在某种程度上,很多人认为这是一场零和博弈——认为计算、技术技能与 STEM 正在掩盖过去那些艺术、文化和语言等古老学科。毫无疑问,我们正处在一个技术性发挥更大作用的新世界中。但并非所有人都认为人文学科已经死亡或过时,或者我们不应该引导年轻学习者去了解它们。
“我确实认为 AI 工具正在改变大学生的机遇,” 芝加哥大学校长 Paul Alivisatos 在与 Deloitte 的 Nitin Mittal 在达沃斯于一月份的一次采访中表示,“我们坚信要用核心课程来教育人们,但我们也越来越发现,人们希望从计算和统计的视角思考问题。”
他暗示,人们将不得不成为 AI 的创造者和协同创造者,这意味着在学习和其他方面都需要适应一些重大变化。
数字智能与批判性思维
在 Phys.org 上发表的一篇文章中,乔治华盛顿大学的 Alexa Joubin 教授讨论了 AI 作为人文学科的“启发式工具”,并谈到它如何改变我们的思考方式:
“AI 可以模拟流畅性,但它本身并不进行思考。关键在于教育者确保学生了解其局限性,并学会提出更好的问题,” 她说,“我们不应把 AI 当作一个答案生成器,而应利用它来加深探究,并在人人文学科中重新定义批判性思维。”
换句话说,AI 可能起到辅助的作用。
事实上,听许多专家谈论向人工智能转型的趋势时,你会听到很多有关辅助技术的讨论——这些技术并不是替代人类,而是增强人类所做的事情。决策支持工具能够提高人类的生产力。
这就是当人们对 AI 表达积极态度时所谈论的那种协同效应。
无代码革命
在与 Mittal 沟通时,Alivisatos 还提到了目前最具颠覆性的趋势之一:无代码设计。
什么是无代码运动?
借助新型大语言模型,人们现在首次可以在不懂编码的情况下设计软件。
自 1970 年代起,当我们学习使用计算机时,专业人士必须懂得 FORTRAN、COBOL 或其他某种编程语言才能创造出任何东西。
如今,我们只需命令 AI 为我们创建,然后查看完美的源代码。
虽然这一切是由 AI 的能力驱动,但它并非没有人类设计的先例。以 HTML 为例——早期的互联网要求用户自己编写 HTML 来生成网页,但一旦 Dreamweaver 以及其他大量工具出现,网站管理员便可以采用“无代码”方式创建网站。而现如今,无代码在更根本的层面上可供使用。终端用户不再需要成为“技术达人”——他们只需要知道如何与 AI 对话。
捐赠与投资
即便在人工智能吸引无数眼球的当下,也有关键参与者在激励人文学科的研究工作。
美国国家人文基金会运营着一系列项目,其中包括旨在资助人文学科工作的项目。
“聚焦于人工智能的人文学科研究中心 这一新的 NEH 资助项目为大学和独立研究机构提供高达 750,000 美元的资金,以支持建立关注人工智能在伦理、法律或社会影响方面的人文学科研究中心。”
尽管对联邦资金存在一些混淆,但这只是支持美国经济中人文学科的众多项目之一。
谈及这一趋势以及更多内容时,Alivisatos 表示,AI 正在转变机会——它并不是夺走了机会,而是改变了人们创新和展现作为人类特点的方式。
“我看到的是,对我们的学生来说,处处都充满了机遇的扩展,”他说,“我们突然能够让知识更好地为我们服务。这只会为人们创造更多的机会,而不是更少。所以我认为我们的学生应以一种充满机遇而非惧怕的态度去迎接这一时刻,Deloitte 也应如此。”
这一切表明,即使 AI 在认知和行为上逐渐赶上我们人类,也依然致力于守护人类本质。敬请关注更多相关内容。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。