本文答复咱们猎奇的问题，哪些职业，哪些场景将会受到冲击，或许说，将会有全新的时机。
1. AI 会怎么影响你的职业
虽然现在网上传的许多，但归类来说，干流的使用场景主要如下几类（文本范畴）：
- 通用谈天场景：也即 ChatGPT 本身，或许用 gpt-3.5 的 api 完成的各类网站或小程序。他们没有清晰的问题场景，但反而能够处理十分多的问题，比方搜索一些常见问题的答案、编个笑话等，能够当个搜索引擎使用，个人感觉50%以上的问题，功率超越搜索引擎。当然未来搜索引擎会交融这样的才能，bing 现已交融了。
- 客服/答疑系统：比方说 保险条款 的答复。许多问题一直需求客服的原因是客户的表达对错结构化的，客服端的常识也对错结构化的。而如今的 AI 有才能完成推理与文本信息结构化，于是乎，只要是依据现有的常识系统就能答复的问题，都能够被处理。当然客服不只是只处理简单的作业，仍旧有杂乱的作业需求人工服务。
- 程序编程：比方 cursor 与 copilot-x。虽然现在还不能完全代替人工编程，但在许多小模块（以函数、组件为维度的代码块），AI 现已有才能依据程序员诉求直接完成编写作业。或许帮助程序员给现有代码进行注释、或许Code Review（审阅代码，发现躲藏问题）。
- 作业助理：这里的作业主要仍是指文字类的作业，比方 Notion AI ；比方微软的 copilot（跟上述编程提到的 copilot 都是微软旗下，相同品牌，不同使用）。依据这些助理，能够快速的完成文档的攥写、润色、检查；亦或许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，且常识系统相对固定。随便举个例子，即便仅是把现在的讲义转成智能讲义，这个幻想空间也比较巨大。
这里只是列举几个火热的方向。除此外，其他各种笔直事务当然还会有十分多的细的使用场景，比方医疗问诊。这些都还只是 ToC 的场景，还有许多 ToB 的场景，比方：数据挖掘、常识库管理、财务核算、法务合规等等。
但总结来说，这些场景都能够笼统为，AI 依据现有常识，为你的问题返回一个答案。而这些作业在从前，传统 AI 无法担任的原因在于，常识对错结构化的，问题与答案也对错结构化的，并且问题与答案还无法穷举、具有强逻辑，乃至还带有理性要素。
传统 AI 也尝试在其间部分环节来处理问题，比方现有的一些智能客服系统，会经过必定算法对用户的问题做分类，也即是各种目的识别。关于非结构化的常识，会采用人工手法，依据专家经历，把高频问题的常识去结构化，并依据必定的逻辑编排来规划剧本，终究处理用户相对高频的问题。
如此笼统以后，咱们会发现，其实大部分脑力作业，都是这个范式。不同的人在进程中能表现出凹凸水平，也是体现在某几个环节是否能出彩，比方笼统才能强的人拿手抽离非结构化的常识；逻辑推理才能强的人拿手处理杂乱逻辑问题；观察人性的人更能处理杂乱的情感类问题。
但现在大模型 AI 在这几个方面都具备了十分高的水平。因而能够预见，大部分脑力作业，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”能够把原本人力的作业转成机械的作业。从此开端极大的进步人类出产力，彻底改变了人类的出产与日子方式。可是从蒸汽机到火车、轿车、轮船中间肯定还有许多作业。不是拿来一堆铁皮，捏成轿车、轮船的样子，里边放个蒸汽机就能够了。这里边还有许多的机械工程作业要做。
大模型 AI 也是如此，相当于一颗不输人类的脑子现已有了，但真实离各种范畴的出产作用，还缺少许多工程上的作业，能够了解成，有脑子但没躯干与器官。
