今天小編分享的教育經驗：凱文凱利最新演講：幫助人類成為更好的人類，是人工智能的最終目标，歡迎閲讀。
作者 | 凱文 · 凱利，《連線》雜志創始主編、《5000 天後的世界》《寶貴的人生建議》作者
來源 | 筆記俠，管理智慧
咨詢合作 | 13699120588
内容來源于中信出版集團聯合上海交通大學上海高級金融學院，邀請凱文 · 凱利線下對談。文章僅代表作者本人觀點，圖片來源于 pixabay
3 月 29 日，中信出版集團聯合上海交通大學上海高級金融學院邀請到凱文凱利來到中國，展開一場精彩的線下對談。
現場，凱文 · 凱利帶來了他對于全球科技下一步發展趨勢的深入思考和精彩見地，讨論了關于誰是 AI 的第一批使用者、AI 與人類所產生的情感羁絆等問題
下為演講實錄：
大家好，非常高興能夠見到各位。
目前，技術領網域的重要趨勢，正在它全球的經濟環境產生重大影響。大家可能都已經猜到了是什麼——人工智能。
實際上我們對人工智能的了解并不深刻，并沒有挖掘到人工智能實際存在的更多發展可能性。
我們來談論一種可能性，但需要注意的是，這是把技術置于場景下的可能性的延伸，并不是單純的預測。
有一點我們需要明确，世界上不只有一種 AI，不同的行業行業有很多不同的想法和認知，也就意味着會有非常多紛繁各異的 AI，這就像世界上存在各種物種的動物一樣。
如果把眾多截然不同的動物智能和機器智能匯總，我們會發現人類的智能發展并不是核心或者唯一。
事實上，白痴和天才之間的區别并沒有那麼大。在圖譜當中存在着成千上百萬的不同的智能，所以想擁有通用智能的想法是一種誤導。
就像我們在生物的譜系當中，也并不是處在最核心的位置，地球也并不在太陽系，或者是宇宙或者是銀河系的核心，我們都是處在一個邊緣的位置，智能也是一樣。
我們與 AI 的關系可以從四種模式來思考。
AI 為人類提供，
完全跳脱的思維方式
第一種叫人造外星人。AI 就像是降臨到地球上的外星人一樣，但是他是由人類來進行設計和編程制造的，可能超過了人類的智能，也有可能有認知。
但最重要的一點是，他們并不像人，他們是一個硅基生物，有不同的認知和思維方式。
思維方式的不同，可能就構成了 AI 與人之間最大的不同，這并不是差錯，而是特點，甚至是優勢，他們可能會有創造性的思維，用完全不同于人的思維去做決策。
在新經濟的時代，不同的思維方式是非常重要的，如果我們要在一個互聯的世界生存，可能很難出現完全不同的、跳脱于所有人的思維方式，但是 AI 就可以做到。
他可以幫助人們跳出常規思維，用一個全新的視角來去思考。所以我覺得 AI 中存在一些像 ET 這樣的很聰明的智能體。
在過去的幾年有一個讓人們很驚喜或者驚訝的事情發生——以前我們會覺得電腦或機器是沒有辦法做有創造力的事情的，但随着新的 AI 的應用，人們發現機器也是可以產生創造力的。
但是這些創造力并非是空穴來風，他們必須有人去給 AI 做出提示，那麼這些人就叫做提示工程師。在過去的幾年我也一直在研究 AI 甚至是與 AI 共事，我嘗試和 AI 共創一些東西。
所以在新的時代，可能提示工程師将成為新一代的藝術家，他們和 AI 共同創造，我甚至把他們稱為 AI 耳語者。
真正優秀的 AI 提示工程師或耳語者，他們可能要花一千個小時以上的時間和 AI 共事，他們用的 AI 和我們是一樣的。
但是他們卻可以通過創造性的提示讓 AI 去創作出非凡的東西，因為他們花了超過一千小時的時間去學習和練習，這就像是精通一門技藝一樣，精益求精，熟能生巧。
同時他們也有一定的天賦，可以去了解 AI 背後的運作機制，現在招聘網站上已經可以看到這樣的招聘信息了，年薪最高可以達到 30 萬美元，這是給最優秀的人才所提供的機會。
之所以能給這麼高的薪資，是因為要成為一個優秀的 AI 提示工程師是需要大量的練習和非常深厚的知識積澱和技術積澱的，大家現在也都會用一些開放的 AI 工具，你會發現提示确實非常的重要。
