ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
AI时代,哪种人更被需要?
5745点击    2024-10-31 10:41

大家好!非常荣幸和大家分享一些我对未来社会中人机协作的想法。


我们正在迈入人机协作的新阶段。这张图展示了OpenAI提出的通向AGI(通用人工智能)的路线图。他们认为,AGI的实现需要经历五个阶段:第一个阶段是聊天机器人(Chatbots),这个大家已经非常熟悉,它基于预测下一个词元(Token)这样简单的规则,实现智能涌现。在这个阶段AI作为对话机器人,可以帮助人类完成诸如电子邮件撰写、头脑风暴等工作。



第二个阶段是“推理者(Reasoner)”。一个例子是OpenAI近期推出了OpenAI o1大模型。通过强化学习,大语言模型实现了“慢思考”,通过一步一步的推理解决更为复杂的问题,表现出“博士级”的推理思考能力。


第三个阶段是智能体(AI Agent),是指具备自主性,能够感知环境并根据目标进行决策,进而采取行动的AI。我们已经在这一领域看到很多技术上的探索,预计在未来一两年内,会看到AI Agent在更多场景发挥作用。


第四阶段和第五阶段分别是“创新者(Innovators)”和“组织者(Organizations)”,据相关专家预测,也将在5到10年内实现。


大模型的涌现和规模法则


这是目前人们设想出的通用人工智能发展阶段的一种可能。在这一背景下,我们需要谈到一个基础性的底层概念,来帮助我们理解到底机器的智能是如何产生的,这个概念是涌现能力(Emergent abilities)。涌现能力出现在复杂系统中,比如在自然界,蚂蚁和蜜蜂从个体层面来看,它们的行为和交互机制非常简单,但它们自身可以通过这些简单的规则实现有效的组织。例如,蜂巢或蚁群能够展现出极为复杂的系统结构,它们也能完成超越个体能力的任务。


那什么是大模型的涌现呢?大模型的涌现是指,随着大模型的训练语料规模、模型参数规模和投入的训练算力规模的增加,模型的性能不断提升,模型所显示出的“智能水平”也随之提高,这就是我们所说的规模法则(Scaling Law)。而大模型通过提升模型规模,所呈现出的在以往小模型中不具备的能力,被称之为大模型的涌现。从大模型的输出内容中,我们甚至可以看到思维链(Chain of thoughts)的能力,看到逻辑的产生,这种“智力涌现”对人类社会具有重要意义。



智能革命的进程


在AI的辅助下,个人生产力能得到显著提升。特斯拉前AI总监Andrej Karpathy曾指出,他大约80%的代码是由GitHub Copilot生成的,而像OpenAI o1这样的模型在数学、代码和定量分析等领域的特定任务中,也已经展现出超越人类专家水平的能力。


另一个值得关注的方向是具身智能。在大模型的支持下,机器人能够感知环境,并结合观察对环境进行评估,推理完成任务所需的步骤,最终选择执行的动作来实现目标。比如,当看到一杯饮料洒了,机器人会评估周围环境中可用于清理的工具和步骤,最后决定选择拿起海绵,找到溢洒的地方进行清理,这便是具身智能应用的一个场景。


当前,我们正处在一场智能革命的进程中。如今每个人都可以拥有“第二大脑”,也可以说是一个机器外脑。如果对照人类大脑,今天的AI已经非常擅长信息处理、语言理解和逻辑推理。随着具身智能等技术的进步,AI也持续在与环境交互方面产生新的突破,例如触觉、听觉、味觉、视觉等能力,这些能力可以让AI获得更多环境信息,从而变得更加智能,来辅助行动决策。



此外,我们还观察到,越来越多的人在借用“机器外脑”的力量,成为“斜杠青年”、“超级生产者”,甚至建立起一人公司。


研究人员对未来发展的趋势预测


当然,这也引发了一个问题:未来10到20年的发展会是怎样的?尽管科幻小说作家们对未来提出了各种富有想象力的构想,但它们始终停留在科学幻想的层面。相比之下,加州大学伯克利分校的实验室发布了一篇关于AI未来的研究论文,邀请了2000名在顶级AI会议和期刊上发表过论文的研究者和科学家,共同对AI发展的真实趋势进行了预测。


研究者预计,到2028年,人工智能在多个领域实现突破并达到领先地位的可能性约为50%。在2027年,机器在所有任务上超越人类的概率为10%,而到2047年,这一概率提升至50%。研究还探讨了机器智能在不同领域超越人类的时间节点,例如编写代码、开发支付处理网站、叠衣服、撰写畅销书等。研究者进一步预测,到2100年之后,有可能实现全面自动化劳动,也就是说所有人类工作都被AI超越的可能性也会超过50%的概率。


注:圆圈/方块代表总体分布中里程碑实现概率为50%的年份,区间表示概率在25%至75%之间的年份范围。请注意,这些区间代表参与者表达的不确定性的总合。图片来源:AI Impacts. (2023). Thousands of AI authors on the future of AI. AI Impacts.【1】


