AGI到来后，哪些职业将收到严重冲击

AGI 是通用人工智能（Artificial General Intelligence）的缩写，指的是能够像人类一样思考、学习和执行多种任务的人工智能系统，即可以做任何人类能够做的事情。例如，它涵盖了推理、规划、解决问题、抽象思维、理解复杂思想、快速学习和从经验中学习等广泛的认知技能和能力。在 2000 年代初，“通用人工智能”这一名词开始流行，用以强调从“狭义 AI”向更广泛的智能概念的追求。但目前 AGI 还没有取得巨大进展。需要注意的是，目前并没有一个被广泛接受的 AGI 定义。

AGI 的全写是“Artificial General Intelligence”，意思是通用人工智能，指能够像人类一样思考、学习和执行多种任务的人工智能系统。

AGI 即通用人工智能（Artificial General Intelligence），是指能够像人类一样思考、学习和执行多种任务的人工智能系统。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 在 AI 的分类中，AGI 与 ANI（弱人工智能）相对，ANI 只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等，而 AGI 能做任何人类可以做的事。

AGI 即强人工智能或通用人工智能，是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。目前还只是一个理论概念，还没有任何 AI 系统能达到这种通用智能水平。 AGI 的五个发展等级分别为： 1. 聊天机器人：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 更多信息请见（AGI）。OpenAI 原计划在 2027 年发布的 Q2025（GPT8）将实现完全的 AGI，但由于埃隆·马斯克的诉讼而被暂停。GPT3 及其半步后继者 GPT3.5 在某种程度上是朝着 AGI 迈出的巨大一步。

AGI 即通用人工智能（Artificial General Intelligence），指能够像人类一样思考、学习和执行多种任务的人工智能系统。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 此外，AI 分为 ANI 和 AGI，ANI 得到巨大发展但 AGI 还没有取得巨大进展。ANI 即弱人工智能，只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。而 AGI 能做任何人类可以做的事。

学习 AGI 是一个长期的过程，需要耐心和持续的努力。以下是一些建议： 1. 参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。 2. 应用方面：深入了解 Prompt，选择适合自己的 AI 对话、绘画和语音产品，每天使用并用来解决实际问题或提升效率。 3. 分析方面：大量阅读各类文章、视频以及行业报告，理解各知识之间的关系。 记住，不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的知识体系，并能够在这一领域取得成就。同时，找到适合自己的学习方式和兴趣点最为重要，学以致用，通过学习分享不断填补知识的缝隙来成长。

目前在处理职业教育教材方面，以下是一些相关的 AI 信息： 在医疗保健领域，为使 AI 产生真正改变，应创建像优秀医生和药物开发者那样学习的模型生态系统。顶尖人才的培养通常从多年密集信息输入和正规学校教育开始，再通过学徒实践从出色实践者处学习，获得处理复杂情况的直觉。对于 AI 而言，应改变当前学习方式，如通过堆叠模型训练，而非仅依靠大量数据和生成模型。 对于处理文档和数据，特别是 PDF 文本，Claude 2 表现出色。可以将整本书粘贴到 Claude 的前一版本中获取良好结果，新模型更强大。但需注意这些系统仍会产生幻觉，若要确保准确性需检查结果。 如果您有医学课题需要 AI 给出修改意见，以下是一些专业工具推荐： Scite.ai：为研究人员等打造的创新平台，提供引用声明搜索等工具，可简化学术工作。 Scholarcy：能提取文档结构化数据，生成文章概要，包含多个分析板块。 ChatGPT：强大的自然语言处理模型，可提供医学课题修改意见。 但需注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是为您生成的以数据分析师为职业目标，且希望在计算机行业公司工作的职业规划建议： 首先，鉴于您在社交和处理数据方面的优势，您可以积极利用这两点。在社交方面，主动参与行业相关的社交活动、线上论坛或社群，扩大人脉资源，这有助于您获取更多的行业信息和潜在的工作机会。在处理数据方面，不断提升自己的专业技能，例如学习更高级的数据处理工具和技术，以提高工作效率和质量。 对于您在创新方面的弱势，建议您多关注行业内的创新案例和趋势，通过学习和模仿来逐渐培养创新思维。可以参加一些创新思维的培训课程或者阅读相关的书籍。 在求职过程中，有针对性地投递计算机行业中对数据分析师有需求的公司。准备一份精心制作的简历，突出您在社交和数据处理方面的优势，并诚实地提及您在创新方面的不足以及您为改进所做的努力。 进入公司后，持续学习和提升自己，与团队成员保持良好的沟通和合作，不断积累项目经验，逐步提升自己在数据分析领域的专业能力和影响力。

