引言自 ChatGPT 和 Stable Diffusion 石破天惊的亮相以来，生成式 AI 的步伐就一刻没有停止过。这种发展速度既让人赞叹，也难免引起一些焦虑和困惑：AI 如今究竟发展到了什么程度？我是不是错过了很多？现在应该从何 ...
引言自 ChatGPT 和 Stable Diffusion 石破天惊的亮相以来，生成式 AI 的步伐就一刻没有停止过。这种发展速度既让人赞叹，也难免引起一些焦虑和困惑：AI 如今究竟发展到了什么程度？我是不是错过了很多？现在应该从何入手？ 为此，我们从少数派的用户和作者中邀请了六位对 AI 有着丰富经验和深入思考的朋友：Fairyex、MrCoffeeTalker、清顺、万千十一、炜智能、玉树芝兰（按用户名的字母和拼音序排列），开展了一次圆桌讨论。他们有的是 ChatGPT 深入教程的作者，有的是教学领域与 AI 密切相关的老师，有的是大量使用 AI 辅助实际工作的科技从业者，还有的是极具动手能力和分享精神的 AI 爱好者。 提问时，我们既包括了工具推荐、选择心得这类实用导向的问题，也涉及了负责任使用、开放与封闭之争等讨论广泛、尚无定论的方法论层面问题，还邀请大家聊了聊自己对 AI 的认识转变和期待展望。我们希望这些问答不仅能帮助你理解 AI 行业的发展现状、选择合适的 AI 工具，以及避免一些陷阱和误区，也能引发思考、抛砖引玉；欢迎大家在评论中积极表达自己观点。 以下回答内容由作者提供，代表作者个人观点，我们仅出于使阅读流畅、控制篇幅目的作部分词句调整和精简。本次问答开展于 2024 年 3 月初，其中信息的有效性可能随时间推移发生变化，请读者注意。 工具推荐
Fairyex去年年初各种人工智能产品百花齐放的时候，基本上所有产品我都在混搭使用。不过现在随着大模型落地应用越来越成熟，我在用的只有下面这几个，基本上大家没用过也听过： VSCode 上的 Copilot：一个 AI 编程辅助助手，可以帮助你生成代码，解释代码，编写注释，修复 BUG 等等。是推出比较早也最多人使用的 AI 变成辅助服务。
GPT-4：目前还是现在通用大模型领域最好的产品。 Stable Diffusion：AI 绘画绕不过的选项，WebUI 和 ComfyUI 同时都在用。未来我还会尝试 Sora 和新的 SD 模型。 MrCoffeeTalker
清顺我只用 ChatGPT 这个独当一面的 AI 工具。ChatGPT 无法直接满足的需求，我会利用它来编写工具，而不是转向其他 AI 工具。考虑到我的需求主要是文本处理，我也并不需要特别复杂的 AI 工具。 万千十一
炜智能我比较注重个人数据的隐私和安全问题，无论工作还是生活，除了一些没办法避免的数据，一般都会比较谨慎地使用那些在线服务。AI 工具类的服务更是如此，因此我目前用的比较多的都是些能本地运行的开源项目。
玉树芝兰我最常用的 AI 工具是 ChatGPT Plus，主要用于搜索信息、编辑润色文稿、翻译和编程等。另外我也会用 ChatGPT 内置的 DALL-E 3 模型创作博客和视频封面；以及 Midjourney，它在绘图细节上更符合我的需求，为我的创意提供了更多灵活性。 Perplexity 则用于搜集、汇总和综合分析资料，是我日常工作中不可或缺的工具之一。它补充了 ChatGPT 在长文本处理和代码解释方面的不足。
如果涉及隐私和敏感信息，我更喜欢使用 Setapp 提供的 TypingMind。这个工具基于 GPT-4，支持图像识别和安全的 API 调用，避免了数据被 OpenAI 拿去训练带来的风险。 此外，Setapp 中的 MurmurType 为我提供了便捷的语音转录服务，极大地提高了我的日常工作效率。 成本开支
