凯文·凯利（Kevin Kelly）做客“高金E讲堂”大师讲坛：让更通人性的AI成为人类的朋友，这是我们的终极目标

大家好，非常高兴能够见到各位。我想花一些时间给各位介绍一下我的想法，特别是针对现在技术领域发生的最重要的一个趋势，它影响到了经济，也使全球的经济环境产生了重大变化。它就是AI，人工智能。人工智能或者是其他相关技术，目前发展十分迅猛又深刻。我们可以基于场景对AI技术的可能性进行一些预测。

首先从AI说起。AI是复数，不是单数；AI有很多AI，而不是单一AI。行业中有很多不同的想法，有很多不同的认知，也就意味着会有很多纷繁各异的人工智能。我之所以强调复数，是因为不同的AI兼顾不同的性能，有一些可能智慧水平极高，有一些可以进行对话，还有一些关注其它领域。AI的种类非常多，100个都不止，就像有非常多不同的动物一样，或者是非常多不同的人类一样，AI种类也是特别多的。

如果把这么多截然不同的AI汇总比较，比如机器智能、人工智能、动物智能等等，我们会发现人类智能和人工智能都是非中心化的，这就意味着它们其实有很多不同的认知结合在一起，它们不是唯一性或中心性的。所以我们将AI想象成一种集中式的AI，是一种误解。人类在生物谱系中，并不处在最核心的位置；地球也不是太阳系，或银河系的核心。我们都处在一个边缘位置，智能也一样。

AI就像降临到地球上的外星人，由我们人类进行设计和编程制造，它们可能非常聪明，超过人类的智能。但最重要的一点是，它们并不像人，因为它们是硅基生物，有不同的认知和思维方式。思维方式的不同，可能构成了AI与人之间最大的不同。这并不是差错，而是它们的一个特点，甚至是优势。它们可能会有创造性的思维，可能会去做决策，可能会形成一种超级智能。但不管怎样，这种思维方式和人类是不一样的。

在新的经济时代，不同的思维方式非常重要。我们在互联的世界中生存，可能很难跳出大众思维，但AI可以做到。它们能帮助人类打破常规，从一个全新的视角去思考。为什么库克想要储备和他不一样的人才？正是因为这样可以带来不同的思维。

在过去的几年有一件事让人们又惊又喜，那就是以前我们觉得电脑或者机器无法创造，但现在大家都震惊了。随着新的AI的应用，人们发现机器也是可以产生创造力的。不过这些创造力并非空穴来风，必须有人去给AI做出提示，这些人就叫做提示工程师。在过去的几年我一直在研究AI，甚至与AI共事，共创一些东西。所以在新的时代，提示工程师可能将成为新一代的艺术家，他们和AI共同创造。我把他们称为AI耳语者。真正优秀的AI提示工程师或者耳语者，可能要花一千小时以上的时间和AI共事。他们用的AI和我们是一样的，但是却可以通过创造性的提示让AI创作出非凡的东西，因为他们花了超过一千小时的时间去学习和练习，这就像精通一门技艺一样，精益求精、熟能生巧。

同时他们也要有一定的天赋，去了解AI背后的运作机制。现在我们在招聘网站上已经可以看到这样的招聘信息，“招聘提示工程师，年薪最高可达30万美元”，这是给最优秀人才所提供的机会，因为要成为一个优秀的AI提示工程师需要大量的练习和深厚的知识、技术积淀。大家现在也都会用一些开放的AI工具，你会发现提示确实非常重要。

第一，你需要了解AI背后的思考链条，让AI一步一步跟着你的思考。我们也发现了，现在AI的注意力时间非常短暂，它们没有办法去跟进一个很长的思维，所以你必须把思维一步一步打碎，然后一步一步去喂给AI，这样才可以帮助AI实现一些复杂的任务。

