AI在快速“剝削”人類的知識財富？你也可以馴化AI | 李檬相對論
今天，你可以向AI提出任何問題，并迅速得到答案，回答水平超過了95%的專家，而這是AI通過技術優勢快速“剝削”人類知識財富實現的。正如《人類簡史》作者尤瓦爾?赫拉利所說：“只需幾年時間，AI 可能會吞噬整個人類文化數千年來產生的一切，進行消化，并開始涌出大量新的文化產物。”
很多時候，AI甚至都看不上人類那點知識，因為在很多情況下AI生成的知識質量更好。比如，人類醫生一周能看200個患者，AI醫生一天就能看200個患者，兩者的最大差別在哪里？同樣時間，AI醫生看過的病人要多得多，也就有更多機會接觸各種疑難雜癥，熟悉大量罕見病的病程進展，而且還能從這些進展中發現規律。相比之下，人類醫生除了在知識量上遠遠不及AI，更重要是，AI還能領悟透我們人類觸及不到的知識結構。
時至今日，人類有史以來所有知識經驗，都能被AI統籌起來，建立一個大數據庫，供每一個人隨時隨地免費取用，包括最頂尖的創作、法律、醫療、教育等核心資源。
AI讓知識的獲取與生成變得如此簡單，我們是否還能保持對深度理解的渴望和探索？未來還會有人類的學術成就嗎？對這些問題，我并不感到悲觀。
一、AI吸收生成知識 人類升級思維模型
基督教會有一項“查經”活動，就是逐字逐句讀《圣經》，一晚上只讀一小段，然后大家自己體會，自己領悟，這件事做了幾千年。同樣的《圣經》經文，不同時代的人，不同社會階層的人，以及不同年齡、不同見識的人，會有各自不同的理解。比如，耶穌說“愛你的仇敵”，馬丁·路德·金的理解是“非暴力抗爭的力量”，尼采則認為是“弱者的道德”。
《圣經》經文幾千年沒有變，但人們頭腦中的思維模型一直在變，不斷刪掉舊的程序，形成新的程序，涌現新的知識輸出。知識是什么？無非就是人腦中不斷變化的思維模型，對新的環境信息做出各種加工，然后實現輸出。
如果AI快速篩選、整合信息并生成新的知識，被認為是剝削人類知識財富，那么，人類也能快速更新思維模型，或者創造新的思維模型。人類思維模型的核心是判斷：
第一個是“真偽判斷”，這是真的嗎？
下一個是“是非判斷”，這對不對？
然后是“價值判斷”，這個重要嗎？
最后是“道德判斷”，這事我該褒獎，還是譴責？
這四個判斷的次序是不能錯的，不能連基本的事實都沒搞清楚，就搞道德判斷，點贊或者吐槽。但時至今日，AI的正常使用越來越需要由人來把控，AI胡編濫造、傳播謠言的事情已不少見。
AI吸收、創造、儲存知識，有無與倫比的優勢，但不能偏離我們人類的思維模型。縱觀人類的知識進化史，其實就是知識儲備和思維模型的“交互迭代”——知識儲備邁出一步，思維模型便旋轉一圈，兩者相互推動、螺旋上升，每一次迭代升級，都是對舊有邊界的突破，也是對未知領域的拓展。
01 工業時代之前
工業時代之前，知識掌握在少數精英手中。尤其在中國，讀書跟做官、獲得社會地位是掛鉤的。那時，書寫昂貴、教育門檻很高，知識與權力（社會地位）相互鞏固，導致了“寒門難出貴子”的普遍現實。古人讀書有多貴？蔡倫改進造紙術前，寒門學子為（使用帛書）抄錄一本《論語》，往往需要變賣家產或借貸度日。即使在印刷術發達的宋朝，要購買一套《資治通鑒》也需花費一個普通家庭2年的生活費用。
僅僅獲取一些存量知識，就這樣困難和昂貴，導致古人頭腦中的思維模型進化緩慢，比如中國“天圓地方”的觀念，歐洲人“地球是宇宙中心”的執念，都可以延續千年。
02 工業時代
進入工業時代，大多數人都被動接受標準化教育，生產線式學習知識。我們幾乎都是在“普魯士教育制度”下完成的學業階段。什么意思呢？就是學校教的知識被分割成為不同科目，學生早出晚歸，聽課、做筆記和參加不同學科的考試，最好不要偏科。上了大學，專業更加細分，絕對是隔行如隔山。比如，同樣是眼科醫生，研究晶狀體的專家與研究視網膜的專家，手術技能、設備使用幾乎沒有交集，就像來自不同專業。
