M6 米樂半數(shù)工作被自動化取代的時間因大模型提前了10年

　　米樂M6 M6米樂M6 米樂M6 米樂2022年11月30日，ChatGPT發(fā)布，全世界對這一全新AI技術(shù)充滿好奇的人，開始闖入ChatGPT世界。

　　即允許ChatGPT將我們與它對話過程中產(chǎn)生的數(shù)據(jù)，用于它自己今后的模型優(yōu)化過程中。

　　或許你會覺得這沒什么所謂，畢竟在互聯(lián)網(wǎng)世界里，我們已經(jīng)習(xí)慣了交出數(shù)據(jù)，換取服務(wù)。

　　然而，相較于之前基于關(guān)鍵詞匹配的互聯(lián)網(wǎng)搜索技術(shù)，基于語料庫生成式的大模型技術(shù)天然擁有更高的“智慧”，這當(dāng)然也包括在構(gòu)建用戶畫像上。

　　在大模型收集到一個人足夠多的個人數(shù)據(jù)后，當(dāng)一位黑客提示大模型為這個人作出用戶畫像時，它甚至可以寫出一本，詳細(xì)地描繪出這個人所有的靜態(tài)和動態(tài)信息。

　　實際上，這并不是玩笑，在一些西方機構(gòu)中，不少人已經(jīng)開始通過這類技術(shù)，分析初創(chuàng)公司的創(chuàng)始團隊，以評估相應(yīng)的項目是否值得。

　　2023年9月7日，美國《時代》周刊首次發(fā)布了全球百大AI人物（TIME100 AI），這將人工智能和大模型在全球關(guān)注度再次推向高潮。

　　而早在今年1月，美國另一本頗具影響力的商業(yè)雜志《財富》，更是旗幟鮮明地指出，大模型是人工智能的iPhone時刻。

　　知識圖譜是過去十幾年構(gòu)建人工智能推理能力、認(rèn)知能力的基礎(chǔ)，也是傳統(tǒng)人工智能技術(shù)的重要范式。

　　在國內(nèi)，復(fù)旦大學(xué)肖仰華教授是最早從事知識圖譜研究的人工智能專家之一，他指出：

　　知識圖譜是一種符號化的專業(yè)知識表達(dá)，大模型則是一種參數(shù)化的通用知識容器。

　　「常識」能力是人類定義的，也是人類擅長的一種經(jīng)驗知識，以往的人工智能并不擅長處理「常識」問題，他們遇到「常識」問題，往往會變“笨”。

　　如果你在爐子里放入木頭，然后再把引火物扔到爐子里，一般來說，你是在做什么？

　　答案顯然是你要在爐子里點火，現(xiàn)在的ChatGPT已經(jīng)能夠很好地給出答案，甚至給出詳細(xì)的解釋。

　　然而，就在三年前，紐約大學(xué)心理學(xué)教授Gary Marcus（曾是Uber人工智能實驗室負(fù)責(zé)人）也曾向當(dāng)時還很不成熟的GPT-2問過同樣的問題，GPT-2給出的答案是：嘔吐。

　　所以，在大模型出現(xiàn)之前，人工智能領(lǐng)域普遍流傳著這樣一個似玩笑又非玩笑的尷尬自嘲：

　　正如機器人的終極形態(tài)是擁有雙手、雙腳，可以在人類定義的世界里執(zhí)行任務(wù)的人形機器人一樣，需要在人類世界里運轉(zhuǎn)的人工智能系統(tǒng)，同樣需要有仿人的大腦。

　　在過往十幾年，甚至幾十年里，人工智能科學(xué)家都在思考如何模仿人類的神經(jīng)系統(tǒng)，雖然因此在CNN、RNN等神經(jīng)網(wǎng)絡(luò)上取得了不少突破，但卻長期困于「常識」的漩渦。

