的工作人員，尤其是接線員，然後這些客服中心就可以去更加高效地服務客戶。
在這個過程當中，他們確實也裁掉了一些人員，同時也招聘了更多技術支持人員。但是最常見的情況是接線員改變工作任務，會有一些AI沒有辦法處理的問題再轉到人工。
與此同時，我們也看到正是因爲AI把一些簡單的工作都已經完成了，所以人可以專門處理一些比較棘手的問題，那麼客戶的滿意度和服務質量都會提升。AI是相對平等的技術，即使是一些財力並不是很雄厚的企業或者是一些偏遠的地區，他們沒有充足的預算僱傭接線員，也可以運用AI提供客戶服務。
除此以外，另一種AI應用趨勢應運而生——藝術方面的提升。目前很少有畫家、音樂家、或其他藝術從業者被AI完全替代，他們可能會用AI作爲靈感來源。
因此從目前的生成式發展來看，我們很難在現階段直接下定論AI會取代人。
剛剛說到，AI的世界是基於規則的，因此，有時人覺得很簡單的事情，對AI而言可能很難，換言之，AI覺得很容易的人可能會覺得非常困難，我們需要記住這個邏輯。
說到生成式AI與人之間的關係，我把它稱之爲+1關係。希臘神話中的半人馬，其實是有點像人和AI的協作關係。科學家們發現，現階段只靠人或只靠人工智能都不行，它們要結合在一起。
跟大家分享一個故事，埃斯特·佩雷爾是美國著名的治療師，她做過很多公開的治療，她有一個播客節目，記錄了她上千上萬小時的治療過程。
有人根據她的治療記錄開發出了一個人工智能，人們可以直接去跟機器人溝通得到治療，不知道埃斯特本人會不會喜歡這個AI版的她，她的書和播客節目都可以幫助到大家，但是人工智能會幫助更多。不過目前還涉及到寵物的治療人工智能無法應對，但是確實開闢了一個新的路徑。
不可否認，現在的人工智能醫生還不如人類醫生，但是人類醫生與機器協作會做得更好。不過用AI來做醫療診斷是勝過沒有醫生的，一些遙遠地區可能醫療資源短缺，無法接觸到正常的醫療資源，在這種情況下，AI治療總比沒有醫生好。
這就涉及到我們剛剛提到的第二個方面，人類和人工智能協作可以應用在各種領域，包括教育、法律、駕駛等，有的這些和人工智能相遇是1+1>2的概念。我們剛剛提到了實習生的概念，以後人工智能會成爲合夥人、隊友、教練、副駕駛助手等等。
就像我在《寶貴的人生建議》裏說到的“如果你想走得快，就獨自走；如果你想走得遠，就一起走。”
三、當技術變得隱形時才是最強大的
在過去一年裏，生成式人工智能帶來了許多激動人心的變化，比如神經網絡技術得以與人工智能結合應用，實際上神經網絡技術不是新技術，網飛和亞馬遜早就在使用，這是一種識別+生成的技術。目前神經網絡已經發展出兩個全新的概念，一個就是大型語言模型，另一個叫做對話式用戶交互界面。
大語言模型一開始是個非常簡單的編程，10-15年前，我們其實是用它來做語言翻譯的，因此當初訓練它的目的是爲了建立語言模型，將一種語言翻譯成另外一種語言，用作訓練的語料就是日常生活中的各種語言。
但是隨着模型的不斷練習，出現了一些有趣的變化。語言模型不僅做了翻譯，同時還可以基於這些語料做推理。
因爲語言不是單純的進行信息的傳遞和傳達，我們之所以會有語言，是希望語言表達思想，沒有語言，思想也是匱乏的，所以語言跟推理能力密切相關。
當獲得了語言能力時，它也在一定程度上獲得了推理能力。這是開發人員們沒有意識到的。所以推理是語言模型研究過程中獲得的一個有趣副產物。
大語言模型在很多賽道有了全新的應用，基於大語言模型，他們獲得了閱讀推理的能力，人工智能可以幫助我們做很多測試，且高分通過。
回到剛剛的概念上，目前這些模型都是基於普通人的數據收集做的建模。我們也希望未來可以進一步優化，使用天才的語料進行訓練。
還想給各位介紹一下對話式用戶用戶界面，這與20年前的圖形用戶界面有異曲同工之妙。在互聯網之初，我們看到這些電腦就是這樣的，只有一些單純的文本，沒有圖形，而且很難用。很多人也沒有覺得這樣的應用有趣。現在已經截然不同了，隨着萬維網的使用，你可以看到有圖片的交互形式，可以拖拽信息，這樣更加貼合人類的訴求。
