5/12 博客练习 - 关于 《IT 专业应该怎么学》

[SoftwareTeacher]

首先，你要加入这个社区： 【加入】

请你通过写博客的方式来完成这次作业。  【 写博客快速入口 】 

要求

近期AI成为热点话题， ChatGPT， GPT4， new bing， Bard，AI 绘画， AI 编程工具引发大量讨论。请结合自身学习经历，一起来聊聊你对 AI 技术以及其今后发展的看法吧。

请在下面的问题中选择一些来回答：

1）你人生中第一次接触到“人工智能”的概念和产品是什么？什么让你觉得“人类做的东西的确有智能”？

2）描述你在学习中碰到的最高级的 AI 是什么？

3）你听说过最近的GPT，new bing，bard，AI绘画，AI编程工具么？请看：https://blog.csdn.net/nav/ai/chatgpt 哪一项技术让你觉得最惊艳？

4）现在有很多帮助大家编程，发表作品的工具，CSDN 刚推出了https://inscode.csdn.net/ 

这是一个教程的视频：https://inscode.csdn.net/@aresn/inscode-ai   

视频在线URL：https://file.iviewui.com/inscode/InsCode-AI.mp4，还有 博客介绍

请你也在 InsCode 发布你的作品吧，请在博客中帖一个你的 InsCode 作品的链接。

5）作为一个 IT/计算机/软件专业的学生，如果 AI 可以帮助人类快速编程序，那么这些专业毕业生的职业发展是更好了，还是有更大的挑战？请说说你的观点。请看这篇分析文章。

6）AI作画，现在需要很多“Prompt”提示词来影响 AI 工具，你觉得1年后随着AI技术的发展，这些提示词语还有必要存在么？为什么？参考：https://bbs.csdn.net/topics/614181699

7） “人们通常高估一个新技术的短期影响，而低估它的长期影响”，你觉得 3 年后，10 年后，AI在帮助人类编程、绘画、设计方面，会达到什么水平？请看这个 《和凯文凯利的采访》

8）你对于 《创新的迷思》的演讲有什么反馈和感想？AI 时代，人们创新是更容易了，还是更难了？

9）你还有什么问题，都可以写出来，年轻人在新的时代必然是充满疑问，充满好奇的，希望看到你充分的表达。 

 

可以根据自己的情况，回答上面的问题的 5 - 7 个，然后发布博客，我们会奖励优秀博客！

很多同学是第一次写公开的博客，第一次很多问题， 没关系，只要是真实的提问，真实的反馈，就是有价值的，大家不断练习，不断迭代就好。 

 

活动时间

2023年5月12日  --- 2023年5月19日

内容要求

1、围绕本次练习的主题来创作，具体参考模板 ---【开始写作】，另外，你的博客中要有你的 InsCode.csdn.net 作品的链接。
2、文章必须是你的原创、字数 ≥ 500、公开、首发至CSDN博客。很多人是第一次写公开的博客，不必紧张，把自己的想法表达出来就好。 
3、文章非原创，有洗稿、营销、广告、抄袭等行为的，包含违法违规、未被许可的商业推广、外站链接、QQ群/微信公众号等内容均不给予奖励。

奖项设置

1、针对高质量的投稿博文将不限金额的发放红包奖励
2、针对活动投稿文章综合数据和内容质量，评出优秀博客。 你也可以在 https://www.csdn.net/qc 测试你的博客的质量分。

参与要求

创作征文主题相关即可

参与方式，发表博客后，拷贝你的博客链接。

方式一：选择帖子下方的 ‘提交任务’，贴上你的博客链接

方式二：将投稿的博文链接直接放到本活动帖下方的评论区即可

奖项公布时间

5月 23日

[SoftwareTeacher]

相关的 http://inscode.csdn.net/ 的评测博客，非常值得看看：

https://blog.csdn.net/weixin_38093452/article/details/130531637
https://blog.csdn.net/qq_60174013/article/details/130533059
http://t.csdn.cn/v8f4z
https://blog.csdn.net/qq_45848189/article/details/130532170
https://blog.csdn.net/miffy2014/article/details/130532782
https://blog.csdn.net/u013517801/article/details/130532021
https://blog.csdn.net/gaoxiang_120/article/details/130531574
https://blog.csdn.net/qq_54192572/article/details/130530063

