作者:高飛
配圖:Diffusion Models
新職業(yè)的誕生,總是因為有新技術的出現(xiàn)。即使人類最早的職業(yè)——農(nóng)民,也是在新石器時代,伴隨著有了打磨成型的石頭而產(chǎn)生的。
再往后看,第一次工業(yè)革命時代的紡織工人,發(fā)報員,第二次工業(yè)革命時代的電工,列車員,第三次工業(yè)革命時代的打字員,程序員,也都是如此。
有意思的是,時代和職業(yè),其實是互相成就的。我們既可以說新產(chǎn)業(yè)變革創(chuàng)造了新的職業(yè)。也可以從另外一個角度說,出現(xiàn)了新的職業(yè),或者完全重塑了舊職業(yè),才能叫進入了一個真正的產(chǎn)業(yè)新時代。
10年前,從德國提出工業(yè)4.0(2013年)開始,一種“我們已經(jīng)進入以人工智能技術等驅(qū)動的第四次工業(yè)革命”的提法流行開來。
但是,這個第四次工業(yè)革命,和同樣是信息技術驅(qū)動的第三次工業(yè)革命,其實一直以來界限都非常的模糊。似乎是個被“工業(yè)4.0”概念催生出來的產(chǎn)物。
很重要的一點是,在第四次工業(yè)革命被提了十年之后,并沒有創(chuàng)造任何主流的新職業(yè),也談不上重塑了什么舊職業(yè)(除了帶貨主播,但這也是互聯(lián)網(wǎng)的產(chǎn)物,和AI并沒什么關系)。
所以,第四次工業(yè)革命其實非常像是一個概念噱頭。
直到2022年11月,在注意力機制(self-attention)推動的ChatGPT發(fā)布后,在擴散模型(Diffusion Models)等推動的AI繪圖工具PK了人類畫師之后,上述提到的疑問都將不復存在了。
因為這些ChatBot,和一系列AIGC新工具,正在創(chuàng)造人類歷史的新職業(yè),快速重塑、甚至顛覆人類既有存在的傳統(tǒng)職業(yè)。
這個新職業(yè)的特點是,讓人們能夠利用自然語言,作為提示詞,與AI進行交互,得到信息,或創(chuàng)造作品。
這是人類歷史上,從未做做到過的事情,其意義堪比200年前,拜倫的女兒Ada成了人類歷史第一個程序員(不過那時,程序員顯然還未能成為一個職業(yè))。
所以,是時候為這個新職業(yè)起一個名字了。
在英文的語境下,因新技術的誕生,誕生了很多er結(jié)尾的新職業(yè)(新族群),比如Hacker,Blogger,Podcaster,Geeker。
這些職業(yè)翻成中文,都是用的音譯,巧合的是,還都以客結(jié)尾,分別是黑客、博客、播客、極客。
不過,這一次伴隨AIGC而來的新職業(yè),尚未得到廣泛的認同和關注。英文稱謂也沒有統(tǒng)一。有人用Prompter描述AI作畫者,但似乎不適用于AI Chat。
我覺得“問客”可能是個好名字。
因為,ChatGPT等AIGC背后的智能本質(zhì)上是個黑盒子,所以用戶-使用者是同等的創(chuàng)新者。
所以“提問”,也就是“問AI”才是這些新職業(yè)的核心。
鑒于愛因斯坦曾經(jīng)說,提出一個問題往往比解決一個問題更重要。
我們應該把第四次工業(yè)革命的新職業(yè)叫做“問客”。
第四次工業(yè)革命,也將因為“問客”的誕生,有了自身真實存在的證明。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。