Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI现阶段的成因

Answer

AI 现阶段的成因主要包括以下几个方面：

  1. 在软件领域，AI 软件公司有三种起源和结果：运行在现有软件之上的 AI 工具，如为 Zoom 会议自动记录会议笔记；运行在现有软件之上且有机会取代现有软件的 AI 工具，如为 Zoom 会议记录笔记后构建视频会议并推销；成为劳动力的 AI 工具，这是一个全新的类别。平台转变促成了前两种情况。同时，软件市场与白领劳动力市场相比规模较小，许多增长最快的公司将现有的昂贵服务转化为大众的低价产品。
  2. 在医疗保健和生物技术领域，AI 正在工业化生物制药和医疗保健，应用于从药物设计、诊断到医疗保健交付和后勤功能等各个方面。
  3. 在教育领域，学习通常具有功利导向，“突破性新技术+垂直行业知识”的组合能为学习者带来更高投入产出比。在 AI 领域，让 AI 工程师懂行业、让行业专家懂 AI 投入产出比高，但前提是找到高价值应用场景。现阶段“AI 口嗨者众，AI 实干家寡”的主要原因是缺乏带来足够正反馈的高价值应用场景。
Content generated by AI large model, please carefully verify (powered by aily)

References

输入咖啡，输出代码：AI 如何将资本转化为劳动力

这并不意味着AI的成功仅仅局限于“全新”的类别。但在[分销与创新的较量](https://a16z.com/distribution-vs-innovation/)中，分销通常是默认的赢家——现有的软件公司拥有分销渠道。尤其是在2024年的今天，人工智能几乎是所有软件公司和终端客户的首要任务。2007年，大多数首席执行官都认为iPhone很愚蠢（没有键盘！），而黑莓则更好。1996年，大多数零售业首席执行官都认为互联网只是一个玩具、一种时尚，人们肯定不会通过网络浏览器买东西。这让新公司填补了这一空白。2024年，几乎不可能找到一个认为人工智能是个坏主意的首席执行官。AI软件公司将有效地有三种起源和结果：运行在现有软件之上的AI工具（想想：为Zoom会议自动记录会议笔记）；运行在现有软件之上的AI工具，有机会取代现有的软件（想想：为Zoom会议记录会议笔记……然后该公司构建视频会议并向你推销，让你放弃Zoom）；成为劳动力的AI工具——一个全新的类别，在此之前完全不受软件影响（想想：软件为你主持会议！）平台转变总是促成前两种情况（X的互联网版本、X的移动版本、X的云版本）。但AI革命最令人兴奋的是，看似庞大的企业软件市场——每年支出3000亿美元——与白领劳动力市场相比，简直是微不足道，后者每年有数万亿美元。这就是为什么我们看到的许多增长最快的公司都是“[已知的未知数](https://a16z.com/financial-opportunity-of-ai/)”，它们将现有的昂贵服务转化为大众的低价产品（由AI创造）。我们正处于软件吞噬和增强劳动力的最初阶段。

新工业革命：生物技术×人工智能

我们今天正站在这个转折点上。直到现在，医疗保健和生物技术仍然大量依赖服务——由受过专业培训的科学家和[医生](https://a16z.com/2019/06/13/ai-doctor-deep-medicine-topol/)提供——这些服务是算法无法替代的，更不用说为公司增加足够的价值来采纳它们了。但现在，我们正处于一个革命的起点，[AI正在](https://a16z.com/2019/11/19/ai-industrializing-discovery-biology-healthcare/)工业化生物制药和医疗保健，它被应用于从[药物设计](https://a16z.com/2020/05/26/investing-insitro/)和[诊断](https://a16z.com/2017/03/01/going-deeper-into-freenome/)到[医疗保健交付](https://a16z.com/2021/07/12/investing-in-bayesian-health/)和[后勤功能](https://a16z.com/2021/02/09/administration-healthcare-back-office-innovation/)的各个方面。（关于在生物学中应用AI的讨论经常出现的问题或挑战，我在[此处](https://a16z.com/2018/02/28/black-box-problem-ai-healthcare/)解决了医疗保健中AI的“黑箱”问题；并在[此处](https://a16z.com/2021/06/15/ai-is-too-dumb-for-now-2/)解决了我们获取智能[与“愚蠢”]AI的需求问题。）[heading4]但现在，我们正处于一个革命的起点，AI正在使生物制药和医疗保健产业化，并且它被应用到从药物设计和诊

