下文是凱文·凱利2024最新演講，大師從四個方向分析了《What's Next：in AI and Digital World》，本文選取了其中的部分章節，其中更多是與軟件從業者相關的內容。
你暫時不會被AI替代，但會被更擅長使用AI的人替代
如果說你給AI一些積極的情感反饋，比如你表揚他，那么他就會給你一些更好的質量更高的答案。我們也不知道為什么，但是確實有這樣的現象。你甚至可以告訴AI，你提的問題非常重要、生死攸關，請好好回答，這樣AI就可以給你一個更高質量的答案。這些也是一些小小的竅門，幫助大家更好的運用AI。
我認為這樣的AI更像是一個普世的私人實習生，在座的各位每一個人都可以擁有一個24小時的實習生，為大家服務，這就是AI可以做到的。比起助理，AI更像一個實習生，因為實習生不能獨立完成任務，工作成果需要我們來做二次核驗的。但即便如此也已經很好了，雖然這還不是我們最終的目標。
現在的大語言模型給我們的答案雖然不是最精確的，但是看上去已經非常合理了。有一些工程師每天的工作就是去設計一些合理的答案和輸出，并不是最精確的答案，而是出最合理的答案，這也是設計和算法的策略。
他們是從大量人類語料中去提取信息來訓練AI，其中包含了人類最精尖的信息，同時也有一些非常普通的，甚至是質量不高的信息。因此AI的水平就像是實習生一樣，可以做一些初始性的工作，比如說設計一個大綱或草稿，這些任務他們可以完成得非常好。
通過研究發現，對知識型行業從業者來說，50%的任務都是可以由AI實習生來做到的。而其他50%的工作可以讓AI去做一個草稿，然后由人來做提升。調查發現，如果使用copilot的話，程序員每天的生產力可以提升56%。
同樣在其他的行業，比如說作者，他們使用AI的話，任務的完成速度會增加37%；比如律師、顧問，還有行政的工作，他們使用ChatGPT之后都有不同程度的效率的提升。最明顯的效率提升，其實來自于低級別的工種或者是普通員工。
AI和其他的技藝一樣，需要至少一千小時的練習和學習，才能夠真正擅長，所以我認為未來人們的薪資將與你使用AI的能力掛鉤。因此，人們不會簡簡單單地因為AI失去工作，但是確實有一些工作內容會改變。
我相信在未來的5年以內人是不會被AI替代的，但是有可能會被一個善于使用AI的人替代，這是普遍的趨勢。如同現在看到的，即使有了自動駕駛，依然很少會有司機被自動駕駛所取代，但未來，司機的工作內容是會出現一定的變化的。
我給大家舉個例子，美國有一個公司，他們用生成式AI去賦能服務臺的工作人員，尤其是接線員，然后這些客服中心就可以去更加高效地服務客戶。
在這個過程當中，他們確實也裁掉了一些人員，同時也招聘了更多技術支持人員。但是最常見的情況是接線員改變工作任務，會有一些AI沒有辦法處理的問題再轉到人工。
與此同時，我們也看到正是因為AI把一些簡單的工作都已經完成了，所以人可以專門處理一些比較棘手的問題，那么客戶的滿意度和服務質量都會提升。AI是相對平等的技術，即使是一些財力并不是很雄厚的企業或者是一些偏遠的地區，他們沒有充足的預算雇傭接線員，也可以運用AI提供客戶服務。
除此以外，另一種AI應用趨勢應運而生——藝術方面的提升。目前很少有畫家、音樂家、或其他藝術從業者被AI完全替代，他們可能會用AI作為靈感來源。
因此從目前的生成式發展來看，我們很難在現階段直接下定論AI會取代人。
剛剛說到，AI的世界是基于規則的，因此，有時人覺得很簡單的事情，對AI而言可能很難，換言之，AI覺得很容易的人可能會覺得非常困難，我們需要記住這個邏輯。