你需要去了解 AI 背後的思考鏈條，你需要讓 AI 一步一步的去跟着你的思考。
我們也發現了，現在 AI 的注意力非常短，他沒有辦法跟進一個很長的思維，所以你就必須把思維打碎，然後一步一步地喂給 AI，這樣才可以幫助 AI 實現一些復雜的任務。
你暫時不會被 AI 替代，
但會被更擅長使用 AI 的人替代
第二點，如果説你給 AI 一些積極的情感反饋，比如你表揚他，那麼他就會給你一些更好的質量更高的答案。
我們也不知道為什麼，但是确實有這樣的現象。你甚至可以告訴 AI，你提的問題非常重要、生死攸關，請好好回答，這樣 AI 就可以給你一個更高質量的答案。
這些也是一些小小的竅門，幫助大家更好的運用 AI。
我認為這樣的 AI 更像是一個普世的私人實習生，在座的各位每一個人都可以擁有一個 24 小時的實習生，為大家服務，這就是 AI 可以做到的。
比起助理，AI 更像一個實習生，因為實習生不能獨立完成任務，工作成果需要我們來做二次核驗的。但即便如此也已經很好了，雖然這還不是我們最終的目标。
現在的大語言模型給我們的答案雖然不是最精确的，但是看上去已經非常合理了。有一些工程師每天的工作就是去設計一些合理的答案和輸出，并不是最精确的答案，而是出最合理的答案，這也是設計和算法的策略。
他們是從大量人類語料中去提取信息來訓練 AI，其中包含了人類最精尖的信息，同時也有一些非常普通的，甚至是質量不高的信息。
因此 AI 的水平就像是實習生一樣，可以做一些初始性的工作，比如説設計一個大綱或草稿，這些任務他們可以完成的非常好。
通過研究發現，對知識型行業從業者來説，50% 的任務都是可以由 AI 實習生來做到的。而其他 50% 的工作可以讓 AI 去做一個草稿，然後由人來做提升。
調查發現，如果使用 copilot 的話，程式員每天的生產力可以提升 56%。
同樣在其他的行業，比如説作者，他們使用 AI 的話，任務的完成速度會增加 37%；比如律師、顧問，還有行政的工作，他們使用 ChatGPT 之後都有不同程度的效率的提升。
最明顯的效率提升，其實來自于低級别的工種或者是普通員工。
AI 和其他的技藝一樣，需要至少一千小時的練習和學習，才能夠真正的擅長，所以我認為未來人們的薪資将與你使用 AI 的能力挂鈎。
因此，人們不會簡簡單單的因為 AI 失去工作，但是确實有一些工作内容會改變。
我相信在未來的 5 年以内人是不會被 AI 替代的，但是有可能會被一個善于使用 AI 的人替代，這是普遍的趨勢。
如同現在看到的，即使有了自動駕駛，依然很少會有司機被自動駕駛所取代，但未來，司機的工作内容是會出現一定的變化的。
我給大家舉個例子，美國有一個公司，他們用生成式 AI 去賦能服務台的工作人員，尤其是接線員，然後這些客服中心就可以去更加高效的服務客户。
在這個過程當中，他們确實也裁掉了一些人員，同時也招聘了更多技術支持人員。但是最常見的情況是接線員改變工作任務，會有一些 AI 沒有辦法處理的問題再轉到人工。
與此同時，我們也看到正是因為 AI 把一些簡單的工作都已經完成了，所以人可以專門處理一些比較棘手的問題，那麼客户的滿意度和服務質量都會提升。
AI 是相對平等的技術，即使是一些财力并不是很雄厚的企業或者是一些偏遠的地區，他們沒有充足的預算雇傭接線員，也可以運用 AI 提供客户服務。
除此以外，另一種 AI 應用趨勢應運而生——藝術方面的提升。目前很少有畫家、音樂家、或其他藝術從業者被 AI 完全替代，他們可能會用 AI 作為靈感來源。
因此從目前的生成式發展來看，我們很難在現階段直接下定論 AI 會取代人。
