同类相食

布雷特·科辛斯基（Brett Kosinski）如果您不是从事科技行业，您可能不会意识到该行业的高管和投资者阶层已经陷入了多么严重的恐慌。当然，每个人都表现得勇敢，但随着对 SaaS 末日的恐惧持续存在，以及 Substack 上虚构的财务分析导致市场真正的抛售，很难不看到每个人额头上的汗水。与此同时，首席执行官和首席技术官们正忙着将自己定位为有远见的人，杰克·多尔西 (Jack Dorsey)、塞巴斯蒂安·西米亚特科夫斯基 (Sebastian Siemiatkowski) 和马特·比尔曼 (Matt Biilmann) 等人都在试图在人工智能领域超越彼此。当然，人们不得不怀疑其中有多少是人工智能洗牌，有多少是故意引人注目的夸张，但这些只是一座非常大的冰山最极端、最明显的一角。在这里，很难不享受苦涩的讽刺。科技行业曾经沉迷于颠覆。无论是 Uber 消灭了出租车行业，亚马逊摧毁了传统书店，还是 Spotify 消灭了艺术家收入，我们一次又一次地看到硅谷通过扰乱既定市场然后转型为寻租者来充实自己。人工智能现在可能会对无数职业造成同样的影响。从作家到平面设计师再到金融分析师，每个人都能感受到狼在门口。但这一次情况有些不同。这次是科技先行。任何使用大型语言模型的人都知道，尽管它们非常强大，但它们也存在严重的（在某些方面是根本性的）缺陷。以一个令人难以置信的常见用例为例：总结会议记录。我使用了最新、最伟大、最复杂的模型来执行这项令人难以置信的平凡任务，并且我认为它们的准确率高达 90%。但这 10% 绝对很重要。对于人工智能来说，错误地将一个人的话语归因于另一个人的话语是完全正常的。提出会议记录中不明显的主张或结论；在会议上夸大或夸大陈述或主张。这样的例子还在继续。在这些背景下，人工智能面临的挑战是，没有客观的事实来源来确定什么是“正确”。在业界，这个术语是“预言机”，你可以用它来询问你的结论以评估有效性。在您可能应用人工智能的各种领域中也是如此。无论是撰写散文，还是生成图像或视频剪辑，或者通过自动支持电话向客户提供解决方案，“正确”通常取决于品味、意见或解释。因此，人工智能在各行业的应用极不平衡。此外，大型语言模型的本质及其训练方式会增加它们在各个领域失败的可能性。毕竟，法学硕士最终是接受大量公开数据的培训，尤其是对于深层次的利基市场，成为专家的许多要素都无法轻松在线获取。然后是技术。首先，假设有一个不错的规范或一组要求（是的，这是一个很大的假设！），软件从根本上来说是可验证的：代码要么执行其应该执行的操作，要么不执行。正是这个属性使得像拉尔夫循环这样的事情成为可能，因为你可以给法学硕士一组成功标准，然后让它自由地迭代解决方案。其次，这就是开源在这个行业中扮演着极具讽刺意义的角色的地方：大量的源代码被广泛且公开地用于法学硕士培训。确实没有其他行业拥有像软件开发这样丰富多样的培训语料库。第三，人工智能行业本身就是由软件专业人员组成的，因此他们具有独特的优势，可以创建极其有效的工具来使用人工智能生成代码。事实上，所有主要的人工智能实验室最终都会通过测试自己的工具来创建这些工具，这只会加快迭代和进步的速度。最终结果是：科技行业，从最高管理层到现场的编码人员，都对即将发生的事情感到震惊和恐惧，因为这是第一次接到来自内部的电话。老实说，我不确定我对整个情况的感受如何。我的第一反应是大笑并摇头。无需走得太远，我们就会发现愤怒的软件开发人员绝对确信他们的工作不可能被他们的同行正在创建的工具自动化取代。我怀疑你也不必深入研究他们的发帖历史，就能找到那些将出租车司机与马鞭制造商进行比较的人。与此同时，在另一方面，首席执行官和首席技术官们一边推动人们使用 maxx，一边敲着桌子说我们都必须更加努力、更快地采用人工智能，以免被扔进历史的垃圾箱。结果是否认和支持的奇怪结合，很难协调一致。最终，如果我们要从各个行业中吸取教训