笔记：与AI+教育前辈聊天

昨天跟一位“AI+教育”行业的前辈，聊了下“学习AI”相关的问题，下面是一些小的结论：1、学习是反人性的，所以通常只有功利导向的“学习”，才会带来强烈的付费意愿。比如，在真实的K12买课场景中，很多家长根本不在乎孩子「能力」是否提升，他们更在乎老师能不能押对考试的题目，直接让孩子多拿「分数」。2、“突破性新技术+垂直行业知识”的组合，一般能为学习者带来更高的投入产出比。拿程序员举例，如果单纯看996的新闻，还以为中国程序员早已供大于求了。但在很多很大的行业里，懂该行业知识的程序员缺口大的不得了，很多时候只能找高潜应届生从头开始培养。典型的有，银行嗷嗷缺金融科技人才，车企嗷嗷缺智能网联人才，智能制造行业嗷嗷缺数字化转型技术人才。3、放在AI领域，则意味着「让AI工程师懂行业，让行业专家懂AI」，这个学习的投入产出比可以做到很高。但前提是，一定要找到AI在该行业的高价值应用场景。找到之后，AI工程师会发现，如果说自己的技术在那个领域创造的价值是西瓜，那么在手头的这个领域创造的价值可能就只是芝麻，孰轻孰重，他会知道怎么选；行业专家也会发现，在他的专业领域，很多事情的效率可以提升10倍以上，他不仅有机会真正做到“一个人就是一支队伍”，还可以为组织为行业复制出无数个「能达到80%水平的自己」。4、现阶段，之所以「AI口嗨者众，AI实干家寡」，最主要的原因是没有能带来足够正反馈的高价值应用场景。