　　現(xiàn)在的大模型其實做了另外一件事兒，另外一件模仿人類成長過程知識體系形成過程的事兒：

　　通過大量數(shù)據(jù)和參數(shù)，花大力氣讓人工智能擁有「基礎(chǔ)認(rèn)知」，而非「專業(yè)知識」。

　　雖然大部分人類最終沒有成為科學(xué)家，也沒有從事基礎(chǔ)科學(xué)研究，但這些基礎(chǔ)知識讓我們在之后的生活中擁有了「常識」，這為我們從事更具象化的工作打下了基礎(chǔ)。

　　所以，九年義務(wù)教育或許沒有肉眼可見的實際價值，但它為我們建立了對世界運轉(zhuǎn)規(guī)律的基本認(rèn)知。

　　里，醫(yī)生在為病人診斷病情時，80%的時間是在排除健康因素，只有20%的情況是需要醫(yī)生干預(yù)并給出診斷方案的。

　　也就是說，一位醫(yī)生要想做好自己的工作，首先要知道人類身體在健康情況下是一個怎樣的運轉(zhuǎn)狀態(tài)，而不僅僅要知道生病時是什么樣。

　　在大模型出現(xiàn)之前，人工智能專家要想為某個行業(yè)研發(fā)智能化解決方案，首先要把這個行業(yè)中所有數(shù)據(jù)收集起來，從而構(gòu)建一個行業(yè)數(shù)據(jù)驅(qū)動的智能化解決方案。

　　此前只會下圍棋，但卻轟動了全世界的AlphaGo，就是通過這種模式訓(xùn)練而來。

　　2015年年底，OpenAI創(chuàng)始人奧特曼帶著一群人工智能領(lǐng)域最聰明的人，用大量資源和萬億級參數(shù)，開始訓(xùn)練人工智能看起來不怎么厲害的「常識」理解能力。

　　這時，AI有了理解傳統(tǒng)人工智能模型學(xué)習(xí)的“大學(xué)課程”背后的“為什么”的基礎(chǔ)。

　　奧特曼和他的團隊——世界上最聰明的一群人，花了大量的時間和精力做了很多不討巧、其他人不愿意做的事兒。

　　這才有了大模型，有了2022年年底發(fā)布的ChatGPT，有了人工智能突破認(rèn)知瓶頸的2023。

　　如非大模型，人工智能很可能會在2023年在資本的失望情緒下，再次進入低潮。

　　大模型來了，通用人工智能來了，AI和人一樣有了認(rèn)知世界的基礎(chǔ)知識了，是不是就能完美解決所有行業(yè)問題了？

　　大模型讓人工智能擁有了「常識」的同時，也帶來了一個與生俱來的嚴(yán)重問題是：“幻覺”現(xiàn)象，也就是我們在使用ChatGPT這類大模型過程中，它總是會“胡說八道”。

　　大模型之所以被稱為生成式AI，是因為它基于訓(xùn)練數(shù)據(jù)，有了一定的創(chuàng)造性，這樣的創(chuàng)造性，在具體某一個垂直行業(yè)中，表現(xiàn)為對先驗知識缺乏足夠的“忠誠度”。

　　如果在醫(yī)療、工業(yè)等行業(yè)領(lǐng)域中，大模型遇到了一個它沒有學(xué)習(xí)到的知識，或者是一個開放性的問題，它發(fā)揮了自己的創(chuàng)造力，由此帶來的后果將難以想象。

　　在垂直行業(yè)場景中，引入人工智能技術(shù)，首先需要它是一個可控、可編輯、可解釋、可防護的模型，這是基于知識圖譜的傳統(tǒng)人工智能模型的特性，也是為什么這類模型會先發(fā)展起來的一個主要原因。

　　當(dāng)傳統(tǒng)人工智能模型最終遇到瓶頸，人們發(fā)現(xiàn)大模型才是正道時，如何讓“創(chuàng)造力有余，專業(yè)力不足”的大模型擁有進入產(chǎn)業(yè)時所必須的，這些它本不擅長的能力，就成了如今的關(guān)鍵。

