485 / AI说：你看起来像个东西，我爱你！You Look Like a Thing and I Love You
18:51 Share

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

Hello 你好 欢迎收听或者是收看独立知识型播客狗熊有话说 Bear Talk 我是大狗熊今天这期节目我想和你分享一本我在前段时间读过的一本小书 You look like a thing and I love you 这名字听起来很奇怪是吗你看起来像个东西 而且我爱你那么感觉有点不着头脑 但也有点小可爱小 cute

那么这本书的主题呢是关于 AI 的这个标题呢可能你也猜到了是人工智能 AI 帮忙取的那么这个书名出自于 AI 而这本书的主要内容也是关于 AI 所以今天这期节目就是来分享一下关于这本书我阅读之后的一些感受和体会

他的作者呢叫做 Janelle Shane 那么这个人呢可能很多现在喜欢人工智能这个话题的朋友都只知道什么 Sam 呀这个 Ultraman 或者是

这个谷歌啊苹果啊等等的这些人工智能的团队啊或者是知道 meet journey 等等但啊对于真正前沿的一些学者或者说研研究人工智能的这个专家呢也许并不是那么呃清楚那么

那么这位叫做 Janelle Shea 的人其实她就是一位在人工智能这个领域早在现在的这些 AI 浪潮开始席卷之前她就已经从事这方面的研究了有点类似我在以前推荐过的这个吴恩达 Andrew Ng 那么 Janelle Shea 这位

他是一位作者也是一位演讲者然后他主持了很多节目的专栏主持了很多杂志的专栏然后也写了一个自己的博客叫做 AI Weirdness 那么都是在讨论关于 AI 的这个话题那么早在 20

10 年代吧他就开始从事这方面的研究和主题那么这个是作者的他的首页这位呢就是作者那么他还在 TED 上做过演讲然后呢也有过一些其他的一些这个装返专访那么这是他的个人博客叫 AI Weirdness 那么这本书呢其实也是发表于

2019 年那么在这本书发表的时候呢 Chad G.P.T 还没出来 OpenAI 好像才刚刚开始成立开始做一些研究所以呢它里面这些内容它并不是像我们现在所知道的这些 AI 那么前那么

停留在技术的前端更多呢是一些更深层次的比如说 AI 如何学习 AI 存在的一些系统性的一些问题是什么 AI 的一些系统性的优势又是什么它在哪些方面早在 2019 年大家对 AI 人工智能并不是那么亲切的时候呢在哪些领域已经投入应用了所以呢这本书是关于这些内容那么

我觉得最有意思的一点是在其中其实提到了人工智能在中国的一个应用那么这是在 2019 年出版的时候就已经投入应用了那么这是一个

我把这篇文章找出来给大家看一下当时让西方人很震惊的中国在西昌有一个饲养了 60 亿只蟑螂的蟑螂农场那么他在使用这个农场的使用人工智能来进行农场内部的温度湿度这些的控制以营造出一个更

适合养殖蟑螂的场所然后他生产的蟑螂的原料就是一个中药叫做康复新叶的原料我当时因为自己以前没有这个感觉没有使用的体会所以当时知道这个消息还挺震惊后面朋友圈里面随便一发发现我其实有一些朋友

也在使用过也使用过这个产品康复新业而且说非常有效治疗口腔溃疡什么的效果很不错虽然你感觉很恶心是吧但是我这里就不做不对这个产品性评价而是觉得 AI 在当时在 2019 年和之前其实已经在很多领域已经投入使用了包括像游戏包括像一些工业的这个领域

那么最新比如说刚刚结束的奥运会法国的游泳池也使用 AI 来进行调节水温让水温能够保持最合适的让运动员游泳的这个程度

所以这一点我觉得是一个很有意思的一点我们现在理解的人工智能其实都是用户层面的但是在行业层面在 2B 的层面在工业层面很早它就已经开始使用而且运用的范围超乎我们想象可能我们很多现在见惯不惯的一些东西比如说交通灯的指挥气象航班等等其实都有 AI 在里面

而不是只是我们大家平时使用的深层式 AI 用它来制作图像文字这些音视频的内容

那么这是我从这本书里面看到的第一个例子就是在行业领域它的使用那么其次呢其实这本书真正让我觉得比较有收获的或者说开始产生兴趣的是这个话题就是传统的编程与机器学习的这种编程它们之间的区别因为我是作为一个

外行我不是程序员也不懂编程虽然我和程序员有密切的合作但是我不懂这个原理所以我也很好奇传统的编程是怎么学习的那么机器学习又是什么那么这里他就解释的很有意思就是传统的编程呢是基于这个规则的而且呢是需要人