AI 训练师是一种新兴职业，其职责和工作内容因具体领域和应用场景而有所不同。 例如，在 AI 教育培训和商业应用方面，像星动 AI 联合创始人李先森所从事的工作，可能包括对学员进行 AI 相关知识和技能的培训，以及参与 AI 项目的测评和指导等。 在 AI 设计领域，AI 训练师可能需要负责 AI 风格的开发和调试工作，参与项目的整体风格和审美定义。根据产品需求完成风格渲染的研发、测试、配置和维护，熟练使用 StableDiffusion Web UI 等 AI 框架进行风格研发，负责 AI 模型（如 LoRA，Prompt/Prompt Sentence）的训练、参数调整以及性能优化，编写高质量的渲染记录文档，进行配置和模型训练质量控制，并为团队提供技术支持和指导，解决技术难题。 总之，AI 训练师需要具备相关的专业知识和技能，以帮助 AI 系统更好地学习和优化，从而实现各种应用目标。

以下是关于用 AI 兼职赚钱及相关职业的一些信息： 学习 AI 有可能通过兼职赚钱，但不能确保每个人都能快速获得收益。在人工智能领域，存在一些高薪工作，例如数据科学家、机器学习工程师等。掌握了 AI 技术，有机会在这些岗位上就业并获取不错的收入。而且，AI 技术在金融、医疗、制造业等众多行业均有应用，具备 AI 技能能增加就业机会和职业发展的可能性。 然而，能否通过 AI 兼职赚钱取决于多种因素，包括个人的学习能力、实际应用能力以及对市场和商业的理解等。仅仅掌握一些基础知识可能难以在竞争激烈的市场中突出重围，需要持续学习和实践。 目前常见的利用 AI 兼职赚钱的职业有： 1. AI 内容创作：利用 AI 工具生成文章、故事、广告文案等。 2. AI 图像设计：借助 AI 绘画工具为客户设计图片、海报等。 3. 数据标注与预处理：为 AI 模型的训练提供准确的数据标注。 但要注意，在从事相关兼职工作时，要不断提升自己的技能和能力，以适应市场的需求和变化。

以下是关于如何用 AI 更好地指导高考志愿填报以及职业规划的相关内容： 对于高考志愿填报和职业规划，AI 可以从以下几个方面提供帮助： 1. 职业趋势分析：基于最新的市场数据和行业报告，协助考生分析自身专业或职业的前景，了解未来的职业趋势。 2. 技能评估与提升：通过测评工具评估考生当前的职业兴趣，提供针对性的学习资源和课程建议，帮助提升专业技能。 3. 职业匹配与推荐：根据考生的兴趣、技能和职业目标，推荐适合的职业路径和职位，提供个性化的职业建议。 4. 职业发展规划：结合考生的个人情况和市场需求，制定详细的职业发展计划，包括短、中、长期目标，帮助考生在快速变化的就业市场中找到自己的职业定位。 在实际应用中，学生可以通过相关产品了解 AI 技术在不同职业中的应用，评估自己的兴趣和技能，选择合适的职业路径，并制定详细的职业规划。同时，根据职业目标，获得个性化的学习建议和资源，提升在 AI 领域的技能，为未来的就业做好准备。 对于职场新人和职业转换者，AI 可以提供职业发展指导和职业转型支持。职场新人可以根据自身的职业目标和市场需求，制定职业发展计划，明确短期和长期的职业目标。对于希望从其他领域转型到 AI 相关领域的从业者，AI 可以提供详细的转型路径和必要的技能培训资源，帮助他们顺利转型。 企业可以利用 AI 评估应聘者的 AI 技能水平，选择合适的候选人。同时，可以为现有员工提供职业发展规划和技能提升的建议，培养内部 AI 人才，为员工制定个性化的职业发展计划，提供持续的职业指导和培训，提升员工的职业满意度和留任率。 教育机构可以将 AI 职业规划产品作为学生职业指导的一部分，帮助学生了解 AI 领域的职业机会和发展路径，提升就业率。还可以根据市场需求和学生的职业规划，优化课程设置，提供更有针对性的 AI 技能培训。 职业咨询师可以使用 AI 为客户提供更精准的职业规划建议和技能评估，提升咨询服务的质量和效率。基于 AI 提供的市场数据和职业趋势分析，咨询师可以为客户提供更加全面和前瞻性的职业指导。 需要注意的是，不能简单地依赖所谓的“热门”专业，专业的选择应更多地根据孩子的个人价值观、兴趣、能力来决定。比如，在不同的时代，热门专业会有所变化，80 后、90 后的热门专业在如今的就业形势可能已不同。

