至顶网软件频道消息:工作的未来,这是科技巨头和CEO们之间争论的一个话题。谈到人工智能,迷雾还未散去。是因为围绕人工智能的不确定性及其在科技行业的不断增长吗?还是因为利用人工智能即将会引发的变化?无论怎样,大家似乎都没有达成一致。
即便是科技巨头扎克伯格(Mark Zuckerberg)和马斯克(Elon Musk)之间似乎也有不同看法,形成了人工智能五种思想学派中的两种。除了对立和混乱之外,围绕着人工智能还引发了很多问题。人工智能是否会取代我们的工作?人工智能会创造新的就业机会吗?人工智能和我们会协同工作吗?人工智能比人类更聪明吗?
只有时间会给出答案。《哈佛商业评论》说,就目前来看,人工智能有五种学派。我们需要看看以人工智能为中心的观点,以了解你适合的位置以及如何在工作场所做好准备并做出应对。
这个思想学派全都是关于人工智能对经济有着积极的影响。乌托邦学派认为,人工智能将带来一个极端财富和增长的新纪元,而不会有任何经济上的衰退。《哈佛商业评论》以这种方式解释道,“AI和计算能力将在未来二十年内实现‘奇点’——到那个时候机器能够完全仿效人脑的运作方式。”
大脑将被下载和复制。这些复制的大脑将完成认知工作,而机器人将完成物理工作。乌托邦学派认为,这种认知和物理技能上的转变,将会带来经济产出的增长,每三个月翻一番。这种学派的主要信念是:人工智能和机器人在做所有的工作时,人类将能够将他们的技能和才能应用于有意义的行动,名正言顺地“随心所欲”。
而另一方面,反乌托邦思想主要关注AI和机器人对市场和世界的负面影响。《哈佛商业评论》称之为“达尔文之争”,即机器将主宰一切。这些AI系统将主宰各种高技能工作,低技能的职位将交给机器人。
这种变化的结果将是高失业率、极低的工资和经济上的困顿。人类生产力下降、收入下降、商品和服务需求下降。我们的经济可能陷入困境。马斯克认为,这也许是一种可能性,并认为无条件基本收入(Universal Basic Income)是必要的。
尽管一些企业和科技爱好者认为,我们距离完善人工智能还有很多年的时间,但科技乐观主义者却专注于人工智能可能带来技术进步的乐观情绪。虽然企业仍然在学习这种智能技术如何能够改变他们的业务,但这个想法认为,最终企业会掌握这项技术并很好地利用它。
当他们掌握了这一概念时,“生产力的飞跃”在行业中会带来巨大价值,创造经济增长,更高的生活水平,连同“消费者剩余和免费应用和信息价值”。这种思想还指出,在所有这些变化中,人们可能会失去工作,需要克服负所得税的问题,此外还需要对教育和培训以及技术的投资。
尽管保持乐观总是好的,而且这个想法也是好的,但成为现实主义者也是至关重要的。这种思想学派主要关注AI背后的现实主义,以及人工智能在商业世界中可能带来的变化。
他们认为,就像以前的技术浪潮一样,人工智能和智能机器的浪潮可以创造它所承诺的生产力。可以实施人工智能技术各项要求的企业,将会快速提高生产力。虽然可以创造新的就业机会,但这项技术也会让过去发生的事情进一步恶化:中等技能工作水平降低,高等和低等水平提高。
现实主义者认为,由于缺乏完整的研究,这些问题还不能得到回答。需要经过研究才能做出关于AI和机器智能的明智决定。
似乎大多数思想都一直认为人工智能可以提高生产力。然而,这个想法却认为,与预期相比,人工智能会导致生产力缺乏。
《哈佛商业评论》称:“尽管智能技术具有强大的力量,国家生产力水平的提高将是微乎其微的。再加上人口老龄化、收入不平等以及应对气候变化的成本所带来的阻力,美国的GDP增长几乎为零。”支持这个思想学派的人认为,没有什么值得大惊小怪的,静观其变,坦然面对增长停滞。
虽然这五种思想各不同,但有一点是肯定的:不管人工智能的未来如何,企业都必须为未来做好准备。我自己也在反复思考我是属于哪个学派,每个学派对我来说都是有意义的,似乎可能是一种可能性。不过最终我知道,无论关于人工智能的预测如何,我都需要为未来做好准备。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。