2023年第6周 (02-06 ~ 02-12)

闲言：为网站开启了RSS全文输出，可以通过RSS自由的订阅。

ChatGPT 对人才需求带来的变化，以及应对措施和机会

@starzqeth 在推文中围绕以下3点分享其认为 ChatGPT 带来的变化和机遇：

  1. ChatGPT会替代大量职位，我们需要具备差异化能力：想象力、决策和沟通能力
  • ChatGPT 几乎完全可替代 第一类 Entry Level (问题明确，解法唯一) 人才，客服/实习生的职位会被压缩甚至取消。举例： AI 成本为1/800, 初级画师被抢活
  • 对于 Middle Level (问题明确，方法不唯一) 的问题，若才基于历史信息的总结和小幅度创新，篇幅较短的情况下，ChatGPT 基本也能胜任。举例：用ChatGPT + Midjourney + Clipchamp，生成的绘本故事媲美市面上80%的产品
  • High Level ( 问题不明确，方法也不唯一）的问题，核心是定义问题，ChatGPT 暂不能胜任：想象力、决策和沟通能力。
  1. 传统的人才培养体系将失效，我们需要为自己设计培训系统
  2. 2023将是 solopreneur（个体企业家）元年，个人创作者必须升级自己

更多内容见 推特原帖。

ChatGPT vs. iPhone 两种技术带来的思考

@Szhans 在即刻发起讨论：ChatGPT vs. iPhone 两种技术有何异同？ 就它们制造产业变革和影响来说，对比思考能否启发对未来的想象？

@数字游民Jarod 的观点：智能触摸屏和LLMs都是人类在人机交互领域做出的重大突破，前者从硬件物理层面简化了人类携带及操控强计算设备的方式，而后者则将抹平人机之间的语言和逻辑障碍，进一步帮助人类解锁生产力。
智能触摸屏其实是在传统GUI操作系统基础上（Win/Mac鼠标键盘）做的改进，而LLMs则更像是一种全新的技术形态，所以从革新程度角度来看，二者并不具有可比性，后者带来的变革将无疑会更加深刻。

@Rename 的观点： 把Internet类比成一个超大的图书馆。 Google是这个图书馆的管理员，他总能快速找到你想看的书。
ChatGPT是这个图书馆的老者，他几乎看完了里面的书，但很多东西理解还很浅。你问他很多东西，他都能给你说个大概。
那iPhone是什么？ 本来我去图书馆要坐2趟巴士花10几分钟，现在下楼就有专车送我过去，而且这趟专车只为我服务，24小时待命，想去哪就去哪。
终极问题：图书馆的书由谁去写？老者能写吗？依靠老者答案去认知世界的人能写吗？

生成式AI，不断逼近真实的创作

原文：Ben Buchanan：Generative AI and the shrinking time-gap between unrecognizable realities

我们通常会高估短期变化，而低估长期变化。文章以科幻小说式的畅想开头，描绘了AIGC发展到极致后给内容消费带来的完全颠覆式的改变。消费的过程也成了和AI协作创作的过程。

从人类历史中重要发明的时间表可以看到，带来重大变革的发明的时间间隔越来越短。
当前，AIGC刚步入实用阶段，虽然还有不少缺陷。然而随之而来的创作成本的指数级下降，一个人将能够仅使用他们的想象力和一些计算能力来制作整部电影。这将对内容和娱乐空间（以及许多其他领域）产生的影响怎么强调都不为过。
生成式人工智能有可能将卓越的认知转化为卓越的创造。

作者在结语中指出：

  • 这一转变的明显赢家包括：
    • 创作者和创作者经济
    • 平台运营商——可能是控制操作系统并拥有庞大分销网络的公司
    • 数据中心基础层（AWS、Azure、谷歌云）
    • 半导体——您能想象未来需要多少计算能力吗？
    • Consumers 消费者
  • 明显的输家包括：
    • 演员。将来您将不需要人类演员。
    • 好莱坞、迪士尼、Netflix 和其他内容制作巨头
    • 游戏工作室（出于同样的原因）
    • Legacy media 传统媒体