說到生成式AI與人之間的關系，我把它稱之為+1關系。希臘神話中的半人馬，其實是有點像人和AI的協作關系。科學家們發現，現階段只靠人或只靠人工智能都不行，它們要結合在一起。
跟大家分享一個故事，埃斯特·佩雷爾是美國著名的治療師，她做過很多公開的治療，她有一個播客節目，記錄了她上千上萬小時的治療過程。
有人根據她的治療記錄開發出了一個人工智能，人們可以直接去跟機器人溝通得到治療，不知道埃斯特本人會不會喜歡這個AI版的她，她的書和播客節目都可以幫助到大家，但是人工智能會幫助更多。不過目前還涉及到寵物的治療人工智能無法應對，但是確實開辟了一個新的路徑。
不可否認，現在的人工智能醫生還不如人類醫生，但是人類醫生與機器協作會做得更好。不過用AI來做醫療診斷是勝過沒有醫生的，一些遙遠地區可能醫療資源短缺，無法接觸到正常的醫療資源，在這種情況下，AI治療總比沒有醫生好。
這就涉及到我們剛剛提到的第二個方面，人類和人工智能協作可以應用在各種領域，包括教育、法律、駕駛等，有的這些和人工智能相遇是1+1>2的概念。我們剛剛提到了實習生的概念，以后人工智能會成為合伙人、隊友、教練、副駕駛助手等等。
就像我在《寶貴的人生建議》里說到的“如果你想走得快，就獨自走；如果你想走得遠，就一起走。”
當技術變得隱形時才是最強大的
在過去一年里，生成式人工智能帶來了許多激動人心的變化，比如神經網絡技術得以與人工智能結合應用，實際上神經網絡技術不是新技術，網飛和亞馬遜早就在使用，這是一種識別+生成的技術。目前神經網絡已經發展出兩個全新的概念，一個就是大型語言模型，另一個叫做對話式用戶交互界面。
大語言模型一開始是個非常簡單的編程，10-15年前，我們其實是用它來做語言翻譯的，因此當初訓練它的目的是為了建立語言模型，將一種語言翻譯成另外一種語言，用作訓練的語料就是日常生活中的各種語言。
但是隨著模型的不斷練習，出現了一些有趣的變化。語言模型不僅做了翻譯，同時還可以基于這些語料做推理。
因為語言不是單純的進行信息的傳遞和傳達，我們之所以會有語言，是希望語言表達思想，沒有語言，思想也是匱乏的，所以語言跟推理能力密切相關。
當獲得了語言能力時，它也在一定程度上獲得了推理能力。這是開發人員們沒有意識到的。所以推理是語言模型研究過程中獲得的一個有趣副產物。
大語言模型在很多賽道有了全新的應用，基于大語言模型，他們獲得了閱讀推理的能力，人工智能可以幫助我們做很多測試，且高分通過。
回到剛剛的概念上，目前這些模型都是基于普通人的數據收集做的建模。我們也希望未來可以進一步優化，使用天才的語料進行訓練。
還想給各位介紹一下對話式用戶用戶界面，這與20年前的圖形用戶界面有異曲同工之妙。在互聯網之初，我們看到這些電腦就是這樣的，只有一些單純的文本，沒有圖形，而且很難用。很多人也沒有覺得這樣的應用有趣。現在已經截然不同了，隨著萬維網的使用，你可以看到有圖片的交互形式，可以拖拽信息，這樣更加貼合人類的訴求。
你不用再去上繁瑣的編程和代碼課也可以理解它呈現的信息。現在有了大語言模型后，你可以進行對話式溝通，從而生成圖文，我們會發現文本信息轉化成視覺信息非常符合人類的溝通訴求，這極大改變了現在的技術應用，包括語言理解、手勢識別。比如目前很多設備可以采集你的唇語，你不用像以前一樣用吼的方式來進行溝通了。