你不用再去上繁瑣的編程和代碼課也可以理解它呈現的信息。現在有了大語言模型後，你可以進行對話式溝通，從而生成圖文，我們會發現文本信息轉化成視覺信息非常符合人類的溝通訴求，這極大改變了現在的技術應用，包括語言理解、手勢識別。比如目前很多設備可以採集你的脣語，你不用像以前一樣用吼的方式來進行溝通了。
這些技術極大地改變了行業。所以我的建議是未來幾年初創企業將變得非常的容易，只需要將一些東西添加到對話式使用界面中，比如你可以和麪包機、汽車對話，AI也會變成商品的一種形式，AI交互頁面會成爲區別其質量的一個關鍵所在。比如現在有個很有名的引擎，它做的不是AI本身，是AI的交互界面。就像是水是免費的，但裝到瓶子裏就有了礦泉水，它就是產品了。AI的交互界面是可以創造額外價值的。
回到我剛才所說的，當技術變得隱形的時候才是最強大的。我們現在在這個房間當中有大量的技術存在，比如電燈、水管、風扇、通風管道等，我們意識不到他們的存在，這意味着這些技術已經成功了。
同理，我們一直在談AI，說明它還沒有成功，如果說我們已經無法意識到AI的存在了，那麼就說明AI成功了。在未來我是相信95%的AI應用我們都沒有辦法看到，他們就像管線系統一樣在後臺運行。未來我們將更熟悉它的前臺界面，大多數人可能甚至不知道它背後由AI運行。
現在有很多技術公司試圖用AI去預判、預測未來。在過去包括現在，如果要單純靠人力來完成的話，它是一個非常耗時非常昂貴的工作。但是未來有了AI的介入，那麼預判這件事情將變得非常簡單。
AI的技術會存在於兩個階段，一個是內部的流程階段，包括編程工作、金融分析，或者是傳媒和溝通；另一個是外部使用AI來製作產品，這是大家在公衆視野當中可以看到的，比如說自動駕駛汽車機器人。目前爲止，內部運行的AI更爲強大，我相信這也是未來AI重要的增長點。
我們把AI類比成電力，你不能簡單地認爲把18世紀的公司通電，它就會成爲完全不同的公司。但是如果這家企業在誕生之初就有電力的加持，那麼這一家企業和18世紀的其他企業相比，一定有巨大的飛躍。AI也是一樣，下一代AI原生企業的商業模式一定是和AI發展前的企業是完全不一樣的。
有些工作是人類不想做的，有些工作是人類可以做的，還有些工作甚至是人類完全未知的。AI能夠起到最大作用的地方，不僅僅是在人類不能做的，更是在於去探求完全未知的工作。
四、社會中層往往是第一批AI使用者
那麼在商業場景中，第一批的AI使用者有哪些？
除了我剛剛介紹到的客服工作以外，還有程序員，現在程序員已經在使用科技巨頭的AI輔助工具了。有了AI加持之後，這些程序員表示再也不想要回到沒有AI的時代；同時在營銷領域，工作人員也在大量使用AI去生成物料、圖像、視頻等等。
我覺得AI的第一批應用行業，包括軟件、醫療、教育、營銷和保險。保險大家顯而易見了，AI可以設計保險政策、進行數據分析等等，在教育領域，最大的受益者就是學生，在醫療領域就是患者，在企業的環境當中應該是員工受益。
但其實我們發現事實與預想的恰恰相反，老師對於AI的熱情遠遠要大於學生，醫生的熱情大於患者，領導者的熱情大於普通員工。比如說老師，有了AI，他們每天可以節省幾個小時的備課時間，醫生和經理也是一樣。所以我們發現在一個企業或者行業結構當中，中層反而是受益最大的，他們反而是第一批的AI使用者。
另外我們發現一點，年輕的初創企業往往最先運用AI。公司越小，運轉就更加靈活，他們就更有機會全面使用AI。大公司的腳步就會相對落後。這是一個自然進化的過程，從18世紀開始，企業一步一步從工業模式一直進化到現在的數字模式，在數字時代，中國企業搭上東風，實現了快速的成長。
之後是雲計算的時代，現在我們正在全面擁抱AI，但云計算這一步是不能略過的，我們需要去打好基礎，實現完善的雲計算部署。換句話說，企業要進行完善的雲計算或者雲平台的部署，然後才可以在雲計算的基礎上來發展他們的AI實力。
