亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

題記：2024年6月16日下午，北大國發(fā)院朗潤·格政第186期在承澤園舉行。本次論壇由北京大學國家發(fā)展研究院、勞動經(jīng)濟學會人工智能與靈活就業(yè)專委會、嶺鵬產(chǎn)業(yè)與創(chuàng)新研究院共同主辦。本文根據(jù)蘇州迪克視覺有限公司總經(jīng)理陸駿的發(fā)言整理。

人工智能發(fā)展史

早期：20世紀40-70年代

人工智能最早由圖靈提出，他在圖靈測試中發(fā)出靈魂拷問：機器能不能被識別為一個人？圖靈測試也成為衡量機器是否能表現(xiàn)出與人類無法區(qū)分的智能行為的標準?，F(xiàn)在人工智能的算法基礎(chǔ)其實在圖靈測試之前就已經(jīng)出現(xiàn)。有了算法基礎(chǔ)，很多人對人工智能表現(xiàn)出很高的期待。隨后，首個神經(jīng)網(wǎng)絡(luò)模型感知機（SNARC），國際象棋愛好者喜愛的對弈程序先后問世。

寒冬期：20世紀70-80年代

然而，上述這些產(chǎn)品距離人們對人工智能的期望相去甚遠，很多人認為這些只是游戲，遠不能達到輔助人或者幫助人的期望，總體看用處不大。人工智能算法復雜，當時計算機的算力有限，商業(yè)應(yīng)用也不盡如人意。因此無論是在商業(yè)領(lǐng)域還是投資領(lǐng)域，沒人再提神經(jīng)網(wǎng)絡(luò)這件事。

復興期：20世紀80年代開始

上世紀80年代以后，隨著計算機的發(fā)展和算力提升，小型計算機進入市場，機器學習進入實際使用，這一領(lǐng)域開始出現(xiàn)新的發(fā)展。20世紀80年代開始，多層神經(jīng)網(wǎng)絡(luò)及卷積神經(jīng)網(wǎng)絡(luò)理論建立。初代模型是單層的神經(jīng)網(wǎng)絡(luò)，存在一些局限，得益于算力的提升，算法有進步。

2006年，“深度學習”提出并開始應(yīng)用于計算機視覺、自然語言處理、語音識別、機器人、自動駕駛、醫(yī)療診斷、對弈程序等領(lǐng)域。

從棋類角度可以明顯的看到AI的進步。

1997年時產(chǎn)生了國象人工智能高手“深藍”，它擊敗當時國象世界冠軍卡斯帕羅的新聞可謂是家喻戶曉?？陀^而言，深藍還是基于一個權(quán)重比較高，相對簡單的方式在學習，并不是神經(jīng)網(wǎng)絡(luò)式的學習，但已經(jīng)達到擊敗國象世界冠軍的水平。

2016年時，AlphaGo戰(zhàn)勝了圍棋世界冠軍李世石。目前，和AI的相似度已成為評價棋手棋力的重要參考，最頂尖的圍棋高手與AI的相似指數(shù)也只能達到90%。從這些指標可以看出近些年人工智能的飛速發(fā)展。

人工智能高相關(guān)產(chǎn)業(yè)的發(fā)展邏輯

人工智能的技術(shù)主要分為深度學習和大數(shù)據(jù)。海量的數(shù)據(jù)讓深度學習的算法變得越來越成熟。開源大語言模型也在蓬勃發(fā)展。越來越多的人把自己研發(fā)的語言模型放到常見網(wǎng)站上，這已經(jīng)成為一種趨勢性的發(fā)展方向。

算力是大語言模型最重要的部分之一。算力提升的需求帶動芯片需求暴漲。目前英偉達（NVIDA）占據(jù)AI行業(yè)中超90%的芯片市場份額，2017年的V100（121T)仍被大量使用，H100(約4000T)的需求快速增長。由此可見，這個行業(yè)的發(fā)展很多時候主要依賴于算力的提升。例如輸入1億的數(shù)據(jù)，以前需要算一天，現(xiàn)在100億數(shù)據(jù)可能只需要1小時或者1分鐘就能出結(jié)果。

人工智能的發(fā)展過程也伴隨著一些問題。比如十年前比較出名的人臉識別軟件，把一些非洲裔美國人識別成了猩猩。后來開發(fā)者發(fā)現(xiàn)，這主要是由于非洲裔美國人的人臉數(shù)據(jù)太少所致。

