我们阅读了关于的50篇中英文文章，为大家提炼出了以下观点。本文为系列（上），系列（下）将进一步展开我们应该怎么办。为了避免错过精彩，大家需要将公众号设置为星标。
“正确理解并面对AI，让每个人因为AI而强大。”
——Qun Z
意大利和德国都已经相继禁止，更多国家的政策法规即将跟进。马斯克还呼吁GPT-5停止训练。
但为什么我说，反而是普通人实现跃迁的机会？
它是什么？和以往有什么不同？
要回答上述阶级跃迁的问题，首先我们要了解是什么。
首先，是一个应用，不是一个概念。
什么是概念？什么是应用？拿车来举例，概念就是PPT里的车，应用就是4S店里的现车。
这使得和过去几年先后流行过的区块链、元宇宙、Web 3.0有着本质区别。那些都是概念，而是应用。
它擅长什么？不擅长什么？
然后我们需要知道它的擅长与不擅长的领域。
聚焦AI的语言分支；则聚焦AI的图像分支。等下我们也会简单提到。
首先，擅长使用高度结构化、逻辑严谨的语言来解释一些问题。例：为什么天是蓝的？
回答科学问题
其次，擅长根据相对精准的指令来“生成”语言对话。
这里要提出（关键词指令）撰写的重要性。写得越好，就越有帮助。
怎么定义好？
“给我写个自我介绍”这样的泛泛的指令往往就达不到目的，因为发出指令的人并没有给足信息。
介绍自己
对于这样的，写出来的东西几乎一定会违背使用者心里所想，但没有明确说明的信息。
我们通过给它更多信息和语境，就可以达到让它帮我们写个还不错的自我介绍：
介绍作者
第三，擅长总结核心逻辑。这也就是大家在市面上听说的它可以用来总结概括很长的学术论文：
提炼NLP原理
当然，也有它的缺点和漏洞。
首先，它不擅长生动地总结并非纯逻辑的文字。当我们把一个1小时、2万字的访谈逐字稿喂给它，让它生成总结。这是它的部分答案：
将一段文字分别精简到150字和50字
（使你想起哈佛商业评论上的那些大道理文章了吗？）
原文是不是精彩得多？如果是一位稍有文采的人来总结，相比一定不会把deal maker这样的关键词筛掉。
但会把情感和生动都过滤掉。
当指令中添加“尽可能生动”后，会一定程度保留比喻，但还是不够生动：
将这段文字精简到100字，并且“尽可能生动”
这是任何概率模型的必然结果。“生动”意味着与众不同，带有个人风格。而“总结”意味着将一切“稍有偏差”（包含“生动”）的表达变成最常用的语言。
也就抹掉了任何个人风格。
除非是特朗普等名人。专门学习过他们的个人风格。
其次，就是大家都听说了的“一本正经地胡说八道”：
对话
这是由于其模型背后运用的是某种概率的排序，即它会展示它认为“最有可能正确的正确答案”，无论这个答案的正确概率是0.8还是0.2（除了违反道德或法律的一些过滤，以及提出的问题相对明确地会超越它的训练数据截止时间）。
只要一个答案比其他答案的正确概率都高，这个答案就会被展示。
套用苏格拉底语录的现代版：“You don’t know what you don’t know”。
doesn’t know what it doesn’t know.
