大模型越“火”,“打工人”越慌 ...

文摘   2024-07-05 23:17   北京  
近些年,AI技术似乎总是以一种耸人听闻的方式,不断博取大众的眼球。随着GPT系列的大模型技术的出现和流行,AI的行为表现与人的行为越发地趋同。
人们觉得AI和人很像,似乎具有不可估量的潜力,除了多如牛毛的创业团队以及资本的吹捧。更多的,是千万白领打工人对于实业的"担忧"...
会议纪要、电子邮件、excel表格,ppt,这些原本可以不动脑子就完成的基本信息规整类工作,都几乎被AI代替了,人的价值要想凸显,也就变得更卷了,不上点心好好工作,真的会被淘汰 ...
除了可以做基础活儿,AI让人压力最大的是“会说话”,可以像人一样说话交流,提供情绪价值,甚至可以把话说的漂亮,懂得一些日常交流的套路。
能聊天,是AI和人最接近的地方。因为语言是智慧的表达,所以如果话说得好,自然就显得很“聪明”。
那么,这两年AI的表现真的突破“奇点”和人接近了么? 人类距离完全被AI替代还有多远?
回答这个问题,必须从AI的底层机理来看。
稍微懂一点AI基础理论的话,自然知道大模型是基于所谓"黑盒"的Transformers架构。巨大的参数量,只是为了量化数据字符的相关性,不代表具有信息的可解释性。
从输入字符到输出字符,背后到底有没有经过理性的逻辑和推理,这件事到现在没人能说清楚,也许只是基于字符关联性做了一些统计拼凑,并非真的基于“数据-信息-知识-结论-数据”的链路来操作整个对话任务的。
因此,如果说仅仅是因为说的话像是经过“动脑子”的,就说AI的思维像人了,这个论调毕竟有些偏颇。
当然,现在也有很多头部技术厂商寄希望于大规模参数会涌现更高级的智能,就像人脑的脑神经元突触数量其实远大于大模型的参数量——所以人脑比机器更加聪明。
例如,在一些语言类大模型的技术产品中,我们看到可以做一些基础计算题和逻辑推理题,也能完成一些简单的公式证明。仿生学的逻辑在AI的下一步发展是否行得通,也是学界和工业界比较激烈探讨的议题。
其实,大模型技术这么火,并不是说真的已经做到了多强大,而是Ta让我们看到了AI的潜力,例如:对不同任务泛化性、表达多样性、小样本学习能力,以及多模态交互属性等等。
当然,要想真的做到完全替代人,还是有一定的距离要走。
在具体业务场景中,90分和100分的差距是“难以想象”的。AI不能完全脱离人,但是可以在人的手中变成很好的工具,人和AI是互相成就的关系。
AI为人提供有价值的信息、知识,而人需要做出判断,进行关键决策,以及在重要的业务节点告诉AI对了或是错了,以及下一步应该做什么。
在工作中,所有核心的信息处理逻辑必须是要由人来完成的!
因为,只有人才知道真实的业务逻辑以及具体事务的处理尺度。现实生活中的事务决策绝大多数都是“非线性”的,而这些"非线性”决策,在图灵机时代,似乎有点"超纲"了。
当然,这并不是说打工人完全不用焦虑AI对自己的影响。一个新事物出来了,必然会影响到产业结构和生产力结构的变化。人和数字化技术的关系越来越紧密,这是一个不可扭转的大的趋势。
对于打工人来说,先不纠结有了AI会不会失业,至少,多一个智能办公工具可以偷懒,总归是没什么坏处的 ... 
欢迎关注小刘老师2024年数字化新书,《从数据科学看懂数字化转型》,清华大学出版社
猜你想看更多文章
数字化下半场,建“中台”还重要吗?
终于搞懂!数字化、信息化、智能化,到底有什么不同?
数字化转型都可以解决企业哪些痛点?
后数字化时代,数据部门的窘境渐显!
30条金句,说透数字化转型真相!
关于数字化转型,我们在讨论什么?
企业数字化转型,有哪些主要发展阶段?

公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看或者把本号置顶!本号长期招募合伙人(数字化咨询,文稿编辑和AI技术研发),有意向者欢迎留言。

大话数字化转型
面向企业数字化转型和智能信息技术应用,分享前沿的数据分析技术、行业发展动态,以及数字管理经验。接受行业业务咨询和教育培训。
 最新文章