“垂直化分科”在工業化初期起到很大作用，與工廠的流水線幾乎是無縫對接的。但接受這種教育是有代價的，導致我們的思維模型難以對不同學科知識融會貫通，喪失跨界思考能力。
03 互聯網和決策AI時代
互聯網時代漸漸形成了“平臺吞食世界”的趨勢。也不是說，互聯網就一定會塑造強勢的平臺，但互聯網強化了“內容受制于渠道”的現實。
哪怕在好萊塢的黃金時代，電影編劇、導演也是受制于制片人，制片人則受制于發行公司，很多時候發行公司又受制于院線，因為院線負責排片，決定了哪部電影可以被更多人看到。日本漫畫界一貫以“尊重作者”著稱，也難以避免“渠道為王”，漫畫家受制于雜志編輯，雜志編輯受制于雜志出品人，雜志出品人又受制于報刊零售渠道。這種層層遞進的制約，讓知識創造者很難不去討好外行。
互聯網讓渠道變得更加集中，也更加昂貴和強勢，加上決策式AI（比如智能推薦）影響，平臺公司壟斷了信息分發，推薦算法操控了人們的注意力。蘋果 CEO 蒂姆·庫克曾說過:“我并不擔心機器像人一樣思考，卻擔心人像機器一樣思考。”現今的知識創造者，最大的問題就是“像機器一樣思考”。他們總會隔著 AI 分發算法，去猜測用戶究竟想要什么樣的內容。或者說，知識創造者們大多是在配合互聯網平臺的算法規則，猜測哪些內容會被機器篩選出來，推薦給用戶。
此時，我們的思維模型長期受制于AI推薦算法，逐漸失去了獨立思考和多元視角的能力。推薦算法的可怕之處，在于AI并非被動迎合你的需求，而是主動引導你的選擇。比如，TikTok和Instagram的推薦機制就利用“多巴胺效應”：算法會在短時間內不斷呈現讓你感到愉悅、刺激的視頻內容，使你持續刷屏，漸漸“培養”了我們大腦短視化的行為模式。
04 生成式AI時代
生成式AI時代的知識定價變得十分精確，以OpenAI的GPT-4為例，用戶按token數量支付費用（Token是AI模型理解和生成語言的基本單元），1個token約等于0.75個英文單詞，或者1個漢字，比如生成大約750個英文單詞或1000個漢字（即1000個token）就需要支付相應費用。token計費的最大好處，在于知識創造者（加工者）可以繞過平臺直接變現。
英偉達CEO黃仁勛就認為：“就像19世紀末交流發電機給人類帶來了源源不斷的電，而現在的AI正在源源不斷產生各種token，這確實是一場新的工業革命。”黃仁勛還直言：“生成式AI會逐個生成token，這些token可以是單詞、圖像、圖表、表格，甚至是歌曲、文字、語音和視頻，可以代表任何具有明確意義的事物。不管是化學物質、蛋白質，還是基因都可以。我們可以通過生成的方式探索無限可能，為任何有價值的事物生成token，無論是控制汽車的方向盤，還是讓機械臂的關節運動，抑或是我們目前能夠學習的任何知識。”數據被徹底改變，我們突然發現萬事萬物都可以被token化。
“萬物皆可token化”的趨勢下，我們人類的思維模型也悄然轉變，知識正在變成動態的、流動的過程。我們頭腦中的關注點已經從“擁有什么”轉向“如何生成”，從“記憶知識”轉向“駕馭算法”。
如此看來，哪怕AI在快速剝削人類知識財富，但我們的思維模型也隨之升級，依然把控著AI的進化方向。比如，你可以借助AI創作工具靈感島生成爆款文章，AI能夠深度洞察爆文邏輯，一鍵優化文案，但是判斷哪些部分最有價值，精準提煉核心亮點，確保內容有吸引力，又符合你的內心需求，還是要由人來把關。
未來，知識財富的生成機制可能是“AI吸收生成知識，人類升級思維模型”。
二、你該如何馴化AI
