最偉大的演講 凱文·凱利(K.K.)2024最新演講:AI進化的終極目標,竟然是……

财富密码
36粉絲
19 次觀看·2025年11月3日
2024年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
展開了一場精彩的線下對談
作為全球科技領域的預言家
KK是連線雜誌的創始主編
也是《失控》
《必然》
《五千天後的世界》
等暢銷書的作者
現場KK以
《What's Next in AI and Digital World》
為主題帶來了
他對於全球科技下一步發展趨勢的
深入思考和精彩見地
討論了關於誰是AI的第一批使用者
AI與人類所產生的情感羈絆等問題
以下為演講全文
大家好
非常高興能夠見到各位
目前
技術領域的重要趨勢
正在對全球的經濟環境
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
我們對人工智能的瞭解並不深刻
並沒有挖掘到
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
這是把技術置於場景下的可能性的延伸
並不是單純的預測
有一點我們需要明確
世界上不只有一種AI
不同的行業
有很多不同的想法和認知
也就意味著
會有非常多分凡各一的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
人類的智能發展並不是核心或者唯一
事實上
白癡和天才之間的區別並沒有那麼大
在圖譜當中
存在著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
也並不是處在最核心的位置
地球也並不在太陽系
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的關係
可以從四種模式來思考
一、AI為人類提供完全跳脫的思維方式
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
但是它是由人類來進行設計和編程製造的
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
它們並不像人
它們是一個歸集生物
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
這並不是差錯
而是特點
甚至是優勢
它們可能會有創造性的思維
用完全不同於人的思維去做決策
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
跳脫於所有人的思維方式
但是AI就可以做到
它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
但隨著新的AI的應用
人們發現機器也是可以產生創造力的
但是這些創造力並非是空穴來風
它們必須有人去給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
將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
年薪最高可以達到三十萬美元
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
你會發現提示確實非常的重要
你需要去了解AI背後的思考鏈條
你需要讓AI一步一步地去跟著你的思考
我們也發現了
現在AI的注意力非常短
它沒有辦法跟進一個很長的思維
所以你就必須把思維打碎
然後一步一步地餵給AI
這樣纔可以幫助AI實現一些複雜的任務
二 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
如果說你給AI一些積極的情感反饋
比如你表揚它
那麼它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
但是確實有這樣的現象
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敲門
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標
現在的大語言模型
給我們的答案雖然不是最精確的
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
並不是最精確的答案
而是出最合理的答案
這也是設計和算法的策略
他們是從大量人類預料中
去提取信息來訓練AI
其中包含了人類最精簡的信息
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
比如說設計一個大綱或草稿
這些任務他們可以完成得非常好
通過研究發現
對知識型行業從業者來說
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
程序員每天的生產力
可以提升56%
同樣在其他的行業
比如說作者
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
其實來自於低級別的工種
或者是普通員工
AI和其他的機一樣
需要至少1000小時的練習和學習
纔能夠真正的擅長
所以我認為
未來人們的薪資
將與你使用AI的能力掛鉤
因此
人們不會簡簡單單地因為
AI失去工作
但是確實有一些工作內容會改變
我相信
在未來的5年以內
人是不會被AI替代的
但是有可能會被一個
善於使用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
司機的工作內容
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
去賦能服務臺的工作人員
尤其是接線員
然後這些客服中心
就可以去更加高效地服務客戶
在這個過程當中
他們確實也裁掉了一些人員
同時也招聘了更多技術知識人員
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
那麼客戶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
財力並不是很雄厚的企業
或者是一些偏遠的地區
他們沒有充足的預算
僱傭接線員
也可以運用AI提供客戶服務
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
剛剛說到
AI的世界是基於規則的
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
說到生成式
AI與人之間的關係
我把它稱之為
加以關係
希臘神話中的半人馬
其實是有點像
人和AI的協作關係
科學家們發現
現階段只靠人
或只靠人工智能都不行
他們要結合在一起
跟大家分享一個故事
艾斯特
佩雷爾
是美國著名的治療師
他做過很多公開的治療
他有一個播客節目
記錄了
他上千上萬小時的治療過程
有人根據他的治療記錄
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
不知道艾斯特本人
會不會喜歡這個
AI版的他
他的書和播客節目
都可以幫助到大家
但是人工智能
會幫得更多
不過目前還涉及到
寵物的治療
人工智能無法應對
但是確實開闢了
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
可以應用在各種領域
包括教育、法律、駕駛等所
有的這些和人工智能
相遇是一家
一大於二的概念
我們剛剛提到了
實習生的概念
以後人工智能
會成為合夥人、隊友、教練
副駕駛助手等等
就像我在
《寶貴的人生建議》裡
說到的
如果你想走得快
就獨自走
如果你想走得遠
就一起走
三
每當技術變得隱形的時候
纔是最強大的
在過去一年裡
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
識別加生成的技術
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
對話式用戶交互介面
大語言模型
一開始是個
非常簡單的編程
時至十五年前
我們其實是用它
來做語言翻譯的
因此
當初訓練它的目的是
為了建立語言模型
將一種語言
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
但是隨著
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