Fairyex每个月只用支付 GPT-4 的 20 美元。Copilot 是免费的，Stable Diffusion 和 ComfyUI 都是开源的，自然免费。 至于值不值得，就目前这个价格而言，只要你使用过上面任意一个产品和服务，应该都会觉得物超所值。无论是 Copilot 的代码辅助功能、GPT-4 的 GPTs 模型商店，还是 SD 的直接图片生成能力，这些工具不仅能帮助我更快更好地完成现有工作，还能以极其经济和迅速的方式激发新的灵感。它们让我能够探索以往未曾接触的新领域。这些曾经珍贵的资源，现在大多数都能免费提供给每个人，这是非常难得的机会。 MrCoffeeTalker每个月在 AI 工具上大约要花 58—68 美元，包括：
整体感觉还是比较值的，尤其是后两项。 清顺ChatGPT Plus 每月 20 美元，觉得值得。用惯了 GPT 4，受不了 GPT 3.5。尤其是在处理稍微复杂一些的需求时，GPT-3.5 与 GPT-4 的性能差距变得非常明显。 万千十一之前订阅 ChatGPT Plus， 每月 20 美元，但现已取消改用 OpenAI API，按量付费。GPT-4 作为目前最领先的模型，非常值得一试，很可能体验过就再也不愿用 GPT-3.5 了；但网络和请求频率限制大大影响了体验，同时 GPTs 的生态也远未完善。从普通用户的视角我认为是物有所值的，但作为开发者，为 API 付费可能是更好的选择。 炜智能一分钱都不花。倒不是舍不得那点订阅费，主要还是因为没有强需求。就像打游戏那样，如果想爽玩外服游戏，那么免不了开个加速器，但如果只是玩国内的网游，那么即使加速器也能一定程度上减少延迟，相信也不会有多少人为此掏钱。 我个人了解的商用 AI 工具其实没多少，平时接触的比较多的其实是那些开源的 AI 项目。那些项目虽然免费，但大多使用门槛较高，如果把时间成本算进去的话，也不见得便宜多少，毕竟为了实现一个功能，可能需要体验不少项目才能确定最终方案，确定之后还需要根据自己的需求魔改一些代码或是编写新的脚本。 因为除了一点电费和显卡损耗之外也没花啥钱，我也只能讲讲那些时间花的对我来说值不值。只从结果上来说，其实不太值，因为大部分尝试的结果都是差强人意，能用，但总差了点意思。从过程上来说，那就绝对是物超所值，自己训练或微调出一个模型的过程相当好玩，更不用说这个模型还能解决一些实际问题。 玉树芝兰我目前订阅 AI 应用的总体月支出大约有几十美元：
作为工薪阶层，我也一直在衡量每一笔开支的必要性。尽管花费不菲，考虑到这些工具在文章和视频制作、校对、翻译以及信息整理方面带来的巨大价值，我依然认为物有所值的。例如在信息搜寻上，我的使用习惯已从主要依赖 Google 搜索转变为使用更高效的 Perplexity 自动汇总，因为这显著提高了我的工作效率。 选择心得
Fairyex目前 AI 产品真的是多到不行，但是选择虽然多，能够不用折腾、调教，直接完成我们大部分人常见要求的还真不多。所以我在挑选产品的时候会更看中产品的灵活性。所谓灵活性，就是我能够对这个产品的生成效果拥有多少控制。在这方面，开源的产品拥有很大优势。如果产品不开源，那就要看是否有足够的控制选项，能让我根据自己的需求来控制生成效果，或者插入到自己现有的工作流程中。 产品的能力可以参考基于测试集的结果，例如测试自然语言处理的 GLUE、SQuAD，专用于中文测试的 WebQA、CMRC 等。（更多介绍我在付费栏目中写过。） 此外还要考虑使用难度和价格。除非特别注重质量，不然对于大部分人而言，容易使用，价格便宜甚至免费还是最有吸引力的因素。 按这些标准：
MrCoffeeTalker很少会专门找一堆横向对比，一般是发现有人做了比较亮眼的案例、或是出现某个 AI 工具的热点，刚好手头有相关的待解决问题就去了解尝试。 如果一定要主动挑选评估的话，我会关注这些：
