元力星球聯創魏贇:AIGC時代,將給每個普通人一份新工作和新資產|WISE2023 商業之王大會

.. 11月28-29日,36氪WISE2023 商業之王大會在北京國際會議中心盛大舉辦。本屆大會以「太陽照常升起 The Sun Always Rises」為主題,橫跨一個主會場與六大垂直領域專場。主會場聚焦「未來3650天」、「在產業洪流中」、「進擊中的萬聯網」、「AI與商業增量」、「全球品牌看中國」、「科技至上 共鑒創新」六大篇章重點議程,邀請全領域商業大咖展開為期兩天的頂級商業對話,向現在提問,給未來答案。 

元力星球聯合創始人魏贇

以下為演講實錄,經36氪整理編輯:

大家好!首先感謝36氪邀請我參加這個峰會,去年三月份wise,我跟大家分享了一個主題,叫元宇宙是下一個互聯網的周期,一年過去,這次的主題是:AI時代,一個普通人如何跟智能體進行共存?

這兩天里有很多專家,有很多的教授分享了很多專業的,前沿的科學,從大模型等多各個角度來給大家分析。不過我先表明一下,我不是一個專業人士,我只是一個做產品的,更是一個普通人。

2020年開始,我就在看GPT3,但我發現到今天為止,還有98%以上的人沒有接觸過GPT,這是一個很重要的問題。

作為一個普通人,我們跟大模型、跟GPT彷彿都很遠,但它彷彿又在我們身邊。所以我今天就說這個題目——「AI時代、普通人如何與智能體共存」,我用五個詞跟大家分享一下。

第一,新機體。

大家都在說,AI 是一個新方向。但我想問大家一個問題——大家怎麼理解AI?

先分享我的理解。AI系統的本質是在造人、造機械人。什麼是造人?大家看看人是怎麼走到今天這一步,父母把我們生下來,生下來後去上學,上學有老師,拿教材教我們學相應知識。學了知識以後,要進行大量的練習實踐,取得資格后就會進入社會工作。

咱們遵循這個軌跡,把AI比擬成一個人,他需要一個智商,也就是算力,算力越高意味着智商越高,學東西越快。

那如何讓一個AI從聰明到有知識,就需要一樣東西——訓練數據。訓練數據主要分為兩類,一類是知識圖譜,一類是普通信用數據,相當於教材,訓練數據越準確AI越聰明。直到模型參數都調整精確,就可以應用。

在應用中,通過人來檢驗模型,哪些做的對,哪些做的錯。這就像我們人畢業到步入社會,通過不斷試錯,來變得越來越優秀。

所以我今天預測,未來我們會面臨一個新的時代,這個時代會有80億人口與100億AI資源共存的時代。作為普通人,我們每個人都要面對這個問題。但其實AI並不複雜,就是一種正常的進化,不存在太多深奧的理論。

第二,新職業。

人造出來之後,那他就需要工作和幹活來證明自己的意義。同樣,AI也需要工作來證明意義。

AI工作職業分為兩種,一種是AI自身扮演,它可以作原畫師,可以作編輯,可以作營養師,同樣可以做健身教練,做律師,做醫生。這些AI工作已經出現,未來5年-10年還會更多。

那普通人應該怎麼辦,例如大家所焦慮的失業問題。這個問題放大來看,科技在發展,大家一直都在失業,原來的鐵匠,被工廠里打工的兒子取代,原來的馬夫被司機取代,這個趨勢是不可逆的。

我們應該想想,如何面對這個問題,其實在我們有很多事都可以做,例如整理KGS, 教AI怎麼幹活,不斷矯正它,這些都是我們普通人可以乾的。而且現在AI遠沒有人聰明,還有和AI一起進步的機會。

但到了下一代,他們就需要我們使用手機一樣,去操作各種各樣的機械人和AI。這意味着作為普通人,我們需要在未來幾年內,迅速調整自己,讓自己能夠和機械人共存,想清楚能在其中做什麼?我們不能阻止AI發展,需要幫助AI往前發展,這樣依然有機會。

AI和人不應該是誰淘汰誰,而是讓它像自然人是一樣,去學好技能,去做事,甚至形成一個公司或團隊,可以讓他和我們共同實現一個目標,幫你解決更多事情。 

第三,新組織。

一個新的組織形態即將出現——DAO(全新的人類組織協同方式),我把它叫做數字化自動協作組織。

在這種形態中,作為一個普通人,我們需要怎樣學會機械人協同辦公?

大家想想人跟人之間怎麼協同辦公,需要傳遞一種東西——「信息」,我需要你為我做什麼,或者我告訴你應該幹什麼,中間存在一些信息,可以叫動機,也可以叫誘因。

同樣,我們跟機械人之間合作也需要傳遞信息,這種信息叫數據。但人跟數據、人跟機械人之間要怎麼通過數據溝通。

比爾蓋茨曾說過一個問題——在未來的AI智能體中,新的數據源結構到底是什麼?

