《連線》創始主編Kevin Kelly：未來人類50%的工作任務或被AI取代，人們應掌握該技術

原文來源：鈦媒體App

圖片來源：由無界 AI生成

**11月21日上午第四範式舉行的第二屆SHIFT數字化轉型峰會上，**互聯網教父、《連線》（Wired）雜誌創始主編、《失控》作者凱文·凱利（Kevin Kelly，以下稱 Kevin）發表題為“人工智慧的變革性力量”（The Transformative Power of AI）的線上演講。

Kevin表示，人工智慧（AI）是當下最重要的技術，它幾乎無處不在。 在未來十年內，AI 甚至可能發展出成千上萬種，人類也將會擁有幾千種 AI ，而這些 AI 有許多不同的想法和思維方式。 與此同時，AI 不僅是「小寫創造力」，而且還看作人類的“私人助理”。

Kevin提到，程式師使用了 AI 寫代碼後，他們發現自己的工作效率提高了 56%。 而隨著新的 AI 大模型（LLM）、對話式使用者介面（CUI，Conversational User Interface）等核心的使用，未來，**人們50%的工作都可能被 AI 取代，而另外50%的工作可以在AI的説明下提高效率。 **

“一些不必要的工作被取締了，AI 可以幫你完成剩下的工作。 “Kevin表示，**無論是工作還是生活，AI 對人類來說都是”N+1“的效果。 AI 不會搶走你的工作，但不會 AI，你的簡歷會缺少很亮眼的一項。 一個人不會被 AI 取代，但可能會被一個懂 AI 的人取代。 所以人們應該要掌握這項技術。 **

據悉，凱文·凱利（Kevin Kelly），常被稱為“KK”，是《連線》雜誌（Wired Magazine）第一任主編;曾擔任《全球評論》（Whole Earth Review）主編、出版人。 Kevin具有多重身份：作家、攝影家、自然資源保護論者，同時還是亞洲文化、數位文化領域的學者，也是互聯網行業教父。 他被看作是「網路文化」（Cyberculture）的發言人和觀察者，也有人稱之為「遊俠」（maverick）。 代表作包括：《失控》等著作。

Kevin在演講中提到，儘管 AI 技術看起來十分強大，但其能力是很有限的。

Kevin提到，新的 AI 在訓練時被輸入了所有人類的成果，包括最好的和最差的，所以它得到的是平均值，是平均的智慧。 因此，AI 其實只是一個普通人能做到的平均水準，所以它傾向於給到看似合理的結果，但卻不能保證是準確的結果。

在Kevin看來，AI 對人類來說，可以是夥伴、隊友、教練，也可以是你的副駕、導遊、助理、實習生等。 他提到，未來受到 AI 影響的人類工作主要包括五種：遠端工作、協作類工作，教育行業，製造業，大的銷售平臺等。

據悉，本次SHIFT數字化轉型峰會上，AI 上市公司第四範式（06682. HK）發佈面向企業北極星指標提供全鏈條的精選解決方案，名為「范生態」平台，從而説明每一個方案都能夠對著正確的AI目標收集正確的數據、建設正確的系統，共同服務於企業核心競爭力的提升。 第四範式創始人兼CEO戴文淵表示，公司希望聯合更多合作夥伴，讓企業數位化的每一個執行系統，都朝向企業核心競爭力的提升在努力。

“即將到來的 AI 時代，我們應該為此做好準備。 儘管還沒有答案，但我們已經身在其中。 “Kevin表示。

以下是凱文·凱利演講的速記整理（有一定編輯）：

大家好，我是凱文·凱利（Kevin Kelly）。

在這裡我想聊聊人工智慧，它可以說是當下最重要的技術了。 大家可能聽過很多關於人工智慧的事，因為它幾乎無處不在。 這是我見過最厲害的技術。 它發展得太快了，但很多人依然不太瞭解它。 我想跟你們分享5個關於AI很有意思的冷知識。

第一個很重要的事是，其實人工智慧不止一種。 它是多元的，有很多種類。 在未來十年內，甚至可能發展出成千上萬種。 就像我們有幾千種應用，幾千種app，幾千種工具，以及幾千種機器一樣。 我們也會擁有幾千種人工智慧。 （這些AI）有許許多多不同的想法和思維方式，將被用做為我們做一些不同的事情，需要有些不同的認知才能做到的事。 所以當我們談論人工智慧的時候，其實都是在說被統稱為“AI”的那些技術。