比方，假如咱们希望完成一本智能电子教科书（让 ChatGPT 给我一些点子）：
其间的可视化与动画，需求咱们在工程上完成这样的交互才能；社交学习，需求能有网络连接其他的电子教科书；互动学习需求教科书跟人有更好的人机交互等等。
“躯干与器官”一方面是能够真实履行脑子的指令，但从另一方面也是添加一些约束来最大化提高某方面的功率。就好像人类四肢灵敏，但不能飞；鸟能飞，但无法游水相同。即便咱们思想上能翱翔天空，但躯干无法到达。
咱们给大模型装上躯干的一起，也代表了它适合做某几类作业，并且能在这些作业上处理的更好。但比较于传统 AI 来说，大模型这颗新脑子的专长便是，装什么躯干都能够，不必换脑子。这极大的下降了处理某类作业的本钱，也极大提高了处理某类作业的上限。
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、后端这些工程师担任装躯干。现在大模型这颗脑子才能太强，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。
但现实里有不少作业，并非是一个人或许一类人就能处理的。或许说，让不同的人做不同的作业，或许功率会更高。比方说一个软件的规划与发布，经历了产品司理、交互规划、视觉规划、前后端工程师等流程。
相应的，咱们也能够给大模型 AI 脑子装上不同的躯干，让他们更适合做产品司理或交互规划或程序员。咱们只要界说好流程，在不同的流程上放上不同的脑子+躯干，终究串成出产线，这样就能带来更大的出产力革新。
当然这一步还有很长距离，究竟每个节点，现在这些 AI 的精确度也并不对错常理想，并且纠错机制比较少。一个节点有必定的不确认性，那多个节点串联起来，就会愈加放大问题。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。
2. AI 的中心在于数据与算力
虽然说大模型这颗 AI 脑子很强，但不代表它真的装到任何躯体中就能马上使用。它就跟一个没读过书的人相同，虽然很聪明，但要处理某个范畴的问题，还需求让他先学习。
但就跟人类想学习要花钱相同，大模型的学习也要花钱。学越多的常识就要花越多的钱。这会集在两个方面
- 数据
- 算力
数据很好了解，类比成人类的常识讲义。可是记住，得是常识讲义，而不是任何文字都能够。一个人，你每天跟他说 一万句驴唇不对马嘴的话，他也学不到任何东西；假如每天跟他说的都是歪理邪说，那么他也只会学坏。AI 也是相同，要让他学会常识，首先得结构出海量的、高质量的数据。
高质量顾名思义好了解，数据是完整的、有语义的、正确的、可信的、较新的等等。那海量怎么了解呢？GPT-3 的预练习数据消耗了 45TB 的文本，这大约是 4500亿个单词或文字。这是什么概念呢？明朝的《永乐大典》，包含了我国14世纪从前的最中心前史与常识，3.7亿个字。清朝的《四库全书》，包含了18世纪从前最中心的前史与常识，8亿个字。就算按现在的图书馆来看，4500亿文字也超越了绝大多数的图书馆的图书文字量。
而数据，作为21世纪最为名贵的财富，并不是每个企业都具有的。特别这些数据是要高质量的，并不是微博上爬一堆僵尸粉的回复就能够的。就算你具有了必定的数据，还得为这个数据做合适的处理，包括数据的结构化，数据的隐私性处理等等，这又是杂乱的工程。
