原创 | 硅谷人工智能研究院院长：AI会取代一些工作，但也会带来这些新的岗位

i黑马 • 6月前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

1、 我经常被问到一个问题，就是AI会不会取代工作？ 我的答案是，可能会。但是，AI也会带来许多新的工作。比如：提示词工程师、数据馆长，AI侦探、模型定制者、教育工程师、智慧医生。

2、实际上，1994年自动驾驶汽车就已经出现了； 1997年，IBM的深蓝（Deep Blue）战胜了世界象棋冠军；2001年，IBM又推出了超级计算机沃森（Watson），可以使用人类自然语言回答问题。

3、直到2006年和2007年，有两位欧洲科学家推翻了之前科学界认为神经元不可复制的理论， 他们认为计算机网络是能够模仿人类神经元的，所以在2006年-2007年推出了关于人工智能的网络，这也是人工智能深度学习的起点，现在的AI实际就是从深度学习开始的。

4、在 2016年出现了DeepMind，通过深度学习谷歌推出了AlphaGo。 基本在同一时间，还出现了一个生成式对抗网络，生成不同的图片，其实就是生成式AI的雏形。

5、今 天我们在应用的就是生成式AI，它的爆发式增长是从2017年开始的。 谷歌的科学家们推出了一个Transformer架构，这是应用神经网络的模型。不过在当时，它主要被应用为机器翻译。后来发现，它不仅是两种语言之间的翻译，还可以生成图片、视频，能够应用在不同领域。

6、一些结果证明，即便是小模型也能够拥有像ChatGPT一样的功能。 我们真的需要这么大规模的数据去训练并应用吗？比如斯坦福的模型，当时只花600美元就可以训练。

7、加州大学伯克利分校的一个项目，机器人跟生成式AI是可以一起应用的； 谷歌的PaLM-E机器人是根据多模态语言模型所开发的；英伟达也推出了一个以多模态模型为基础的机器人，能够做出很多不同的动作；斯坦福有个研究项目，通过让机器人观看视频里人类的行为去学习，然后去做跟这个人一样的事情，这其实也是我们人类学习的一种方式。

原创 | 硅谷人工智能研究院院长：AI会取代一些工作，但也会带来这些新的岗位

近日，由创业黑马主办的 “2024福州人工智能+产业发展论坛” 在福州圆满举办。本次论坛以 “智启新元，创新无界” 为主题，聚焦人工智能在产业发展中的应用。论坛中，硅谷人工智能研究院院长 皮埃罗•斯加鲁菲 以 《技术突破与可落地的人工智能》 为主题进行了分享。从人工智能的历史，到生成式AI在教育、医疗、设计、营销等领域的具体应用，还分享了 “AI会不会取代工作”以及“会创造哪些新的岗位”。

以下为i黑马整理编辑的演讲内容：

人工智能是1955年出现的，我自己也出生于1955年。

1955年，麻省理工学院的科学家提出了人工智能的概念。由于当时的计算机体积非常大，所以最早的人工智能有很多限制。

当时人工智能分为两个流派。 一个流派，是以数学为基础的，是由一批数学家将计算机与自己的研究结合起来，从而进入人工智能领域。 另外一个流派，则是想用电脑网络去模仿人类大脑的神经元，人类大脑有数万亿的神经元，可以想象一下这能有多少相似的地方。

在当时，第一种以数学为基础的流派是比较流行的。1969年时我还是个学生，有一位非常著名的科学家出版了一本书，证明了神经元网络是不可能的。他说，计算机怎么可能跟人类的神经元网络相比呢？所以在很长一段时间以来，人工智能的发展基本都是很受局限的。

实际上， 1994年自动驾驶汽车就已经出现了；1997年，IBM的深蓝（Deep Blue）战胜了世界象棋冠军；2001年，IBM又推出了超级计算机沃森（Watson）， 可以使用人类自然语言回答问题。

直到2006年和2007年，有两位欧洲科学家推翻了之前科学界认为神经元不可复制的理论，他们认为计算机网络是能够模仿人类神经元的，所以在2006年-2007年推出了关于人工智能的网络，这也是人工智能深度学习的起点，现在的AI实际就是从深度学习开始的。

2012年，又有一位科学家和他的两位学生创建了AlexNet，一个非常著名的计算机视觉神经网络模型。AlexNet能够识别电脑中的任何一张图片，也再一次证明了神经元网络能够在计算机当中应用。

之后人工智能又取得了非常多的进展。比如说， 在2016年出现了DeepMind，通过深度学习谷歌推出了AlphaGo。 基本在同一时间，还出现了一个生成式对抗网络，生成不同的图片，其实就是生成式AI的雏形。

