> ## Content Index
> Fetch the complete content index at: https://www.linggandianbo.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# 新视角：人类与AI的共生未来｜灵感电波 #43
- URL: https://www.linggandianbo.com/newsletter-43/
- Published: 2024-05-05T13:17:31.000Z
- Updated: 2024-07-11T01:19:20.000Z
- Description: 新的“数字物种”可能才是更准确的定义！
- Author: 董双赫
- Tags: 灵感电波

在过去的18个月里，超过10亿人的日常生活中已经开始融入了AI，尤其是那些庞大的语言模型（LLMs）。这种融合程度之深，让人不禁思考：**AI到底是什么**？

多年来，我们习惯了将技术视作“工具”——完全受人控制、单一功能的辅助物。然而，AI与螺丝刀、锤子或剪刀这类传统工具截然不同。它们不会自诩博学，从不装作理解复杂的哲学问题。它们的“愚笨”是其效用的保障：工具是被使用的，而不是与之对话的伙伴。

然而，AI模型，尤其是像GPT这样的大型语言模型，以一种近乎神秘的方式展现其能力：它们不仅仅是在进行简单的数据处理，而是在模拟理解和生成语言——这是一种统计上的高级猜测游戏，每一个词和句子都是计算概率的结果。尽管AI在技术上仍然很“笨”，因为它实际上什么也不“知道”，但它展示的潜力使人难以不去想象它未来可能达到的高度。

微软AI首席执行官*Mustafa Suleyman*在一次TED演讲中提出了一个激动人心的观点，他认为AI像是一种**新的数字物种**，我们未来的数字伴侣和新伙伴。他的这种看法，不仅是对AI的一种新的认识方式，也预示着我们与这些技术伙伴未来可能的深度合作。

TED: What is an AI anyway?

### **AI的能力与局限**

AI的能力是显而易见的。从撰写文章、编程、到创作诗歌或故事，甚至模拟对话，大型语言模型如GPT系列显示了与人类相似的语言处理能力。它们还能快速分析大量文本，提取关键信息，为法律、医疗和科研等领域提供支持。

AI虽然在处理大量信息和模拟对话上表现卓越，但其局限性也不容忽视。以下是几个具体的例子：

1. **长期记忆的挑战**：传统AI模型，尤其是基于Transformer的模型，虽然在单次交互中表现出色，但它们处理涉及长时间线的信息时效率低下。比如在一个需要追踪过往对话和决策的长篇对话或游戏中，AI可能会丢失关键的上下文信息。这是因为它们主要依赖于短期的“注意力机制”，而不是真正的长期记忆。
2. **推理和抽象思维的限制**：AI在执行具体的、规则明确的任务时表现良好，例如翻译或简单数学计算。然而，当面对需要深层次逻辑推理和抽象思维的问题时，它们的表现就显得不足。例如，在法理学分析或道德哲学问题上，AI无法像人类那样进行深刻的推理和判断。
3. **情感和社会智能**：尽管AI可以生成看似情感丰富的文本，实际上它们并不理解或感受到这些情感。这限制了AI在需要真正的情感交流和理解的应用中的有效性，如心理咨询或个性化教育。
4. **创造性和创新的缺乏**：AI可以在已有的信息和数据驱动的框架内生成创新的解决方案，但它们真正的“创造力”仍受限于训练数据中的模式。AI难以实现真正的创新，即那种超出现有知识和数据模式的创造活动。

### **未来的发展**

![](https://storage.ghost.io/c/46/89/468936ed-3e50-42af-973e-a8a14f0eaa0e/content/images/2024/05/CleanShot-2024-05-05-at-22.17.24@2x.png)

Lessons after a half-billion GPT tokens

随着AI技术的迅速发展，公众和专业人士对于未来的通用人工智能（AGI）寄予厚望，希望其能实现类似或超越人类智力的能力。然而，根据Truss公司CEO的分析，这种期待可能需要重新调整，他通过分析大约5亿个令牌后得出了一些**令人意外的结论**。

首先，关于实现AGI的可能性，Truss的CEO明确表示，至少在可预见的未来，我们**不会**通过当前的Transformer模型加上海量的互联网数据和庞大的资金投入实现真正的AGI。这一点挑战了很多关于AI能够快速达到人类智力水平的乐观预期。

当谈到GPT-4的实用性时，他认为这一模型确实具有实际价值，将其比作互联网的早期阶段，暗示尽管目前成果显著，但我们仍只是在探索这项技术潜力的表面。对于是否会取代所有人的工作，他的回答是否定的，强调**AI将成为人类的助手而非替代者**。