去调整的逻辑那么而机器学习呢是基于数据的驱动而且呢更多是是从数据中学习到的一种模式然后在这个模式上进行展开所以比如说传统的编程呢它是基于具体的规则那么可能人事先确定好一些规则比如说这里的边界不超过然后呢去去执行这个这个操作

那么机器学习呢它是去分析大量的数据然后在这个数据中呢去提取出一些模式然后将这些模式运用到这个

实际中那么比如说传统的由人进行的编程是由人来进行撰写程序然后来创建数据户或者是创造网站那么机器学习它比如说可以用来进行图像识别然后自然语言的信息处理或者去预测一些数据分析其实从这一点我们也可以发现哪怕是在 2019 年就是在 5 年前

这个定义已经让我们对于人工智能的目前的局限在哪里会有一个比较清晰的认知因为当你是由人进行规则的确定那么这个规则是你可以跳出这个当前数据的框架去创造一个全新的规则的然后呢是由人工去进行干预

所以这就意味着有一些打破现有模式的一些框架的设计其实是用这种方式去进行更为合适而像机器学习它更多是在已经有优质的大量的数据的基础上进行分析然后确定这个数据的一些共性然后通过这些共性再开发出一个程序比如说我随便举个例子它可能是分析

地铁的上下班的时候的人群他走路的规则他行为的模式比如说是从哪个出口出如何如何那么分析了几百天这样的数据海量的数据之后他肯定就得出这个结论这个人行动的路线是这样在某个时间点他的数据量会如何如何那么根据这样可以去设计一些

模式设计一些程序那么他其实是没有去创造新的东西而是说去分析现有的数据所以从这一点来说我们运用人工智能的时候也是一样如果你要给他一个非常模糊的框架让他去凭空创造的话他只能在一大堆的现有数据里面去反复叠加去重复

所以很难出现那种完全串心的让人眼前一亮的一些东西那么这是我的理解可能再过几年又会或者说再过很短的一段时间又会有巨大的变化但我从这本书里面学到这点我觉得很实用 Sorry 今天还有点搞冒没有完全恢复所以有一点咳嗽请大家担待一下

然后下一个话题我想讨论的从这本书里面学到的是 sneaky shortcut 他是在说 AI 在执行任务的时候其实会有一个模式就是会尝试去走捷径

那么在 1997 年一项这个试验就发现了这样的一个特点就当时的程序员呢他们去开发了两个算法是让这个算法呢能够去玩这个 Tic-Tac-Toe 就有点类似我们这个五子棋的这样一个玩法那么让两个人工智能去对抗那么其中一个人工智能呢它创造出来的一个玩法就是人根本没有想到的它创造出来的是让这个自己的棋盘变得无限的大

那么对方的这个他的对手也就是另外一台电脑在运行程序的时候呢就会因为内存溢出而这个系统瘫痪于是呢他就赢了所以这个是我们很难想到的一个方式去取得胜利而是突破了这个系统之外那么这就是一个 sneaky shortcut 我觉得

人其实也是类似那么很多时候我们也想通过大脑需要去走捷径如果大家阅读过或者有听过我之前录制的播客思考快与慢那期节目叫丹尼尔卡夫曼的系统一和系统二的这个思维的话就知道我们人总是倾向于去使用简单化的这个框架

节省自己的脑力而不是去费力去思考的所以 AI 也是 AI 也是在执行同样的这种方式那么另外一点我学到的就是 garbage in garbage out 那么这点和数据有关也就是说如果你未给 AI 的数据是优质数据那么它输出的同时也会是优质的数据其实这一点我觉得当然对数据对 AI 很管用但其实对我们个人

人本身也类似如果你给一个人非常优质的数据的话那么他的输出通常也会优质的我举个例子人容易受其他人的影响对吧那么我们都知道一个中国传统的教育理念就是选择一个好的环境

那么如果一个小孩在成长的环境中他自己的天赋秉性稍微弱一点但是他周围都是特别聪明的特别有帮助有才华愿意助人的其他的小朋友的话那么通常他大差不差也不会差到哪里其实这也是类似一种 garbage in garbage out 就是 your input is better 或者说你的 input 好的话你的 output 就会很好 AI 和人差不多

那么我从这本书里还学到的一个很具体的这个操作其实这一点呢我觉得在现在很多进行人工智能的运用的时候都会谈到的就是 narrow the task 就是你把让 AI 去执行的这个

指令或者说这个尺度呢尽量压缩到一个可控的一个范围给它一个界定的范围让它在这个框架里面去工作那么会非常有效那么最常见的比如说我们现在都知道你要给 AI 设定一个工作的这个比如说方向如果你要让它给你提供一些

