AI podnosi dolną granicę, a nie górną! Ostatnio widziałem, jak @dotey Baoyu nauczyciel podzielił się tym artykułem, przeczytałem go wielokrotnie i na podstawie własnych doświadczeń praktycznych coraz bardziej uważam, że ten artykuł jest bardzo obiektywny i realistyczny. Można to uznać za "prawidłową wartość AI", którą nauczyciel Baoyu zaproponował jakiś czas temu. Na podstawie tłumaczenia nauczyciela Baoyu dokonałem dokładniejszego tłumaczenia. Oryginał można zobaczyć: 1⃣ Przekształcenie krzywej uczenia się Przed pojawieniem się AI, uczniowie zazwyczaj stawiali czoła trudnemu problemowi: projektowanie zasobów edukacyjnych często zakładało określoną grupę docelową. To prowadziło do sytuacji, w której wiele zasobów nie odpowiadało rzeczywistym potrzebom i kontekstowi użytkownika: Jesteś początkującym w danej umiejętności, ale masz już pewne podstawy w pokrewnej dziedzinie, a mimo to trudno ci znaleźć materiały, które wyjaśniają docelową umiejętność, zaczynając od znanej ci dziedziny; Aby skutecznie opanować docelową umiejętność, powinieneś najpierw posiadać pewną umiejętność wstępną, ale początkujący często nie wiedzą, od czego zacząć; Masz podstawową wiedzę, ale utknąłeś na średnim poziomie, zmagając się z brakiem zasobów, które mogłyby pomóc w przełamaniu tego impasu. Zazwyczaj krzywa uczenia się w kierunku mistrzostwa wygląda mniej więcej tak: (Rysunek 1: Krzywa uczenia się) Pojawienie się AI przyniosło fundamentalną zmianę: może ono zapewnić spersonalizowaną pomoc na twoim obecnym poziomie. AI może odpowiadać na pytania na podstawie twojego aktualnego poziomu zrozumienia, a nawet wykonać część powtarzalnych zadań, co całkowicie zmienia strukturę krzywej uczenia się: (Rysunek 2: Uczenie się z pomocą AI) 2⃣ Mistrzostwo wciąż nie jest łatwe Eksperci w danej dziedzinie zazwyczaj podchodzą do AI z większą ostrożnością. Jak powiedział jeden z użytkowników Hacker News: AI jest bardzo płytkie. Im głębiej badam, tym bardziej staje się bezużyteczne, a to uczucie bezsilności przychodzi bardzo szybko. Szczególnie gdy badany temat jest skomplikowany lub kontrowersyjny, a ty oczekujesz, że AI pomoże ci znaleźć wiarygodne lub akademickie źródła, to praktycznie niemożliwe. To jest całkowicie zrozumiałe: jeśli temat ma bogaty i spójny zbiór danych treningowych, model jest dobry w podsumowywaniu wyników; jednak gdy temat jest zbyt złożony, a dane są rzadkie, model nie ma na czym pracować; jeśli temat jest kontrowersyjny, dane treningowe często są sprzeczne. Innymi słowy, aby osiągnąć prawdziwe mistrzostwo, wciąż jest to trudne. 3⃣ Model uczenia się AI i "zależność od odpowiedzi" Model uczenia się ChatGPT wprowadzonym przez OpenAI sugeruje głębszy problem: zamiast pozwolić AI prowadzić cię w nauce, wielu ludzi woli po prostu żądać odpowiedzi. W rezultacie: Uczniowie zatrzymują się na poziomie zrozumienia, który AI może zapewnić, i mają trudności z dalszym rozwojem. (Rysunek 3: Krzywa uczenia się z oszustwem AI) W dłuższej perspektywie, ci, którzy próbują "oszukiwać", nie będą naprawdę korzystać. Nierównomierny wpływ przekształcenia krzywej uczenia się Zmiany technologiczne są w istocie "rekonstrukcją ekosystemu": nie przynoszą korzyści każdemu w równym stopniu. Wpływ AI na różne osoby zależy również od jednego kluczowego zmiennego: "jak wysoki poziom opanowania jest potrzebny, aby osiągnąć wpływowy wynik?" Programowanie: dla menedżerów to przyspieszacz, ale pomoc dla dużych projektów jest ograniczona Menedżerowie inżynieryjni od dłuższego czasu borykają się z niezręczną sytuacją: znają zasady architektury, są zaznajomieni z procesami