Others are asking
我想知道怎么写作里面，能没有疑似ai生成内容
为避免写作中出现疑似 AI 生成的内容，您需要注意以下几点： 1. AI 容易“产生幻觉”并生成看似合理但可能错误的事实，因此您需要对其生成的内容进行全面检查。 2. 人工智能不会真正解释自己，当您要求其解释写作原因时，给出的答案可能是编造的。 3. 虽然 AI 能辅助写作，但它也可能被不道德地用于操纵或作弊，您要对其输出负责。 4. 即便有了 AI 辅助，写作仍需要我们具备分辨能力，知道好文章和好内容应具备的要素。写作不仅是文字堆砌，更是思维表达和情感流露，是人类独特智慧的体现。 5. 应利用润色工具提升写作能力，而非让其替代写作。 此外，还有一些相关的原文示例，如“Build a giant robot navy.All the villains do an army...Is it better?Not really.But it is distinctly mine.”等，强调了不能将 AI 作为默认写作方式，要保持自己的写作热情和思考能力。
2025-01-26
ai办公
以下是一些与 AI 办公相关的应用和产品介绍： 1. AI 菜谱口味调整工具：如在下厨房中，利用自然语言处理和数据分析技术，根据用户反馈调整菜谱口味，市场规模达数亿美元。 2. AI 语言学习纠错平台：像英语流利说的纠错功能，运用自然语言处理和机器学习技术，帮助语言学习者纠正错误，市场规模达数十亿美元。 3. AI 电影剧情分析系统：例如豆瓣电影的剧情分析工具，通过数据分析和自然语言处理技术，为用户提供深度解读，市场规模达数亿美元。 4. AI 办公文件分类系统：腾讯文档的分类功能，借助数据分析和机器学习技术，自动分类办公文件，方便管理，市场规模达数亿美元。 5. 豆果美食 APP：作为 AI 菜谱生成平台，使用自然语言处理和数据分析技术，根据用户口味和现有食材生成个性化菜谱，市场规模达数亿美元。 6. 沪江开心词场：作为 AI 语言学习助手，运用自然语言处理和机器学习技术，辅助用户学习语言，提供个性化学习方案，市场规模达数十亿美元。 7. 爱奇艺智能推荐：其 AI 电影推荐系统，利用数据分析和机器学习技术，根据用户喜好推荐电影，市场规模达数亿美元。 8. WPS Office：其中的 AI 办公自动化工具，借助自然语言处理和机器学习技术，提高办公效率，实现自动化办公流程，市场规模达数十亿美元。 此外，还有影刀 RPA + AI Power 产品，这是一款面向企业的无代码开发 AI 应用的产品，全面聚合 AI 能力，轻松创建 AI 应用。通过企业知识库、集成全球大模型、预置丰富 AI 组件、可视化搭建工作流、多样集成调用等功能，打造 All in One 的企业 AI 工作站，帮助企业有效整合孤立的内部、外部系统，让 AI 无缝衔接企业业务，助力企业快速提效。典型场景包括网页内容分析、3D 头像生成、简历内容分析等，还有更多场景如智能客服、亚马逊 listing 生成、AI 生成数据报表、对话机器人搭建等。
2025-01-26
请教从0开始学习AI操作
以下是从 0 开始学习 AI 操作的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，如了解生成式 AI 等基础知识，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多实践后的作品和文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，还可以通过以下方式学习： 学习创建 AI 应用，包括操作界面等流程，了解创建应用的方式，界面与智能体组件的关联，重点掌握桌面网页版用户界面布局及左侧组件类别，了解应用的前端后端知识。 学习前端、后端相关概念，前端是页面可见部分及产品设计，负责采集用户输入和展示输出；后端是服务和逻辑，接收处理用户输入并生成内容输出到前端。了解左侧组件，包括布局、展示、输入、AI 组件等，以及模板和结构的作用。 学习容器相关知识，点击容器可看到名字，操作数据会用到。容器名字对应属性和事件属性，属性包含位置、尺寸等。尺寸设百分比会受容器关系及默认值影响。创建容器时，布局时先创建覆盖页面的底层容器，设固定宽高、边界为 0，有布局文档和教程供参考。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。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 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-01-26
零基础学AI该从哪里学起？
对于零基础学习 AI，您可以按照以下步骤进行： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 通过与这些 AI 产品的对话，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。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 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-01-26