设计领域的建议那么可以先给他指定这个角色是一个设计师是一个资深设计师然后你可以给他指定你要解决的问题是哪个环境内的哪个领域的问题比如说是用户体验设计的或者是 UI 设计的然后再给他具体的问题甚至再给他一些具体的例子

这个时候它给你的输出和反馈就会比较接近你需要的要求所以 narrow the task 这点也很重要

但另外就是局限了就是使用 AI 的局限了在这本书里面提到 bears 也就是这种偏见或者说偏差那么在使用 AI 的时候有偏差其实我们都知道首先它有 hallucination 就是幻想就是 AI 它会非常

非常自信的给你一些错误的答案想象的答案那么这是一种还有一种的其实数据本身可能会存在偏差比如说数据你给到 AI 的或者说它现有的这个数据呢本身缺乏了某些方面的角度的话它输出的结果也会有问题

最常见的比如说在前段时间我不知道现在有没有修复了在前段时间如果你要 AI 说生成一个科学家的形象它生成的科学家如果生成 10 张图片可能有七八张都是男性只有两三张是女性为什么呢因为同样的情况当你在谷歌上去搜索 scientist 科学家

因为这个是一个宗性词没有男也没有女那么得出来的结果其实如果是搜图片的话那么前两页的大部分你看到的第一感觉的结果都是男性男性为多所以这也是数据上出现的一些偏差那么如何去避免那么这是我们在使用 AI 的时候我觉得应用者会需要考虑但从我们具体使用者来说

具体的这个个人用户来说呢也需要去意识到它是有偏差的它是有这个想象的你需要去核实你需要去带着 critical thinking 就带着批判性思维去看他们提供的内容

那么第二就是关于道德方面的一些考虑比如说 privacy 隐私或者比如说 AI 会代替人的工作这些如何去考虑那么这不是我这期节目想深入聊的话题大家感兴趣可以去自己再去研究那么我之前在读这本书之前其实有这些问题

比如说 AI 和人是如何学东西的那在刚刚说到的 machine learning 就是已经把这个问题说清楚了然后传统的这个编程和这个机器学习有什么区别 OK 也知道了那么 AI 是聪明还是蠢这个领域呢

这个角度其实也分如果是从解决具体的问题给他一个非常清晰的尺度然后有足够的良性的或者优质的数据可以分析的话 AI 非常聪明但如果是框架性的一些创新或者是需要去进行一些模糊的判断的话 AI 就比较愚蠢而且他会超捷径

那么这大概就是这本书的一些我在书中学到一些很实际的一些用法那么在这里其实有一个话题就是人和 AI 的结合以后会怎么办那么很多人会在想 AI 已经在取代我们的工作了那么我想大家可能都已经很熟悉的一句话是不是 AI 在取代你的工作是会用 AI 的人在取代你的工作那么就像

我们就像这个安德鲁因就是温达他的一句话是担心 AI 会取代人那么就像担心这个火星会变得非常拥挤会出现塞车一样在现在这个阶段它还不是我们现在需要去面对的问题可能是很久之后才需要去考虑的问题

但我们现在很多人都需要考虑的问题就是你如何能够和 AI 进行良好的合作然后如何去更好的使用它那么这本书的给我得到的一些观点就是我们需要有批判性的思维需要去有验证然后需要去理解它的模式上的这种局限那么你才会更好的运用它而且能够取长补短发挥你作为人的优势

然后另外呢就是其实就是两句话第一呢乐观一些第二呢谨慎一些 OKBe optimisticBe cautious 那么这是对待 AI 的我自己的两个巨大的或者说两个 take away 两个收获也是自己在使用 AI

辅助我工作比如说现在我在录制这期节目之后我会用 AI 来帮我进行校对进行文字的输出剪辑进行中英文的翻译校对图片的生成那么我也会带着之前也会用使用 AI 来做一些调研做一些 research 但我总是会带着一点批判性思维去看待它就是我会

很乐观认为 AI 可以让我们效率得到极大提升但同时我对它的输出也需要带着一定的谨慎的态度那么这就是我在今天这期节目 You look like a thing and I love you 这本书的书评想要和大家分享的一些自己的感受感谢您收听我们下期节目再见拜拜

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

请不吝点赞 订阅 转发 打赏支持明镜与点点栏目

关系要 los quehaceres escuchando merengueepa

但与 COX Multigig 所有智能设备联系在一起,并工作在一起。完全吸引,送到超市,最后的干涸。在 Juan 放松时,他在家中获得最好的互联网。与 COX Multigig,所有设备联系在一起,让你能够静静地喝。在每个地方都能在 COX 的地方。