从一年前的 Github Copilot 问世，到半年前 Stable Diffusion 获得画展比赛的桂冠，再到几个月前 ChatGPT、最近的 Notion-AI 与更逼真的 Stable Diffusion；AI 的发展和应用正在一种快速且意想不到的方式推进，在为我们的创作和生产提供了更多可能性的同时，也让人们开始感到“自危”。作为一个日常使用 AI 辅助生产的工作者，我想谈一谈这么长时间我对 AI 的看法。
随着 AI 技术的迅速发展，越来越多的公司开始使用 AI 技术来提高生产力和效率。现在，AI 已经不再是一个简单的 Demo 产品，而是正在成为各个领域的普及产品。例如，医疗领域的 AI 产品可以帮助医生更准确地诊断病情，而工业领域的 AI 产品可以帮助企业提高生产效率和质量。同时，随着各行各业的不断发展，越来越多的 AI 产品正在朝着领域特化的方向发展，以满足不同领域的需求。总之，可以预见的是，AI 产品将会在未来的发展中变得越来越普及和重要，成为各个行业不可或缺的一部分。（此段使用 Notion-AI 进行扩写）
面对最近比较「出圈」的事件，人们往往有一些疑惑：为什么 AI 能够在创作领域打破很多人们的固有认知？
因为很多看似是创作的工作，实质上并非是创作。如果你看过《Everything is a Remix》就会明白，绝大多数的创造实际上是一种对多种已知事物的再混合——而这正是机器学习所擅长的。而模式上的元创新，则属于一种稀有且不易复现的能力。
但是这些 AI 产品并没有我们表面上看到的那样强大。比如在 Stable Diffusion 中，对于一些细节的处理（肢体末端）是很不到位的，看着很假；再比如 ChatGPT 更擅长文字处理而不是逻辑运算。更何况，人类连自己都不是那么的信任，又怎么能完全信任机器生成的结果。因此我想，AI 辅助工具的最终形态并非直接生成结果，而是生成一个可以被人继续加工、修改的中间格式。人的意志作为起点和终点，让 AI 连接他们。比如，与其通过 AI 直接生成一个完成的动画视频，不如让 AI 生成多种素材以及他们的运动方式，再交由专业的动画渲染软件完成这个任务。
另一个有趣且悲观的问题是：有了 AI，我们的学习还有意义吗？
需要。即使从纯粹理性的角度来说，我也至少能想到一下几个理由：
- 人类是另一个 Intelligence，是与 AI 一起配合的 Intelligence。显然，在 AI 学习的同时，我们也需要学习。
- 人类依旧需要负责「创造」和「整合」本身。
- 解决更高级的需求和问题，需要由现有的高级的经验整合而来——这也是一种学习。
- 人类是目前最好用的通用 AI，甚至包括了完整的物理（生理）结构。
但是我还想补充一点，且这往往是被很多理工学生忽略的一点：人是整个环节里的变量之一。要展开描述这个观点，我想引用一下我在多年以前写下的一段话：
为什么做技术需要思考与情怀，因为这是让我们成为艺术家、工程师而不是写代码的机器的唯一的方法。计算机科学同其他的科学一样，也是一把双刃剑。没有了情怀与思考，代码也会do evil人类的道德就像是用脆弱的材料构建起来的宏伟殿堂，外表上完整而壮丽，可是仔细一看有些地方却脆弱无比。在这个意义上，思考道德问题，本身是一条不归路——你一旦走进去，就无法再把这座殿堂唯一称之为美丽——但是这是试图修复他的唯一的方法。另一个词，情怀，常常被人们（尤其是我这样的理工男）贴上“不切实际”的标签。然而不像是自然科学那样因果永恒的，在社会科学中，人本身既是变量，也是结果。而这就是为什么要有情怀的原因——画饼最后就可能就会有饼。以上，让我们作为一个“人”，而存活在这个世间。
另一个关乎到就业的问题是：AI 尤其是 ChatGPT 会让我们失业吗？
是的，显然 AI 带来的巨大的变革，而变革总是伴随着一些机会的失去和新的机会的诞生。
AI 擅长模式迁移，但也有很多不擅长的东西。而我们的工作往往会同时涉及前者或者后者。更极端地考虑的话，如果 AI 真的能完成人类的所有工作，那么我们就提前通过使用奴隶制进入了共产制度（笑）。
比起 AI 让我们失业，我更担心的是由于 AI 资源在不同人中的不平等分配而引起的种种问题。从现在来看，AI 资源仍然是垄断在小部分人手中的。这种不平等迟早会成为一种隐患。
简单来说，AI 利空重复劳动，但是利好模式的创作。因此，它们对我们的影响积极与否，取决于我们是否学会了使用它们来帮助我们取代重复劳动。
最后重申观点：人，依然是社会最关键的一环；但是我们需要学会让 AI 辅助工具融入到我们的工作流之中。