去年,我在WISE2022的時候曾分享過:元宇宙將成為下一個互聯網周期的時候,曾提到這個概念——人跟機器之間連接只有一個緯度,就是時間。主要是因為代碼是全球統一,它高於關鍵詞,高於賬號,高於地理位置。

做程序員或技術同學肯定知道,代碼執行需要一個固定的條件。我們普通人也一樣,也需要學會跟機器進行交流,我們需要告訴AI準確的時間,在什麼時間點開始執行,所以人跟機器之間產生新的連接,就需要一整套新的規則。

基於這種組織下,未來會出現一種新的組織,大家給新組織起名叫生成時間,以我的理解,它叫「員工」。

為什麼叫員工?AI需要一個指令去干一件事情,這很像現實中老闆和員工發號施令,員工往往能力遠超過老闆,這是它的價值。現在的老闆都是到處出差,到處聊天收集信息,收集未來信息。根據未來的信息去做判斷。做了10個決定,可能有9個錯誤的,靠那一個正確的決定獲取了地位。

那既然AI也可以做決策,甚至有了預測式AI,甚至決策要比老闆準的多,那老闆的地位就會很尷尬。

第四、新機會。

大家理解建立公司的邏輯之後,我們接下來就要為新公司創造出收益。

我舉幾個例子,第一,大家知不知道歐洲在推行的「禁塑」令,禁止使用PC、PP、PE、POA所有的塑料。現在國內大家都喝奶茶,奶茶用的管叫POA(聚乳酸管),今年10月1號這個管開始在歐洲被禁掉。

我有個朋友就是做環保材料,他很困惑,剛好我上學就是學材料的,他問我怎麼辦?我也不知道。後來我收集了材料的應用場景和需求,通過AIGC去查,給了一個答案——PH。

這個材料從來沒用過吸管這個用途,但補齊信息差之後,現在我們已經每個月往歐洲出口4-5個集裝箱櫃,這就是AIGC解決的一個簡單商機。

對於我們普通人來說,AIGC並不是那麼高大上,我們不一定每個人都是AI專家,但可以利用它去解決問題。

第二個例子,分診系統需求。

前段時間和解放軍總醫院兩個消化科主任聊到AIGC在醫療上的應用。

這段時間,身邊有很多孩子感染支原體病毒情況,大家基本就是掛完號,等待醫生,醫生進去后,一分鐘開個單子,再拿着單子排隊2小時化驗。

化驗完又過來找醫生排隊一小時進行問診,隨後開始診斷,開藥或治療。大家就會發現一個問題,這件事很浪費時間。醫生也很痛苦,都是重複性的一個問題,重複性的勞動,他們也想把這個過程前置化處理。

所以我們討論給醫生建一套醫護助理系統,把消化道內科整個知識圖譜轉化,讓醫生的專業術語可以給普通人理解清楚,患者通過AIGC提前就知道自己要怎麼做,做什麼,前置提前完成87%到90%的工作。

通過這個例子發現一個邏輯,一套專業的數據庫,就可以直接解決一個需求場景,但在座的有很多專家,大家應該知道,這種優質數據成本是多高。

對於我們普通人來說,並不是我們到了35歲到40歲,就是職業生涯的末期。在這個AI增量知識裡面,其實只要你有知識,還能幹活,整個容量還是很大的,況且AIGC, 就是通過AI配合產生數據。

但光生產數據是沒有價值的。就像我有一個果園,果園裡我種了一大片橘子,但一個都沒賣出去,那一整個果園的人都沒有產生價值。

所以如何發現AIGC價值這個很重要,這就需要另外一樣東西來構建,我稱之為數據物流,通過協議,數據、物流,把數據從這一端到另外一端,正常運轉,創造價值。

第五、新經濟。

整個互聯網的本質就解決兩個問題:

第一,解決用戶的無知問題。我原來不知道,現在通過互聯網知道了,比如抖音。

第二,解決效率問題。原來需要半天解決的事情,現在通過10秒解決掉。

AI 的出現會創造新的機會,從經濟學來說叫「增量拓展和存量深耕」。我們可以通過AI訓練出更多新數據,創造更大價值。我們把這個價值叫做一代數據,之後可以逐漸通過AI產生二代數據,三代數據、四代數據,再把這些二代數據,三代數據、四代數據,傳遞給一個需要的人,就能產生一個新的經濟增量,這個很重要。

還是從普通人舉例,這個數據價值邏輯很簡單。例如我們都使用攜程訂酒店,通過美團點外賣,通過淘寶買東西,在所有的APP裡面完成一個商業閉環,滿足了我一個要求,完成一件事情。

但其中有一個數據價值過程往往被忽視,例如在整個流程完事之後,數據其實會被打上標籤,這些標籤過去會被直接賣給廣告商,就會有更多類似的人接觸接觸越來越多的廣告,這個就是一次二代數據收益。

這個收益過去往往被忽視,但隨着數據隱私的重視,大家感覺數據好像又跟我有關係。

這種情況下,要怎麼解決數據價值的問題,數據是不是要出來,怎樣形成閉環,如何把你在互聯網或現實中產生的數據鏈條拿出來,作為一個二次變現獲取收益,就是一種新的創業機會,也就是我做的項目「元力星球」。

我不是做大模型的,但是我會跟各個大模型合作,並迅速推動做出一些產品出來,讓一個普通人能從中獲益。

大家都需要知道,未來靠工資是養不活自己的,你需要新的機會,這個機會在哪兒?你得有一個搭子,這個搭子需要我們去創造,你不創造,就要用別人的,就要就給對方付費,然後再通過創造生成,生成三代或者四代數據,通過數據物流把它賣掉。因為一定有人需要這個數據。

當然創造一些無聊的數據,那肯定是沒有意義的,今天社會有很多無聊的APP,都沒有收益。我覺得作為一個普通人,應該了解這些內容。


想在手機閱讀更多網絡與創業資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems