2024，把AI当人看

近期，让我最受震撼的是这样一句话：把AI当人看。

这是孙志岗老师在课上强调了不下10遍的一个用好AI的核心心法。他曾和凯文·凯利交流时，也表达类似的观点：「和人怎么相处，就和 AI 怎么相处。」

AI自23年发酵至今，一直存在两种极端的声音：

一种是将AI仅仅当做一个工具，对其持有贬低的态度；

另一种是将AI奉为神明，认为他什么都能干。

都对，但都过于主观，第一种是俯视，第二种仰视。那我们今天带着“把AI当人看”的观点，平视一下它。接下来将从三个部分来阐述，为什么这个观点是最明智的。

第一部分：人脑与AI脑的原理相通

第二部分：人脑与AI脑的特点相似

第三部分：AI脑是助力而非平替人脑

一、人脑与AI脑的原理相通

在2024年这个科技日新月异的时代，我们首先要理解的是，AI背后的“大脑”——人工神经网络，其工作原理和人类大脑的神经网络有着惊人的相似性。

OpenAI 首席科学家 Ilya Sutskever 说过：人工神经网络和大脑生物神经网络，在数学原理上是一样的。

它就如同我们的大脑通过神经元间的连接学习、记忆和推理一样，AI也通过深度学习算法构建起层层递进的神经网络模型，模拟并优化人类的认知过程。

大脑神经网络

人工神经网络

最新的GPT系列大模型（如GPT-4）利用深度学习中的Transformer架构，该结构的设计灵感来源于人脑神经元间的复杂连接和交互方式。它通过自注意力机制模拟人类思考时对信息不同部分的权重分配，能够理解和处理上下文信息，就像我们的大脑理解语句和概念时需要依赖前后文一样。

二、人脑与AI脑的特点相似

它们至少有这三个地方相似。

第一，记忆与遗忘机制

人类记忆：人的记忆并非无限容量且永久保存，而是有选择性的存储、遗忘，并通过重复加强记忆。

AI记忆：类似地，GPT等大型语言模型也存在某种程度上的“健忘”，它们虽然能记住大量的训练数据，但在长序列生成时，随着距离输入端的信息越远，其对早前内容的记忆也会逐渐减弱，类似于人类短期记忆的局限性。

第二，上下文依赖

人类理解：我们在交流中理解一句话的意思时，会依赖前面所说的内容，甚至包括背景知识和社会常识。你对同事说：你把昨天那个事情处理一下。如果他没有参与过事情的讨论，那肯定一脸懵逼。

AI理解：GPT同样依赖上下文信息，在处理自然语言任务时，只有在充分理解了前文的基础上，才能准确预测下一个词语或生成连贯的句子，这与人类理解语言的方式十分相近。

第三，渐进式学习与适应

人类学习：我们无法一次性吸收所有新知识，需要逐步积累、迭代学习，并结合实践经验形成深刻理解。

AI学习：即使像GPT这样的强大模型，在面对全新领域或未见过的任务时，也需要经过多次迭代优化和微调，才能更好地适应新的应用场景，这一过程体现了AI与人类学习过程的相似之处。

三、AI脑是助力而非平替人脑

现实中，有一部分企业主在外面上了跟AI相关的课程，成功洗脑，将AI的能力视为全能的救世主，试图用其全面取代员工，从而引发裁员潮。（比如我的朋友，直接将内容生产部门全部裁撤）然而，在现实中，AI并非万能替代者，而是某个任务环节的强大提效助手。

还是以产品经理为例，他们的价值会放的更大 。

• 在市场调研环节，AI可以快速抓取并分析海量用户反馈及竞品信息，提供洞察力极强的数据支持；
• 在产品设计环节，AI可以通过智能化工具协助构建原型，提高创新效率；
• 在项目管理环节，AI可精准预测项目进度、识别潜在风险，帮助产品经理做出更科学的决策。
• 在需求编写环节，产品经理不再独自承担繁重的文档编写工作，AI文案助手能够根据需求描述自动生成详细的功能说明书和用户手册草稿。

以上都是可以在不同的任务环节中帮助一个产品经理提高效率的方式，但你需要将AI当人看，问问他的建议，听听他的回答，不能直接躺平都由他来完成，也不能无视他的存在。

四、最后的话

把AI当人看，意味着我们应将其融入团队协作之中，尊重其独特的优势和限制，充分发挥其辅助和支持作用，而不是片面追求完全替代人力，也不是将其视为工具，给一两句话就妄图给你全面的回答。未来的AI发展将以更加人性化的方式与人类共生，共同塑造一个生产力跃升的新纪元，在这个过程中，AI的角色不再是冰冷的工具，而是成为人类智慧的有力延伸和拓展伙伴。

希望带给你一点启发，加油。

作者：柳星聊产品，公众号：柳星聊产品

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！