夜雨聆风
为什么说“高端白领”的工作最先被AI取代呢?一文看懂这波AI浪潮的本质…
从接话到学习套路——AI的底层逻辑
哈喽，大家好，往期讲了很多有关AI的科普，那今天呢，我就来帮大家分析一下，为什么高端白领的工作反而岌岌可危呢？想明白这一点，我们需要首先深入理解这一波来势汹汹的人工智能浪潮的底层原理。
统计学习大家可能都知道啊，大模型的本质是一个叫做transformer的东西，但这其实只是一个架构的名字。
大概说的就是AI这个电子大脑是怎么布线的，那让这种大脑具有非同凡响的知识和能力啊，需要靠一些特别的训练方法，这个方法就叫做统计学习。
什么是统计学习呢？我们举个例子啊，你想想看，这个其实就是统计学习的核心逻辑，看得多了，自然就学会了。
这里的统计不是大家平时数学学习的那种啊，简单的算个平均数啊，或者算个方差的统计，而是说通过收集大量数据，数据中的规律就会自然浮现的统计。
你可以把市场上各种房屋的价格和面积在坐标上画一下，然后你就能明显的看出两者之间的变化规律，连出一条直线。
即使有一个数据基理你没有见过的房屋面积，也可以利用这条直线大概预测出它合理的价格。这个啊，我们在数学都学过，叫做最小二乘法。只要给AI足够多的输入输出的统计数据，
AI就能自动理解它们之间的关联，明白在某些输入情况下应该需要什么样的输出。这种理解能力甚至可以在全新的输入场景下也给出符合规律和要求的结果。
这种举一反三的能力啊，就叫做泛化generalization。有了泛化能力，这个AI就算是真的学明白了，你给他什么崭新的问题，他都能处理得很好。
那其实不管是你手机里的语音助手，还是拥有恐怖超能力的GPT等大模型，他们的本质都和最小二乘连这样一条直线是相同的逻辑。
只不过这里的输入和输出不是一个简单的数字，而可能是复杂的语言、图片和结构型的数据。而用来预测的方法也不再是一个简单粗暴的直线，而是拥有极强学习能力的transform模型。他
训练的这个任务啊，很简单，就是一个预测。给你一段话，让你预测后面接什么词是最合适的，你可能会觉得不就是往后接话吗？有什么大不了的？但你仔细想想，我们这个世界上有多少工作本质上就是个接话的事儿？比如说客服不就是给一堆之前的对话回复对方吗？
而人绝大多数的工作，本质上都是在某种信息语境下掌握一种套路，然后根据套路给出高品质的回应和答复。而我们前面有说过，大模型A不需要像人那样经历系统专业的知识学习，他只需要一件事情，那就是见得多就能学会套路。
写新闻有新闻的套路，但AI只需要见过人类几千万条新闻稿，那他就自己就明白了该怎么注意时间、地点、事件等等各种要素，如何交叉验证，确保信源真实公正等等这一系列的专业素养，它就能自动凝练，并且学会写代码的套路更不用说了，For循环、if判断，各种各样的设计模式，代码对象该怎么封装，怎么留接口，这个世界的代码库已经有太多太多很好的例子让AI理解其中的原理。
那画插画也有套路啊，比如说构图法则、配色规律、风格范式等等等等。AI从海量的数据中可以轻松的把这些套路提炼出来，然后在新的场景中运用他们，这样就能轻松做到人类专家差不多的水平，所以我们的危机就这么发生了。
从这个角度来说，我觉得在如今AI这个时代啊，人类所有的工作都在经历着一场大考。那就是如果把你这个行业的工作经验充分的喂给AI，让AI见识足够多这个工作的经验，比如在某个语境下应该怎么回应，说些什么，做些什么，那么AI能做到你这个专家的几成水平呢？
如果AI能学个七七八八，那你差不多就可以下岗了。在这种极其冷酷而现实的考验下，很多行业都被撕下了看似高端的外衣，暴露出其底层机械和套路的本质。
比如说基础的程序员和律师，其实那些代码逻辑和用到的法律知识一点都不复杂，几乎总是那么三板斧，你甚至可以写成一张简单的什么时候该怎么做的查找工作表格手册。还有各种行政、翻译、插话、财务、金融咨询等等行业，以前这些行业的门槛可能完全只是学历、信息渠道和人脉资源等等，其工作实质并没有什么真正难以被AI学会的能力和才华，那么这些工作就全部都岌岌可危了。
所以我觉得啊，未来我们真正要做的不是和AI比拼记忆力啊，比手速，比熟练度，你肯定比不过的，而是我们未来要把那些重复的、标准化的，可以变成数据化的东西就交给诶，你擅长这个你就干吧，然后把人的精历放回到真正更重要的地方，比如说判断什么事情值得做，什么不能做，然后在这个世界里理解真实的人，然后承担真实的责任，以及提出一个全新的问题，一个理论框架，去创造一个新的标准，是的，汽车、高铁、飞机比人类的速度快了不知道多少倍，但是只要它不能自已飞，它还需要有人来处理微妙的情况，那么人类就还有价值用的好，AI就不是取代你的，而是来帮你把那个理想中的自己多兑现一点点的工具。
OK，那以上就是这篇文章的全部内容。如果你觉得这个内容对你有启发，还希望你能点赞收藏。我们下期再会，拜拜。