AI 浪潮下的一些淺思

我並非 AI 領域專家，以下客觀信息均來自網絡，結合自身經歷，所感所思，創作此文。文章僅代表作者個人觀點，請勿過度解讀，理性探討，謝謝配合。

最近 AI 風頭正勁，被朋友圈，微信群的一些東西刷屏了。他們形式多樣，但是套路流程基本一致。總結一下，大致分為以下幾類：

做第三方服務：賣帳號，代充值，做鏡像站點，小程序機器人等。
純利用信息差：打著自研旗號，售賣各種開源工具，框架等。
販賣人性焦慮：利用盲從心理販賣焦慮，創建各種付費群，星球等知識付費平台。
利用工具收割：AI 技巧速成，利用 AI 賺錢的教程也比比皆是。

總結一下，其目的基本都是一致的，利用信息差，販賣人性焦慮。以此來營造一種 “在 AI 來臨的時代，你再不學 AI，就要被淘汰了。AI 將取代大部分打工人，現在你只需要花費很少的錢，就可以領先所有人一大步”。但是事實真的是這樣嗎？我從來不曾詆毀過知識輸出的價值，但這真的是知識輸出所應具有的營銷姿態嗎？我所看到的一切都在不斷地刷新我的三觀...

是什麼？#

當遇到自己不理解，或者無法理解的未知問題時，你是如何解決的？要想探究問題的本源，或許就該多問自己幾個為什麼？所以我想到了以下這些問題。

學習是什麼？#

很多人都上過學，但是有多少人思考過，我們上學究竟是為了什麼？僅僅只是學習知識技能，作為步入社會後一個可以謀生的手段嗎？
每一個從上學時代過來的人，都需要學習 N 門課程（語數外，政史地，物化生等等）。畢業後，自己真正帶走的，能夠不斷運用強化的東西又有多少？
很多人說學校，公司是一個平台或跳板，可以帶你通往更高的地方。那么問題來了，所處平台的資源環境會給你帶來優勢，離開平台你還剩下什麼？
學會的知識很有限，而面對的問題是無限的。在這個複雜多變的世界中，以有限對無限，你解決問題的方法論又是什麼？

上面的問題，稍加思考，相信很多人，心中早已有了答案。學習是獲得新的理解、知識、行為、技能、價值觀、態度和偏好的過程。從來都不是掌握某一概念，某一技能的結果，一些人誤以為獲得最終結果就是在學習，而忽略了得到這個結果的過程。過程承載著你分析問題，查找資料，尋求解決方案，總結沉澱，舉一反三等等一系列步驟。只有不斷強化這些步驟，才能讓你擁有探索未知的能力（學習力）。

信息是什麼？#

信息是由任何形式的數據或符號組成的，具有某種含義或用途的內容。它可以傳遞知識、理解、思想、經驗、想法等，傳播途徑也是多樣的（口頭、書面、視覺、音頻）。它在現代社會中扮演著重要的角色，是人類活動和組織運作的關鍵資源之一。信息的獲取、分析和利用能夠幫人做出更明智的決策。

信息技術的發展和互聯網的普及，導致人們接收到的信息數量和種類急劇增加。面對海量信息，很難有效地獲取、處理和利用所需的信息，甚至對信息產生過度依賴和焦慮：

避免過度被投喂信息：如果一直依靠別人的投喂來獲取信息，很容易使自己喪失捕食的能力。渠道過於單一，也容易造成信息茧房，喪失對事物的判斷力。
建立個人信息管理系統：學會篩選和分類信息，以確保自己能夠快速地找到所需的信息。可以使用筆記本、文件夾、書籤等方式來整理和存儲信息。
增強信息識別和評估能力：學會辨別信息的來源、可信度和價值，以避免被虛假信息誤導。儘量去尋找或靠近信息的源頭（官方）。
精簡信息獲取渠道：根據興趣和需要選擇信息渠道訂閱，對信息做減法，以避免接收到大量的無關信息。
培養信息處理和創新能力：學會利用信息來解決問題和創造價值。可以通過學習、實踐和思考來提高自己的信息加工和創新能力。

AI 是什麼？#

人工智能（Artificial Intelligence，簡稱：AI）是一種模仿人類智能和思維過程的技術，可以使計算機在執行任務時模擬人類的思維方式和決策過程。AI 可應用於醫療、交通、金融、娛樂、軍事等眾多領域，幫助人們更好地解決問題，提高效率和準確性。

人工智能技術包括：機器學習（Machine learning，簡稱：ML）、自然語言處理（Natural Language Processing，簡稱：NLP）、計算機視覺（Computer Vision）和知識表示與推理（Knowledge representation and reasoning，簡稱：KRR, KR&R, KR²）等。

機器學習：是一種利用大量數據進行自我學習和自我優化的技術，可用於分類、聚類、回歸等任務。
自然語言處理：是一種使計算機能夠理解和處理人類語言的技術，可以用於文本分析、翻譯、語音識別等領域。
計算機視覺：是一種使計算機能夠識別和理解圖像和視頻的技術，可用於圖像分類、目標檢測、人臉識別等任務。
知識表示：是人工智能領域的核心研究問題之一，它的目標是讓機器存儲相應的知識，並且能夠按照某種規則推理演繹得到新的知識。

