凯文凯利最新演讲：帮助人类成为更好的人类，是人工智能的最终目标

Giraffe

3 月 29 日，中信出版集团联合上海交通大学上海高级金融学院邀请到凯文凯利来到中国，展开一场精彩的线下对谈。

现场，凯文 · 凯利带来了他对于全球科技下一步发展趋势的深入思考和精彩见地，讨论了关于谁是 AI 的第一批使用者、AI 与人类所产生的情感羁绊等问题

下为演讲实录：

大家好，非常高兴能够见到各位。

目前，技术领域的重要趋势，正在它全球的经济环境产生重大影响。大家可能都已经猜到了是什么——人工智能。

实际上我们对人工智能的了解并不深刻，并没有挖掘到人工智能实际存在的更多发展可能性。

我们来谈论一种可能性，但需要注意的是，这是把技术置于场景下的可能性的延伸，并不是单纯的预测。

有一点我们需要明确，世界上不只有一种 AI，不同的行业行业有很多不同的想法和认知，也就意味着会有非常多纷繁各异的 AI，这就像世界上存在各种物种的动物一样。

如果把众多截然不同的动物智能和机器智能汇总，我们会发现人类的智能发展并不是核心或者唯一。

事实上，白痴和天才之间的区别并没有那么大。在图谱当中存在着成千上百万的不同的智能，所以想拥有通用智能的想法是一种误导。

就像我们在生物的谱系当中，也并不是处在最核心的位置，地球也并不在太阳系，或者是宇宙或者是银河系的核心，我们都是处在一个边缘的位置，智能也是一样。

我们与 AI 的关系可以从四种模式来思考。

AI 为人类提供，

完全跳脱的思维方式

第一种叫人造外星人。AI 就像是降临到地球上的外星人一样，但是他是由人类来进行设计和编程制造的，可能超过了人类的智能，也有可能有认知。

但最重要的一点是，他们并不像人，他们是一个硅基生物，有不同的认知和思维方式。

思维方式的不同，可能就构成了 AI 与人之间最大的不同，这并不是差错，而是特点，甚至是优势，他们可能会有创造性的思维，用完全不同于人的思维去做决策。

在新经济的时代，不同的思维方式是非常重要的，如果我们要在一个互联的世界生存，可能很难出现完全不同的、跳脱于所有人的思维方式，但是 AI 就可以做到。

他可以帮助人们跳出常规思维，用一个全新的视角来去思考。所以我觉得 AI 中存在一些像 ET 这样的很聪明的智能体。

在过去的几年有一个让人们很惊喜或者惊讶的事情发生——以前我们会觉得电脑或机器是没有办法做有创造力的事情的，但随着新的 AI 的应用，人们发现机器也是可以产生创造力的。

但是这些创造力并非是空穴来风，他们必须有人去给 AI 做出提示，那么这些人就叫做提示工程师。在过去的几年我也一直在研究 AI 甚至是与 AI 共事，我尝试和 AI 共创一些东西。

所以在新的时代，可能提示工程师将成为新一代的艺术家，他们和 AI 共同创造，我甚至把他们称为 AI 耳语者。

真正优秀的 AI 提示工程师或耳语者，他们可能要花一千个小时以上的时间和 AI 共事，他们用的 AI 和我们是一样的。

但是他们却可以通过创造性的提示让 AI 去创作出非凡的东西，因为他们花了超过一千小时的时间去学习和练习，这就像是精通一门技艺一样，精益求精，熟能生巧。

同时他们也有一定的天赋，可以去了解 AI 背后的运作机制，现在招聘网站上已经可以看到这样的招聘信息了，年薪最高可以达到 30 万美元，这是给最优秀的人才所提供的机会。

之所以能给这么高的薪资，是因为要成为一个优秀的 AI 提示工程师是需要大量的练习和非常深厚的知识积淀和技术积淀的，大家现在也都会用一些开放的 AI 工具，你会发现提示确实非常的重要。

你需要去了解 AI 背后的思考链条，你需要让 AI 一步一步的去跟着你的思考。

我们也发现了，现在 AI 的注意力非常短，他没有办法跟进一个很长的思维，所以你就必须把思维打碎，然后一步一步地喂给 AI，这样才可以帮助 AI 实现一些复杂的任务。

你暂时不会被 AI 替代，

但会被更擅长使用 AI 的人替代

第二点，如果说你给 AI 一些积极的情感反馈，比如你表扬他，那么他就会给你一些更好的质量更高的答案。

我们也不知道为什么，但是确实有这样的现象。你甚至可以告诉 AI，你提的问题非常重要、生死攸关，请好好回答，这样 AI 就可以给你一个更高质量的答案。

这些也是一些小小的窍门，帮助大家更好的运用 AI。

我认为这样的 AI 更像是一个普世的私人实习生，在座的各位每一个人都可以拥有一个 24 小时的实习生，为大家服务，这就是 AI 可以做到的。

比起助理，AI 更像一个实习生，因为实习生不能独立完成任务，工作成果需要我们来做二次核验的。但即便如此也已经很好了，虽然这还不是我们最终的目标。

现在的大语言模型给我们的答案虽然不是最精确的，但是看上去已经非常合理了。有一些工程师每天的工作就是去设计一些合理的答案和输出，并不是最精确的答案，而是出最合理的答案，这也是设计和算法的策略。

他们是从大量人类语料中去提取信息来训练 AI，其中包含了人类最精尖的信息，同时也有一些非常普通的，甚至是质量不高的信息。