第二，如果你给AI一些积极的情感反馈，比如说表扬它们，那么它们就会给你一些质量更高的答案。我们也不知道为什么，但确实有这样的现象。你甚至可以说“我提的这个问题非常重要，甚至是一个生死存亡的问题，请好好回答”，这样AI就可以给你一个更高质量的答案。这也是一些小小的窍门，帮助大家更好地运用AI。

我认为这样的AI更像是一个普世的私人实习生，在座的各位每一个人都可以拥有一个24小时的实习生，为大家服务。这就是AI可以做到的，它有点像助理，但和助理不完全一样，更像实习生。因为实习生的工作也需要二次核验，你不能完全相信它，虽然它可以做一定的工作，但还不能独立完成一些任务，必须由你再亲自检查。

总结一下它们的能力，就是还处在平均水平，可以用，但比较一般，还需要做二次检查，但即便如此也已经很好了，它们已经可以做很多事情了。现在的大语言模型可以给我们一些尽管不是最精确，但看上去已经是最合理的答案。有一些工程师，他们每天的工作就是去设计一些最合理的答案和输出，他们的目标并不是给出最精确的答案，而是最合理的答案，这也是设计和算法的策略。他们的训练方式，是从人类的大量资料当中去提取信息。这一系列的资料包含了人类一些最精尖的信息，同时也有一些非常普通甚至质量不高的信息，所有这些都喂给AI作为训练材料。结果就是，它们的水平像实习生一样，可以做一些初始性的工作，比如说设计一个大纲或者写一篇文稿，这些任务它们可以完成得非常好。

我们也通过研究发现，知识型行业从业者50%的任务都可以由AI实习生来完成，另外50%的工作可以AI去做一个初始的版本，然后由人来提升。在一次调查中，人们发现如果使用copilot，程序员每天的生产力可以提升56%。同时我们还看到在其它行业，比如写作者使用AI，任务的完成速度会增加37%；律师顾问或行政工作者使用ChatGPT之后都有不同程度的效率提升。但最明显的效率提升，其实来自低级别的工种或者普通的工作人员。对于其他的工作人员，当然AI也可以给他们一定的助力。

AI和其它技艺一样，你需要至少一千小时的练习和学习，才能真正擅长。所以我认为未来人们的薪资将与使用AI的能力挂钩。在面试的时候，可能面试官会问你，你的AI使用能力如何，你能不能展示一下你的AI技术。而且我认为，你不会简简单单就因为AI失去自己的工作，但确实有一些内容以及职位会改变。而且我也相信在未来的5年以内人不会被AI替代，但有可能你会被一个善于使用AI的人替代，这是普遍的趋势。很少有人会完全被AI夺走工作，但现在已经有一些迹象和证据显示，有一些人会被善于使用AI的人取代。我们看到，即使有了自动驾驶，也很少会有司机被自动驾驶所取代。但在未来，这些工种的工作内容会出现一定的变化。

我给大家举个例子。美国有一个公司，他们用生成式AI去赋能那些服务台的工作人员，尤其是一些接线员，以便客服中心可以更加高效地支持他们的客户。在这个过程中，他们确实裁掉了一些人员，但同时也招聘了更多技术支持人员。最常见的情况是，接线员会改变自己的工作任务，会有一些AI没有办法处理的问题再转到人工，这就是工作内容的一个变化。与此同时，我们也看到正是因为AI把一些简单的工作都已经完成了，所以人可以专门处理一些比较棘手的问题，那么服务质量就会上升，客户的满意度也会提升。运用AI技术不受时空限制，一些财力并不雄厚或者处于偏远地区的企业，可能没有充足的预算去雇佣人工接线员，但他们可以接入AI为自己的消费者服务。这是有史以来首次出现的情况。这就是现在的一些AI应用趋势。就像我们刚刚说的，人类画家很少在现阶段就已经被AI替代，他们可能会用AI作为一个提示或是一个灵感来源。所以从这种生成式的阶段来看，我们很难在现阶段直接下定论AI会取代人。