它带来的机会在哪？
是少数对普通人的机会，它更像微软和搜索引擎，可以赋能很多人的日常工作。
最显著的机会是赋能内容生产。无论是解释一些概念，写个演讲稿，设计一些图片，还是编写代码，门槛都被大大降低，效率都被大幅提升。
这里引用苹果为计算机带来的重要变迁做类比。
在现在的macOS以及这些GUI（ User ）界面出现前，命令行（ line）是唯一的人机对话途径。这就要求使用计算机的人能够在自己头脑里把人类语言翻译成计算机语言，进而操纵计算机。
GUI的出现大幅降低了上述操作计算机的成本。人类用户只需要在可视化界面上点击即可。
类似地，的出现也大幅降低了人机互动的成本：
曾经为了回答“天为什么是蓝的”，人们需要在搜索引擎里搜来搜去，拼凑出一个自洽的答案。
而现在人们只需要问一个：天为什么是蓝的？
曾经为了设计一个海报，人们需要在PS里拿各种元素拼来拼去，整合出一个漂亮的图片。
而现在人们只需要问一个：, one man and one woman, , sunny, lawn, , tent。
自然语言成为了新的人机交互的UI。
用好这个UI的前提是写得好，即使用者拥有“提出好问题的能力”。
提问题的能力在未来的世界中只会变得越来越重要，甚至会出现“工程师”或“产品经理”，作为一个连接转换的角色，把人类需求与知识对接，创造价值。
它对企业主的机会在哪？
上文说：会一本正经胡说八道。
但这只是当下的。
面对不完美的事物，不同人的反应很不同。
想躺平的人从听说后的忐忑，到亲自使用后发现它对于自己能回答的问题会给出一本正经胡说八道的答案，则松了一口气：
“不过如此。”
想抓住机会的人在发现同样的现象后，会惊叹：
“原来在我的行业里还有这么多空白可以填补。”
早期也不好用。据说搜“”都没有什么结果。那时抓住机会赶紧建网站。写个什么文章都能被搜索引擎排在第一页。
同样地，是个语言模型，不是知识信息。虽然它具备一些通用信息，但大量的垂类行业信息仍需要被填充进去，才能创造价值。
而机会正在于此。
这里要避免混淆：带来的机会在于AI的应用，而不是AI本身。
有了大炮的世界里，还在用鸟枪的人会死得很惨。但过去使用鸟枪的战斗经历本身仍然是非常宝贵的经验，需要被尽快嫁接到大炮的世界里。
AI时代的顶级医疗专家大概率是学习了AI的医疗工作者，而不是从研究AI下棋切入到医疗领域的程序员。
它最大的影响在哪？
– 对职业
和对不同的职业的冲击会有先后顺序：客服、设计师、文字工作者、程序员、律师，这些职业中的初级岗位会最先受到影响。
基于7个关键词生成的4张婴童面霜包装图：
baby cream blue peace relax
举例：在设计人员占据较大开销的游戏行业，已经有很多公司开始裁员初级设计师。
另外，它的逻辑能力强于世界上多数的人。
面对“2023年有哪些团体健身趋势？”，能够精准地区分“未来趋势”和“过去已经开始流行的趋势”，并提供客观答案：
“作为一个人工智能语言模型，我不具有预测未来趋势的能力，但是我可以列出一些在过去几年中已经变得越来越流行的团体健身趋势。”
相反，会犯以下逻辑错误，思考不清过去和未来的关系的人，绝对不在少数：
“因为数据都是过去的，而决策都是面向未来的，所以做决策依赖数据是不可行的。”
– 对企业主
相关的产业链玩家包括底层的芯片、云服务商，中层的模型开发公司（例：），还有上层的纯调用的应用开发公司。底层和中层由于前期投入之高，都不是创业企业能够进入的。
因此机会就在于上层。
是一个语言模型，但并不是一个行业知识库。
创业者的机会正在于将垂直行业的知识用武装后，做出自己的“机器人”服务。
想象在消费品行业的一家企业拥有市面上全量的咖啡口碑，消费者认为哪些咖啡好，哪些不好，为什么，口味在苦味、酸味、甜味、涩味、焦味、奶味方面分别表现如何。
PC、互联网、移动互联造就了一批企业。
的广泛应用可能带来下一波浪潮。
– 对国家和社会
首先是国家安全。
就相当于一个媒体。
但它却比以往任何媒体都复杂：
PGC媒体如CNBC，原则上我们可以看到其平台上的全量内容（只要有足够的时间进行观看）；