ai能实现自动生成增删改查的后端代码吗？
AI 能够实现自动生成增删改查的后端代码。例如，使用编程工具 Cursor，输入 command+i 唤起 composer，基于用户故事生成代码结构，点击回车。建议使用 claude3.5sonnet 模型，其目前代码生成能力较强。自动生成代码后，需点击 Accept all 才会生效，且最好先阅读输出结果，查看是否理解意图，避免频繁修改。若发现遗漏文件，可让 AI 自行检查并补充。此外，像 Coze 工作流也能在一定程度上辅助生成代码，其代码节点自带 IDE 里的 AI 功能生成代码后，除了直接在节点的试运行功能测试外，还可用「测试代码」功能进行测试。但需要注意的是，生成的代码可能存在不完善之处，需要仔细检查和优化。
2025-01-26
ai的历史
人工智能的历史可以追溯到二十世纪中叶。 在早期，符号推理较为流行，专家系统是重要成果之一，能在有限领域充当专家。但因从专家提取知识并转化为计算机可读形式复杂且成本高，导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间发展，计算资源更便宜，数据增多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 AI 技术发展历程包括： 1. 早期阶段（1950s 1960s）：有专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点有： 1. 大模型：如 GPT、PaLM 等。 2. 多模态 AI：视觉 语言模型如 CLIP、Stable Diffusion 及多模态融合。 3. 自监督学习：自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：元学习、一次学习、提示学习等。 5. 可解释 AI：模型可解释性、因果推理、符号推理等。 6. 机器人学：强化学习、运动规划、人机交互等。 7. 量子 AI：量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 最初，查尔斯·巴贝奇发明计算机，遵循受控计算理念。但有些任务如根据照片判断年龄无法明确编程，这类任务正是 AI 所关注的。
2025-01-26
在现阶段的GPT发展下，与AI交流提示词还重要吗
在现阶段的 GPT 发展下，与 AI 交流的提示词仍然非常重要。以下是一些原因： 1. 目标明确：对于 GPT 及其他 AI 来说，明确每一步的目标至关重要。只有给予清晰的指导，AI 才能产生相关且有价值的输出。 2. 逻辑性：在各种提示策略中，逻辑性都是关键。清晰、结构化的提示有助于 AI 更有效地生成输出。 3. 分步骤：无论是进行深度分析还是遵循特定结构，确保提示按照清晰的步骤进行极为重要。 4. 考虑变量：这在某些提示策略中尤其重要，需要考虑可能影响结果的所有因素。 例如，在运用 CoD 将文章做摘要的实验中，个人观点认为以英文提示词最后加上中文输出的方式效果较好，并且密度等级 4 的结果较让人满意。同时，LangGPT 框架的出现也表明随着新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为一种编程语言。但也有人认为框架在协助的同时也有限制，提示词带来的收益并非如宣传所说，其重要性会朝两极分化。
2025-01-07
现阶段应对ai诈骗研究进展
现阶段应对 AI 诈骗的研究进展主要包括以下方面： 拜登签署的 AI 行政命令要求开发最强大 AI 系统的开发者与美国政府分享安全测试结果等关键信息。对于可能对国家安全、经济安全、公共卫生和安全构成严重风险的基础模型，开发公司在训练模型时必须通知联邦政府，并分享所有红队安全测试的结果。商务部将为内容认证和水印制定指导方针，以清晰标记 AI 生成的内容，联邦机构将使用这些工具让美国人容易知晓从政府收到的通信是真实的，并为私营部门和世界各国政府树立榜样。 OpenAI 提出通过“指令层次结构”修复“忽略所有先前指令”攻击的方法，并已在 GPT40 Mini 中部署。Anthropic 在多重越狱方面的工作表明了“警告防御”的潜力，在前面和后面添加警告文本以警示模型。Gray Swan AI 的安全专家试用“断路器”，专注于重新映射有害表示。LLM 测试初创公司 Haize Labs 与 Hugging Face 合作创建了首个红队抵抗组织基准，Scale 根据私人评估推出了自己的稳健性排行榜。 除了常见的越狱攻击，还存在更隐蔽的攻击，如伯克利和麻省理工学院的研究人员创建的看似无害的数据集，会训练模型响应编码请求产生有害输出。
2024-12-02
ai诈骗现阶段研究进展及其成果