這告訴我們，如果我們想去描繪這些不同的思維，就會發現“人類”其實也不是一個那麼普遍的統稱了。

我喜歡把創造出這些人工智慧的想法稱為“外星人思維”，因為它們太不一樣了。 那些最聰明的人工智慧思考的方式也與我們不同。 它們擁有獨特的思維過程。 這對我們來說是好事，因為在這種新經濟下，如果想要創新，打造自己的技術和產品，獨闢蹊徑是取得成功的唯一方法。 所以通過這些與我們思維不同的人工智慧技術，我們也可以在新經濟中創造財富。

之前有人告訴我，也許你們也聽過，計算機是沒有創造性的，創造是只有人類能做的事。 計算機只會服從指令，永遠不會有創造性。 這是錯的。

人工智慧已經具有創造性了。 我將其稱之為「小寫創造力」。

“小寫”的意思就是，它還沒有到創造重大突破的地步。 目前人工智慧的創造的東西大都很日常。 比如說，設計師用AI技術設計公司logo之類的。 這不算是一個突破，因為並不複雜。 這是比較機械的。 只是一個小小的創新。 而這種“小寫創造力”是人工智慧非常非常擅長的。

這是人工智慧生成的圖片。 你會驚歎於它細節處理上有多完美。 很有創意，但它不是畢卡索。 因為並沒有到讓人耳目一新、顛覆以往創作的程度。 它只是填補了我們還沒想到的點。 所以這隻是“小寫創造力”，很日常也很實用。 但也是創造性的。

很多這些創造力其實都來自使用這些AI技術的人。 他們是對人工智慧提出指令提示的人。 所以其實是人工智慧和人合作完成了這些日常的創造。

我們發現，人工智慧真正擅長的是合成，以一種你從未想過的方式結合在一起。 比如，我用AI圖片技術嘗試，將西瓜和跳蛛結合在一起，就會生成一隻西瓜跳蛛。 奇奇怪怪，但很有創造性。 我們很難創造出來。 人都能做，我也能做，但費時費力。 而人工智慧可以非常非常快地完成這種合成。 這種合成是人工智慧非常擅長完成的挑戰。

隨著我們更多地使用AI，合成工具也會變得越來越好用。 甚至可以用在科學研究上。 比如說，找出一些醫學上的想法和計算機領域的想法，你可以用 AI 來探索兩者之間的結合，這是以前做不到的，此前這些都需要專家來操作。

你會發現，有些時候使用 AI 的人比其他人做得更好。 因為他們在這件事上花的時間遠超別人，他們成了人工智慧的解讀者。 他們懂人工智慧，能給出正確的指示。 你會發現，要想成為人工智慧的解讀者，並且能夠與之交流，要花費相當多的時間。

這是沒有任何捷徑的事，你需要跟它變得親密。 只有瞭解它的工作方式，才能最大限度地利用它。 這些對人工智慧發出指令的人堪稱新的藝術家。 就像音樂製作人把錄音室當作一種新的樂器一樣。

如果我們把人工智慧看作是一種新的藝術工具，要想真正精通它，你就要成為能夠給它提出指令的人。 而這一類的工程師正在變得越來越有價值。 現在已經有公司在打廣告招聘優秀的會使用AI 的設計師了。

我認為，去理解我們與人工智慧關係的最好方式，就是將其看作我們的“私人助理”。 基本上，世界上每個人都將至少有一個“私人助理”。 也許不止一個，只要你想就可以無限期地使用它。 你可以問問自己，最需要“私人助理”幫你做什麼？它能如何改變你的生活？擁有了1-2個全天候“私人助理”後，你最想做什麼？這就是人工智慧可以帶給我們的。

**但重要的是要記住，AI的能力有限。 它們更像是你的實習生。 原因是這些新的人工智慧在訓練時，被輸入了所有人類的成果。 包括最好的和最差的，所以它得到的是平均值，是平均的智慧，儘管是普通的，一般的，但是對很多事情來說已經很夠用了。 **

**AI 其實只是一個普通人能做到的平均水準。 因此它傾向於給到看似合理的結果，但卻不能保證是準確的結果。 **

對吧？所以它的運作方式是，人工智慧會生成普通人也能想、會做的事。 但普通人往往會出錯，所以你還要核查AI的工作成果，像檢查實習生的那樣。 **你不能百分百的信任它。 **