带有强个性化推荐的UGC媒体如抖音，我们是没有办法穷尽到其平台上的全量内容的。
而的对话形式则使其比抖音还要难以穷尽：
谁能知道每天它在对我们的国民说什么悄悄话？
也因此，国家从一开始就进行了管控。
也因此，中国会有自己的，就像虽然技术强大，但中国还是会有百度。
其次是社会稳定。
资本逐利，会尽可能地用低成本、高稳定性的生产方式去进行替代。
而国家关心的维度还包括就业。这就进入下一个话题。
各国的反应和背后的考量如何？
意大利和德国都已经相继禁止，更多国家的政策法规即将跟进。马斯克还呼吁GPT-5停止训练。
在没有布局好新的着力点时，新的迭代势必会引起保守利益的反抗。害怕更多是因为自己没有。各国表面封锁GPT的“原因”是隐私保护、数据安全，甚至还有儿童隐私。
然后暗地里自己偷摸学。
但就是没有国家承认“保障本国就业”。
相反，另外一派则认为，会增加就业。他们的核心逻辑是：可以让原本在一些方面很低效的人变得更高效，进而产出更高。那么在人力成本相同的情况下，这些人的“可雇佣性”就变得更高。
认为它会增加就业或降低就业的这两派都在基于非常简单的假设来妄下结论。
他们的结论就像说“需求量会随价格上升而下降”。
而学过经济学101的人都知道，商品中存在奢侈品和吉芬商品。它们的需求量往往随价格上升而上升。
和对就业的影响的关键在于：对某类服务/内容/商品的需求是否已经达到饱和。看这样两个例子：
前文提到的“在以文字为主的媒体里，读者往往不喜欢看长篇大论的文字，因此这些文章都会配有插图，以增强读者的愉悦感。这些插图曾经都由专门的设计人员完成。”在读者数量不变，读者阅读量不变的情况下，即需求量没有变，的出现一定会导致设计人员的冗余。原本每周100篇文章需要500个插图，需要由10个人来完成，现在500个插图的需求量没变，会使用的2个人即可完成。
稍微改变一下条件：增加文章输出数量可以为这家数字媒体带来更多阅读量和广告收入。那么的出现使得文字工作者能够提升效率，每周产出200篇文章，并带来了对应的收入提升。这就使得原本生产力低一些而没有被雇佣为文字工作者的人现在就可以加入队伍中。
因此，到底是带来失业还是创造就业，关键要看行业和企业的需求量是否已经处于饱和状态。
任何没有仔细评估过需求量的关于失业和新增就业的结论都等同于给狗看红绿灯的行为。
狗是红绿色盲。
我们该怎么办？
我们可以有两种心态。
一种是面对海边发大水，离开自己的海景房，跑到山上。
可以理解为，一位厨师，面对着越来越多的餐馆选用预制菜，决定转型成为米其林餐厅，与少数关系好的客户建立深度情感链接。这样的强关系是不会被预制菜所替代掉的。
另一种是面对变革，勇往直前。越被变革的行业，按照定义，效率提升就越多，能抓住效率提升的人的回报就越大。
可以理解为，另一位厨师，决定建立预制菜工厂。自己革自己的命。
对两者的选择没有对错，但是卡在中间继续做厨师，指望着自己的“奶酪不要被动”，就不是一个好的选择。
结语
1907年4月24日，曼哈顿街头2.5万盏煤气灯中绝大部分都没有被点亮。
“灯夫们”在这一晚罢工了。
自1414年伦敦第一批街灯亮起，“灯夫”这一职业就随之兴起。
他们的工作是每晚带着长长的木杆火把逐一电亮路边的煤气灯。
4月24日这晚，他们决定抗议电灯对他们这份500年历史的职业的威胁。
罢工可能反而加速了电灯对煤气灯的替代进程。
也因此，在接下来的20年之内，他们中的多数人都转行加入了电力行业。
也很难想象，2023年会有人还想要从事“灯夫”这样一份职业。
相反，在出现后的15年里，中国出现了10亿“摄影师”。
试问，出现后的15年里，中国会出现多少名“程序员”？
正确理解并面对AI，让每个人因为AI而强大。
我们阅读了关于的50篇中英文文章，为大家提炼出了以下观点。本文为系列（上），系列（下）将进一步展开我们应该怎么办。为了避免错过精彩，大家需要将公众号设置为星标。
作者赵群，主理人，
本科毕业于LSE，MBA毕业于沃顿商学院，
曾在伦敦和东京摩根士丹利从事全球宏观衍生品交易，
回国后深耕创业创投领域。
你还有哪些进一步问题？欢迎留言探讨。
欢迎添加团队小伙伴微信，共同探索未来。
相关文章