inżynieryjnymi, ale nie potrafią obsługiwać niektórych narzędzi deweloperskich. Na przykład, menedżer inżynieryjny z doświadczeniem w backendzie chciałby stworzyć aplikację na iPhone'a w wolnym czasie, co w przeszłości było prawie niemożliwe. AI zmieniło tę sytuację. Teraz mogą szybko zacząć, generować prototypy, a następnie na podstawie doświadczenia inżynieryjnego doskonalić je do gotowego produktu. Interwencja AI sprawiła, że niemożliwe produkty stały się rzeczywistością. (Rysunek 4: Rozwój projektów hobbystycznych z pomocą AI) Jednak dla inżynierów odpowiedzialnych za długoterminowe utrzymanie dużych, złożonych i specyficznych dla biznesu baz kodu, pomoc, jaką AI może zapewnić, jest znacznie bardziej ograniczona - model nie może uzyskać niezbędnego kontekstu, historycznych zależności ani norm zespołowych. (Rysunek 5: Użycie AI w dużych bazach kodu) Praca kreatywna: w krótkim okresie trudno do zastąpienia Obawy pracowników branży kreatywnej dotyczące AI nie są bezpodstawne: czy pewnego dnia powieści pisane przez AI lub filmy kręcone przez AI zastąpią ludzką twórczość? Odpowiedź brzmi: w krótkim okresie to mało prawdopodobne. W branży kreatywnej konkurencja jest niezwykle zacięta, a prawdziwe dzieła, które zdobywają uwagę, muszą charakteryzować się wysokim poziomem nowości. AI, chociaż może szybko generować obrazy, teksty i dźwięki, nie przynosi wzrostu "uwagi". Sukcesywnym dziełom kreatywnym towarzyszy twardy wskaźnik: nie mogą być jak inne. Ludzie są bardzo wrażliwi na "powtarzalność". To również wyjaśnia, dlaczego awatar "Ghibli style" przez krótki czas zdominował internet, ale w żaden sposób nie wpłynął na kulturową pozycję "Ruchomego zamku Hauru". (Rysunek 6: Próg dla dzieł kreatywnych i górna granica AI) Codzienne zadania: AI nie ma zastosowania AI obecnie ma niewielki wpływ na niektóre codzienne zadania o wysokiej częstotliwości, ale niskiej różnorodności, zwłaszcza w przypadku, gdy już dobrze radzisz sobie z tymi zadaniami za pomocą aplikacji. Na przykład w przypadku obsługi poczty e-mail i zamawiania jedzenia, te dwa obszary mają wiele dojrzałych produktów i doskonałej logiki interakcji, a AI nie przynosi znaczącego wzrostu. W przypadku e-maili: Spam został już automatycznie odfiltrowany, a podsumowanie przez AI tylko marnuje zasoby; A w przypadku ważnych e-maili nie potrzebuję "podsumowania", potrzebuję pełności informacji i kontekstu - to właśnie jest trudne do zastąpienia przez AI. Scenariusz zamawiania jedzenia jest podobny: dojrzałe aplikacje już osiągnęły doskonałą optymalizację między informacjami o menu, zdjęciami, cenami i doświadczeniem interakcji, a AI trudno to przebić. (Rysunek 7: Narzędzia AI vs dojrzałe aplikacje) 4⃣ Przyszłość AI: już nadeszła, ale nie jest zrównoważona AI znacząco podniosło "poziom startowy" pracowników wiedzy, ale to nie oznacza, że wszyscy z tego korzystają. Menedżerowie inżynieryjni i inne specyficzne role, z powodu swojej struktury "średnio-wysokiego zrozumienia + niewystarczającej zdolności wykonawczej", mogą najbardziej skorzystać z AI; Twórcy czują potencjalne zagrożenie, a nawet opór; A niektórzy, widząc wielu ekspertów entuzjastycznie dyskutujących o AI, sami mają trudności z odnalezieniem praktycznego zastosowania, wpadają w wątpliwości: "Czy to ja czegoś nie rozumiem?" AI nie zmieniło całkowicie sposobu pracy wszystkich, ale jest to potężne narzędzie, które warto, aby każdy spróbował. Jeśli już próbowałeś i odkryłeś, że to rzeczywiście nie jest dla ciebie - to może być po prostu sama prawda. Oryginał: "AI is a Floor Raiser, not a Ceiling Raiser" Tłumacz: Caomu Qing