清顺挑选工具的依据很简单，关键是这个花费是否能够满足你的需求。换言之，节省的时间和成本能不能证明费用合理。 但如我之前所说，我几乎只使用GPT，并且当有特定的工具需求时，我会直接利用AI来自己开发定制工具。为什么不再挑选 AI 工具了？因为现在 AI 的发展速度太快，每个月都会出现大量新工具和新模型，作为个人我没有时间去逐一评估。 因此，我现在基本上不再寻找工具，而是探索更多的使用方式。我特别喜欢在社区里看看大家分享的新提示词和新角度。对于一些小功能，我不需要外部工具，直接自己开发更方便。 我觉得现在的状况有点像以前的笔记工具，大家都在不断寻找新的AI模型和工具，每当有新东西出现时，都会感到非常震惊，好像它们推出了什么革命性的功能，声称在某方面领先。但实际上，这并没有太大意义。至少目前来说，如果你是一个开发者或有特殊需求，可能还需要关注这些工具；但对于个人用户来说，不应该浪费时间在挑选AI工具上。如果某个 AI 工具真的很好，它自然会脱颖而出。 万千十一多数情况下我会更关注其目标需求和功能实现，需求是 AI 应用渗透的观察，实现则作为学习借鉴。通常优选开源工具，生态对于开源工具十分重要，会多关注其兼容性和拓展性、社区活跃度等。 在定价方式上，目前有两大主流类型，即软件买断和服务订阅，前者如 MindMac，如果切中了痛点需求，付费较为值得；后者如 Raycast AI 等，容易导致订阅碎片化，需要综合考虑。 炜智能付费的商用 AI 了解不多，只能说说我是如何挑选开源 AI 项目的。一般分为两种情况。 第一种是我有明确需求。这种时候就是先通过不同平台得到的信息列出几个候选项目，然后到 GitHub 上查看一下它们的项目文档，评估一下效果和训练难度。 像一些效果很好，但是显卡要求过高、训练难度过大（比如数据集要花大量时间预处理）的项目，我一般都不太考虑。对于可以在我的电脑上部署的项目，只要 GitHub 上的 Star 数高于我的心理预期，那我一般都会尝试一下。当然，大部分情况下都是 Star 数最高或次高的项目会投入实际使用。 其实非常好理解，不考虑刷星的情况下，收藏的人越多说明用的人越多，用的人多肯定有其独到之处，起码遇到问题解决起来简单，而且网上可找到的模型也多——比较典型的例子就是 SD。 另一种情况是没有明确需求，那就随意多了。这种时候我只有一个评价标准：是否有趣。 玉树芝兰首先看功能是否强大，能否满足我的需求。在预算约束下，我一般会选择目前最强的那一款。例如，文本生成我选择 GPT-4、绘图选择 Midjourney，信息检索选择 Perplexity，这些都是各自领域内性能最为卓越的工具。新兴工具每天都在出现，都会以各种特色来博眼球，这我完全可以理解。但除非足够打动我（例如 Gemini 1.5 Pro 超长上下文窗口这样的特性），我会更倾向于使用已被广泛认可的应用。 关于定价模式，多数 AI 工具目前都会采用订阅制，这反映了运行这些工具所需的高算力成本。例如，OpenAI 的 ChatGPT Plus 费用为每月 20 美元，这基本上就是目前 AI 应用领域的基准价格。大部分 GPT-4 级别的大语言模型服务，定价也会在上下 10 美金的区间内浮动。这种定价策略并非无端增加用户成本榨取利润，而是提供商首先需要足够的收入以覆盖成本。毕竟，背后的算力，不管是买（高端显卡）还是租用（例如 AWS, Azure 等云计算），都是需要花钱的。 至于生态，我特别看重工具背后的支持和开发社区。比如，微软最近投资 Mistral，就会让用户（包括我）更为相信 Mistral 这家公司的可靠性和创新潜力。 使用场景
Fairyex习惯 AI 之后，无论是工作还是生活中，基本上所有场景能用 AI 的我都会至少尝试一下。接下来就说两个主要的场景。 首先，我的工作需要经常编写各种代码。最近也在做一个大的自动化项目。在使用 Copilot 之前，就是在电脑前面一行一行的敲代码，编辑器能提供的最大帮助无非是自动补全方法和函数。而现在有了 Copilot 就爽了，一个 # 号走天下，想要实现某些功能的函数，直接输入# 函数接受的参数，需要输出的数据，然后就是看着 Copilot 咔咔直接给我生成整个函数，连函数名和变量名都不用想。 