　　肖仰華認(rèn)為，通用大模型向行業(yè)大模型的適配、優(yōu)化，今天才剛剛開始，無論是從數(shù)據(jù)、知識、訓(xùn)練，還是模型架構(gòu)、評估體系、生態(tài)建設(shè)上，我們都還有很長的路要走。

　　例如，在長文本的理解能力、長短期記憶能力，甚至領(lǐng)域最基本的數(shù)學(xué)量綱、數(shù)量推理上，現(xiàn)在的大模型都還無法很好地做出正確的理解。

　　不過，我們能看到的是，在大模型發(fā)布還不到一年的時間里，各行各業(yè)都已經(jīng)迫不及待地嘗試將大模型引入各自領(lǐng)域中。

　　具體在進入垂直領(lǐng)域時，大模型往往會將需要執(zhí)行的任務(wù)分解為三個子任務(wù)：提示、生成、評估，當(dāng)下大模型最擅長的，仍然是生成子任務(wù)。

　　因而，學(xué)術(shù)界和產(chǎn)業(yè)界都在為大模型補課，希望可以通過與數(shù)據(jù)庫、知識圖譜這些相關(guān)技術(shù)的協(xié)同，提升大模型的專業(yè)能力。

　　大模型欠下的專業(yè)課，都需要再修一遍，這其中，與專業(yè)能力更強的知識圖譜這類技術(shù)進行協(xié)同應(yīng)用，不失為一條不錯的捷徑。

　　在ChatGPT問世之前，沒有多少人相信大模型，就像云計算在國內(nèi)問世時，不少互聯(lián)網(wǎng)大佬都曾質(zhì)疑過云計算一樣。

　　甚至在ChatGPT問世不到一年的時間里，各行各業(yè)都展開了對大模型在垂直行業(yè)里的應(yīng)用探索，商業(yè)模式更清晰的行業(yè)大模型也成了一大競爭焦點。

　　來自全球知名咨詢機構(gòu)麥肯錫的預(yù)測數(shù)據(jù)顯示，生成式AI將為全球帶來至少9萬億美元的經(jīng)濟價值增量。

　　在這9萬億美元的經(jīng)濟增量中，排在前三的產(chǎn)業(yè)分別是高科技、零售、，預(yù)計產(chǎn)生的經(jīng)濟增量分別為2000億美元-4600億美元之間。

　　即便是在農(nóng)業(yè)這樣被視為最傳統(tǒng)的產(chǎn)業(yè)中，也將帶來至少400億美元的經(jīng)濟增量。

　　過去三十年里，全球GDP增長主引擎已經(jīng)由就業(yè)人口轉(zhuǎn)向生產(chǎn)力，而在過去十年里，生產(chǎn)力增速不斷放緩導(dǎo)致了全球經(jīng)濟減速。

　　他指出，在過去很長一段時間里，自動化始終無法替代的諸如互動、決策類工作，生成式AI帶來了新的替代可能。

　　此外，作為擅長用數(shù)據(jù)表達(dá)趨勢的咨詢機構(gòu)，麥肯錫還給出了生成式AI對自動化的加速量化效果——當(dāng)前半數(shù)工作被自動化取代的時間，相較之前預(yù)測提前了10年。

　　這意味著，雖然大模型才剛開始從通用大模型轉(zhuǎn)向?qū)Ｓ么竽Ｐ停竽Ｐ蛯裨朴嬎阋粯宇嵏伯a(chǎn)業(yè)。

　　本文來自微信公眾號“鋅產(chǎn)業(yè)”（ID:xinchanye2021），作者：山竹，36氪經(jīng)授權(quán)發(fā)布。

　　2023年上半年扣非凈利潤-0.59億元，較上年同期下降170.56%。