[SoftwareTeacher]

https://weibo.com/1727858283/N0xgf6f65 来自 《经济学人》：你的工作 (可能) 不会受到人工智能的威胁 - 为何关于经济革命的预测被夸大了

生成式人工智能的时代确实已经来临。OpenAI 的聊天机器人利用大型语言模型 (LLM) 技术，在去年11月开创了新局。直到现在，几乎每天都有令人震惊的进步。随著科技巨头之间的竞争加剧，AI 前端技术的演进与释出，可能会更为加速。

人工智能的发展，带出了一连串深远的问题。在这当中，最迫切的，也许正是这个直接了当的问题：这会对我们的经济造成什么影响？

许多人对此有著很大的期待。高盛的最新研究表示：「广泛的 AI 采用最终可能在十年内每年推动全球GDP增长7%，接近7兆美元。」相关学术研究指出，采用这项技术的企业的劳动生产力年增长，可能会提高3%。这代表在未来许多年里，企业可能会有巨大的收入增长。

然而，金融市场的实际反应却相对温和。在过去一年中，人工智能相关公司的股价表现，还不如全球股市的平均水平。

利率是另一个线索。如果人们认为这项技术，将使每个人在明天变得更富有，那么利率将会攀升，因为人们对储蓄的需求会减少。(反正明天就发大财了，谁还跟你辛苦储蓄)

麻省理工学院 Basil Halperin的研究指出，通膨调整后的利率和随后的GDP增长，有著强烈的相关性。然而，自从去年11月AI 相关题材的炒作开始至今，长期利率已经下降，并且远低于过往历史标准。研究人员得出的结论是，金融市场目前并不期待在未来30到50年内会有很高的机率，出现由 AI 引发的大幅经济增长加速。

回到1700年代末的工业革命，许多人认为单纯就是因为纺织机的发明而带动的，但实际上则是有多个因素交互影响：像是增加煤炭的使用、更可靠稳固的财产权、科学精神的出现，以及其他许多因素。

也许最著名的例证是，1960年代美国经济学家 Robert Fogel 发表了关于美国铁路的研究结果，这让他获得了经济学诺贝尔奖。当时许多人认为，是铁路改变了美国的前景，将一个农业社会转变成一个工业强国。但事实上，Fogel 发现，铁路的影响非常小，因为铁路所取代的技术，像是运河之类的，几乎也能达到一样好的效果。即使没有发明铁路，美国在1890年初的每人收入水平，最多也只是晚三个月就能达成。

当然，没有人可以确定地预测，像人工智能这样的新技术，未来将如何带领人类。但你仍然可以思考各种可能性。至少到目前为止，Fogel 对于美国铁路影响的研究，似乎有机会作为一个有用的对照蓝图。

在这个研究中，Fogel 考虑了三个广泛的领域：垄断、劳动市场和生产力。

首先，关于垄断。新技术有时会创造出，一小群具有巨大经济力量的人。洛克菲勒在石油精炼领域取得胜利，亨利·福特在汽车领域获得巨大成功。时至今日，贝佐斯和马克·祖克柏也因为掌握科技，而显得相当卓越出众。

许多评论家预期，在不久的将来，人工智能产业将创造出巨大的利润。在最近的一篇报告中，高盛的分析师估计，在最佳情况下，生成式人工智能每年可能为全球企业软体收入增加约4,300亿美元。他们的计算假设，全球11亿的办公室工作者，每人将采用数个人工智能工具，每人每年共支付约400美元。

任何企业都会很高兴能分得这笔钱。但在宏观经济条件下，4300亿美元并不会为整体经济带来什么大的改变。假设所有的收入都变成利润，虽然这是不现实的；说这些这些利润都在美国赚来的，还比较实际一些。即使在上述这些条件下，美国的企业税前利润与GDP的比率，也不过就是从今天的12%上升到14%。这高于长期平均值，但也还没有高过2021年第二季的水平。

这些利润可能归一个组织所有，也许是 OpenAI。当一个行业的固定成本很高，或者很难转向竞争对手时，垄断的状况经常出现。例如，过往一段时间内，客户没有替代洛克菲勒的石油的选择，也无法自己生产。