之前遇到某个类或者函数忘记怎么用了会直接上网查，现在也习惯直接向 Copilot 提问。复制的代码直接粘贴加上改写要求，Copilot 直接改写成适合项目的代码，还有修改代码生成注释甚至直接根据报错信息修 BUG。 总之，用上 Copilot 有一种工作流不被打断的流畅舒服感，而且可以实实在在的减少打字和用脑子思考的的数量，专注于整个工程的流程、结构，就像是从手工时代进入工业自动化时代，解放了生产力。 不过，Copilot 最擅长的就是辅助编程，而生成代码并不是它最擅长的，这个时候我就会尝试交给 GPT-4。（目前已经有开发者使用 GPT-4 生成的代码打造了一个完整的产品，例如白描开发者的新应用。）当然 GPT-4 也不是万能的，我的做法是根据代码复杂度，先预设一个给 AI 尝试的时间，如果超过这个时间 GPT 还不能生成令我满意的代码，那么就决定自己手写。这就保证了 AI 总能给自己带来正向收益。 另一个场景是文章写作。除了常规的生成外，我目前在尝试看看能不能用 AI 辅助完成更大、更复杂的创意类项目。 MrCoffeeTalker网络搜索。以前找资料还要 Google 搜索，在不同的网页之间辗转、筛出高质量的结果、花很多时间阅读做笔记，如果一轮搜索没能解决问题，还要再重复这个过程，动辄半天时间花在这上面。现在有了像 GPT-4（ChatGPT）、Gemini、Kimi Chat 这样的联网搜索 AI，可以直接让它们帮忙搜索，几分钟就能快速了解相关信息，没有烦人的广告弹窗，有问题也可以追问更多，省略了很多搜索过程中的低效时间。 清顺我是一名兴趣驱动的业余开发者，对编程知识的掌握并不深入。之前想用新框架开发新工具时，我通常需要花费大量时间全面了解该框架。有了 AI 后，工作流程简化了很多：我只需将自己的需求细化，然后直接交给 AI 处理。这样，我的角色就从一个编程学习者转变为了代码审查者，只需要检查 AI 生成的代码是否正确，如果需要再修改。这一切只需了解一些编程的基础知识，极大地降低了开发门槛。 万千十一开发提示。 用 AI 前：浏览器 → 关键词 Google ↔ StackOverflow → 理解 → 编写 用 AI 后：GPT-4 → 问题 → 答案/代码 炜智能可能有点小众——制作 replay 视频，也就是没有选项的文字冒险游戏，主要构成就是场景、人物和台词。以前个人想要较为完美地完成这些是比较困难的，许多素材只能用网上能找到的似是而非的东西替代，但如今搭配使用不同的 AI 工具可以较为轻松的完成这一切。
其实目前比较流行的 AI 工具都是利好个人创作的，让不懂美术、音乐、配音的普通人都有机会以较低的学习成本创作出让自己满意的作品。最近发布不久的 Sora 文本视频大模型更是将个人创作的能力进一步放大，相信不久之后往我的 replay 中插入自制的 CG 也不再会是件难事。 玉树芝兰好处有很多，这里分别介绍绘图和编程两个场景。 在绘图方面，DALL-E 3 和 Midjourney 使我能够根据具体需求快速生成封面图，省去了以往在免费图库中漫长搜索还经常一无所获的痛苦过程。当我需要一个特定主题的封面时，DALL-E 3 可以理解我的需求，把简单的话语转换成非常详细的英文提示词。如果我对 DALL-E 3 生成的图片不够满意， Midjourney 则可以利用这个提示词，快速提供多个高质量的选项供我选择，这种把「所想即所画」变成现实的能力，解决了我这样不会画图作者的刚需。 就连我的著作封面，也是用 AI 帮助绘制的。
在编程方面，我平时折腾效率工具，需要在不同应用之间传递数据，或者把一些固定的琐碎工作流程用编程的方式重复调用，因此免不得得编写代码。目前我习惯使用 devv.ai 和 ChatGPT 构建初始框架，然后用 GitHub Copilot 对话式编程，大幅度地提升了我的编程效率。 过去的这个寒假里，我编写了一套多 LLM 混合调用流程，可以把平时的润色、翻译等工作，变成一键搞定。每当我在编程中遇到问题，都可以通过与大语言模型交互来解决，这比传统的自行查找 stackoverflow 等网站的解决方案要高效得多。这种协作方式不仅节约了我的时间，也提高了编程的愉悦度。 主要缺陷