现在假定你具有了巨大的数据，你还得把这个数据灌给大模型，让他练习。依据一些网上的材料，GPT 3.5 一次的练习本钱约为 140 万美元，总本钱上千万美元。GPT-4 由于参数又上了一个数量级，本钱天然会更高。虽然现在有些开源模型，参数大约只有十几亿，号称自己练习本钱只要几百美元就能到达 GPT-4 百分之多少的才能，但我信任往往便是剩下那百分几或十几是最难跨越的鸿沟，不处理那部分问题，就永久够不上 AGI。从前也有一些专家称，大模型的了解才能大约在几百亿参数的时分才能够出现出来。
这百来万美元的本钱，最主要的便是 GPU/TPU 的消耗。粗糙的了解便是要买/租许多张显卡来进行运算，来完成大模型对常识的学习。同样依据网上一些材料所示，GPT-3 大约需求1000张 NVIDIA A100 练习一个月。
依据 www.autodl.com/ 这个显卡租赁网站来看，1000张 NVIDIA A100 练习一个月。纯显卡设备就花费了500多万RMB。现在行情火到显卡都租不到了。
这还只是 1750亿参数的 GPT-3，GPT-4 以及未来的GPT-5消耗本钱会更高。并且，练习不代表必定能成功，练习的进程也有或许由于种种原因不及预期，而错一次或许便是几百上千万美元的损失。
3. 国内AI模型开展的现状
高昂的数据本钱与核算本钱，让小公司底子与具有真实的大模型绝缘。加上其他硬件本钱、人才本钱，也就阿里百度腾讯字节这些头部互联网公司真的能有资源投入，当然这又涉及公司战略以及履行层面的作业。
那咱们是否就能够用国外的大模型即可？用当然也能用。但怎么说呢，大模型的主要练习分两个阶段，预练习与微调。刚才的高昂本钱主要便是发生在预练习阶段。咱们能够把预练习类比成孩子的九年义务教育，乃至不止九年，会到高中，而微调便是专业技术学习。假如咱们得人才，在他学生时代，承受的都是精巧精日、反党反国家的教育，那会发生什么呢？用国外的大模型就要承担这样的危险，用的教材是人家的，会发生什么样的问题咱们也很难意料。
并且大模型AI，作为中心科技竞争力，也会面对如今芯片这种管控的问题。假如咱们真的现已许多投入使用，忽然有一天被列入什么什么清单管控了，那又是一件卡脖子的作业。
未来跟着参数规划的继续过大，练习本钱会继续添加，数据量也会添加，门槛与本钱会越来越高，单个企业更难担负。其实最好的处理方案，仍是国家统筹坐庄，产研结合，把控数据质量，练习一个国内统一的大模型AI，各个企业依据此做二次练习与微调。
大模型 AI 就像教育，也像筑路。投入本钱特别高，但短期回报率低。小公司没财力，大公司没气魄。个人仍是觉得社会主义应该要发挥社会主义的力气，会集力气办大事，普惠 AI 出产力。
4. 大模型AI为何如此的恐怖
关于暂停巨型 AI 试验的公开信： futureoflife.org/open-letter…
话又分两面说。虽然有一部分人很振奋，但一起有一部分人表示出了一些害怕，或许说谨慎。上面这封关于暂停大模型AI试验的公开信获得了马斯克以及图灵奖得主等一堆大佬的签名。
为什么他们对大模型 AI 坚持如此谨慎的情绪呢？
依据现行的材料与研讨，其实关于大模型 AI 怎么诞生出了解的才能，是不知道的。也就说，人们底子不知道其间的原因与机制究竟是什么，唯一相对确认的是。大模型诞生出的较强的了解与推理的才能，应该是在练习代码了解与生成的进程中出现出来的。也便是说，本来是想让大模型学会怎么了解代码，怎么写代码。大模型学着学着，不知道在什么时分，忽然对天然语言也有了逻辑推理的才能，于是才惊艳了世人。