以下是一些容易被 AI 取代的职业： 1. 从事单调重复任务的职业，如数据输入、填写文书、扫描文档查找信息等。 2. 系统管理员，其安装软件、编写脚本等职责可通过 AI 自动完成。 3. 数字营销文案撰写人员，因为 AI 能够以多种风格和声音创作内容，减少了对人类撰稿人的需求。 在 AI 时代，技术专业人士需要发展 AI 难以替代的技能，如团队建设、跨文化交流、创新解决方案的设计等。对于从事可能面临被 AI 取代风险工作的技术工作者，需要重新思考职业生涯规划，可能要学习新技能或转向更需要人类特质的工作领域。例如，生成式 AI 在编程、自动化任务处理和内容创作等方面展现出高效率，威胁到了一些相关技术岗位。微软在投资 ChatGPT 的同时宣布大规模裁员，凸显了 AI 技术替代某些职位的潜力。

人类文明会受到 AI 的影响。例如，南瓜博士让 AI 画了十万只猫后发现，AI 的创造如洪水般汹涌，大模型是人类智慧的加权平均。若人们偷懒地让 AI 不断创造平均值内容，可能导致独特风格被平均掉，人类文化被“高斯模糊”。但每个人积极使用 AI 时，能将独特性留在与 AI 共创的作品中，保留个体独特性的世界对人类才有意义。 同时，MIT 的研究表明，AI 在帮助人类提高效率时，也带来了认知挑战，如诱导认知扭曲和造成虚假记忆的风险（信息茧房）。企业和个人需保持清醒认知，了解其潜在风险和局限性。要关注数据质量和 AI 生成内容对人类认知的长期影响，通过建立健全的数据审查机制、引入多源信息验证和保留人类监督，防范风险，确保 AI 是为人类服务的工具，而非控制人类思维。

我总结了以下几个步骤，让大模型根据用户信息创建虚拟环境，并在其中设置 agent 与用户进行交互： 1. 获取用户输入信息 大模型首先需要收到用户提供的相关信息，如场景描述、人物设定、对话需求等。这些信息将作为创建虚拟环境和 agent 的基础。 2. 构建虚拟环境 基于用户提供的信息，大模型可以利用自然语言处理和知识图谱等技术，构建出一个符合用户需求的虚拟环境。这个环境可以包含场景布置、道具设置等细节。 3. 生成交互 agent 在虚拟环境中，大模型可以根据用户的人物设定，生成相应的 agent 角色。这些 agent 可以具有一定的智能行为和对话能力，能够与用户进行自然交流。 4. 实现用户agent 交互 最后，大模型可以让用户与环境中的 agent 进行互动，比如通过对话、操作等方式。agent 可以根据用户的输入做出合理的反应和响应，让整个交互过程更加自然生动。 总的来说，这个过程需要大模型具备丰富的知识积累和强大的生成能力，才能够根据用户需求，构建出逼真的虚拟环境和智能交互 agent。这种方式可以让用户获得身临其境的沉浸式体验。

以下是从学术上对“通用人工智能（AGI）时代已经到来”的论证： 从机器之心的进化角度来看： 1. 数据方面：ImageNet 数据集的大小已接近人从出生到大学毕业视觉信号的数据量，Google 公司创建的新模型相关数据集大小可与人一生所获取的数据量媲美。 2. 算力方面：人工神经网络与人脑的大小虽有差距，但在某些哺乳动物面前已具竞争力。每花一美元所能得到的计算能力呈指数级增长，大规模基础模型所用到的计算量每 3.5 个月就会翻番。且随着时间推移，该领域的资金、资源增加，人才涌入，会开发更好的软件和硬件。同时，物理学的限制同样约束人脑能力极限，所以 AGI 可以实现。 从多模型机制和参考框架的角度： 1. 多模型机制：新皮层由数以万计的皮质柱组成，通过投票使多模型设计发挥作用。智能机器的“大脑”也应由许多几乎相同的元素组成，并连接到各种可移动的传感器。 2. 参考框架：大脑中的知识储存在参考框架中，机器也需要学会世界的模型及相关信息的表示。 从通用化的原因来看： 1. 如同通用电脑战胜专用电脑，通用电脑成效比更好，促进技术进步，更多努力用于加强受欢迎的设计和支持其生态系统，导致成本降低和性能提升，这是算力指数式增长的基本驱动力。 2. 机器智能的一些重要未来应用，如 Elon Musk 希望的通用智能机器人探索火星，需要通用方案的灵活性，因为它们要处理无法预料的问题并设计新颖的解决方案，而专用的深度学习模型无法做到。 周鸿祎认为，从最近技术的进步来看，AGI 时代大概在两三年就会到来，通用人工智能比大模型对社会和世界的影响更大。不拥抱 AI 的个人可能会被会 AI 的人取代，不拥抱 AI 的公司会被淘汰。