現在AI還可以生成視頻。其實好幾年前就已經在討論這個趨勢了，換句話說，它已經可以去生成世界的一個小片段或者小部分了。現在AI可以生成狗的視頻，未來就不難想象AI可以生成一個完整的事件。這些在以前需要一整個技術團隊才能夠實現，而現在只需要一個人。
JK羅琳創造了哈利·波特的世界，她一個人創造了一個魔法世界，她是一個天才。但是即便她有如此大的想象力，也依然無法獨自制作7部哈利·波特電影，但有了AI，一個人是可以實現這一點的。正如我們一開始所說的，即使AI現在所接受訓練的語料和物料質量還不是最高的，但是從這些大量的訓練當中依然可以產生出非常優秀的內容。
我們同時也意識到，AI素材可以實現增強現實的功能。多家科技巨頭也都推出了其現實增強的產品，我稱之爲“鏡像世界”，我在《5000天后的世界》中也有詳細說明，但是如果背後沒有成本較低的AI技術的支持的話，那麼這些終端產品是沒有辦法普及的。AI是增強現實產品的基礎。我認爲增強現實和AI是相掛鉤的，它甚至可以說是AI的變相。
在我們需要AI協助的過程中，AI也在學習這個物理世界。現在已經推出了Vision Pro，但是我覺得這個產品要普及可能還需要十年的時間，但有了AI增強的話，AI可以讀取物理世界，快速生成數字孿生。有了VR產品，人們可以在虛擬世界遨遊。
但是這些眼鏡仍然有一個侷限——每次使用的時候都需要掃描一下身邊的環境，它需要去識別你處在哪個房間，哪裏有窗戶，哪裏有房，哪裏有門。但是如果有了AI加持的話，它就可以去自動理解身邊的環境，不需要一遍一遍去掃描，最終將整個世界輸入鏡像世界中。世界上的任何電子設備都可以看見鏡像世界，這是機器人和自動駕駛汽車所看見的世界。
未來，數據世界和人類世界交織在一起，我覺得鏡像世界的社交屬性很強，所以在這方面的培訓工作潛力無限。未來，人們在某項工作或技術正式啓用之前，可以在鏡像世界裏完成實訓和試錯。
五、AI將與人建立更多感情羈絆
過去一年，很多翻天覆地的技術變化都是由人工智能來驅動的，人工智能帶來了前所未有的創意。未來如果人工智能會產生情感屬性，那可能會讓很多人覺得匪夷所思。
AI爲什麼會產生情感屬性呢？有以下幾個原因。
首先，對話是人類溝通的自然表達，人們不自覺地代入情感，即使面對AI，我們也會用到這種原始情感，AI會通過你的語言和表情感受到原始情感的傳遞。比如說它看到了你的視線，就會知道你現在走神了，或者通過你語調的變化感覺到了情感的變化。在語言表達的同時讀取並處理了人類信息，比如像愛、喜悅、恐懼、顧慮、驚喜。
人會跟寵物有很強的情感羈絆，比如狗狗或者小貓，可能在未來會跟人工智能有更強的羈絆，它就會像一個能夠說話的小狗。你可以想象一下，如果你的小狗能夠用你能理解的語言對話，你跟它的羈絆就會更深，所以這也會成爲未來技術發展的趨勢。雖然可能剛開始會讓很多人覺得不習慣，但是隨着情感嵌入技術的發展，你可能會發現這種羈絆感是超過了你的預期。
就像上面說的，AI的種類非常多，他們可能會有不同的性格，你需要找到跟你合得來的AI。在過去幾年中，我們從生成式人工智能中獲得的一切，都是基於已經有五十年發展基礎的神經網絡技術。迄今爲止，我們就像擁有了一個人造大腦，這個大腦可以進行多種認知，目前我們對神經網絡的開發十分有限，未來我們還有很長的路要走。
很多AI專家認爲，人類是不可能用一種技術覆蓋所有的應用場景，除了神經網絡之外，我們還可以加入像模糊邏輯、規則判斷這些技術。我們正處於人工智能發展初期，還有一些AI是尚待開發，可能三十年後，未來的人類再回顧2024年，會覺得2024年的AI技術都不叫AI，當然這是後話，現在的AI專家展望過去也是一樣的。
AI還處於一個萌芽期，未來三十年AI會有什麼樣的發展路徑，沒人能夠預判。但是至少目前這些分析可以幫助我們更好地爲未來做規劃，AI能夠幫助我們判斷哪裏AI做得好，哪裏人類做得好，同時還可以剖析一下哪些是希望人來做的，幫助我們更好地認清現實、理清路徑。
相信這些機器可以幫助人類成爲更好的人類，這是我們的最終目標。
感謝各位的耐心聆聽。
編輯/jayden