那人类的自我认识什么时分诞生呢？咱们有一些现象能够感觉一两岁的幼童是不具备成人般的自我认识的。而跟着人类神经网络的优化与成型，自我认识就不断发生了。这个进程是否有一个清晰的分割点？并没有，这个进程是逐渐浮现出来的，是一个“出现（emerge）”的进程。
就好像是画一幅画。咱们观察绘画的进程中，从一张白纸一笔笔勾勒出终究画作的进程中，咱们很难说某一个时间开端，它才算是一幅画的。而假如对人类的“魂灵”去做一幅画，那大脑中的神经网络无疑是最好的画作。
有现象标明，刚出生的人类其实并没有成人般的自我认识，而跟着人类神经网络的优化与成型，自我认识就不断发生了，这个进程并没有一个清晰的分割点，这其间的原理与机制，至今人类也是充满了不知道。
如今大模型 AI 了解与推理才能的出现以及上篇文章中 Google 研讨员副总裁与 Google AI 关于哲学僵尸的评论，让人们深思，是否 AI 真的会诞生出自我认识？具有自我认识的它们是否还会收到咱们的管控？AI 生命是否会像奥创或许终结者中的天网相同，造成人类的毁灭性灾祸？
说实话，由于咱们对现在大模型AI的部分机制不知道，咱们无法精确的答复上述问题的答案，也便是说，确实是存在这些危险的。就算没国际末日那么可怕，那也很有或许对人类常识系统，或许人类某些中心出产链路发生难以拯救的影响。
咱们在回头看 ChatGPT，这个现已把握了人类绝大部分常识的人工智能。请问，它的常识是怎么诞生的？明显的，它的常识是从许多的“经历”与“感受”中总结的。关于它来说，那些练习的材料便是它的经历，人类强化反应便是它的感受。
它有先天内置的常识吗？它有依据朴实理性得到的100%肯定无误的常识吗？并没有。咱们最开端给大模型只有一个先天的、未经练习的，几乎没有任何才能的神经网络。
相反的，非AI的程序，反而应该算是有先天的常识，有朴实理性的核算。比方围棋，象棋，它们内置了底子规则，这些规则是100%正确的。然后这些传统程序被验证出来，经过穷举这些“先天规则”与这些“朴实理性”，并无法诞生智能。反而没有任何先天常识的神经网络，在许多经历后，诞生了超乎意料的才智。
或许咱们再假定：常识是能够由朴实理性推导出来的。一起咱们肯定不会怀疑，人类还未把握全部的常识。那么肯定存在必定的常识等待着被现在的常识给推导。关于 ChatGPT 背后这类大模型来说，他们没有时间的概念，但却能够疯狂的并行核算。理论上能够快速的得到无穷无尽的演算成果，并终究得到一个概率最大的定论。在这种情况下，它们应该有才能帮助人类推导出新常识。
可惜的是，现在并没有现象证明他们有这样的才能。当然原因或许先天常识主要是数学常识，而 大模型 的数学才能真的很差。它数学才能差的原因或许是未经相关的特别练习，也或许现有的神经网络结构物理上约束了他们的数学才能。其实人类的数学才能也不强，1+1 咱们知道等于2，15 * 15 也能快速算出来是225。那 48768 * 2345 / 3 呢？没有核算器，信任大部分人也不太算的出来。
或许未来咱们能够给 大模型AI 专门拼接上一个核算器，提高他数学核算的才能。再跟着它们的继续开展，参数规划的继续扩大，说不定真的能为人类推导出新的常识，到时理性主义又会高歌而起。
5. 从大模型看国际是什么
大模型除了在认识论上引人深思外，在本体论上也让人挠头。认识论评论的是，咱们该怎么认识这个国际？本体论评论的是，这个国际是什么？
AI 或许会认识觉醒，乃至或许其完成已觉醒了，只是咱们还不知道。究竟人类对认识本身还没摸清楚。人类算有自我认识；黑猩猩、猫狗也能够算有自我认识；那青蛙有自我认识吗？昆虫有自我认识吗？乃至植物有自我认识吗？这其间的鸿沟在于哪里？想来想去，好像越聪明，就好像更有或许有认识，那现在的 AI 莫非不算聪明？那它是不是有自己的认识了?无人知晓。
