AI 给我们带来了什么？

AI 给我们带来了什么？

人们对大语言模型的看法是复杂而矛盾的。一方面，人们惊叹于AI技术的巨大威力及其对未来发展的深远影响；另一方面，又困惑于AI在实际应用中的具体落地场景。有人认为AI更适合企业服务（2B），有人则看好消费者市场（2C），还有人主张先2C后2B。一个被誉为“最伟大的发明”为何难以找到明确的应用方向？这是一个值得深思的问题。

要回答这个问题，我们首先需要探讨AI究竟能做什么，以及它能为我们带来哪些实际价值。

改变知识的传播方式

在人类发展史上，语言和文字是最重要的发明。语言促进了交流，而文字则实现了思想的记录。文字的诞生，如同为人类大脑安装了“外部存储器”，使思想得以脱离个体，通过物理形式保存和传承。从此，人类的思想不再局限于口口相传，而是通过文字跨越时空，流传千年。

人类的思想、历史记载和智慧结晶被记录在浩如烟海的书籍中。然而，从这些书籍中获取知识并非易事，需要阅读大量文献。于是，教育应运而生，教师通过指导阅读和讲解，帮助学生理解书中的内容。

为了更生动、高效地传播信息，人类发明了报纸、杂志、电影、戏剧、歌曲、广播、电视等多种媒体形式。互联网技术进一步提升了知识搜索的效率，搜索引擎可以根据关键词快速找到相关内容。然而，搜索引擎的精准度有限，返回的结果中可能混杂着无关信息、广告甚至虚假内容。

如今，大语言模型正在彻底改变人们获取知识的方式。它如同一位“数字化智者”，上知天文地理，下至生活琐事，几乎可以回答任何问题；又像“村里的包打听”，能第一时间提供最新资讯。传统的搜索方式正在被AI接管，知识获取变得更加高效和直接。

提升文字工作效率

文章的生成、修改与润色

在现代生活和职业中，文字工作无处不在。除了作家、记者等以写作为职业的人群外，普通人同样需要通过文字表达思想或描述事物。工程师需要撰写产品手册和规格书，销售人员要创作广告文案，老板需准备演讲稿，甚至个体户也离不开社交媒体上的“小作文”。

在自媒体时代，写作与摄影一样，成为每个人都需掌握的技能。大语言模型能显著提升写作效率，用户只需用口语表达想法，AI即可生成专业文章。未来的写作将演变为“人机协作”模式，每个人都能拥有一个“AI秘书”，根据需求快速生成高质量内容。

文字翻译

翻译一直是受人尊敬的职业，但传统翻译工作耗时耗力，一部著作的翻译可能需要数年时间。因此，大量国外优秀著作和文学作品尚未被引入国内，中文译本仅占世界书籍的极小部分。

以大语言模型为代表的机器翻译技术正在颠覆这一领域。翻译的主要工作已转变为“译后编辑”，人机协作成为常态。AI不仅大幅提升了翻译效率，其准确性和可读性也逐步接近人工翻译水平。此外，语音即时翻译技术已达到同声传译的标准。

AI翻译技术的广泛应用显著提升了翻译质量和效率，并拓展了应用场景。这一变革催生了应用翻译研究的兴起，重点关注商务、科技、医疗和法律等领域的实际问题。尽管ChatGPT等大语言模型并非专为翻译设计，但其表现已超越谷歌翻译、DeepL等专业工具，尤其在应用翻译领域。

教育领域的变革

教育是AI的重要应用场景之一，其影响可分为两个方面：

优化现有教育体系

虽然改变现有教育体系困难重重，但利用AI技术提升效率却大有可为。AI大模型可以扮演以下角色：

• 大百科全书：回答学生的各类问题，包括课外知识。
• 辅导老师：协助完成家庭作业。
• 个性化检查：针对性地出题和测试。

随着多模态大模型的成熟，辅导作业、个性化出题等“应试教育”技术将规模化应用。

创新教育方法

上述技术可能加剧教育内卷，但对提升下一代的核心技能帮助有限。AI时代对就业者的要求正在改变，教育也应随之调整。传统知识传授的重要性下降，目标选择和创新思维成为关键。

世界经济论坛提出的“教育4.0”概念指出，未来学生需具备以下三种能力：

1. 解决问题的能力：包括创造力、数据分析能力、批判性思维和毅力。
2. 协作能力：善于沟通、倾听和团队合作，能够化解冲突。
3. 适应能力：快速应对变化，在压力下做出有效决策并创新。

消除人机语言边界

长期以来，机器语言与人类自然语言存在巨大差异。机器语言语法严格、结构化，适合计算机处理；而自然语言则非结构化。大语言模型强大的非结构化语言处理能力正在弥合这一鸿沟。

自动生成代码与结构化数据

对大语言模型而言，生成机器代码比处理自然语言更简单。如今，AI生成前端代码、Python或JavaScript程序的准确性已非常高。程序员的工作逐渐转向需求提出、检查和调试，编写代码的任务将越来越少。

处理非结构化信息

大语言模型能准确理解自然语言，并通过Function Call、MCP等机制访问信息系统或物联网设备，使智能玩具、语音控制等应用变得简单。

非结构化信息转换

尽管AI能处理非结构化数据，但机器更擅长结构化数据。为了提高效率，需要将非结构化数据批量转换为结构化信息。大语言模型可“蒸馏”出机器可读的结构化数据，如产品属性、规格书等，大幅提升信息标准化效率。

AI的落地场景探讨

碎片化应用

大语言模型如同“万能工具”，其应用场景是碎片化的。虽然无处不在，却缺乏“重磅”场景。将众多小应用整合为“瑞士军刀”式的超级Agent，未必能吸引用户付费。寻找大模型落地场景的过程，如同“等待一场未至的台风”。

基础设施化

大模型的盈利模式可能类似于电信服务，按使用收费。当前的局面类似于互联网早期，开发应用的公司比提供基础设施的更容易成功。试图通过差异化大模型获取竞争优势的努力可能是徒劳的，除非能持续获取独特数据集。

不必过度担忧

尽管AI的推理能力日益强大，但其创新力仍无法与人类相比。人类的“涌现”能力——即突然产生新想法的特质，仍是AI难以企及的。

实现过去无法完成的任务

面对AI，我们更应思考如何利用它完成过去难以实现的目标：

• 翻译热潮：AI将大幅降低翻译成本，使大量国外优秀著作、影视作品和播客被引入国内，消除语言隔阂。
• 构建结构化信息模型：AI可高效生成标准化数据，推动工业4.0中AAS、ecl@ss等数据模型的普及。
• 支撑AI环境：后端系统需更加开放，API化和有偿服务将成为趋势。
• 智能推荐系统：AI可优化商品描述和推荐算法，提升电商平台的用户体验。

总之，AI正在深刻改变知识传播、工作效率、教育方式和人机交互，其潜力远未被完全发掘。我们需要以开放的心态拥抱这一技术，探索其更多可能性。