它們生成了非常好的初稿，非常好的初步總結，內容還行，是一個普通人能做到的。 但是普通人經常會犯錯，實習生也經常會犯錯，你要檢查他們的工作。

從另一個角度講，人工智慧其實非常擅長做整理性的事務，像實習生一樣。 做總結，做要點，進行匯總。 我們稱之為“元工作”，監督工作成果的工作。 這非常非常重要。 但實習生完成的工作你是要檢查的。 你不能像是自己做的一樣完全不檢查。

程式師們在使用AI的這個技能編寫普通代碼。 這對大部分的代碼來說都足夠用了，程式師們檢查起來也很容易。 使用了AI寫代碼后，他們發現自己的工作效率提高了56%。 通過對人工智慧的使用，寫作者們的工作效率也提高了。

**我們可以看到，人們50%的事務都可能被人工智慧取代。 而另外50%的工作可以在AI的説明下提高效率。 一些不必要的工作被取締了，AI可以幫你完成剩下的工作。 **

需要關注的是，要花費很長時間才能熟練地使用AI。 AI就跟其他事情一樣，我們要經過學習和訓練才能很好地使用它，和使用其他工具一樣。 當然，AI相關的很多功能點，我們不需要刻意訓練也能使用。 但就跟其他工具一樣，AI也是越用越好用。 使用的越熟練，就會越受益。

**AI不會搶走你的工作，但不會AI你的簡歷會缺少很亮眼的一項。 一個人不會被人工智慧取代，但可能會被一個懂AI的人取代。 所以你也要掌握這項技術。 **

**不管是工作還是生活，我認為，AI對我們來說都是“N+1”的效果。 **

半人馬是半人半馬的神話形象。 很像我們正在做的事。 與AI助手一起完成各項工作就像是在創造半人馬。 在醫學界，人類的醫生是非常了不起的，或許有些醫生或許比其他人更出色。 但總的來說每個醫生都很棒。 可能比現在的AI醫生更厲害。 但是一個人類醫生+一個AI醫生的組合，會比單獨的醫生或AI技術本身更厲害。

所以，這裡的“N+1”就是，醫生和AI的結合在診斷能力、理解能力和判斷問題方面，比單獨的醫生本身要更強一些。 不僅比單獨的醫生強，也比單獨的AI醫生強。 二者一起是強強聯合。 另外，就算是AI醫生也總比沒有醫生強。

這就是我們為什麼要使用人工智慧的兩個原因。

不光是醫生，對老師來說也是一樣。 一個會用人工智慧的老師，比不會用的老師或者AI老師更厲害，但同樣的，AI老師總比沒有老師強;一個會用人工智慧的程式師，比不會用的程式師或AI程式更厲害，會用 AI的律師也會更厲害;甚至會用人工智慧的卡車司機，也比不會用的司機或AI程式更棒。

這就是我們發展的方向。 我們要實現很多個“N+1”。 人工智慧對人類來說，可以是夥伴、隊友、教練，也可以是你的副駕、導遊、助理、實習生等等。 我們與人工智慧通力合作。

下面我來介紹一下人工智慧的交互的變化。

人工智慧並非新事物。 我們今天看到的很多人工智慧，已經存在了至少五年，甚至十年。 比如面部識別系統。 人工智慧的第一波浪潮，是關於識別模式和製作模式的。 這個模式可以是一句話，可以是畫一隻小貓，可以是任何樣子。 識別模式可以是臉或者聲音。

之後是生成模式，這不是什麼新技術。 但在過去的一年裡，出現了讓人們非常非常激動的新內容。 一個是LLM，大型語言模型。 另一個是CUI，對話式用戶介面。 讓我來具體解釋一下：

第一個，大型語言模型。

實際上，建立大型語言模型是為了發現人類語言的模式。 事實證明，深藏在語言本身結構中的，是我們的思維推理模式和邏輯模式。 不僅是語法的模式，也不僅僅是句法的模式。 而是語言中暗藏著你的邏輯模式，如果你看一下一個人說的話，就可以提取出論點，推理他的思路和邏輯。 所以這樣小小的推理會讓LLM在一定程度上模仿人類的思維過程。 它通過預測下一個詞來做到這一點，這個詞像是大家都會說到的詞。

所以LLM有推理能力，是今天正在發生或將要發生的變革。 如果讓你來模仿人類推理，你肯定能通過，這毋庸置疑。 在很多測試中，人類通后測試就結束了。 一直到最近，很多人都認為只有人類能通過這種測試。 但其實，通過這些測試並不需要太多的推理，因為很多內容都是關於知識，以及理解知識如何運行的。 所以LLM能捕捉任何書面語言中的思維推理和邏輯模式，還是挺讓人驚喜的。