AI 的歷史最早可以追溯到 20 世紀 50 年代，到現在已經過去了大半個世紀。幾度沉浮，正是這些前輩們孜孜不倦的研究，積累，才有了今天 ChatGPT（GPT-3.5），GPT-4 以及其他一些 AI 框架的問世（具體歷史自行了解，這裡不作展開）。

小結#

學習力可以讓我們在面對 AI 以及未來可能出現的未知東西時，不至於一臉茫然。學會獲取信息，就不會讓我們在狂熱的氛圍下，喪失理智。了解 AI 發展史，會發現它的崛起也並非一帆風順。任何的爆發都不是毫無理由，狂熱背後，也必有跡可循。回頭再看看文章開始提到的那些事件，鎌刀是何其的瘋狂。每一個營銷宣傳 AI，販賣焦慮的人，都是懂 AI 的人嗎？反正我是不懂 AI，正在學習中...

量變到質變#

因果推論仿佛讓機器具有了人一樣的思考能力。

AI 問題解決方式#

統計模型（Statistical models）：是基於統計學的方法，用於描述和預測數據的概率分布和關係。統計模型通常假設數據遵循某種特定的概率分布，如正態分布（Normal distribution）、泊松分布（Poisson distribution）等，然後利用最大似然估計（Maximum likelihood estimation, MLE）、貝葉斯估計（[Bayesian estimation]）等方法來擬合模型並預測未知數據。統計模型常常使用線性回歸（Linear regression）、邏輯回歸（Logistic regression）、樸素貝葉斯（Naive Bayes）等算法來建立和分析數據。
因果推論（Causal inference）：是一種基於因果關係的推理方法，通過觀察數據和控制變量，從而推斷出變量之間的因果關係。因果推論的目標是識別因果關係，即變量之間的直接或間接影響關係，並通過這些關係預測未來結果。因果推論常常利用實驗方法來確定因果關係，並使用因果圖、結構方程模型等工具來表示和分析因果關係。

AGI#

通用人工智能（Artificial general intelligence）是指能夠像人類一樣在各種不同的任務和情境中自主學習和應用知識的人工智能系統。與現有的許多人工智能系統只能解決特定問題或任務不同，AGI 具有廣泛的適應性和靈活性。它能夠像人類一樣自主學習、推理、解決問題、感知、理解語言等，具有類似於人類智能的普適性和普遍性。AGI 的目標是創造一種完全自主的智能系統，能夠勝任人類進行的任何智力任務，這是人工智能領域的最高目標之一。

在 ChatGPT 上就可以看到 AGI 的部分影子，因為你的任何問題，它都能對答如流（準確度有待加強）。隨著更專業性的数据接入，它的準確度必然會有所提升。所以解決專業性問題，可能真的只是時間問題。

思考，快與慢#

《思考，快與慢》（英語：Thinking, Fast and Slow）是 2002 年諾貝爾經濟學獎得主丹尼爾・卡尼曼於 2011 年出版的暢銷書。本書將人類的思維歸納為兩大思考模式：系統一快速、直覺且情緒化。系統二較慢、較具計劃性且更仰賴邏輯。

快思考（Fast thinking）：是指人們在面臨簡單、熟悉或緊急的情況下，迅速做出反應或做出簡單的決策的思考方式。這種思考方式通常是基於個人經驗、直覺和自動反應的，所以處理速度較快，但也容易受到情緒、先入為主的偏見等因素的影響，導致做出的決策不夠全面和深入。
慢思考（Slow thinking）：是指在面對較為複雜、陌生或需要深入探究的情況下，採用更為緩慢和深入的思考方式。這種思考方式需要更多的時間和精力，通常需要進行信息收集、歸納和分析，以及考慮各種可能的結果和影響。這種思考方式更為全面和深入，更能夠避免情緒和先入為主的影響，但也需要更多的時間和努力。

快思考和慢思考都是人類思維活動的重要方式，它們各自適用於不同的情況和問題。在某些情況下，快思考能夠讓人們快速做出決策和行動，提高效率和效果；而在某些更為複雜和重要的情況下，慢思考能夠提高決策的準確性和深度，避免錯誤和失誤。如果將它類比到 AI 系統中，傳統的統計模型就像是人的快思考，而因果推論則讓機器更趨近於人，可以處理更為複雜的問題（強調的是解決問題的步驟和過程）。

小結#

統計模型下的 AI 會學習龐大的數據知識庫（普通人幾輩子的知識積累量也不及它的九牛一毛），這是量的積累。如果只有量，就好比一個力大無窮的人，拿著 SSS 級武器在亂揮（統計是一個概率問題，所以可能導致輸出的攻擊無效）。但是因果推理 + AGI，就好比給這個力大無窮的人配備了軍師，可以幫助他去分析各種戰局，制定作戰計劃，給出有效御敵方案，攻擊也會變得更加有效。