縱觀人類發展歷史，在我們的知識儲備、思維模型的“交互迭代”中，AI只是一個變量而已。AI快速剝削人類知識財富的情況，也只是暫時的。不同層次的知識創造者，包括創意孵化層（廣大內容創作者）、主體應用層（企業）、前沿探索層（科研工作者、技術開發者）等，都會找到新的知識生成和管理模式。
01 創意孵化層：廣大內容創作者為AI的智能進化持續提供語料數據
2021年的一部電影《芬奇》，很有意思，背景設定在一個末日世界，地球因輻射污染而變得不宜居住。男主角是一個工程師，擔心自己快要死了，自家的狗沒人照顧。他就想通過訓練一個AI機器人，來幫忙照顧自家的狗。他是怎么訓練AI的？就是把圖書館里所有與狗相關的材料全撕下來、掃描（變成數據），喂給這個AI機器人，使之形成一個知識框架......故事有好的結局，這個AI機器人逐漸由一個工具變成一個有情感、有責任的伙伴。
可是，AI模型的訓練遠沒有這么簡單，不是把書掃描下來就能夠進行訓練的，況且圖書館里也遠不能提供足夠多的材料供 AI 訓練。真實的情況是，除了需要更大規模材料（數據）的野蠻轟炸，也需要與應用場景相匹配的算法、算力支持。
AI 真正超越人類之處，在于 AI 每一分每一秒都在瘋狂學習，都在持續進步。而驅動 AI 瘋狂學習和快速進步的，主要是算力、算法和數據。
可以將AI的大腦想象成為一座房子，數據就是磚塊（學習材料），算法就是圖紙（學習能力）、算力就是鋼筋（學習強度）。DeepSeek的出現徹底改變了AI中數據、算法、算力三足鼎立的格局，DeepSeek是開源的（相當于完全公開了這個房子的設計圖紙），而且大幅降低對算力的需求（就像蓋房子用上了榫卯結構，一根釘子都不用，對鋼筋的需求大幅下降），最后只剩下拼數據了。
在ChatGPT誕生之初，我就有過一個基本觀點：AI所有創作的“原料（數據）”，都來源于人類創作者們的已有成果，AI擁有超高的信息篩選、整合能力，將會在效率上“打敗”大多數人類知識創造者，或者說，AI已構成某種程度上的技術壓榨或剝削？
在DeepSeek出現之后，“知識蒸餾”成為科技界的一個關注點，AI大模型自己也會面臨技術剝削。什么是“知識蒸餾”呢？就是通用大模型被當作一個橙子，總會被“榨汁”給專業（行業）小模型喝，知識就是橙汁，AI大模型自己也可能被“榨干”知識，成為被壓榨的“打工人”。
現今，任何人或AI模型創造出來的知識財富，都擺脫不了被采集、被蒸餾的宿命，最后都是你中有我，我中有你，迭代前進。
數據是AI的心跳，也是構成一切知識骨架的鈣質。未來的人類知識庫，一定是人類和AI共建的，但是，我們要真正掌握主導權，就需要做好核心數據管控。在這方面，好萊塢的編劇和演員群體跟AI已經有了新的共處模式。
2023年，好萊塢的演員和編劇們進行了一場長達 5 個月的大罷工。諸多電影、劇集拍攝停擺，新片發布會、走紅毯儀式和訪談暫停，那期間舉辦的威尼斯電影節上，好萊塢演員持續缺席，連艾美獎和奧斯卡獎的頒獎儀式也受到沖擊。這次爭議的主要焦點是如何應對 AI 在影視行業中的使用。罷工結束后，編劇和演員們與制片方達成了一些協議，明確了 AI 在創作、表演中的角色限制。編劇們同意將 AI 視為輔助工具，用于生成創意或初稿，但最終創作權仍歸人類編劇所有。AI生成的內容不能被視為原創作品，編劇的署名權和薪酬不受影響。
做好核心數據（語料）的源頭管控，是廣大內容創作者應對AI技術剝削的主要策略。
02 主體應用層：應用層面的數據經驗被企業用于升級AI智能體
企業是AI的主體應用層，企業要訓練AI，有一個很重要的中間件，就是SOP，即“標準作業程序”。