同時還可以基於
這些語料做推理
因為語言不是
單純地進行
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
思想也是匱乏的
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
基於大語言模型
它們獲得了
閱讀推理的能力
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
都是基於
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
對話室用戶介面
這與二十年前的
圖形用戶介面
有一曲同工之妙
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
隨著萬維網的使用
你可以看到
有圖片的交互形式
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
大語言模型後
你可以進行
對話室溝通
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
手勢識別
比如目前很多設備
可以採集你的脣語
你不用像以前一樣
用吼的方式
來進行溝通了
這些技術
極大的改變了行業
所以我的建議是
未來幾年
初創企業
將變得非常的容易
只需要將一些東西
添加到對話室
使用介面中
比如你可以
和麵包機
汽車對話
AI也會變成
商品的一種形式
AI交互頁面
會成為區別器質量的
一個關鍵所在
現在有個很有名的引擎
叫做Proplexity
它做的不是AI本身
是AI的交互介面
就像是水是免費的
但裝到瓶子裡
就有了礦泉水
它就是產品了
AI的交互介面
是可以創造額外價值的
回到我剛才所說的
當技術變得隱形的時候
纔是最強大的
我們現在
在這個房間當中
有大量的技術存在
比如電燈
水管
風扇
通風管道等
我們意識不到
它們的存在
這意味著
這些技術已經成功了
同理
我們一直在談AI
說明它還沒有成功
如果說我們已經
無法意識到
AI的存在了
那麼就說明
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
它們就像
管線系統一樣
在後臺運行
未來
我們將更熟悉
它的前臺介面
大多數人
可能甚至不知道
它背後有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
將變得非常簡單
AI的技術
會存在於兩個階段
一個是內部的流程階段
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來製作產品
這是大家在
公眾視野當中
可以看到的
比如說
自動駕駛汽車機器人
目前為止
內部運行的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
就有電力的價值
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
更是在於去探究
完全未知的工作
四 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
還有程序員
現在程序員
已經在使用
微軟Copilot
這樣的AI輔助工具了
有了AI加持之後
這些程序員表示
再也不想要
回到沒有AI的時代
同時在營銷領域
工作人員
也在大量地
使用AI去生成物料
圖像 視頻等等
我覺得
AI的第一批應用行業
包括軟件 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
在教育領域
最大的受益者就是學生
在醫療領域就是患者
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
老師對於AI的熱情
遠遠要大於學生
醫生的熱情大於患者
領導者的熱情
大於普通員工
比如說老師有了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
就會相對地落後
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
全面地擁抱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
換句話說
企業要進行完善的雲計算
或者雲平臺的部署
然後纔可以
在雲計算的基礎上來
發展他們的AI實力
現在
AI還可以生成食品
其實好幾年前
就已經在討論這個趨勢了
換句話說
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可以生成狗的食品
未來就不難想像
AI可以生成一個
完整的世界
這些在以前
需要一整個技術團隊
纔能夠實現
而現在只需要一個人
J.K.羅琳
創造了哈利波特的世界
他一個人
創造了一個魔法世界
他是一個天才
但是
即便他有如此大的想像力
也依然無法
獨自製作
七部哈利波特電影
但有了AI
一個人是可以
實現這一點的
正如我們一開始所說的
即使AI
現在所接受訓練的
餘料和物料質量
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
非常優秀的內容
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
我在五千天後的世界
中也有詳細說明
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
是相掛鉤的
它甚至可以說是
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
人們可以在虛擬世界遨遊
但是這些眼鏡
仍然有一個侷限
每次使用的時候
都需要掃描一下
身邊的環境
它需要去識別
你處在哪個房間
哪裡有窗戶
哪裡有房
哪裡有門
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
不需要一邊一邊去掃描
最終將整個世界
輸入鏡像世界中
世界上的任何電子設備
都可以看進鏡像世界
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
所以在這一方面的
培訓工作
潛力無限
未來
人們在某項工作
或技術正式啟用之前
可以在鏡像世界裡
完成實訓和試錯
五
AI將與人建立
更多感情羈絆
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
未來如果人工智能
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
人們不自覺帶入情感
即使面對愛
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
比如說
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
並處理了人類信息
比如像
愛
喜悅
恐懼
顧慮
驚喜
人會跟寵物
有很強的情感羈絆
比如狗狗或者小貓
可能在未來
會跟人工智能
有更強的羈絆
它就會像一個
能夠說話的小狗
你可以想像一下
如果你的小狗
能夠用
你能理解的語言對話
你跟它的羈絆
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
但是隨著情感
嵌入技術的發展
你可能會發現
這種羈絆感
是超過了你的預期
就像上面說的
AI的種類非常多
它們可能會有
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
生成式人工智能中
獲得的一切
都是基於
已經有50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
我們正處於
人工智能發展初期
還有一些AI
是上代開發
可能30年後
未來的人類
在回顧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
和展望過去
也是一樣的
AI還處於一個萌芽期
未來30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
判斷哪裡AI做得好
哪裡人類做得好
同時還可以剖析一下
哪些是希望人類做的
幫助我們更好地
認清現實
釐清路徑
相信這些機器
可以幫助人類
成為更好的人類
這是我們的最終目標
感謝各位的耐心聆聽
