核心内容摘要
ClickHouse 完成由 Dragoneer 领投的 4 亿美元 D 轮融资，加速其在分析与 AI 基础设施领域的扩张
图灵奖得主John Hennessy与谷歌首席科学家Jeff Dean联手拒绝「AI末日论」与盲目狂热发布重磅报告规划务实路线。
本文深度解读这一行动蓝图。
在关于AI的讨论甚嚣尘上之时我们仿佛置身于两个极端阵营的对立之中。
一方是极度狂热的技术信徒他们恨不得明天就快进到那个无需劳动、资源无限的乌托邦另一方则是忧心忡忡的末日预言者在他们眼中正在进化的代码或许就是人类文明的丧钟。
这种非黑即白的争吵虽然能在社交媒体上博取眼球却无助于解决眼前的问题。
幸运的是包括谷歌首席科学家Jeff Dean、图灵奖得主John Hennessy等计算机科学界的一众顶级大脑并没有陷入这种口水战。
他们联合发布了一份分量极重的报告《塑造AI对数十亿人的影响》。
他们的态度既不盲目狂欢也不贩卖焦虑而是选择了一条更为艰难的中间道路务实。
既然技术进步的洪流不可阻挡与其在岸边争论水流的善恶不如跳下去修筑河道。
这份报告就是他们绘制的河道蓝图。
报告官网https://shapingai.com/打破「饭碗焦虑」的迷思ChatGPT横空出世后很多人的第一反应是恐惧机器这么能干我还能干什么这种焦虑源于一种直觉工作总量是一定的机器干得多了人干的就少了。
经济学家把这种直觉称为「劳动总量谬误」。
历史数据给了我们一个反直觉的答案。
回看1970年那时的程序员是稀缺物种编程是极少数精英的特权。
按照「替代逻辑」随着编程工具越来越先进效率提升了成千上万倍我们需要的程序员应该大幅减少才对。
但现实恰恰相反2020年美国的程序员数量是1970年的11倍。
同样的尽管自动驾驶技术已经非常成熟现代飞机驾驶舱机组人数远少于几十年前但飞行员的数量却增加了8倍。
秘密在于「需求弹性」。
在软件开发、医疗服务、教育这些领域人类的需求就像一个深不见底的池子。
当技术降低了成本被压抑的需求就会井喷式爆发。
以前只有大公司用得起软件现在连家里的灯泡都能联网以前只有富人能享受私人医疗未来可能每个人都能拥有可负担的个性化医疗服务/AI健康助理。
需求的增长速度远远超过了效率提升带来的替代效应结果反而创造了更多岗位。
当然并非所有行业都是如此。
农业就是一个反例无论粮食多便宜人一天只能吃三顿饭。
因此技术的使命非常明确我们要把AI引导到那些需求还有巨大增长空间的领域去把蛋糕做大而不是在有限的盘子里争抢。
更令人振奋的是AI正在成为缩小贫富差距的利器。
在一项针对咨询顾问的实验中原本表现平平的员工在AI辅助下工作效率提升了惊人的43%而顶尖高手的提升幅度只有17%。
这意味着AI就像一套「外骨骼」能帮助普通劳动者迅速跨越技能门槛让他们在职场中拥有与精英一较长短的能力。
教育的回归从「工厂」到「私塾」现代教育体系在某种程度上像是一条工业流水线统一教材、统一进度、统一考核。
虽然高效却难以顾及每个孩子的个性。
中国古人推崇「因材施教」但在师资匮乏的现实面前这往往是一种奢侈的理想。
AI的出现让「为每个孩子配一位私教」成为可能。
哈佛大学的一项物理课实验提供了有力证据。
使用AI导师辅助学习的学生不仅学习成效是传统课堂的两倍而且所花时间减半。
这并非要用机器取代老师而是让老师从批改作业、填写报表这些繁琐事务中解脱出来。
设想一下未来的教育场景将会发生怎样的质变AI负责知识点的精准传递和习题的个性化推荐而人类教师则回归育人的本质——去点燃学生的好奇心去关注孩子的情绪变化去培养那些机器无法传授的价值观与创造力。
报告更进一步提出了「全球导师」的宏愿。
在地球上那些师资极度匮乏的角落一部智能手机里的AI导师或许就是当地孩子改变命运的唯一那扇窗。
科学的加速器解开上帝的密码锁如果说教育关乎未来那么科学探索则关乎人类的生存边界。
AI正在彻底改变科学家探索世界的方式。
生物学领域困扰人类50年的「蛋白质结构预测」难题被AI在短短几年内攻克。
AlphaFold不仅仅是一个软件它相当于给全人类的生物学家发了一副高倍显微镜让我们能看清生命微观齿轮的咬合方式。
这意味着新药研发、疾病治疗的周期将被极度压缩。
在能源领域核聚变反应中极不稳定的等离子体曾像一团无法驯服的烈火。
如今DeepMind的AI系统已经学会了如何通过磁场精准控制它让我们离清洁能源的终极梦想又近了一步。
还有气象预测AI模型GraphCast现在的运行速度比传统超级计算机快成千上万倍且在预测台风路径等极端天气时更为精准。
未来的科学家将不再是孤独的苦行僧。
他们将拥有一个不知疲倦的AI合作伙伴它能阅读人类所有的文献能跨越学科壁垒寻找灵感甚至能提出人类意想不到的假设。
治理的智慧寻找平衡点技术是中性的但人性是复杂的。
面对AI可能带来的虚假信息、偏见和安全隐患我们该如何应对报告提出了一种务实的治理思路。
我们不需要为AI发明一套全新的法律体系现有的反欺诈、反歧视法律在很大程度上依然适用。
关键在于如何灵活地执行。
比如对于「深度伪造」带来的信任危机报告建议成立类似「反兴奋剂机构」的国际组织即「虚假信息侦探社」。
当社会出现重大谣言或选举受到干扰时这个中立机构可以用最先进的技术手段进行权威鉴定让真相跑赢谎言。
行胜于言Laude研究所的实验这群顶尖科学家在通过行动改变现状。
Laude研究所成立了并发起了资助计划。
这不同于传统的学术拨款。
他们拿出的不仅是钱还有稀缺的算力资源和工程支持。
他们要求受资助者不能只发几篇论文了事必须交付可用的代码、工具或者产品。
其中一个核心方向是「制定度量衡」。
现在的AI好不好往往是科技巨头自己出题自己考。
Laude研究所支持了一批独立的评估项目例如CodeClash这是一个让AI互相对抗的竞技场。
不同模型的AI在这里编写代码攻防以此测试它们的真实能力而不是靠死记硬背题库拿高分。
BizBench模拟真实的白领工作流测试AI是否真能胜任复杂的商业分析和图表制作而不仅仅是写段俏皮话。
Terminal Bench让AI直接面对真实的计算机命令行环境去解决那些让工程师头秃的系统级难题。
这种独立、公开、接近实战的评估体系是防止AI技术被少数巨头垄断解释权的关键。
我们正站在一个微妙的历史节点。
AI不是某种从天而降、不可抗拒的神力它更像是一块正在被锻造的钢铁。
它的形状取决于我们此刻的敲打。
不需要盲目崇拜也不必惊慌失措。
通过将AI引导至需求广阔的领域通过让它成为教育和医疗的普及工具通过建立公正透明的规则我们可以驯服这股力量。
技术终究只是容器它的温度取决于注入其中的人性。