近三十年，人工智能得到了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，与基因工程、纳米科学共同被称作是二十一世纪三大尖端技术。
手机的人脸识别、指纹识别、自动程序设计、智能搜索……人工智能出现在我们生活的每一处，带来了极大的方便与快捷。随着人工智能和机器人的交互，加上跨行业的算法统一大平台，AI产品实现质的飞跃不是梦。在未来，智能机器人可替代人工，深入各行各业，提高工作效率，创造更多的经济价值，将扮演更加重要的角色。对此，您有什么看法呢？如果您有何妙计可以安邦治国平天下，赶快来《共绘网》的评论区参与讨论吧！
一共有人参与 条评论
算法在生产方式中的应用与变革。 马克思唯物史观的生产逻辑，是从经济基础决定上层建筑的意识形态生成论出发，把握意识形态生成。在这一生产逻辑里，是生产方式的变化推动了经济基础的变化，并带来了不同利益的变化与冲突，进而才在上层建筑层面生成与之相适应的意识形态。生产方式的变化，是通过分工内容的变化体现的。不同的劳动者根据自己的能力、社会关系，融入到生产方式的不同环节之中，成为生产方式的一环。而与分工伴随的是分配，“而且是劳动及其产品的不平等的分配（无论在数量上或质量上）”[3](P536）。这就带来了不同分工个体的特殊利益与特殊利益之间的矛盾，以及特殊利益与普遍利益的矛盾。作为掩盖这种利益矛盾的意识形态上层建筑就被专门生产出来了。 算法由于自己的技术特性，使其被普遍应用于生产领域，并推进了生产方式的智能化变革。算法作为人工智能技术的核心关键，在生产方式中的应用构成了生产方式智能化的内在规定。可以说，生产方式的智能是“算”的智能，是“算智”。算法在生产方式中的应用推进了生产力层面的数字化、智能化变革，出现了新型的生产劳动，进而深刻影响了意识形态的生成路径。刘伟兵，复旦大学马克思主义学院
(0)AI算力产业链分析。算力，即计算能力，是指对数据的处理能力，被视为数字经济时代的新生产力，是推动数字经济发展的核心力量。算力与算法、数据中心组成人工智能三大核心要素。近年来，在这三要素的共同驱动下人工智能进入高速发展阶段，其识别率、准确率均有大幅提高，在诸多落地场景中都展现了很强的实用性。 如今生成式AI取得突破，实现了从0到1的跨越，以ChatGPT为代表的人工智能大模型训练和推理需要强大的算力支撑，再加上生成式AI正在以始料未及的速度渗透并深刻改变办公、教育、法律、游戏、电商等各个产业环节。 因此，关于生成式AI的大模型将为全球AI算力市场的增长提供强劲动力，无论是训练还是推理端，算力需求都将有望爆发式增长。 目前，AI算力产业主要由AI芯片、AI服务器、数据中心构成。随着AI等新技术的发展，对高可靠、高性能、高安全算力需求更加突出，全球正掀起一场AI算力的竞争，数据中心、AI芯片、服务器等环节作为算力基础设施，势必被高度重视。 AI大模型对于算力资源的需求主要体现在模型预训练、日常运营、Finetune（微调/调优）三类场景。其中，模型预训练过程是消耗算力的最主要场景，而在完成模型预训练之后，对于底层算力的需求并未结束，在日常运营过程中，用户交互带来的数据处理需求，同样也是一笔不小的算力开支。此外，从模型迭代的角度来看，AI模型并不是静态的，而是需要不断进行Finetune模型调优，以确保模型处于最佳应用状态。因此，模型调优同样会为产生算力成本，但具体算力需求和成本金额取决于模型的迭代速度。（小安生）
(0)人工智能正在改变世界，堆砌数据和算力的人工智能时代已经过去，那么下一个AI浪潮在哪里？ 英伟达创始人CEO黄仁勋在2023年ITF世界大会发表视频演讲表示：“人工智能和加速计算正在共同改变技术行业。下一波人工智能浪潮将是一种被称为具身AI的新型人工智能，即能够理解、推理并与物理世界互动的智能系统。”
(0)我相信AI，还可以让气候变化的问题更加公平。气候变化的不公正之处在于，受到气候变化伤害最深的人，是世界上最贫穷的人，他们对这个问题贡献也最少。 目前我还在思考和学习AI如何对解决这些问题提供帮助，在这篇文章的后面，我将建议一些具有很大潜力的领域。 当然，任何具有颠覆性的新技术都会让人感到不安，AI更是如此。它引发了关于劳动力、法律体系、隐私、偏见等尖锐问题。AI也会犯事实错误并产生幻觉。 接下来，我会谈一谈我对AI的定义，详细介绍它可以在健康、教育等方面如何帮助人咧，以及最后AI带来的风险和解决的办法。（来源：比尔·盖茨个人博客）