Fairyex目前 AI 产品可以由我们自己控制的部分实在太少了。这一部分是 AI 模型本身的不透明决定的，但另一方面也因为大部分产品都过于注重效果展示，而没有认认真真当做一个面向普罗大众的产品来打磨。 具体来说，市面上很多产品的宣传和说明都不足以让用户对其定位和能力建立清晰的认识，而且在使用体验上走两个极端：要么是像大部分开源产品一样的「毛坯房」，参数倒是能控制很多，云里雾里的说明文档还能够把专业用户都劝退一部分；要么就做一个很酷的 UI，实际能用的只有一个输入框，生成什么样的效果全看运气和调教倾向，开放程度也不够、没有办法形成生态，结果只能满足一些非常通用和基础的需求。 矮子里面挑将军，目前还得是 OpenAI 在易用性，效果和参数开放的平衡上做得不错，特别是 GPTs 功能让普通用户不需要编程基础就能够用自然语言制作模型，自用或者分享。 MrCoffeeTalker全流程能力不足。网上有很多声音渲染 AI 如何强大、有多少岗位会被替代。但根据我自己过去一年的尝试，至少在处理文字的 AI 目前还更多适合当「副驾」、处理原本工作流中的低效环节，离「全自动驾驶」还很远。 宣传方向疏远用户。AI 产品宣传有做得好的，但似乎不多见。（我个人比较喜欢的一个案例是 Arc 浏览器的宣传片，整体的节奏塑造得很好，让人忍不住想多看几遍。）看到的更多是指标宣传、跑分刷榜；一些产品似乎更喜欢展示好看的局部指标，宣传自己在某方向超越了世界领先水平，但这些指标对用户意味着什么、是否重要则闭口不提，很像是面向投资人的宣传。好在少数一些好好做的产品，还能通过口口相传了解到。 缺乏长期使用的动机。AI 的确变得很强大了，但是有多少人需要做这些事、AI 的效果又比以前人来做好了多少？这不是指标测试中 AI 有多接近或超越人类专家的问题，而是到底有多少人真正有相关的动机。我相信更多人还是出于短期尝鲜去用的，长期使用 AI 基本都要涉足专业的内容生产，但我们的生产或许早就已经过剩了。 不同行业与阶层的信息敏感度差异。我接触样本不多，但去年和 4 个人有过 AI 方面的对话交流，包括教育行业的音乐老师、建筑行业的公司老板、银行的领导、做餐饮的老板。聊下来发现教育、建筑行业的两位对快速发展的 AI 还所知甚少，他们理解的 AI 还停留在自动化、拍照识别文字上；而银行、餐饮的两位则信息要更灵通一些，不仅知道 ChatGPT 能叫上名（虽然错叫成了 ChatGTP），还用过一些国产的 AI 工具，能罗列出一些 AI 的使用场景，而他俩中似乎也至少有一位把子女送到了海外留学。这些对话之后我有一个推测，身处行业变化快、近互联网的，社会阶层或教育水平高的，更有可能先了解接触到 AI 工具。 清顺上手门槛仍然较高。由于 AI 技术发展迅速，使用方法很容易过时，同时又不断有新工具出现。普通用户来说往往没有时间或兴趣去研究提示词，比较不同工具的优劣。因此，很多人更倾向于直接使用平台提供的商业化模型，比如简单点击一个按钮，就能优化文本内容，而不想深入了解其他选择。 缺乏高质量开源模型。如果有能与 GPT-4 相媲美的开源AI模型出现，将极大促进其普及。目前很多商业公司在一方面使用开源模型，另一方面又为了商业目的，只给用户提供他们自己的商业定制模型，这种做法无疑限制了用户体验和工具的效果。当高质量的开源模型更广泛可用时，我们可以期待 AI 技术的更大普及和提升。 万千十一模型能力问题。许多工具思路很好，但受限于底层模型能力，可能无法达到预期效果；或者某天 OpenAI 推出更新，模型进化，原本工具要解决的问题就不存在了。 工程落地问题。真实的 AI 开发中，从想法到 demo 也许不难，但从 demo 到应用挑战不小。 行业渗透问题。