在跟踪AI技术最新发展的建议上，Truss的CEO提出了一种务实的观点：不必过度追求每一个新闻或更新，因为大部分信息可能是次要的。他特别指出，**只需关注像GPT-5这样的重大进展即可。**

对于GPT-5的预期，他并不认为这一代技术会带来颠覆性的改变。尽管GPT-3到GPT-3.5显示了一定的进步，但他观察到这种进步更多是**对数增长**而非预期中的超线性提升。这表明，尽管AI的发展速度令人瞩目，其进步的速率和成本效益可能不如预期那样显著。

最后，他用iPhone的版本升级作比，暗示GPT-5可能只是技术性的逐步改进，而非革命性的跨越。这种观点提醒我们，在评估AI的未来潜力时，应保持一定的谨慎和现实主义。

### **我们应如何应对？**

![right arrow sign on wall](https://images.unsplash.com/photo-1497005367839-6e852de72767?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDMwfHxmdXR1cmV8ZW58MHx8fHwxNzE0OTE5MjY4fDA&ixlib=rb-4.0.3&q=80&w=2000)

Photo by [Nik](https://unsplash.com/@helloimnik?ref=linggandianbo.com) / [Unsplash](https://unsplash.com/?utm%5Fsource=ghost&utm%5Fmedium=referral&utm%5Fcampaign=api-credit)

面对这样的预测和技术发展的现实，我们作为用户、开发者和思考者，需要调整期待，合理规划如何与AI合作。我们应该利用AI作为工具的优势，同时清醒地认识到其局限性。在AI的帮助下，我们可以提高工作效率，解放创造力，但也要避免过度依赖或期望AI能完全取代人类的智慧和决策能力。

这里有几个实用的建议：

**1\. 优化提示问题：**

在与AI交互时，清晰且直接的问题通常会得到更好的回答。例如，如果你想知道某种技术的最新研究趋势，直接问“当前哪些是xxxx领域的热门研究趋势？”比列出一长串你已知的信息后再问同样的问题要有效得多。这不仅减少了输入的复杂性，也帮助AI集中在真正的问题上。过度具体化的提示可能会误导AI，导致它在回答时过分依赖于问题中的具体表述，而忽视其能够动用的广泛知识库。

**2\. 理解AI的表达限制：**

AI在处理含糊不清的问题时可能无法给出明确答案。例如，如果问“这个艺术品的价值是多少？”而没有提供具体的艺术品信息，AI可能难以生成有意义的答案。最佳实践是提供足够的背景信息，例如艺术品的名称、作者、历史和艺术流派，然后才询问其价值。这样AI可以根据提供的详细上下文进行分析，给出更加精准的评估。

**3\. 明确有界的问题：**

确保你提出的问题有一个明确的答案或是可以验证的。例如，“比尔·盖茨是微软的创始人吗？”这样的问题很容易验证答案的正确性。相比之下，“什么是生活的真正意义？”这样的问题则太过开放和哲学化，不适合直接用AI来解答。聚焦于具体、有界的问题有助于提高AI的准确性和可靠性。

**4\. 不要依赖AI做决定：**

AI可以提供信息和分析，但最终的决策应由人类做出。利用AI来探索不同的可能性和选项，但不要期待AI为你做出复杂的生活或商业决策。例如，AI可以帮助分析市场数据，预测产品的潜在成功率，但是否决定投资于某个产品，应由具体的业务团队根据全面的考量作出决定。

**5\. 利用AI的无偏见特性：**

AI不受个人情感或偏见的影响，这使它在处理需要客观分析的问题时非常有用。例如，在评估候选人的简历时，AI可以根据预设的标准公正地评分，而不会受到任何非专业因素的干扰。这种无偏见的特性使得AI成为评估和分析任务中的宝贵工具。

通过这些策略，我们可以更有效地与AI合作，同时避免因误解其能力而造成的问题。

随着AI技术的飞速发展，我们正在步入一个全新的时代——**一个与数字物种共生的时代**。然而，正如任何伟大的发明一样，关键在于我们如何使用它。通过优化我们的互动方式，理解其能力和局限，我们可以使AI成为推动创新、提高效率、丰富人类经验的强大力量。最终，与AI的合作可能会重新定义我们对智能、工作乃至生活的理解。这是一个探索未知、释放潜能、共创未来的历程。

💡

这篇周刊由ChatGPT整理而成，你觉得效果如何？告诉我你的想法吧！

---

**祝你有美好的一周！**

董双赫｜SHD