刚才我们提到AI的世界是基于规则，有时候人可能会觉得很简单的事情，对AI而言却很难。换言之，AI觉得很容易的事情，人可能会觉得非常困难。那是不是说，人觉得难的事情就会被替代？不是这样，比如说人会觉得对话非常容易，或者握手非常简单，但这些在现阶段是可以由人工智能替代的。

说到这种生成式AI以及人与机器之间的关系，我把它称之为“+1”关系。美国提出了一个“半人马”作战模式，它其实就是一种人机协作机制，同人和AI的关系相像。比如说你要进行驾驶训练，现阶段光靠人或光靠人工智能都不行，要结合在一起。再比如说现在进行疾病诊断，也是同样的道理。

还有一个例子，有个美国员工发现自己可以通过机器人工智能的一个开发帮助自己避免不断花时间做重复的工作，于是他基于自己的名字开发出了一个人工智能机器，名字叫做Eshter bot。如果你需要的话，可以直接去跟机器人沟通，然后获得以其为版本训练的一个聊天机器人。Eshter还写了一本书，很多人通过阅读这本书获得了使用建议。

通过和Esther bot聊天机器人进行互动，你可以获得更加有效的信息。有时候还涉及到一些特定的沟通，比如说跟宠物沟通，它不是我们传统的这种双向沟通。所以Esther bot确实开辟了一条新的路径。

再比如人类咨询师需要懂得很多具体信息。如果我们把同样的工种放到机器人或人工智能上，可能它们的表现在现阶段有些地方还比不上人类的咨询师。但是我们可以想象，如果以人再加上人工智能，用人工智能来赋能人类，这样一个结合就远胜过单独的人类咨询师，或者是单独的机器人。我们目前也听说有很多人通过这种人与机器的协同来进行高精准的疾病诊断。特别是一些医疗资源短缺的偏远地区，用AI赋能的效果是超越这些资源匮乏地区传统解决方案的。人类和人工智能进行协作还可以应用到其它领域，除了医疗，还有教育、法律、驾驶、编程等，所有这些都反映了“+1”的概念。在人类的公司范围内引入AI协助，会产生非常大的一个助力。它可以成为你的合伙人、队友、教练、副驾驶助手等等，因此人类和人工智能能够实现一种友好的、全新的关系和协作的可能。

去年的人工智能领域出现了许多新的变化，特别是基于内容及神经网络等进行的开发和衍生。神经网络不是什么新技术，很多年前就有了，而针对不同层次的AI，很多年前也有了。真正难以做到的是识别出信息中的共有模式，这种模式识别和模式生成，就是神经网络技术的一个底层逻辑。基于神经网络有两个全新的应用和概念，一个就是大模型，LLM大语言模型；一个叫做对话式用户交互界面，意味着基于大模型我们会以对话的方式与其进行交互。

我先解释一下大语言模型。大语言模型一开始是非常简单的编程，比如说在10到15年前，其实是用它来做语言翻译的，就像现在科大讯飞基于大语言模型进行的语言层面的转化。当时是基于语料和其它语言模型进行训练，但随着模型的不断发展，产生了一些有趣的变化，比如它不光可以翻译，还可以基于这些语料做推理。这是大家起初没有认识到的一点，即基于语言做逻辑推理，它意味着语言不是单纯的进行信息的传递和传达。我们之所以会有语言，是希望用语言表达思想。没有语言，思想也是匮乏的，所以语言跟推理能力密切相关。当你获得了语言能力，也就在一定程度上获得了推理能力。但起初进行大语言模型开发的一些技术人员没有意识到这一点。推理是语言模型进入过程中获得的一个有趣副产物。这也让AI出现了很多其他全新的赛道应用。

还有一点想给各位介绍的，就是图形用户界面。这个概念其实是复刻了我们很早之前的单纯的图形应用。在互联网之初，电脑屏幕上是没有图形的，而是很多单纯的文本，难用而且无趣。现在的应用已经截然不同了。