市場方面，科技巨頭更加注重大語言模型的發(fā)展。在人工智能領(lǐng)域最能“砸錢”的是大型互聯(lián)網(wǎng)公司。分行業(yè)看，除了基礎(chǔ)研究，資金一般會流向附加值特別高的行業(yè)，比如制藥行業(yè)。以前生產(chǎn)一種藥品，從分子篩選到成藥的過程大概需要30年?，F(xiàn)在隨著AI技術(shù)的發(fā)展，這一過程大概只需要5-10年就能完成，投入的成本約為原來的10%左右。（這是我個人得到的數(shù)據(jù)，可能沒那么精準。）

另一個高附加值的行業(yè)是自動駕駛?，F(xiàn)在幾乎每家汽車公司都在做自動駕駛，不僅設(shè)立了專門的公司，也順帶養(yǎng)活了做精細地圖的公司。大家或許見過在路上拍攝路況的工作人員，因為精細地圖需要每條道路都有專業(yè)機器記錄的數(shù)據(jù)。因此，自動駕駛的火爆也帶火了生產(chǎn)這些機器設(shè)備的廠商。

通用需求方面，目前算力是一個主流的需求。我們當前使用的芯片并沒有非常高端，因此半導體行業(yè)仍存在較大發(fā)展空間，還是能吸引大把投資。文字、語言識別和翻譯工作的需求量也比較大，特別是在翻譯領(lǐng)域，人工智能已經(jīng)做得很不錯，只有一些小語種還不太成熟。

目前，人工智能對各行業(yè)滲透較多。以前做一個項目，需要前期獲得需求，中期不斷調(diào)研，后期獲得結(jié)果。中間調(diào)研的階段通常很漫長?，F(xiàn)在有了人工智能，只要知道自己手里有什么資源，想要什么資源，其他的一切可以交給算法和人工智能，它可以給出一個大家期望的，或者說是局部最優(yōu)的解答。

很多崗位越來越離不開人工智能的輔助。比如以前的市場部工作人員，畫一張市場的圖或方案需要三天時間。在人工智能的幫助下，現(xiàn)在只需要10分鐘就能搞定。在這樣的情況下，這名工作人員除了市場部的工作，還有余力做一些其他方面的工作，這對于提升整體的工作效率大有裨益。

人工智能的發(fā)展趨勢和瓶頸

在我看來，人工智能未來可能有三種發(fā)展趨勢：

通用人工智能（AGI）。如果通用人工智能做到像大語言模型一樣，代替人類思考，做所有的事，這可能是人類的終極目標。這一點能否實現(xiàn)，我認為還是個未知數(shù)。

可解釋人工智能（XAI）。人工智能幫忙做的決定，能否讓人信服這就是最好的決定？從算法角度看，人工智能通過神經(jīng)網(wǎng)絡(luò)式的思考方法得出的結(jié)果，永遠只能是局部最優(yōu)。人工智能是否可以給出一個最優(yōu)答案，或者說是在人類可接受范圍內(nèi)的最優(yōu)答案，目前看還沒有哪個可解釋人工智能做得到。

邊緣人工智能（Edge AI）。邊緣計算通常是算好大模型再部署到本地，這項工作涉及到數(shù)據(jù)安全性的很多方面。通常情況下，本地算力有限，比如國內(nèi)通用算力可能只有10T。這樣的條件下如何解決問題？把大模型縮小到本地算力能夠離線處理的程度，然后再讓人工智能幫助解決，我認為這是一個思考方向。然而就目前情況看，縮小大模型是一件相當有難度的事。

人工智能發(fā)展目前存在一些瓶頸：

第一個瓶頸是如何提升算力。當前主流的芯片是7納米，3納米芯片的技術(shù)也已經(jīng)被突破，但1納米是一個物理極限，大概率是不可能突破的。有一種觀點認為，量子計算機在理論上或許能幫助我們把算力提高100倍、1000倍。如果這成為現(xiàn)實，或許會幫助我們得到新的解決方案。