生成式人工智能，确实具有一些垄断的特性。

据报导，OpenAI GPT-4 的训练成本超过1亿美元，这是只有少数几家公司，才有本事闭著眼砸钱的大笔投资。此外，还需要有大量关于训练模型数据的专业知识，更不用说，能够抢在早期直接取得用户反馈了。

然而，单一公司垄断整个产业的可能性，却很小。

更可能的是，像航空业、杂货业和搜寻引擎业一样，有少数几家大公司彼此竞争。但没有一种 AI 产品是真正独一无二的，因为所有的产品都使用类似的模型。这使得客户更容易从一个产品转换到另一个产品。驱动这些模型的算力也相当通用。大部分的程式码，以及诀窍和技巧，都可以在线上免费获得，这意味著业余爱好者就可以制造出自己的模型，而且往往能得到惊人的好结果。

风险投资公司 Andreessen Horowitz 的一个团队曾经指出：「目前看来，生成式 AI 并没有任何系统性的护城河。」最近从Google泄露出来的资料得出了类似的结论：「进行训练和实验的门槛已经从一个大型研究组织的全部产能，降低到一个人、一个晚上、和一台性能强大的笔记型电脑就能搞定。」

再来谈谈劳动市场。虽然生成式 AI 可能不会产生新的财阀，但对许多人来说，这可能并不足为安慰。他们更关心的是自己的经济前景，特别是他们的工作是否会消失。

恐怖的预测比比皆是。OpenAI 研究学者 Tyna Eloundou 和同事们估计：「大约有 80% 的美国劳动力可能会因为引入 LLM，而有至少 10% 的工作任务受到影响」。普林斯顿大学的 Edward Felten 和同事们进行了类似的研究，发现像是法律服务、会计和旅行社等行业，最有可能面临破坏跟影响。

对照过往的研究，经济学家以前也曾发出过悲观的预测。即使没有普遍性的失业，也会有「空洞化」现象，也就是有意义、待遇好的工作因此消失，取而代之的是一些无意义、薪资低的工作。

然而，实际发生的情况却让人们感到惊讶。

在过去的十年中，平均的富裕国家失业率大约下降了一半、就业率创下历史新高。自动化和机器人化程度最高的国家，如日本、新加坡和南韩，反而失业率是最低的。在2010年代，美国人的工作满意度提高了。在过去的十年中，最穷困的一群美国人的工资增长速度，比最富有的人还更快。

想像一下，当 AI 自动化超过 50% 的工作任务时，一份工作就会消失；或者是，各行各业任务自动化的比例有多高，就有多少比例的工作者会失业。

在上述任何一种情况下，根据 OpenAI 研究学者 Eloundou 的估算，这将导致美国工作机会减少约 15%。有些人可以转移到人力短缺的行业，比如饭店业。但失业率肯定会大幅上升，可能与2020年新冠病毒疫情最严重时期，美国短期失业率的高峰 15% 差不多。

然而，这种情况不太可能发生：历史显示，工作机会的消失通常会相对缓慢。

自动电话交换机系统，这个用来替代人工操作员的机器，在1892年被发明。然而直到1921年，贝尔电话公司才装设了他们的第一个全自动化办公室。即使在这个里程碑之后，美国的电话操作员数量仍然在增长，在20世纪中期，甚至达到了大约35万人的高峰。直到1980年代，这个职业才大规模消失，而这已经是自动化设备发明后的 90 年。

AI 将不需要 90 年，就能横扫劳动力市场。因为大型语言模型 LLM 很容易使用，许多专家对一般大众如何迅速将 ChatGPT 融入他们的生活感到惊讶。但是，这次在工作场所中全面导入新技术的速度，预计也将同样缓慢。

在最近的一篇文章中，Andreessen Horowitz 的 Mark Andreessen 列出了其中一些原因。他的论点主要集中在政府法令监管方面。

在国家高度监管的经济领域里，例如教育和医疗保健等，技术变革往往极其缓慢。一旦缺乏竞争压力，会削弱改进的动力。各国政府可能也有自己的公共政策目标，例如最大化就业水平，这与提高效率是互不相容的。这些行业也更可能会形成工会组织，而工会擅长的正好是，如何防止工作机会的流失。