随着万维网的使用，你突然看到了有图片的交互形式，你可以拖拽信息。用这样的方式呈现应用，更加贴合人类的诉求。你不用再去上繁琐的编程和代码课也可以理解它呈现的信息。AI也是一样，两年前的AI互动也是基于文本为主，但是突然我们开始有了大语言模型，你可以进行对话式沟通，通过对话的交互，然后可以有文生图，你会发现文本信息转化成了视觉信息这样一个对话式用户交互页面，非常符合人类的沟通诉求。通过这一来一回的沟通，能够达到更好的一个共同效果。人类本身就是倾向于图的，也倾向于这种对话交互。这种功能的出现，极大改变了现在的技术应用。还有语言理解、手势识别。比如说现在，你可能会有很多这样的设备，即使你声音很轻，它依然可以采集你的声音，也就是你不用像以前一样用吼的方式来进行沟通了。这种方式不仅实现了技术突破，而且极大地改变了行业。所以我建议未来几年的新企业可以将现在的技术优势加入到这些对话的交互方式，比如跟汽车进行这种对话交互。通过应用的引入，AI也会变成商品的一种形式，AI交互页面会成为区别质量的一个关键所在。Perplexity公司就是以AI的交互界面闻名。这与卖水的概念相同，水装到瓶子里它就是产品了。AI会被商品化，它的交互界面可以创造额外价值。

我们再谈一点，各位可能正在使用科大讯飞的翻译机。我觉得实时翻译技术在未来会促进经济的进一步腾飞。因为有了语言鸿沟的跨越，就可以充分使用世界各地的人才，而不用担心语言的限制。所以我们可能还是低估了实时翻译的力量，它可以极大的释放经济机遇和经济增长潜力。

回到我刚才所说的，当技术变得无形无缝的时候，它才是最强大的。我们现在所处的这个房间中就有大量的技术存在，如管线、电力等，看不见意味着这些技术已经成功了。我们现在一直在谈AI，说明它还没有成功，因为它还是一个有形的技术。如果说我们已经无法意识到AI的存在了，那么就说明它成功了。在未来我相信95%的AI应用我们都没有办法看到，因为它在后台或者后场运行，就像管线系统一样。未来我们将更熟悉它的一些前台界面，大多数人可能甚至不知道它背后的支持底层技术是AI。

现在有很多技术公司试图用AI去预判未来。这在单纯靠人力的过去是一项非常耗时非常昂贵的工作。但有了AI的介入，预判未来将成了一件简单的事。AI技术会存在于两个阶段，一个是内部的流程阶段，包括编程工作、金融分析、传媒沟通等，这一系列的工作流程，它可以内嵌AI的技术，这是一种内部的流程。当然还有一些AI产品，这是大家在公众视野当中可以看到的，比如说自动驾驶汽车机器人。到目前为止，这两者之间最强大的以及对于企业能有最大支持的还是内部流程的AI，我相信这也是未来AI重要的增长点。

我们把AI类比成电力，但不等于说你去给18世纪的公司通电，它就会变成完全不同的公司。但是，如果一家企业在诞生之初就有电力的加持，那么这家企比起18世纪的企业就是一个巨大的飞跃。AI也是一样。如果说要有下一代AI原生企业的话，那么它的商业模式一定和AI前的企业完全不同。有一些工作是人类不想做的，有一些工作是人类可以做的，还有一些工作甚至是人类完全未知的，AI能够起到最大作用的地方，并不仅仅是在于人类不能做的那些任务，而是在于去探索需求和完全未知的工作。

那么在商业场景当中，第一批的AI使用者会有哪些呢？一种就是我刚刚介绍到的接线员，还有客服和服务台咨询员；还有一种就是程序员。现在程序员已经在大量使用微软copilot这样的AI辅助工具。有了AI加持之后，这些程序员说他们再也不想回到没有AI的时代了。同时在营销领域，工作人员也在大量使用AI去生成物料、图像、视频等等。