第二個瓶頸是數(shù)據(jù)和數(shù)據(jù)質(zhì)量。數(shù)據(jù)是海量的，但數(shù)據(jù)的質(zhì)量參差不齊。比如在網(wǎng)上使用某關(guān)鍵詞進行搜索，有的搜索引擎可以搜到很多結(jié)果，有的則搜到很少，然而數(shù)量較少的這部分數(shù)據(jù)不一定權(quán)重低、用處少。因此在通用大模型里，數(shù)據(jù)的數(shù)量和數(shù)據(jù)的質(zhì)量是一個重要問題。

人工智能對就業(yè)市場的影響

圖1

圖1是美國關(guān)于自動化和人工智能對人工替代的一些研究，研究對象主要是男性?？梢钥闯?，一開始人工智能對男性就業(yè)沒有帶來影響，隨著時間的推移，男性就業(yè)受的影響逐漸增大。我個人的理解是，人工智能發(fā)展的前期，無法被人工智能替代的主要是一些體力工作，所以男性就業(yè)受影響較小。到了人工智能發(fā)展后期，無法被替代的工作是與情感關(guān)系密切的工種，女性從事這一類工作比男性更有優(yōu)勢，因此男性就業(yè)，特別是年輕男性的就業(yè)受到很大影響。到2037年，年輕男性的工作機會可能會減少很多。這只是一項預測，真實性還有待檢驗。

具體而言，人工智能對就業(yè)市場可能有如下影響：

第一，很多細分行業(yè)的入行門檻會降低，行業(yè)經(jīng)驗的權(quán)重急劇下降。

比如，40年前做生意很簡單，只要膽子大就能有收獲。20年前做生意也不難，去工業(yè)展看一看，有什么細分行業(yè)的產(chǎn)品賣得貴，只要自己能做就能把這個行業(yè)吃下來?，F(xiàn)在做生意能做什么？我認為還是細分行業(yè)?，F(xiàn)在的生意人需要選擇一類利潤足夠高的細分行業(yè)，通過AI獲取行業(yè)需求，以及自己有能力輸出什么。簡單說，就是讓AI計算來替代多年行業(yè)經(jīng)驗，把這些細節(jié)都搞清楚、算明白后，再進入這一行。原來的生意人可能還需要清楚行業(yè)里的每一個細節(jié)，每一個步驟的具體做法，現(xiàn)在這部分工作也可由AI完成。比如紡織行業(yè)的布料分類，原先的從業(yè)者需要區(qū)分很多種花紋、顏色、工藝都不相同的布料。在AI的幫助下，這項工作已經(jīng)變得非常簡單，只需要拍照交給AI識別，就能區(qū)別不同的布料。

第二，基礎(chǔ)工作效率提高，行業(yè)平均薪資降低，一人多崗現(xiàn)象變得普遍。

在AI的幫助下，原先需要市場部、人事部加在一起才能完成的工作，現(xiàn)在可能只需要一個人就能完成。對企業(yè)而言，這些事務(wù)性的工作并非至關(guān)重要，所以交給AI工具來完成，企業(yè)也是樂見其成。

第三，降低了大部分工作人員的技能要求。

以前企業(yè)在招聘軟件硬件工程師時，更青睞那些擁有三年或以上工作經(jīng)驗的求職者。現(xiàn)在的企業(yè)則最喜歡應(yīng)屆畢業(yè)生和擁有20年以上工作經(jīng)驗的人。應(yīng)屆生容易接受新事物，更接受使用AI工具來寫代碼，搭好基礎(chǔ)架構(gòu)，可能連C語言、C++代碼都不需要會，也能勝任工作。

人工智能對未來的影響

第一，人工智能從技術(shù)上取代大部分人工成為可能。如果人工智能可以完全操控機器人，那么人工智能從技術(shù)上取代大部分人工將成為可能。這一點能否真的實現(xiàn)，一定程度上也取決于商業(yè)上的考量和投入產(chǎn)出比。比如現(xiàn)在3C行業(yè)“擰螺絲”這個工種，因為對技術(shù)要求不高，目前看被人工智能取代的可能性不大。未來是否會由人工智能來完成擰螺絲的工作？從技術(shù)上來說可行，能否真的實現(xiàn)則是個未知數(shù)。

第二，對高精度機械結(jié)構(gòu)的需求更常見。人工智能擰螺絲，這項工作對機械的精度要求很高。如果由人工智能機器人從事這項工作，可能會增加設(shè)備的維護和回收成本。一條產(chǎn)線每年的維護費用可能是前期投入的10%-15%。即便是自動化產(chǎn)線，也需要隨時維修檢修，由此帶來的相關(guān)費用也不會是小數(shù)目。