(1)这只灵活的AI不仅与人交流畅通无阻，而且和机器也能快速沟通。 这主要得益于微软团队专门开发的一系列API和高级函数库。他们没有让ChatGPT背后的语言大模型（LLM），生成某固定种类的代码；因为机器人是个多元化领域，这样可能会在不同场景下涉及大量微调。 而在新颖的操作框架下，不同机器人，都有自己对应的特定函数库。 ——一个AI，就能适应不同的对象、不同的任务。 一方面，这些函数库，能够连接到机器人控制系统中管理底层硬件，以及执行基本运动的代码和功能模块。 另一方面，为了让ChatGPT也能遵循函数库的规则，预定义函数命名就很关键。清晰的函数名，能让各API之间建立良好的功能连接，最终生成高质量的回答。 其中一项要求，就是所有API名称必须描述整体功能行为。例如，detect_object(object_name) 函数可以在内部链接到OpenCV函数或计算机视觉模型。 设计好库和API后，微软给ChatGPT编写了一个文本提示（prompt），描述目标任务，并明确说明函数库中哪些函数可用；另外，这还能规定ChatGPT生成代码用哪种编程语言。 值得一提的是，AI生成内容效果，和人为提示的质量呈正相关。为此，微软还开发了一个协作开源平台PromptCraft，任何人都能在此分享不同类机器人的Prompt策略。 到此，幕后部署基本完成，然后用户就能通过“说人话”间接操控机器人了。 如果想要检查AI生成的代码是否有Bug，随时都能在聊天框直接检查，或通过模拟器测试，人类可以用自然语言指导AI进行修正。 另外，还能到等到用户对解决方案满意为止，再在将ChatGPT生成代码部署到机器人上。 最后，如果是你，会想用ChatGPT操控机器人做些什么呢？（经纬创投）
(0)凯文·凯利：未来技术变革的影响是永久性的。技术将和人工智能相关，技术要做的事情是让所有的东西更加智能，这个智化的过程就是技术带来的改变。 未来技术跟人工智能相关，是会给我们社会带来根本性变革的技术趋势，可能就像之前的印刷术一样。 很多东西已经变得很聪明了。比如看X光方面的专家会被人工智能所取代的，法律方面的AI可以比人类律师助理更高效地阅读文件。还有飞机驾驶员，比如一趟飞机的航程是12小时，人类飞行员只要工作七八分钟就行了，剩下的时间都是AI驾驶飞机，这些都是已经发生的。 我们为什么还需要人工智能去帮助我们开车呢？比如Google的无人驾驶汽车。因为他们的思考方式跟我们不一样，不会考虑杂七杂八的事情，只是专注去开车。 我们在AI方面做的事情，并不是让他们比人做得更聪明，因为它们很多方面已经比人更聪明了，我们要做的是各种各样的AI，让他们有多种思维方式。 Google训练人工智能玩电子游戏，十年前就开始做了，Google从来没想过去教AI怎么玩，而是教AI怎么学习，AI与人类的不同只在于思考的方式不同。 未来将有数以万计创业公司，他们从事的是人工智能用于某一个领域的工作。使用者越来越多的话，机器会越来越聪明，这是一种滚雪球的方式。 过去我们对智商的认知就是一维的，这是一般的认知，我们不应该再这样看待智商。我们的智商像不同的乐器弹奏不同的乐曲，不同的人弹奏出的乐曲也不一样，所以大家的IQ不一样。动物、人类和机器的节奏也不一样，所以IQ也不同。 很多人也非常担心，机器人会跟我们抢工作。有一些工作实际上是可以直接让机器人来做的，我们在AI上做的事情不是要让AI更聪明，而是让AI自己去学习，有更多思考和思维。有很多新工作，是机器人去帮助你完成的，工作职位是不断增加的。 AI帮助人类从电力电气、蒸汽时代到现在多彩纷呈的现代世界。现在的汽车，人类用手的肌肉力量即可开动250马力，我们假设将250马力的车转换成250种思想，那么你开的就不是车，而是自动化的电脑。人类未来的目标，是将智力作为一种服务，可以像电力一样传输。 所以，对效率要求不高的工作更适合人类。比如要求创造力的工作，因为创造本身就是不讲究效率的，不用考虑正确性，这是人类适合去做的工作。 任何看上去特别重复性的、没有意思的、没有什么乐趣可为的事情，都可以让机器完成。所以阿尔法狗和人比赛，是不公平的比赛，因为AI吸收了过去所有的套路。未来不管是哪个领域，实际上它都是最聪明的人加上机器。与人工智能的合作表现决定了你的薪酬，你必须要和机器进行合作，而不是和他们对抗。
(0)在AI帮助下，人工1分钟完成的质检，可压缩到几秒钟，缺陷检出率可达到99.9%，每年可节约数千万元的质检成本，同时也将劳动者从高度机械重复的工作中解放出来。科技向善，最终科技是要解放人。
(0)人工智能是基础性、开放性、革命性和颠覆性的高新科学技术。人工智能的快速发展和普及性应用对社会生产方式、生活方式乃至休闲娱乐方式都产生了巨大且深远的影响，成为促进社会制度变革和社会形态变迁的巨大推动力。
(1)
手机扫描二维码访问
1 