我觉得AI的第一批应用行业，包括以下几个：软件、医疗、教育、营销和保险。保险业显而易见，可以利用AI设计保险政策，进行数据分析等等。我们会觉得在AI加持的行业当中，受益者可能是教育领域的学生、医疗领域的患者，或者企业环境中的员工。但事实与我们预想的恰恰相反。在教育领域，老师对于AI的热情远远要大于学生；在医疗领域，医生的热情大于患者；在企业环境中，经理的热情大于普通员工。因为老师可以每天节省几个小时的备课时间，医生也可以每天节省几个小时的分析、总结病例的时间。这些工作都可以抛给AI去做。经理也是一样，他们比普通工作人员受益更多。所以我们发现在一个企业结构或者行业结构当中，中层是受益最大的，他们反而是第一批的AI使用者。

另外我们还发现一点，运用AI最多的、进入程序最深的企业都是一些年轻的初创企业。公司越小，运转就更加灵活，就更有机会去全面地使用AI；大公司的脚步就会相对落后。这个流程我还想再多说一句，它是一个自然进化的过程。企业从18世纪开始一直进化到现在，也是一步一步循序渐进的。18世纪之后，出现了模拟时代，之后是数字时代，中国企业搭上了东风，实现了快速的成长。再之后是云计算的时代，而现在我们正在全面拥抱AI，但是有一点我们要记得，那就是云计算这一步是不能跨过的，我们需要去打好基础，去实现完善的云计算部署。换句话说，企业要进行完善的云计算或者云平台的部署，然后才可以在云计算的基础上发展他们的AI实力。当然也有一些企业它希望实现从数字到AI的直接一步跨越，但依然不能忽视云计算这一步。

我们再来看一下现在AI可以实现的一个非常好的功能，那就是生成视频。其实好几年前业界就已经在讨论这个趋势了。AI现在已经能够去生成视频了。换句话说，它已经可以去生成世界的一个小片段或者小部分了。比如说现在AI可以生成狗的视频，有了这样一个小小的一步，其实未来就不难想象AI可以生成一个完整的事件，可以实现现实的增强。这在以前需要一个技术团队才能够实现，而现在有了AI，甚至只要一个人就可以创造一整个世界。J.K.罗琳创造了哈利·波特的世界，她一个人创造了一个魔法世界，她是一个天才。但即便她有如此大的想象力，也依然没有办法去制作7部哈利波特的电影。而现在有了AI，一个人是可以实现这一点的。正如我们一开始所说的，即使AI现在所接受训练的语料和物料质量还不是最高的，但是从这些大量的训练当中依然可以产生出非常优秀的内容。我们同时也意识到，这些AI的素材可以实现增强现实的功能。

现在苹果还有谷歌也都推出了其现实增强的产品，但是如果背后没有成本较低的AI技术的支持，这些终端产品没有办法普及。AI是增强现实产品的一个基础。增强现实和AI是相挂钩的，它对于AI的要求非常高，甚至可以说是AI的另一个变相。人们可能忽视了一点，AI现在是可以去进行语义分析的。我们在互联网上有大量的信息，AI可以对这些信息进行拆解，进行语义分析。比如百度就可以记录百度网页当中的所有文件，然后对这些文件和文本进行语义分析，并基于这些文本分析生成视频或者图片。