例子比比皆是。像是英国伦敦公营地铁的火车驾驶员，即使取代他们的自动化技术已经存在了几十年，他们的薪酬还是接近全国中位数的两倍。在 AI 浪潮的中心，美国旧金山，尖峰时段仍然需要靠真人警察来指挥交通。

历史又再重逢！

首先，许多受 AI 威胁的工作机会，都是在受到政府严格监管的行业类别中。

回到普林斯顿大学的 Felten 教授的那篇文章，最易受 AI 影响的前20大职业中有14个是教师，但是只有最勇敢的政府才敢用 AI 取代教师。想像一下，用 AI 取代真人教师的新闻标题会有多惊悚。对于警察和打击犯罪的 AI 也是如此。事实上，义大利已经因为隐私问题，暂时封锁了ChatGPT，据说法国、德国和爱尔兰也正在考虑要加以封锁，这显示出各国政府对于 AI 对工作机会的破坏性，有多么的担忧。

也许，随著时间的推移，政府将允许某些工作被取代。但是这些时间上的刻意拖延，也将为经济活动预留出空间，来做它总是会做的事情：也就是当某些工作被取代时，去额外创造出其他新型态的工作。

再来，新技术可以降低生产成本，但也会创造出对商品和服务的更多需求，或是增加一些难以自动化的工作。

2020年，麻省理工学院的 David Autor 教授和同事发表了一篇论文，得出了一个令人震惊的结论。大约 60% 的美国工作在1940年并不存在。「美甲师」这个工作在2000年才被加到人口普查中，「太阳能电工」则是五年前才出现。AI 经济很可能创造出今天所无法想像的新职业。

最后，第三个因素是，既然对劳动市场的影响相对微小，很可能在生产力上的影响也会是小的。

回头看，美国的工厂和家庭开始采用电力是早在19世纪末期。然而，直到第一次世界大战结束后，生产力才出现了爆发。个人电脑是在1970年代发明的，这次生产力的爆发来得更快，但在当时还是感觉很慢。1987年，经济学家 Robert Solow 著名地调侃：电脑时代「无处不在，唯独不在生产力统计数据中, everywhere except for the productivity statistics」，正好反应了这样的现实。

世界仍在等待，最近的 AI 创新，能带来相关的生产力激增。然而，智慧型手机已经被广泛使用了十年，数十亿人可以使用超高速网际网路，许多工作者现在可以根据自己的需要，在办公室和家里之间互相切换。官方调查显示，超过十分之一的美国员工已经在工作中使用某种 AI ；非官方调查的数字，甚至更高。尽管如此，全球的实质生产力增长仍然疲弱。

AI 最终可能会使某些行业的生产力大大提高。史丹福大学的Erik Brynjolfsson 教授和同事们在一篇论文中研究了客服专员的工作。平均而言，拥有 AI 工具的客服人员，每小时解决的问题数量，提高了14%。研究人员自身也可能变得更高效：GPT-X 可能会为他们提供无数的、几乎免费的研究助理。其他人则希望 AI 能消除医疗保健中，行政效率低下的问题，从而降低医疗成本。

但是，许多事情仍然超出了 AI 的范畴。传统的蓝领工作，例如建筑和农业，占了全世界GDP约 20%，这就是一个例子。一个大型语言模型 LLM 对于收割芦笋的人来说，几乎没有什么用处。所以很难想像，在未来几年的时间里，蓝领工作的生产力可以比现在提高多少。这同样适用于传统上需要靠人与人接触，来提供服务的行业，如饭店业和医疗护理。

AI 也无法对失灵的政府规划体系做些什么，而这是正是阻碍生产力增长的最大因素。当城市的规模大小受到限制，房价高昂，人们无法居住在最有效率的地方，安心地生活和工作。无论你的社会可以产有多少出色的新想法，如果你不能及时地建造执行出来，都是无用的。科技跟这些问题的解法本身，八竿子打不著边。

[21级软件技术2班王家颖]

https://blog.csdn.net/Acting7/article/details/130704231

[SoftwareTeacher]

通过实践来学习，learning by doing。