这些图片刚出来时，人们是非常震惊的，因为这些图片都是电脑生成的，不是真实存在的，现在看起来好像没有什么，但在当时非常轰动。

这个生成式对抗网络还能够把文字转换为图片，也可以把文字转换为视频，不过在当时要花比较长的时间。

原创 | 硅谷人工智能研究院院长：AI会取代一些工作，但也会带来这些新的岗位

今天我们在应用的就是生成式AI，它的爆发式增长是从2017年开始的。 谷歌的科学家们推出了一个Transformer架构，这是应用神经网络的模型。不过在当时，它主要被应用为机器翻译。后来发现，它不仅是两种语言之间的翻译，还可以生成图片、视频，能够应用在不同领域。这就是生成式AI至今的发展进程。

当然生成式AI在未来也有不同的发展路径。

一个是定制化的语言模型。大家对ChatGPT应该非常熟悉，那应该注意到ChatGPT也会犯一些错误。但是，如果把ChatGPT的数据限制在一定范围内，它的结果可能会更精确。在某个具体领域去训练ChatGPT，比如医疗领域、运动领域或者制造业领域，它最后生成的结果会更加精确，用途也会更加广泛。

另一个模型目前还没有官方命名，我叫做Low-Compute AI。 我们知道生成式AI要花很多钱，小型机构都没有办法去做，从理想情况来看，我们希望大家能够用自己的手机去做像OpenAI训练ChatGPT这样的事情。因为没有强大的大规模硬件，所以我想把它叫做低算力的AI。

一些结果证明， 即便是小模型也能够拥有像ChatGPT一样的功能。 ChatGPT也是从一个不可能变成可能的一个过程，它把所有吸纳的书本或者网页数据生成了结果，但是我们真的需要这么大规模的数据去训练并应用吗？比如说斯坦福的模型，当时只花 600美元就可以训练。所以我认为，在这种小规模数据的领域也是可以应用 AI的。

现在比较流行的还有多模态模型，可以把文本、图片、视频结合在一起，全部放在AI模型的训练当中。

我先跟大家分享一下 AI在教育领域的应用。

不少学校老师告诉我，怕学生用ChatGPT去作弊。但是要看到硬币的两面性，我们也可以训练ChatGPT，让AI用那些知名科学家的教学方式去教授学生，或者用AI重现的形式教学生跟已故科学家互动，或者让学生阅读所有关于宋代的书籍。学生和拥有特定技能的聊天机器人对话，会发现这个学习过程非常有趣，这在很大程度上会改变我们的教育模式。

有公司咨询我，AI怎么帮助他们打造出更好的产品，AI在战略营销领域也很有用。

我们可以把市场的数据、客户的反馈、竞争者的信息集合在一起，然后让生成式AI去生成对于产品设计的见解，给出相应的建议。 生成式AI在设计产品这方面是很有用的，还可以根据不同需求去定价。

AI在设计领域的应用也很广泛，比如用生成式AI设计一辆车，甚至可以设计一座城市。

人们总是说，AI可以帮助我们节省时间。实际上，它还可以提高个性化的程度，可以带来更好的决策，能够帮助提高收入。这不仅有利于整个行业，还有利于整个产业的发展。

医疗也是AI非常重要的应用领域。

我觉得AI可以帮助全科医生。比如当我们需要家庭医生，就可以24小时随时联系这个AI医生。AI也可以用来做癌症的检测，从小疾病到像癌症这样的重大疾病，AI可能都可以检测到。当然还可以用AI来跟病人进行交流，因为有时候医生给病人开药，但不会告诉病人为什么会得这样的病，这些就可以问AI得到一些解释，让病人更好地理解自己的病情。此外，医疗领域每年都会发表不计其数的论文，医生没办法一次性看完这么多论文，生成式AI就能够帮助医生总结这些论文，提取要点。

所以我把AI在医疗领域的应用叫做全科AI医生，就像全科医生一样具备广泛的功能。多模态AI其实也可以应用在医疗领域，医生可能要根据病人的眼睛、手、脸、X光片来诊断症状，这些也可以用多模态模型同时生成。关于AI在医疗领域的未来发展，如今我们看到一个借助AI的医生，会认为这个医生一点都不专业。可是5年之后，医院有AI来辅助会变得普遍，10年之后就更加普遍了。

最后是机器人。

传统机器人主要是重复做一些简单的事情，比如工厂里的机器人。但是如今的机器人已经能够更加了解这个物理世界，并且适应不同环境的变化。

加州大学伯克利分校的一个项目，机器人跟生成式AI是可以一起应用的；谷歌的PaLM-E机器人是根据多模态语言模型所开发的；英伟达也推出了一个以多模态模型为基础的机器人，能够做出很多不同的动作；斯坦福有个研究项目，通过让机器人观看视频里人类的行为去学习，然后去做跟这个人一样的事情，这其实也是我们人类学习的一种方式。

生成式AI还能够被应用在哪些领域，有待我们去探索。