基于这样的发展趋势,我们可以设想三种未来发展的情景:第一种情景是延续当下趋势,AI赋能千行百业,这是我们目前正在经历的进程。第二种情景是AI全面替代人类的工作,让人类无事可做。第三种情景则是迈向人机共生,出现全新的产业格局。


未来情景一:当下趋势外推,AI赋能千行百业


首先来看第一个情景,AI赋能千行百业。腾讯研究院在今年发布《行业大模型调研报告》,基于对100多位来自不同产业领域的专家访谈,总结了大模型在各产业领域应用的渗透率情况。结果显示,在一些数据基础好且更匹配大模型能力的行业,大语言模型的渗透率较高,应用也更为广泛,如广告业和软件业等。然而,与实体世界联系密切的行业,如农业、能源、建筑和制造业等,由于大语言模型的幻觉等问题还难以解决,目前还处于应用探索和孵化阶段。


注:引自腾讯研究院2024年发布的《行业大模型调研报告》


同时,我们也看到AI在同一个行业的不同阶段也在逐步落地各类应用场景,包括研发、生产制造、销售、客户服务和运营管理等阶段,各阶段具有不同的AI应用方式。例如,在建筑行业的研发阶段,AI已被用于辅助生成平面图和整体工程布局图。


我们总结出一个特点:AI在各行业领域各个环节的渗透呈现出“微笑曲线”模式,即在曲线两端的研发和市场销售环节,AI的落地速度更快;而在中间的生产制造阶段,AI的落地速度相对较慢。以广告业为例,利用AI生成广告素材图,能够极大提升广告设计的效率,从以往的2~3天,提升到只需10分钟。


注:引自腾讯研究院2024年发布的《行业大模型调研报告》


未来情景二:AI全面替代人的就业


下面这张图展示了AI的“海平面”正在不断上升,人往人类擅长的越来越多的领域正被AI的“汪洋”所淹没,比如翻译、驾驶和下棋等等。科学和艺术领域虽在高处,但AI也在逐步涉足,为科学发现和艺术创造提供助力。不可否认,未来会有越来越多的工作和任务受到AI的影响和冲击。



这也带来了一个问题:我国有数千万的快递员、司机和程序员,根据目前的技术发展趋势,他们的工作都有可能受到AI技术的影响。这些工作将面临怎样的变化?我们的社会是否会出现两极分化?那些能充分利用AI的人变得越来越富有,而那些无法接触或掌握AI技术,或者缺乏资源和能力学习的人则可能掉队?未来的社会,差距和鸿沟是有可能进一步扩大的。


针对这一情况,“全民基本收入”(Universal Basic Income,UBI)的概念被提出,即由政府定期向每位成年公民发放工资。OpenAI已经进行了这方面的实验,向符合低收入条件的被试每月发放50美元或1000美元。实验结果表明,接受1000美元补贴的人群每周平均工作时间减少了1.3小时,年收入减少了约1500美元;同时,这些人在基本生活支出上增加,同时更可能将钱用于帮助他人。


如果这一趋势持续发展,未来可能会如《Wall-E》等电影中描绘的那样:人类劳动被机器人所取代,机器人和AI为人类提供各类服务,而人类则不再劳动,只是坐在椅子上看电视、浏览数字内容、在线聊天和消费。尽管这是一种可能的未来,却并非我们所期望的。


未来情景三:迈向人机共生,出现全新产业格局  


在进入对第三种情形的分析之前,我也想引入一个关键变量:能源。在接下来的几十年内,可控核聚变技术将有可能成熟,从根本上解决人类所面临的能源问题。例如Helion等公司正致力于利用核聚变技术提供电力,并承诺在2028年前向微软交付50兆瓦的电力输出。我们有可能会进入一个能源供给充足的时代。在这一背景下,智能革命和能源革命将相辅相成,加速循环并推动更快的发展。


比尔·盖茨与萨姆·奥特曼曾在一次对话中谈到“后稀缺”这个概念。比尔·盖茨表示,长期以来,人类生活在一个稀缺的时代,好的教师、医生和好的创意都是稀缺的,而我们的思维模式也总是围绕资源的稀缺性展开。他甚至难以想象后稀缺的时代会是什么样子,以及在没有稀缺性束缚的环境下成长起来的年轻人,又会如何进行社会组织。


萨姆·奥特曼则认为,进入了“后稀缺”世界,人们依然会找到新的事情去做,人们的感受将会截然不同。他跟盖茨说,也许你不再去考虑疟疾问题怎么解决,而是在决定你喜欢哪个星系,以及你打算如何处理它。