以教育举例，围绕每个孩子的兴趣定制课程。不是向 20 名不同的学生教授相同的东西，而是每个学生都有自己的课程，每隔几个月围绕学生当时最感兴趣的概念重新设计。
如果一个 7 岁的孩子对恐龙感兴趣，那么将建立一个课程来教授数学，让他们数恐龙蛋并测量霸王龙的长度。如果孩子们对主题感兴趣，他们的学习速度会快两倍以上。
第二天，AI从之前的交互中知道孩子正在研究乘法表，因此它在现场设计了一个新课程，使用赛车而不是恐龙来教授乘法。(原文 by Ben Buchanan)

ChatGPT 适用的5类场景

凡事都有限制。从哲学上说，事物只能通过“它们不是什么”来定义（things can only be defined through their limits）。
Alberto Romero 根据 ChatGPT 的优势和劣势，整理出适合 ChatGPT 5 个实际应用。

原文: 5 Practical Applications Where ChatGPT Shines ChatGPT

  1. ChatGPT 优于人类的能力——将不同的想法无缝地组合成一个同质的整体。
    将任何两个或三个主题无缝地混合在一起并不是人脑默认可以做到的。 ChatGPT 的能力具有“异质性”（因为它出错的方式存在异质性）。它结合人们的写作风格、不同的主题或从未放在一起的想法来创造具有语义凝聚力的独特作品的方式令人印象深刻。

  2. 修改内容而不是创作内容
    人类擅长深入探索想法，而这正是 ChatGPT 所面临的难题。而“格式之间的转换”是 ChatGPT 的优势。例如总结文章要点、修正句子的语法，转换内容风格/形式（例如，将 Substack 文章制作成适合 Twitter 的多条连续帖子）。

  3. 为 AIGC 艺术写提示词
    例如写适合 Midjourney 的提示词。不是因为它了解什么是好的提示词，而是因为它擅长模式（实际上这也是深度学习模型的本质——模式识别），而提示工程就是关于模式的。（多个具体案例见文章原文）
    这和第2种应用的实质是一样的。

  4. 协助产生创意
    ChatGPT 的回答，是一种从”内部统计分布种随机挑选“的结果，是概率性的。因此不能胜任在需要事实性、数学计算等任何需要划清对与错的界限的情况，然而这种随机性适合帮助我们做集思广益的事情，例如起标题、创作故事、漫画灵感等。

  5. 这个流程图很好的总结了何时适用 ChatGPT

|480

推理应用——大语言模型的下一个前沿

KOJO OSEI 在博文 Reasoning apps: the next frontier for LLMs 探讨了大语言模型已被验证的推理能力，并构想这一能力在未来面向终端用户的应用程序中的处于的位置和作用。

大语言模型的推理能力，再模型达到某个规模之后大幅提升。看起来推理能力是大语言模型的涌现属性。

可以在这里 看到多个测试任务。

对于客户支持等对话任务，最直接的方法是构建一个聊天机器人。然而，大多数推理任务不是会话任务。相反，它们是围绕推理原语构建的端到端工作流任务。因此，大多数其他任务的理想界面可能看起来像一个工作流工具，其中包含由 LLM 在上下文中执行的显式步骤。
像 LangChain, Dust, GPT Index, and Cognosis 这样的项目正在为实现这一愿景而努力。

一个设计良好的推理应用程序将被限定在特定任务范围内，并具有适当的保护措施。对于一个工作流程，人的角色是为可靠性提供保障。完全自动化的工作流，应该具有可观察性，可以由人类专家检视其是否正确。（更多内容参见原文）

AI展望周刊

一份关于人工智能的资讯摘录周刊，记录值得关注的AI项目、研究进展、行业动态、引人思考的观点和鼓舞人心的理念。注视正在发生的未来。