剛剛説到，AI 的世界是基于規則的，因此，有時人覺得很簡單的事情，對 AI 而言可能很難，換言之，AI 覺得很容易的人可能會覺得非常困難，我們需要記住這個邏輯。
説到生成式 AI 與人之間的關系，我把它稱之為 +1 關系。
希臘神話中的半人馬，其實是有點像人和 AI 的協作關系。科學家們發現，現階段只靠人或只靠人工智能都不行，它們要結合在一起。
跟大家分享一個故事，埃斯特 · 佩雷爾是美國著名的治療師，她做過很多公開的治療，他有一個播客節目，記錄了她上千上萬小時的治療過程。
有人根據她的治療記錄開發出了一個人工智能，人們可以直接去跟機器人溝通得到治療，不知道埃斯特本人會不會喜歡這個 AI 版的她，她的書和播客節目都可以幫助到就大家，但是人工智能會幫的更多。
不過目前還涉及到寵物的治療人工智能無法應對，但是确實開辟了一個新的路徑。
不可否認，現在的人工智能醫生還不如人類醫生，但是人類醫生與機器協作會做得更好。
不過用 AI 來做醫療診斷是勝過沒有醫生的，一些遙遠地區可能醫療資源短缺，無法接觸到正常的醫療資源，在這種情況下，AI 治療總比沒有醫生好。
這就涉及到我們剛剛提到的第二個方面，人類和人工智能協作可以應用在各種領網域，包括教育、法律、駕駛等所，有的這些和人工智能相遇是 1+1>2 的概念。我們剛剛提到了實習生的概念，以後人工智能會成成為合夥人、隊友、教練、副駕駛助手等等。
就像我在《寶貴的人生建議》裏説到的" 如果你想走得快，就獨自走 ; 如果你想走得遠，就一起走。"
每當技術變得隐形的時候，
才是最強大的
在過去一年裏，生成式人工智能帶來了許多激動人心的變化，比如神經網絡技術得以與人工智能結合應用。
實際上神經網絡技術不是新技術，網飛和亞馬遜早就在使用，這是一種識别 + 生成的技術。目前神經網絡已經發展出兩個全新的概念，一個就是大型語言模型，另一個叫做對話式用户互動界面。
大語言模型一開始是個非常簡單的編程，10-15 年前，我們其實是用它來做語言翻譯的，因此當初訓練他的目的是為了建立語言模型，将一種語言翻譯成另外一種語言，用作訓練的語料就是日常生活中的各種語言。
但是随着模型的不斷練習，出現了一些有趣的變化。語言模型不僅做了翻譯，同時還可以基于這些語料做推理。
因為語言不是單純的進行信息的傳遞和傳達，我們之所以會有語言，是希望語言表達思想，沒有語言，思想也是匮乏的，所以語言跟推理能力密切相關。
當你獲得了語言能力時，它也在一定程度上也就獲得了推理能力。這是開發人員們沒有意識到的。所以推理是語言模型研究過程中獲得的一個有趣副產物。
大語言模型在很多賽道有了全新的應用，基于大語言模型，他們獲得了閲讀推理的能力，人工智能可以幫助我們做很多測試，且高分通過。
回到剛剛的概念上，目前這些模型都是基于普通人的數據收集做的建模。我們也希望未來可以進一步優化，使用天才的語料進行訓練。
還想給各位介紹一下對話式用户用户界面，這與 20 年前的圖形用户界面有異曲同工之妙。在互聯網之初，我們看到這些電腦就是這樣的，只有一些單純的文本，沒有圖形，而且很難用。
很多人也沒有覺得這樣的應用有趣。現在已經截然不同了，随着萬維網的使用，你可以看到有圖片的互動形式，可以拖拽信息，這樣更加貼合人類的訴求。
你不用再去上繁瑣的編程和代碼課也可以理解它呈現的信息。現在有了大語言模型逅，你可以進行對話式溝通，從而生成圖文，我們會發現所以文本信息轉化成視覺信息非常符合人類的溝通訴求。
這極大改變了現在的技術應用，包括語言理解、手勢識别。比如目前很多設備可以采集你的唇語，你不用像以前一樣用吼的方式來進行溝通了。
這些技術極大地改變了行業。所以我的建議是未來幾年初創企業将變得非常的容易，只需要将一些東西添加到對話式使用界面中，比如你可以和面包機、汽車對話，AI 也會變成商品的一種形式，AI 互動頁面會成為區别其質量的一個關鍵所在。