目前,我们的社会仍充满稀缺性,在稀缺性的背景下,人们往往就会以竞争为导向,去争夺有限的资源,于是提高效率会成为优先选择。但如果人类真能进入后稀缺时代,我们的工作重点将会是什么?价值又将何在?如果机器智能完全超越人类,那么人类存在的意义是什么?人类的价值又体现在哪里?这些正是我们这一代人需要面对和回答的问题。


回到人的需求,找到人机协作的方式


谈到人类本身,我们可以回到马斯洛的需求层次理论,从底层向上,依次是生理需求、安全需求、社交需求、尊重需求和自我实现需求。做一个不那么恰当的推理,如果说工业化时代重点解决了人类的温饱,让每个人都有体面的住处和满足基本需求的生活方式,信息时代重点满足了社会联系和学习资源的需求,那么我们是否可以期待,智能时代能够帮助我们更好地自我实现呢?这无疑是一个值得深入思考的方向。



我联想到人体的四种“快乐激素”:血清素、内啡肽、催产素和多巴胺。其实人类在从事不同工作和任务时,各类激素会被激活。例如,与孩子玩耍、与狗互动、牵手或拥抱时会分泌催产素;冥想时则会释放血清素以稳定情绪;而在获得奖励时,多巴胺的分泌会增加。


研究结果显示,参与不同活动确实会引发不同的激素反应,而参与更多生产性活动确实能带来更强的自我实现感。这表明生产性活动与高层次需求有更强的关联,而消费类活动则更贴近低层次需求。这解释了为什么在观看短视频时,感受往往不如创作时那样好。尽管这只是我当前的一种假设,但在某种程度上揭示了生产性活动在满足高层次需求方面的优势。


在多样化的生产创造方面,或许我们可以参考日本的经验。或许创意产业会是人类未来的出路。比如,位于东京银座的一栋楼专卖文具,即便是简单的贺卡,也有数十种款式供顾客选择。顾客对此非常欣赏也愿意购买。当然这一现象背后,其实是每个人对贺卡的偏好不同,所产生差异化的需求,而差异化的需求,又引起了多样化的生产活动。因此,如果未来有更多人从事多样化的创造与生产活动,来满足个性化的需求,或许是一种能让每个人发挥创造力,又能满足更多人差异化需求的解决方案。


我们可能正在进入人机共生的时代,机器助力人类实现自己的想法,就像一个“高跟鞋”短片展示的一样。短片中AI创造出了不同款式的高跟鞋,很多设计都非常惊艳,但这些设计还是源于人类给出的提示词。而生产出的这些高跟鞋是否真的被人们喜欢,也决定了人机协同创造的价值,这可能会是未来人机共生的方向。正如有些人认为设计师可能因此失业,但也有人指出,设计师可以利用AI工具,设计出更好的产品,来满足更多样化的需求。


另一个例子是音乐生成。我在开会之前,输入了提示词:“欢迎大家来中国,欢迎大家来广州南沙讨论未来的AI世界。”根据这些提示词,AI就生成了对应的音乐。这种技术应用,也极大降低了每个人参与创作的门槛,让每个人都可以在与AI的协作中找到自己想要的作品。


智能时代什么样的平台能获得青睐?


当然,最关键的,我们会看到未来智能时代,不仅会有生产力的变革,也会有生产关系的变革。


其实从工业时代到互联网时代,我们已经看到产业组织模式的演进。在工业时代,公司通过雇佣员工来降低企业内部的交易成本。到了互联网时代,平台将众多的小团队和个人连接起来,实现交易成本的降低,出现了像淘宝、苹果、谷歌、滴滴、腾讯这样的公司,也让很多人可以通过平台,找到自己的工作机会。



进入智能时代后,在充足的智力供给和能源供给之下,未来的组织形态会如何演变?或许我们将看到一个提供各种AI Agent(AI智能体)的平台诞生,在这个平台上人们可以选用不同的智能体来协助自己完成自己的想法,帮助人们创造出自己喜欢的内容(也包括商品),并让更多欣赏这些内容的人看到和买到。而人可以更专注在创造上,来释放自己的潜能。当然,这只是我的设想,真实情况未必如此。但我坚信,AI最终的价值一定不是取代人,而是让人变得更好。特别是,那些让人变得更好的AI将获得青睐,那些让人产生价值感的平台终将胜出。


今天对每个人来说,关注价值、成为创作者、有效利用工具、优化工作流、并与他人合作变得更加重要。在人机共生时代,拥抱生命的创造力、热情和冲动,会成为AI时代人类找到价值感的关键。要努力让自己成为生产者,也更多地跟他人合作起来!


谢谢!


参考文献来源:

【1】AI Impacts. (2023). Thousands of AI authors on the future of AI. AI Impacts.https://aiimpacts.org/wp-content/uploads/2023/04/Thousands_of_AI_authors_on_the_future_of_AI.pdf 


文章来自于“腾讯研究院”,作者“袁晓辉”。


关键词: AI , AI转型 , 人工智能 , 大模型
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0