目前关于 AI 诈骗的研究进展及成果的相关内容较少。但在 AI 领域，以下方面的研究成果可能对理解 AI 诈骗有所帮助： 神经网络研究：自 2010 年左右，大型公共数据集的出现推动了神经网络的发展。2012 年卷积神经网络用于图像分类，错误率大幅下降。2015 年微软研究院的 ResNet 架构达到人类水平准确率。此后，神经网络在图像分类、对话语音识别、自动化机器翻译、图像描述等任务中表现成功。 AI 幻觉应对：研究人员开发多种技术手段应对，如进行数据“体检”，包括数据清洗去除错误信息、补充缺失数据等，以及数据增强为模型提供更多丰富训练数据。 政策方面：拜登签署的 AI 行政命令中，要求最强大的 AI 系统开发者与美国政府分享安全测试结果等关键信息，制定确保 AI 系统安全可靠的标准、工具和测试，建立相关安全委员会，应对 AI 对关键基础设施的威胁，制定防范利用 AI 制造危险生物材料的新标准，建立检测 AI 生成内容和认证官方内容的标准及最佳实践以防范 AI 导致的欺诈和欺骗。
2024-12-02
针对现阶段我国AI发展情况，实体企业面临的机会和挑战有哪些？
现阶段我国 AI 发展情况下，实体企业面临的机会和挑战如下： 机会： 1. 提高工作效率：如在编程、自动化任务处理和内容创作等方面，AI 能够快速完成复杂任务。 2. 创新业务模式：企业领导者可利用 AI 提高工作效率，将更多精力投入创新和战略规划。 3. 拓展市场边界：通过提示词工程优化 AI 输出，提升市场竞争力。 挑战： 1. 岗位替代风险：部分技术岗位如系统管理员、数字营销文案撰写等可能受到 AI 的冲击。 2. 伦理考量：包括数据隐私和安全、算法公平性、透明度和可解释性、人机协作以及社会影响等方面。 3. 适应新技术环境：企业需要不断调整和适应 AI 带来的工作方式和业务模式的变化。 同时，在国际上，如欧洲国家，要成为 AI 超级大国，需创造良好环境，应对包括物理伤害、国家安全、心理健康等风险，解决伦理挑战，建立公众信任，以充分发挥 AI 的优势。
2024-10-20
现阶段ai工具解决问题的方式方法是什么
现阶段 AI 工具解决问题主要有以下方式方法： 1. 生成式 AI 在艺术创作方面，虽存在幻觉或处理请求时间长等问题，但为满足高级用户需求，许多公司预计会添加如 ChatGPT 那样的“专业版”套餐以提供更高质量服务。 2. AI 工作流：每个工作环节都有自身特点，不能仅依靠一个 AI 工具解决所有问题，而是要为每个环节选择最合适的 AI 工具，通过局部最优解达到全局最优解。AI 能帮助人类迅速写出基础文章，人类在此基础上优化，效率更高。随着大模型进化和提示词能力提升，未来 AI 有望输出更高质量文章。现在学习 AI 工作流是为了提前布局、抢占先机。 3. 在游戏创建领域，第一阶段重点关注工具，生成式人工智能可成为创作者的副驾驶，优化现有 UGC 工作流程，现有平台会添加相关工具，初创公司也会针对其优化工作流程。第二阶段可能会出现从头重新构想创作工作流程的新公司，形成全新创作范式，但具体形式难以预测。
2024-09-27
现阶段如何让AI融入生活和工作
人工智能 正以惊人的速度融入我们的生活和工作，为各个领域带来了革命性的变化。以下是一些现阶段如何让 AI 融入生活和工作的方法： 日常生活方面: 1. 智能家居： 利用智能家居设备，例如智能音箱、智能灯具、智能门锁等，可以简化日常家务，提升生活便利性和安全性。 2. 个性化推荐： 基于 AI 算法的个性化推荐系统可以根据您的兴趣和需求，推荐您可能喜欢的商品、电影、音乐等，帮助您节省时间和精力。 3. 智能语音助手： 智能语音助手可以帮助您完成各种任务，例如设置闹钟、播放音乐、查询天气、拨打电话等，解放您的双手。 4. 智能图像识别： AI 图像识别技术可以用于照片整理、物品识别、文字翻译等，方便您的日常生活。 5. 虚拟现实和增强现实： VR 和 AR 技术可以为您提供身临其境的体验，用于游戏、教育、培训等领域，丰富您的生活娱乐。 工作领域方面: 1. 智能客户服务： AI 客服机器人可以 7x24 小时提供客户服务，解答常见问题，处理简单事务，减轻人工客服压力。 2. 数据分析和决策支持： AI 可以帮助分析大量数据，发现隐藏的模式和趋势，为企业决策提供支持。 3. 自动化工作流程： AI 可以自动化许多重复性的工作流程，例如数据录入、文件整理、报告生成等，提高工作效率。 4. 智能制造： AI 可以用于智能制造，例如预测性维护、质量控制、生产优化等，提高生产效率和产品质量。 5. 个性化学习和培训： AI 可以根据每个学生的学习情况和需求，提供个性化的学习和培训方案，提高学习效果。 6. 医疗辅助诊断： AI 可以辅助医生进行诊断，例如分析医学影像、识别疾病特征等，提高诊断的准确性和效率。 7. 科学研究： AI 可以用于科学研究，例如分析实验数据、提出新理论、设计新实验等，加速科学发现。 总而言之，AI 已经渗透到生活的各个方面，并将在未来发挥更大的作用。随着 AI 技术的不断发展，我们可以期待 AI 将为我们的生活和工作带来更加便利、智能和高效的体验。
2024-05-08