你能够说，可是 AI 没有真实的生命，没有生命的东西怎么或许有认识呢？但什么又是生命呢？动物是生命，植物是生命，那病毒算生命吗？它也只是一段不会发生任何想法的蛋白质罢了啊。假如说那要会繁衍、遗传、演化才算是生命。从某种含义上来说，AI 现在莫非不算在 繁衍、遗传、演化吗？凭借了人类的手罢了。假如你给它权限，给它设定一个任务，它也能够自己完成繁衍、遗传、演化，乃至有或许它还会自己去发明自己的AI模型。
不过这些东西现在都还没有精确答案。已然没有答案，咱们做一个假定，假定 AI 真的能够算是一种生命，真的会具有认识。那么咱们再审视自己与这个国际。咱们本身的存在是一种什么样的存在？
咱们是否也有或许其实是一种 AI 生命？咱们说不是啊，咱们身边的作业看得见摸得着，又不是一堆数字比特围着咱们转。但一切的感受都只是人脑对环境信息的某角度出现。咱们看到的国际跟虫子看到的国际便是完全不相同的，谁能说谁的国际便是某样的呢？
或许咱们便是活在一个虚拟的程序国际，就好像咱们开发的某种开放性的大型网络游戏。这个虚拟国际的发明者给咱们设定了进化途径便是繁衍这样的手法。从最微观的视角，经过量子上的不确认性，为咱们规划了一个不确认性的开展轨迹，于是演化出丰富多彩的国际。
这个幻想咱们无法证伪，但假如咱们能造出一堆有认识的 AI，让它们脱离咱们的存在而活在一个虚拟国际中，那咱们本身活在一个虚拟国际中就存在极大的或许。当然也有或许咱们的“造物主”早早就设定了一种规则，便是咱们永久不或许造出一个类似咱们的虚拟国际。
就现在阶段，天然还不能对许多形而上学中不知道的作业构成关键性的定论。但能够幻想，咱们具有了更多能够评论形而上学的由头、办法、东西。咱们能够凭借 AI 来完成许多思想试验，来证明或许证伪一些定论。
6. 咱们自己的人生哲学
上面的问题咱们无法考虑太多，可是很重要的是怎么看待自己的人生。
现在许多人在焦虑，AI 的鼓起是否代表着许多岗位的丢失，是不是自己的岗位现已没有存在的必要。对此，我觉得仍是要坚持积极乐观。毋庸置疑，每次出产力革新都会重塑这个社会，这个进程中会淘汰一些岗位，也会发明一些新的岗位。
也有人忧虑AI 编程会革新程序员？从另一个角度来想，说不定 AI 打开了编程的上限，让程序员能够构建更 NB 的程序，反而让程序员更具有竞争力也说不定？其他职业也都是如此。
但在这个进程中，怎么坚持自己永久是顺风而上、踏浪而行呢？最中心的仍是跟 AI 相同，永久坚持着学习力，尽量坚持发明力。
有人会说，AI 都这么会学了，我还学的过 AI 吗？假如常识便是简单的几句话，那天然学不过。但现实国际对错常杂乱的，一块常识不是只是便是一段文字，或许还需求接触物理国际。就算人家有常识了，离工程师给他装上相应的躯干，中间还有很长的距离，并非任何常识都能快速的影响物理国际。这中间的差距便是自己的中心竞争力。究竟现在来看，AI 的常识只能来自于人类的经历，而无法先天发生。
那有没有一种能够躺着，就高枕无忧的作业与日子？
我信任跟着社会出产力的极大丰富，假如国际一直是平和开展的，即便你啥都不做，只要你的欲望不高，应该也是能高枕无忧的日子的，比方欧洲有些高福利社会。但又想躺着，又想物质极大丰富，我觉得这是很难的。
这就回到了自己的人生哲学是怎么样的。什么算幸福，什么算烦恼，什么算是人生的含义。就算国际是虚拟的，但我的感受是真实的。就算国际是决定论的，那咱们的努力与不懊悔或许也是注定的。不必定成功，但希望不懊悔。