現在有個很有名的引擎叫做 perplexity，它做的不是 AI 本身，是 AI 的互動界面。就像是水是免費的，但裝到瓶子裏就有了礦泉水，它就是產品了。AI 的互動界面是可以創造額外價值的。
回到我剛才所説的，當技術變得隐形的時候才是最強大的。我們現在在這個房間當中有大量的技術存在，比如電燈、誰管、風扇、通風管道等，我們意識不到他們的存在，這意味着這些技術已經成功了。
同理，我們一直在談 AI，説明它還沒有成功，如果説我們已經無法意識到 AI 的存在了，那麼就説明 AI 成功了。
在未來我是相信 95% 的 AI 應用我們都沒有辦法看到，他們就像管線系統一樣在後台運行。未來我們将更熟悉它的前台界面，大多數人可能甚至不知道它背後由 AI 運行。
現在有很多技術公司試圖用 AI 去預判、預測未來。在過去包括現在，如果要單純靠人力來完成的話，它是一個非常耗時非常昂貴的工作。但是未來有了 AI 的介入，那麼預判這件事情将變得非常簡單。
AI 的技術會存在于兩個階段，一個是内部的流程階段，包括編程工作、金融分析，或者是傳媒和溝通；另一個是外部使用 AI 來制作產品，這是大家在公眾視野當中可以看到的，比如説自動駕駛汽車機器人。
目前為止，内部運行的 AI 更為強大，我相信這也是未來 AI 重要的增長點。
我們把 AI 類比成電力，你不能簡單地認為把 18 世紀的公司通電，它就會成為完全不同的公司。但是如果這家企業在誕生之初就有電力的加持，那麼這一家企業和 18 世紀的其他企業相比，一定有巨大的飛躍。
AI 也是一樣，下一代 AI 原生企業的商業模式一定是和 AI 發展前的企業是完全不一樣的。有些工作是人類不想做的，有些工作是人類可以做的，還有些工作甚至是人類完全未知的。
AI 能夠起到最大作用的地方，不僅僅是在人類不能做的，更是在于去探求完全未知的工作。
社會中層，
往往是第一批 AI 使用者
那麼在商業場景中，第一批的 AI 使用者有哪些？
除了我剛剛介紹到的客服工作以外，還有程式員，現在程式員已經在使用微軟 copilot 這樣的 AI 輔助工具了。
有了 AI 加持之後，這些程式員表示再也不想要回到沒有 AI 的時代；同時在營銷領網域，工作人員也在大量的使用 AI 去生成物料、影像、視頻等等。
我覺得 AI 的第一批應用行業，包括軟體、醫療、教育、營銷和保險。保險大家顯而易見了，AI 可以設計保險政策、進行數據分析等等，在教育領網域，最大的受益者就是學生，在醫療領網域就是患者，在企業的環境當中應該是員工受益。
但其實我們發現事實與預想的恰恰相反，老師對于 AI 的熱情遠遠要大于學生，醫生的熱情大于患者，領導者的熱情大于普通員工。
比如説老師，有了 AI，他們每天可以節省幾個小時的備課時間，醫生和經理也是一樣。所以我們發現在一個企業或者行業結構當中，中層反而是受益最大的，他們反而是第一批的 AI 使用者。
另外我們發現一點，年輕的初創企業往往最先運用 AI。公司越小，運轉就更加靈活，他們就更有機會全面使用 AI。大公司的腳步就會相對的落後。
這是一個自然進化的過程，從 18 世紀開始，企業一步一步從工業模式一直進化到現在的數字模式，在數字時代，中國企業搭上東風，實現了快速的成長。
之後是雲計算的時代，現在我們正在全面的擁抱 AI，但雲計算這一步是不能略過的，我們需要去打好基礎，實現完善的雲計算部署。
換句話説，企業要進行完善的雲計算或者雲平台的部署，然後才可以在雲計算的基礎上來發展他們的 AI 實力。
現在 AI 還可以生成視頻。其實好幾年前就已經在讨論這個趨勢了，換句話説，它已經可以去生成世界的一個小片段或者小部分了。
現在 AI 可以生成狗的視頻，未來就不難想象 AI 可以生成一個完整的事件。這些在以前需要一整個技術團隊才能夠實現，而現在只需要一個人。JK 羅琳創造了哈利波特的世界，她一個人創造了一個魔法世界，她是一個天才。