AI 淺思#

為之瘋狂#

最近一段時間，國外技術爆棚，每天都有一個或多個 AI 產品發布。反觀我們，鋪天蓋地的媒體新聞都是在報導 AI 資訊。我說了一句：國外產品瘋狂，國內媒體瘋狂。隨著事情的發展，離譜的事情越來越多... 這裡不細說，大家自己體會。我此時再次感慨道：國外技術瘋狂，國內鎌刀瘋狂。

說實話，資訊類信息，我自己真的都快看吐了（朋友圈，群里到處都在刷屏）。當然，我自己也跟風，查看 blog 原文，寫（翻譯 + 修改 + 部分資料整理）了多篇 AI 系列文章，不發還好，發了反而發現了一些更大的事實：國內的報導大部分都是基於國外最新的 blog 翻譯而來，更卷的在國外 blog 發布的幾個小時之內（搶首發，它意味著流量），它就會在國內出現同款中文版本。我在這裡沒有看到任何技術的影子，只看到了狂熱的追風。

我發了一條朋友圈：真是一個全民瘋狂的時代（外國技術瘋狂，國內鎌刀瘋狂）
有一條評論我很喜歡：這就是為什麼 chatgpt 不會誕生在 cn，因為環境使然。我不是說國外沒有割韭菜的行為，但是國外的大 V 很少帶頭割韭菜的，在中國幾乎所有的大 V 都在帶頭割韭菜，不，說好聽點是知識付費，說難聽點是傳遞詐騙，進我的 **，我教你賺錢，怎麼賺錢就是複製我 ** 的內容再開一個 **，然後獲客進來，你教別人賺錢。我不評價商業模式的好壞。創造一種東西是從零到一，利用信息差傳遞一種東西，是從 1 到 n。但是從一到 n 會產生很多邊際效應，過程中可能會產生好的東西，但更多的是更加惡心的東西，例如，電商競爭的末期就有了拼 ** 的砍一刀，廣告競爭的末期就有了電視機惡心老人的幾十秒的廣告。沒有錢割韭菜，可以理解，但是有了錢，還在割韭菜，就不可以理解。所以眼光的局限性就注定這些生財有術的大 V 和普通人，永遠只能當個搬運工破壞環境，而不能創造時代的浪潮。
我回覆道：很多人往往只是看到了事物的表象，割韭菜什麼。但是往深層次去說，其實就是喪了創造的土壤。失去創造力其實是一件很可怕的事情。一個人失去創造力或許不會改變什麼，但是一個民族失去了創造力呢？

回歸理性#

AI 究竟會對我們的生活產生多大的影響，我們是否真的需要為之瘋狂？

我自己其實很看好 AI（ChatGPT）所帶來的能力。它真的是一次顛覆，不但會改變原有搜索問題的模式，也會改變很多工具的使用方式（比如微軟 AI 全家桶的發布）。

在以前，我們需要使用關鍵詞來進行問題的搜索，它對需要檢索問題的人要求很高。一般分為以下幾個步驟：

明確問題：首先需要明確自己要解決什麼問題，例如計算數學公式、查找某個城市的天氣情況等。
選擇搜索引擎：根據偏好選擇一個搜索引擎，如谷歌、百度、必應等（不同瀏覽器搜索結果存在差異性）。
輸入關鍵詞：在搜索框中輸入與問題相關的關鍵詞，要儘量準確，簡明扼要（重要且難以複刻，需要一定的經驗）。
篩選結果：根據搜索結果中的標題和描述快速瀏覽，並進一步篩選出最符合自己需求的網站或頁面（快速定位，需要一定的經驗）。

但是 ChatGPT 出現後，事情發生了轉變。因為它基於自然語言，所以你可以直接用人類正常交流的語言和它進行對話，讓其返回結果。它砍掉了所有中間步驟，直接從問題，需求到結果。效率是一個指數型提升。但是這個結果可靠嗎？現階段只能說因人而異。它還在學習階段，所以需要使用者有一定的辨別能力。

正確率即使達到 90%，在實際生產中 AI 也不能獨立去解決專業性問題（需要人為指導和修正那百分之幾的誤差）。但是 AI 泛化問題的能力真的很強（什麼都知道，但是專業性可能又不是絕對準確，比較類似於弱一點的 T 型人才）。

它會取代人嗎？#

短期來看，不會取代人，但是在邊緣場景不斷地去蠶食一部分不那麼重要的機械性勞動（比如資料收集，數據整理分析，提供一些指導建議等等）。提高效率的同時，其實就是在逐步取代一部分勞動力（比如之前需要 5 個人來完成一項工作，現在只需要 4 個了）。隨著規模和影響範圍的不斷擴大，它能處理的事情必然是一個上升趨勢。所以提早了解它，也能讓自己對自身所做工作有一個更加清晰的認知，而不是無端的產生焦慮。

AI 浪潮已經來臨，我們需要在狂熱中保持一份清醒，而不是在人云亦云中，迷失了自我。人最大的能力，就是擁有不斷學習，思考總結的能力，如果自己連這些都喪失了，過不了多久，就會被別人所取代（更別說 AI 取代了）。所以在對未知保持敬畏的同時，好奇心也是必不可少的，因為它是人類發展的源動力。