AI工具已經能將很多復雜的知識萃取出來，做成SOP。比如，你讓AI干客服，它能從成千上萬條歷史對話中學習，總結出最有效的回答套路。比如，你讓AI做質檢，它能迅速識別、分析過去出現過的各種瑕疵，快速判斷產品是不是有問題。
很多企業在深度構建知識型組織，比如華為有近20萬員工，本質上是由20萬個分布式“知識存儲裝置”組成的龐大網絡。但問題在于，這些分散在每個人頭腦中的經驗，如何轉化為企業的核心資產？
華為有句名言：“企業最大的浪費，是經驗的浪費。”辛辛苦苦培養了一名優秀員工，哪一天這個人離職或被挖走，就意味著企業失去了一筆寶貴的知識財富。
借助AI，用員工的知識和經驗，對企業的SOP進行升級，是不錯的辦法。通過將員工的聰明才智注入企業的SOP，相當于每個員工頭腦中的知識資產，可以被提取出來，實現積累、運營、保值乃至增值。
有了好的SOP，看著飛機的使用說明書，就能把飛機開起來。真正的困難，是很難把操作的卡點和SOP規范要求連接起來，不理解要求的真實含義和做到位的關鍵。
有科技公司開始鼓勵員工搞自己的“個人操作系統”，以前只是將這個崗位的工作流程告訴程序，現在人機交互可以用自然語言了，這個工作崗位上那些最好的員工，可以用自己的思維方式升級AI智能體。
AI 在企業層面的很多進展，可能會讓很多人失去“職場競爭力”。但換個角度，在 AI 面前，你的老板可以炒了你，雇 AI，但你也可以炒了你的老板，然后成立自己的 AI 公司。未來，每一個人都可以擁有一個自己的 AI 團隊，里面有各個領域的虛擬專家，隨時供你調遣，幫你開創各種新的財富機會。
03 前沿探索層：AI引出舊答案，倒逼科學家、開發者創造增量價值
AI讓生成新的知識變得極其簡單，那么，這會不會讓我們失去前沿探索的熱情，導致追求科技進步、學術成就的動力減弱？我認為，人們普遍對知識財富存在誤解，消除這個誤解，自然就有了答案。
郭朝暉（寶鋼中研院首席研究員）曾大膽指出：“很多科研院所搞學術研究，很像辛棄疾說的那樣，為賦新詞強說愁。沒有問題，也要變出一個問題，想辦法改一下，然后去發表論文。相比之下，具體應用中的很多實際問題，特別難搞，往往是付出長期努力卻沒有絲毫進展，簡直把人逼瘋，這反而能給人帶來實質性的能力增長。”
什么是知識財富？知識的本質不是概念，而是方案，有了好的解決方案，才能使知識成為財富。
比如，人工智能這四個字，是不是知識？過去，我們研究人工智能，是為了用計算機等工具模擬人的大腦，所以，在長達半個世紀的時間里，研究人工智能的人要么是計算機科學家，要么是腦科學家。現在，我們發現，即使我們還是不知道大腦是如何工作的，并不影響我們開發越來越好的AI大模型和AI智能體。現在研究人工智能的人，更多是算法工程師。
那么，人工智能是不是知識？要看基于什么目的，得到什么解決方案。問題和答案連到了一起，才知道一個知識的真相是什么。讓知識真正成為財富，至少需要經歷三個階段：
一：確定解決什么問題，是不是有價值的好問題？
二：充分掌握問題過往，最可靠的舊答案是什么？
三：對該問題，你能提出哪些更好的新解決方案？
好問題+更好的新解決方案，才能構成新的知識財富。而AI只是引出舊答案，倒逼科學家、開發者創造更多增量價值。
現有的AI模型和算法，都是被經驗馴化出來的。它的能力局限在人類以往的知識經驗的范圍內，沒法應對從未出現過的新問題。我們面對 AI 最好的態度就是做好自己的事。AI 的進化不會使未來變成人和機器的競爭，而是進一步加速人和人之間的分化。AI 必將使平庸的人失去很多，同時也會讓真正具有洞察力、想象力和創造力的人擁有更好的實施工具。你會在新的生產力水平上創造更多新的知識財富。
*本文圖源網絡 如有侵
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）