這些技術極大地改變了行業。所以我的建議是未來幾年初創企業將變得非常的容易，只需要將一些東西添加到對話式使用界面中，比如你可以和面包機、汽車對話，AI也會變成商品的一種形式，AI交互頁面會成為區別其質量的一個關鍵所在。現在有個很有名的引擎叫做perplexity，它做的不是AI本身，是AI的交互界面。就像是水是免費的，但裝到瓶子里就有了礦泉水，它就是產品了。AI的交互界面是可以創造額外價值的。
回到我剛才所說的，當技術變得隱形的時候才是最強大的。我們現在在這個房間當中有大量的技術存在，比如電燈、水管、風扇、通風管道等，我們意識不到他們的存在，這意味著這些技術已經成功了。
同理，我們一直在談AI，說明它還沒有成功，如果說我們已經無法意識到AI的存在了，那么就說明AI成功了。在未來我是相信95%的AI應用我們都沒有辦法看到，他們就像管線系統一樣在后臺運行。未來我們將更熟悉它的前臺界面，大多數人可能甚至不知道它背后由AI運行。
現在有很多技術公司試圖用AI去預判、預測未來。在過去包括現在，如果要單純靠人力來完成的話，它是一個非常耗時非常昂貴的工作。但是未來有了AI的介入，那么預判這件事情將變得非常簡單。
AI的技術會存在于兩個階段，一個是內部的流程階段，包括編程工作、金融分析，或者是傳媒和溝通；另一個是外部使用AI來制作產品，這是大家在公眾視野當中可以看到的，比如說自動駕駛汽車機器人。目前為止，內部運行的AI更為強大，我相信這也是未來AI重要的增長點。
我們把AI類比成電力，你不能簡單地認為把18世紀的公司通電，它就會成為完全不同的公司。但是如果這家企業在誕生之初就有電力的加持，那么這一家企業和18世紀的其他企業相比，一定有巨大的飛躍。AI也是一樣，下一代AI原生企業的商業模式一定是和AI發展前的企業是完全不一樣的。
有些工作是人類不想做的，有些工作是人類可以做的，還有些工作甚至是人類完全未知的。AI能夠起到最大作用的地方，不僅僅是在人類不能做的，更是在于去探求完全未知的工作。
社會中層往往是第一批AI使用者
在商業場景中，第一批的AI使用者有哪些？
除了我剛剛介紹到的客服工作以外，還有程序員，現在程序員已經在使用微軟copilot這樣的AI輔助工具了。有了AI加持之后，這些程序員表示再也不想要回到沒有AI的時代；同時在營銷領域，工作人員也在大量使用AI去生成物料、圖像、視頻等等。
我覺得AI的第一批應用行業，包括軟件、醫療、教育、營銷和保險。保險大家顯而易見了，AI可以設計保險政策、進行數據分析等等，在教育領域，最大的受益者就是學生，在醫療領域就是患者，在企業的環境當中應該是員工受益。
但其實我們發現事實與預想的恰恰相反，老師對于AI的熱情遠遠要大于學生，醫生的熱情大于患者，領導者的熱情大于普通員工。比如說老師，有了AI，他們每天可以節省幾個小時的備課時間，醫生和經理也是一樣。所以我們發現在一個企業或者行業結構當中，中層反而是受益最大的，他們反而是第一批的AI使用者。
另外我們發現一點，年輕的初創企業往往最先運用AI。公司越小，運轉就更加靈活，他們就更有機會全面使用AI。大公司的腳步就會相對落后。這是一個自然進化的過程，從18世紀開始，企業一步一步從工業模式一直進化到現在的數字模式，在數字時代，中國企業搭上東風，實現了快速的成長。
之后是云計算的時代，現在我們正在全面擁抱AI，但云計算這一步是不能略過的，我們需要去打好基礎，實現完善的云計算部署。換句話說，企業要進行完善的云計算或者云平臺的部署，然后才可以在云計算的基礎上來發展他們的AI實力。