只有既懂行业又懂 AI 的团队协作，才能做出真正有价值的行业应用。 炜智能数据集来源问题。在模型算法本身没有跳跃性升级的时候，大力出奇迹真的不是一句戏言。但数据集本身其实是个灰色地带。海量的数据从哪里来呢？只用有授权或无版权的数据能行吗？我守规矩别人不守规矩怎么办？就算有钱也有意愿买版权，那么多的数据源，又要花费多少人力物力和时间？看看 OpenAI 的新闻其实就能感受到许多了。几个月前国家发布了《生成式人工智能服务安全基本要求》公开意见征求稿，里面也重点提及了语料安全问题。 安全和隐私问题。ChatGPT 从刚出来就一直火到了现在，但其实它在国内始终都是少数人的狂欢，依托于它的 API 接口开发的工具可能很多，但在国内也只能说不成气候。原因大家都明白，再好的工具不是自己的用起来总是不放心。我个人都会因为担心隐私问题而更倾向于使用可以本地运行的开源 AI 工具，更不用说需要考虑数据安全的敏感行业和部门了。 不过，本地化运行的 AI 软件其实现在就有不少，除了开源项目之外，不少商业软件（如某些视频剪辑软件）也会在特定场景下优先调用本地算力进行 AI 推理，但总体上终归是少数。目前近乎所有芯片大厂都将 AI 引入了自家的芯片之中，还推出了不少新的概念，例如 NPU、AI PC 等，如果后面真能优化推广开来，实现大部分 AI 应用的本地化运行，我相信那时候生产力工具肯定会迎来大洗牌。前不久还看到了高通推出 AI Hub 的新闻，终端侧 AI 的时代可能真的不远了。 玉树芝兰在我看来，限制 AI 工具普及的主要障碍之一是成本问题。前面提到了，高昂的计算资源费用导致了许多 AI 应用订阅收费不菲，许多个人用户不得不精打细算。 另外一个问题是新手用户基础 AI 素养的缺失。很多人花钱订阅了 AI 工具之后，不知道该如何用它来辅助自己的工作。往往依照自己过于乐观的想象浅尝辄止（例如「帮我写一篇毕业论文」），快速走完「从上手到放弃」的全过程。事实上，不管是基础提示词的使用，还是了解不同 AI 工具的特性与使用场景，对于目前的用户来说，都是很必要的基础技能。 要解决 AI 素养缺失的问题，我觉得需要增强 AI 相关知识技能的推广和普及。市场很大，我们前不久都从新闻里某大咖的营收数据上见识过了。但认真做内容的人也是不少的。我在少数派专栏和 B 站上，都有不少 AI 应用的介绍，都是免费开放获取，欢迎你来学习。 认识转变
Fairyex得益于从原理开始了解，我对 AI 的理解从一开始到现在就没有什么改变。 我个人是支持 AI 创作内容的。从我自己的测试来看，只要稍微对 GPT 做出对应限制和要求，生成的内容无论是大部分人看起来还是使用一些所谓的检测工具，都是没有办法区分出人类和 AI 创作的内容的。而且，随着越来越多的 AI 介入到现实世界中，会有很多令人根本意识不到用上了 AI 的场景：视频编码、交通系统、电量管理、商品生产甚至畜牧养殖等等。AI 早已经给我们带来了更好的世界，各行各业也肯定不会放弃用上更加「先进」的 AI。因此，不能得出「威胁」还是「限制」这样一刀切的结论，而是要在不断发展中慢慢发现问题、修复完善。 MrCoffeeTalker从质疑到理解和使用。在去年 AI 火热之际，公司内不出意外的推出了内部培训的 AI 课程，要求所有人必须学习，我当时评估了下感觉培训内容和本职工作不是那么强相关、工作又多，于是拒绝了强制的培训，因为和我学习的价值观也有冲突。后来当自己遇到了 AI 擅长处理的问题，靠自学也很快上手了。到了下半年，我搭建了一个舆情监控系统，又因为日常分享 AI 实践经验被内部的 AIGC 比赛邀请去当了评委。但再看当时参加培训的同事们，除了当时刷屏的交作业，后续的 AI 落地方面却没有多少声响。 创作的事依然交给自己。在图文内容创作上，我目前还是自己写，只有在研究、找过往的笔记时会借助 AI 帮忙。但这方面也有个头疼的问题，可能因为我写内容原本就重逻辑性、喜欢罗列信息，去年也有过几次被怀疑文字是 AI 生成的，我觉得这种情况很像是某段时间一咳嗽，周围的人都会慌的情况。 