人工智能和新技术正在改变工作环境,我们的工作方式和创造力也在被重塑。宾夕法尼亚大学沃顿商学院的教授Ethan Mollick与《大西洋》杂志撰稿人罗斯-安德森(Ross Andersen)进行了一场对话,探讨了人工智能和未来的工作。
Mollick首先提到了AI的“扩展法则”(scaling law),这是目前AI领域的一个重要非正式规则。根据这一法则,AI模型的规模与其智能成正比。随着模型规模的增长,其处理信息的能力、训练成本以及电力消耗都会增加,从而使得模型变得更加智能。例如,彭博社投入了大量资金训练了一个专门处理金融数据的?BloombergGPT模型,但后来发现,尽管GPT-4模型未经专门训练,却能更好地完成金融预测任务,仅仅因为它是一个更大的模型。
Mollick解释了AI的“幻觉”问题,即AI生成的看似合理但实际上并不存在的内容。他分享了自己的经历,他使用了AI系统来审阅自己的一篇论文,并要求AI为这篇论文生成摘要和一些引用。AI系统完成了任务,并提供了一些引用和评论。然而,当他回头去查看自己写的论文,试图找到这段话的出处时,却发现这段话并不存在于他的论文中。经过进一步的检查,他意识到这段话完全是AI生成的,是一个“幻觉”。
这个例子揭示了AI的一个关键特性:它们不是通过查找数据库或引用真实信息来生成内容,而是通过学习人类语言的模式来预测和生成下一个最有可能的词。因此,尽管AI生成的内容通常看起来是合理的,但这并不意味着它一定是真实的。
AI不仅仅是一个简单的时间节省工具,实际上可以提高工作的整体产出。波士顿咨询集团(BCG)组织的一项研究显示,AI可以显著提高工作效率和工作质量。在这项研究中,咨询公司的员工在没有任何培训的情况下,使用GPT-4处理业务任务,他们的工作质量提高了40%,速度提高了26%,完成的工作量增加了13%。
Ethan Mollick在讨论中指出,AI工具在提高工作效率和质量方面具有显著优势,但许多员工在使用这些工具时却不愿意公开。这种不愿意公开使用AI的现象背后隐藏着多种担忧。
首先,员工担心如果他们公开使用AI完成工作,公司可能会认为他们的职位可以被自动化取代,从而增加了他们被裁员的风险。此外,员工可能担心如果工作成果部分或全部由AI完成,他们可能不会得到应有的认可和赞誉。
另外,一些员工可能担心,随着AI在工作场所的普及,他们的技能会变得过时,从而减少了他们在职场上的竞争力。因此,他们可能会避免使用AI,以维持对传统工作技能的依赖。AI的引入还可能会改变现有的工作流程和职责分配,员工可能担心这种改变会打乱他们熟悉的工作节奏,增加工作压力。
为了解决这些担忧,公司需要建立明确的政策和指导方针,鼓励员工透明地使用AI,并明确AI辅助工作的价值。同时,公司应该提供培训和支持,帮助员工适应新的工作方式,并确保他们理解AI如何增强而不是取代他们的工作。
在对年轻人的建议中,Mollick强调了专注于自己擅长和热爱的事物的重要性。他认为,无论技术如何进步,对于自己擅长和热爱的事物的热情和技能始终具有价值。AI和自动化可能会改变工作的性质,但不会减少对优秀技能的需求。专注于自己的强项和兴趣可以帮助年轻人更好地适应未来的劳动市场,因为随着AI和其他技术的发展,工作角色和职责可能会发生变化,但拥有核心技能和适应性将有助于年轻人在变化的环境中找到自己的立足点。
追求自己的激情,发展自己的才能,并准备好与AI合作,而不是被其取代,以确保自己在未来的劳动市场中保持竞争力和价值。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。