第三，隨著人工智能的普及，芯片需求會增加。芯片產(chǎn)業(yè)或?qū)⒂瓉泶蟀l(fā)展。目前英偉達已經(jīng)占據(jù)芯片的主導市場，所有的模型和算法都是基于英偉達芯片進行展開并優(yōu)化。我國現(xiàn)在也研發(fā)出了4納米的芯片，與英偉達的主流芯片相同。我們的芯片與英偉達架構(gòu)不同，所有的模型和算法都需要根據(jù)新的架構(gòu)重新適配。這件事能否得到商業(yè)上的認可，這一點仍未可知。

第四，人工智能的普及會使能源需求增加。除了芯片，算力的另一大需求是用電。未來電能的需求一定會增加，用電、儲能的需求也會隨之出現(xiàn)增長。

第五，如果人工智能得到普及，每家企業(yè)都會用上AI工具，那么AI工具哪家強？該如何篩選確定？使用AI工具的初衷是思考快人一步，倘若人人都用AI，又該如何凸顯自己的優(yōu)勢？這些問題值得深思。

第六，大模型需要很多芯片，前期需要很大的投入。我個人認為，未來這個行業(yè)寡頭化的趨勢會比較明顯?，F(xiàn)在有三五家涉足這個領(lǐng)域，但未來可能只剩一到兩家。這些大公司推出大模型工具后，也提供NO Code的AI平臺，對使用者而言，繼續(xù)使用同一家公司的計算平臺是成本最低的選擇。

第七，行業(yè)技術(shù)公司應(yīng)用化的趨勢也會更加明顯。這些公司大都從事本地部署和本地服務(wù)業(yè)務(wù)，但最基礎(chǔ)的大模型還是由大公司提供。到那時候，算法工程師已經(jīng)不再吃香，能與客戶溝通并精準把握客戶需求的應(yīng)用工程師，其職業(yè)前景會更加明朗。

從長遠發(fā)展來看，人類相比于AI的優(yōu)勢是人類擁有情感、直覺、倫理和靈活性。

現(xiàn)在AI模型用的神經(jīng)網(wǎng)絡(luò)，給出的解決方案是局部最優(yōu)方案。倘若人類通過獲取足夠多的信息，也能給出局部最優(yōu)方案，AI的優(yōu)勢將體現(xiàn)在哪里？這個問題值得我們思考。

就目前情況看，AI很難替代與情感方面有關(guān)的工作。比如AI機器人服務(wù)員，它可能只會毫無感情地上菜。人類服務(wù)員則可能與顧客溝通，向顧客推薦招牌菜。這兩種服務(wù)帶來的體驗完全不同，長久來看，也會使客戶粘性降低。

從某種程度上看，我們輸入更多維的數(shù)據(jù)，有可能得到更好的解決方案。然而從唯物主義的角度而言，解決方案的好與壞，其實是依靠我們自己來判斷的。

倫理方面。網(wǎng)上的數(shù)據(jù)多元多樣，其中充斥著很多錯誤觀點。如果不進行數(shù)據(jù)篩選、數(shù)據(jù)質(zhì)量的整理，我們得到的解決方案中可能就存在錯誤。這就和谷歌以前開發(fā)的人臉識別軟件把非洲裔美國人識別成大猩猩是同樣道理。最可怕的情況是，到最后即便出現(xiàn)了錯誤我們也不知道錯在哪里。隨著海量數(shù)據(jù)積累得越來越多，若真的出現(xiàn)倫理問題，人類又該怎么辦？

靈活性方面。遇到問題問AI，但很多時候大數(shù)據(jù)提供的答案非常類似。我想這個世界需要多樣性，大家不一定會喜歡高度類似的答案。如果讓AI生成一幅關(guān)于向日葵的圖畫，它給出的如果跟梵高的《向日葵》類似，這可能并不是我們想要的答案。再比如虛擬偶像的交互游戲十年前就已出現(xiàn)，但到今天也沒有發(fā)展壯大，這說明大家還是喜歡真人互動，最終還是要落實到滿足真實的情感需求這個層面。

因此，我對AI的期望是能夠幫助我們減少工作量，幫助我們完成大部分工作。至于滿足更多的心理層面的需求，這個任務(wù)就交給人類自己來完成。