第二個是對話式互動方式。

我在接觸互聯網很長時間以後才意識到，早期其實有一個命令行工具，通過文本來操作程式設計。 它是一個文本介面。 互聯網存在了這麼長時間，幾年，幾十年，大家都忽視了這個工具，因為它很難用。 互聯網的爆炸式發展是在開始用網路製作圖形使用者介面時出現的，在網頁上可以直接拖放圖片。 圖形使用者介面的出現改變了一切，也使得互聯網一躍成為當時的主流。 人工智慧也在經歷同樣的發展，直到前段時間，對人們來說它還代表著程式設計代碼。 要使用它，你必須對程式設計有所瞭解，必須知道很多關於代碼結構的知識。

而現在，由大型語言模型實現的對話式使用者介面，已經改變了這一點，你可以使用任何語言，以對話的方式，與人工智慧交談。 人工智慧不僅能理解語言，還擁有了對話的能力，與人交談，這是一個巨大的轉變。 我們可以將這個已經應用於人工智慧的對話式使用者介面，應用到其他任何東西上。 比如可以應用到你的車裡，就可以直接跟車對話，你可以跟一個電子錶格互動等。 這就是對話式使用者介面基於它提取出的，人類語言的結構和模式后所能做到的。 這些都將幫助我們理解AI的商業運作。

請記住，對於一項技術來說，當你看不見它時，它就成功了。 我認為95%的人工智慧技術在將來都會是這樣，因為它們基本都在後台工作。 人工智慧在後台所做的是預測，它讓預測的成本變得很低。 在過去，持續預測非常昂貴，非常不可靠，且很難實現。 但現在變得便宜了。 這些大型語言模型和其他人工智慧的工作，是能夠預測下一件事，下一個圖元，下一個單詞或下一個數位。

所以你可以問問自己，作為一個企業，你是否能預測人們會買什麼，下一季的流行色是什麼，在接下來的十分鐘內會發生什麼，或者在接下來的兩個月內會發生什麼。 如果你能做出這種可靠且廉價的預測，那你就掌握了人工智慧技術帶來的新力量。

人工智慧在經營中的作用主要體現在兩方面：一個是對內，員工會用AI技術改善工作流程;另一個是對外，客戶使用你的人工智慧技術。 給客戶帶來價值。

內部和外部，過程和產品都使用了人工智慧，但二者卻完全不同。 組織內部的人工智慧是為了在流程中使用，如編寫代碼、促進溝通，財務人員用它來製作報表、建立預算模型。 這點最終會對我們的生活產生更大的影響，甚至比客戶使用的效果還大。

無論是機器人還是自動駕駛汽車，或者是零售網站，你都可以通過人工智慧去模擬結果。 這些都將改變我們的生活，但我認為內部流程的變化，如何變化，以及我們以何種方式工作，將變得更加重要。

過去，電力的到來徹底改變了人們對什麼是公司、你在公司里的工作方式、公司的組織方式以及員工關係的看法。

我認為AI時代也會發生這樣的改變。 AI的出現改變了我們的生活方式，也改變了很多公司的運作模式。

第一批工作受到人工智慧影響的三類人群，可以遠端的工作，非案頭的工作以及協作類的工作，基本都是重程式設計的公司。

第二批工作受到 AI 影響的是往往規模較小、較年輕，而且已經在轉型，通過在程式設計中使用人工智慧而發生了轉變，比如醫療健康是與 AI 適配度極高的行業，有可能發生一定變化。

第三個是教育行業;

第四個是製造業，AI被應用到了工廠裡面;

第五個是大的銷售平臺，不是零售商。

實際上，通往人工智慧的路徑就像是一個階梯。 在老式的業務、常規行業中，開始時沒有數位化。 當你開始對數據有需求時，這就是企業數位化邁出的一大步，接下來是數位化所有資訊、數位化大家的工作。

通往人工智慧的路徑就像是一個階梯。 在老式的業務、常規行業中，開始時沒有數位化。 當你開始對數據有需求時，這就是企業數位化邁出的一大步，接下來是數位化所有資訊、數位化大家的工作。

這對於很多行業都是大事件，而很多企業都還有很長的路要走。

這就是即將到來的，我們應該為此做好準備。 儘管還沒有答案，但我們已經身在其中。 我認為人運用人工智慧和機器人的目的，是幫助我們成為更好的人。 我們正朝著這個方向邁出的第一步。

感謝關注。