媒体平台有大量的信息，如果将这些信息用作AI训练，将会释放出巨大的潜力。同时在这个过程当中，AI也在学习我们这个物理世界，开始了解我们的物理空间。如果AI看了足够多的视频，就能了解人类的物理是怎样的。这些AI也都可以通过视频来学习。换句话说，AI可以读取我们整个物理世界，我觉得这也是一个巨大的改革和革命。现在苹果已经推出了Vision Pro，但我觉得这个产品要普及，可能还需要十年的时间，同时它也需要大量的物理学家去训练机器去视觉理解我们的物理世界。如果AI可以去读取我们的物理世界，去了解所有的人类的物理原理，那么它就可以快速地生成数字孪生。有了一些VR的产品，也就是虚拟现实的产品，人们就可以在虚拟世界遨游。但这些眼镜仍然有一个局限，那就是你每次使用的时候它都需要扫描一下你身边的环境，它需要去识别你处在哪个房间，哪里有窗户，哪里有门。如果有了AI加持的话，它就可以去自动理解身边的环境，不需要一遍一遍去扫描。所以到了最后，我们会发现世界的任何一个设备，都会构成刚刚我们说的镜像世界中的一环。镜像世界由数据构建，你会发现会有机器人来开车，而且在车辆行驶的过程中，你会看到周围的整个世界。

而刚刚说的计算世界，同时也具有机器可读性。这些人工智能数据和人类都是交互的，我觉得世界的这种社交属性最强，因为它可以有很多人类化身在这种虚拟世界当中构成本身的社交。所以在训练方面AI的潜力无限，因为有很多工作放在了这些世界里来做虚拟训练的同时，也会有很多其它的这种空间计算来进行辅助。这种方式非常有用，很多技术应用在正式启动之前，也会在镜像世界里完成实训，然后进行三次元的落地。

我们可能对一些技术的发展觉得非常震惊，特别是在过去一年里，技术的发展翻天覆地，人工智能带来了前所未有的创意。但如果我说人工智能未来还有情感属性，可能会让很多人感觉匪夷所思、瞠目结舌。之所以会有情感，有几个原因驱动：比如刚才说到的对话，对话是自然语言，也是人会继承的一种沟通。情感也是嵌入到了这种交互模式里。所以对于AI，我们会用到这种原始情感，原始情感会通过你的语言、你的表情来进行传递。比如说它看到了你的视线，就会知道你现在走神了，或者通过你语调的变化感觉到了情感的变化，它可能就会换一张图，或者放慢语速。

人工智能正在关注捕捉原始情感，不单是进行语言表达，还强调对人类信息的读取，同时进行有益的处理。比如说人的一些担心或者是一些其它情感，像爱、喜悦、恐惧、顾虑、惊喜。这种情感非常让人难以置信，但这就是AI跟人进行交互最好的一种方式。人会跟宠物有很强的情感羁绊，可能在未来也会跟人工智能产生更强的羁绊。它就像能够说话的小狗。你可以想象一下，如果你的小狗能用你理解的语言对话，你跟它的羁绊就会更深，所以这也会成为未来技术发展的趋势。虽然很多人刚开始可能觉得不习惯，或者很震惊，但情感嵌入会成为下一步的技术路线。通过这种情感嵌入，你可能会发现这种羁绊感超过你的预期。

我们再回到刚才的概念上，首先AI的种类非常多，而且会以很多不同的外形呈现出来，所以我们要强调AI是复数的，它们可能会有不同的性格，甚至你会发现不同的AI跟你的契合度不一样，你想找那种能跟你共情的AI，能够跟你协同的AI，因为这些AI个性迥异。AI的一个重要分支是神经网络，它是一种模仿人类大脑神经结构和功能的计算模型，还需要进行进一步的技术开发。

很多AI专家都同意，人类不可能用一种AI类型覆盖所有的应用场景，所以我们还要在神经网络之外，结合模糊逻辑规则判断等多个维度，创造未来的AI。AI还处于萌芽期，未来的AI将走向什么发展路径，没人能够预判，但至少所有这些分析可以帮助我们更好的基于技术路径为未来做规划。AI能够帮助我们去判断哪里AI做得好，哪里人类做得好，同时还可以剖析一下哪些是希望人来做的，是不能交给AI做的。通过这样的剖析，我们可以更好地认清现实、理清路径，相信这些机器可以帮助人类变得更好，这是我们的最终目标。

感谢各位的耐心聆听。

-END-