只为降本增效用 AI 的品牌们会自食其果。AI 快速出图的能力使其很适合用在产品或营销用的美术内容生产，但个人认为，如果一个品牌或公司只为降本增效引入 AI、同时排斥有审美的专业设计人员或忽视创意表达，很有可能自食其果。市面上不堪入目的 AI 广告正变得越来越多，随处可见的皮克斯风格、诡异的人像表情、缺乏共情的信息传达…… 作为消费者，我并不在乎品牌如何降本增效，我只关心最终到手的产品服务质量如何提升。但短期来看，一些品牌似乎更喜欢沉浸在 AI 狂欢中，亲手把品牌的信任透支精光。 清顺经过一年的发展，各种 AI 新工具、新模型的推出，人们对 AI 发展的期望也大大提升。然而，尽管 AI 技术在这一年里有了显著的提升，但并没有像 GPT-3.5 那样给人深刻震撼的质的飞跃。 目前，讨论 AI 威胁为时尚早，它主要替代的是重复性工作，例如文本整理、总结，以及AI图像和视频的生成等。在真正的创作方面，AI 的成熟度还远远不够；遗漏的细节会导致逻辑混乱和内容不实，这也是当前AI生成的假新闻容易被识别的原因之一。 因此，与一年前相比，更有理由将 AI 视为辅助工具，而不是威胁。它能显著减少工作时间和成本，帮助人们更高效地完成任务。 万千十一刚接触大语言模型时，没想到短时间内就能用上以其为基座的支持视觉等多模态能力的模型，给文本生成类 AI 带来了许多新的想象力。彼时也难以想象，以大模型为代表的这一波 AI 研究，将在安全、道德等方面面临的巨大争议和严峻挑战。 炜智能我最开始接触 AI 工具纯粹是觉得好玩。作为一个爱折腾的人，碰到这种新奇的事物总是忍不住想要尝试一番。最开始接触到的就是 ChatGPT 这种在线聊天的工具，说实话，第一次使用的时候它真的满足了我曾经对于人工智能的大部分想象：一个可以和人类正常对话的人造物。 后来开源的 AI 项目多了之后，神秘感就降低了不少；在本地跑了许多 AI 项目，研究了一些项目源码之后更是如此。说白了，只是换了一种实现方式的工具。 现在的 AI 其实应该还算是起步阶段，部分领域比人类强大，但还是只能作为辅助工具，离真正能够完全独立地去完成复杂任务还是有点距离的。AI 其实是拓展了个人的能力边界。以我自己为例，一个完全没有任何艺术细胞的人，在 AI 工具的辅助下也可以较为轻松地完成一些基础的艺术创造。 当然，完成的作品绝对称不上完美符合要求，只能说达到了及格线。说实话，AI 某种程度上确实替代了部分底层的创作人员，但换个角度，普通人可以凭借 AI 完成基础创造，那原本的专业人士肯定也可以凭借 AI 完成更高级的作品，只能说变相的提高了社会普遍认同的最低标准。 玉树芝兰这一年多以来，我对 AI 的认识经历了几次显著的变化。 起初，我和大多数人一样，对 AI 技术的兴起感到异常兴奋，几乎认为它立即就会使许许多多传统技能变得过时。然而，随着时间的推移，尤其是在经历了去年年中的「AI 冷静期」，和许多业内人士进行了深入的线下交流后，我开始更加深入地理解 AI 的实际能力和环境带来的局限。我不再认为很多行业颠覆的重大事件会在短期内频繁发生。
#copyright {
margin-top: 10px;
padding: 10px;
background: #E5EDF2;
border-radius: 5px;
}
#copyright .copyright-title {
padding: 5px;
text-align: center;
color : #333333;
}
#copyright .copyright-text {
font-size: 15px;
color: #666666;
}
本文来自网络，如若转载引用本网站内容须注明原网址，并标明本网站网址(www.anwei66.com)。 对于不当转载或引用本网站内容而引起的民事纷争、行政处理或其他损失，本网站不承担责任。 |
广告
广告
广告
广告
0