但是即便她有如此大的想象力，也依然無法獨自制作 7 部哈利波特電影，但有了 AI，一個人是可以實現這一點的。
正如我們一開始所説的，即使 AI 現在所接受訓練的語料和物料質量還不是最高的，但是從這些大量的訓練當中依然可以產生出非常優秀的内容。
我們同時也意識到，AI 素材可以實現增強現實的功能。蘋果、谷歌也都推出了其現實增強的產品，我稱之為 " 鏡像世界 "，我在《5000 後的世界》中也有詳細説明，但是如果背後沒有成本較低的 AI 技術的支持的話，那麼這些終端產品是沒有辦法普及的。
AI 是增強現實產品的基礎。我認為增強現實和 AI 是相挂鈎的，它甚至可以説是 AI 的變相。
我們需要 AI 協助的過程中，AI 也在學習這個物理世界。現在蘋果已經推出了 Vision Pro，但是我覺得這個產品要普及可能還需要十年的時間，但有了 AI 增強的話，AI 可以讀取物理世界，快速生成數字孿生。有了 VR 產品，人們可以在虛拟世界遨遊。
但是這些眼鏡仍然有一個局限——每次使用的時候都需要掃描一下身邊的環境，它需要去識别你處在哪個房間，哪裏有窗户，哪裏有房，哪裏有門。
但是如果有了 AI 加持的話，它就可以去自動理解身邊的環境，不需要一遍一遍去掃描，最終将整個世界輸入鏡像世界中。
世界上的任何電子設備都可以看見鏡像世界，這是機器人和自動駕駛汽車所看見的世界。未來，數據世界和人類世界交織在一起，我覺得鏡像世界的社交屬性很強，所以在這方面的培訓工作潛力無限。
未來，人們在某項工作或技術正式啓用之前，可以在鏡像世界裏完成實訓和試錯。
AI 将與人建立更多感情羁絆
過去一年，很多翻天覆地的技術變化都是由人工智能來驅動的，人工智能帶來了前所未有的創意。未來如果給人工智能會產生情感屬性，那可能會讓很多人覺得匪夷所思。
AI 為什麼會產生情感屬性呢？有以下幾個原因。
首先，對話是人類溝通的自然表達，人們不自覺帶帶入情感，即使面對 AI，我們也會用到這種原始情感，AI 會通過你的語言和表情感受到原始情感的傳遞。
比如説它看到了你的視線，就會知道你現在走神了，或者通過你語調的變化感覺到了情感的變化。在語言表達的同時讀取并處理了人類信息，比如像愛、喜悦、恐懼、顧慮、驚喜。
人會跟寵物有很強的情感羁絆，比如狗狗或者小貓，可能在未來會跟人工智能有更強的羁絆，它就會像一個能夠説話的小狗。
你可以想象一下，如果你的小狗能夠用你能理解的語言對話，你跟它的羁絆就會更深，所以這也會成為未來技術發展的趨勢。
雖然可能剛開始會讓很多人覺得不習慣，但是随着情感嵌入技術的發展，你可能會發現這種羁絆感是超過了你的預期。
就像上面説的，AI 的種類非常多，他們可能會有不同的性格，你需要找到跟你合得來的 AI。在過去幾年中，我們從生成式人工智能總獲得的一切，都是機基于已經有五十年發展基礎的神經網絡技術。
迄今為止，我們就像擁有了一個人造大腦，這個大腦可以進行多種認知，目前我們對神經網絡的開發十分有限，未來我們還有很長的路要走。
很多 AI 專家認為，人類是不可能用一種技術覆蓋所有的應用場景，除了神經網絡之外，我們還可以加入像模糊邏輯、規則判斷這些技術。
我們正處于人工智能發展初期，還有一些 AI 是尚待開發，可能三十年後，未來的人類再回顧 2024 年，會覺得 2024 年的 AI 技術都不叫 AI，當然這是後話，現在的 AI 專家展望過去也是一樣的。
AI 還處于一個萌芽期，未來三十年 AI 會有什麼樣的發展路徑，沒人能夠預判。
但是至少目前這些分析可以幫助我們更好地為未來做規劃，AI 能夠幫助我們判斷哪裏 AI 做得好，哪裏人類做得好，同時還可以剖析一下哪些是希望人來做的，幫助我們更好的認清現實、理清路徑。
相信這些機器可以幫助人類成為更好的人類，這是我們的最終目标。
