新浪博客

“中华门诊”:人机对话背后所展现的人与机器的本质区别

2023-09-11 16:03阅读:
从一系列人机对话的场景革命中,不难看出人与机器的三大本质区别。

首先,人擅长问问题———人机对话的发起者通常是人类,而机器可以很好地把问题延展开。


确保你的问题清晰明确,避免模糊或含糊不清的表达,这有助于机器理解你的意图并给出准确的回答。


尽量使用简洁的语言和简单的句子来表达问题,避免冗长的描述或复杂的句子结构,以便机器能够更好地理解你的问题。


提供足够的上下文和细节,使机器能够更好地理解你的问题。如果可能,提供相关的背景信息、时间范围、地点等,以便机器能够给出更准确的回答。


尽量避免使用模棱两可或容易引起歧义的词语或短语。如果有必要,可以进一步澄清或提供更多的细节来消除歧义。确保你的问题在逻辑上连贯,并按照合理的顺序组织。这有助于机器更好地理解你的问题,并给出相应的回答。


在与机器进行对话时,保持礼貌和尊重。虽然机器没有情感,但以友善和尊重的方式提问可以建立良好的沟通氛围。


良好的问题提问方式有助于获得更准确、有用的回答。如果你对机器的回答不满意或需要进一步的解释,请尝试重新表达问题或提供更多的上下文信息。


未来,对人而言,需要训练的是如何问出好问题的能力,这需要从小培养好奇心、创造力和质疑精神。


其次,生成式AI是基于大规模的训练数据集进行训练的,它所基于的大语言模型依赖的是历史上积累下来的大数据训练库。



具体来说,生成式AI使用了一种称为'生成对抗网络'(Generative Adversarial Networks,简称GAN)的模型架构。


GAN由两个主要组件组成:生成器(Generator)和判别器(Discriminator)。生成器负责生成新的数据样本,而判别器则负责评估生成器生成的样本与真实样本之间的区别。这两个组件相互博弈、相互学习,通过不断的迭代训练来提高生成器生成逼真样本的能力。


在训练过程中,生成器接收随机噪声作为输入,并尝试生成与训练数据相似的新样本。判别器则根据输入的样本判断其是否为真实样本。通过反复的训练和优化,生成器逐渐学会生成更加逼真的样本,而判别器也逐渐提高对真实和生成样本的区分能力。


生成式AI可以应用于多个领域,如自然语言处理、图像生成、音频合成等。通过大规模的训练数据和生成对抗网络的训练,生成式AI能够生成具有一定逼真度的新样本,展示出一定的创造性和想象力。


人与机器的区别在于,人可以更快地学习和探索新的技能,形成新的洞察和预见。数据库是过去时,而人需要面向未来,拥抱未来、探索新知。机器替代不了人去探索、做实验和发现,人要花更多时间和精力去探索和做实验。


再次,相较于机器,人类拥有更强的行动力。机器可以执行预设的任务和算法,但人类的优势在于能够将思想和洞见转化为实际行动,创造出真正有意义的成果。这需要培养判断力、沟通力和领导力等关键能力。


培养判断力是重要的一步,它使我们能够在复杂的情境中做出明智的决策。通过分析和评估不同的选项,我们能够选择最佳的路径,并解决问题。同时,判断力也帮助我们识别和应对风险和挑战,以及权衡利弊,并在复杂环境中找到最佳解决方案。


沟通力使我们能够有效地与他人交流和合作,共同实现目标。良好的沟通能力使我们能够清晰地表达自己的想法和观点,理解他人的需求和意见,并建立积极的人际关系。通过有效的沟通,我们能够协调团队合作,共同实现目标。


而领导力则赋予我们激发团队潜力、引领变革的能力,是将想法和洞见转化为实际行动的关键。具备领导力的人能够激发团队的潜力,引导他们朝着共同的愿景和目标前进。


这些人类特质使我们能够超越机器,不断创造和进步,为社会带来积极的影响。


硅谷精神之父凯文·凯利同样指出,人和机器最大的区别是人会不断提问。他认为,不断提问必然会成为人类最基本也最有价值的行为之一。


可以马上得到答案的问题应该扔给机器,人的价值在于,在面对不知道答案的问题时,可以不断思考、不断提问。


学会提问题、提出好问题,最切实的做法是质疑人们习以为常的事情,学会通过推翻常理进行思考。




未来5000天,世界上至少有95%的事物还会维持原样,我的焦点一直放在这不到5%的变化上。


————凯文.凯利


如果从解放生产力的角度来理解人和机器的区别,其实,我们可以理解是创意与效率的区别。


未来,机器将去完成那些提升效率的事情,而人则会专注于创意这样多元而低效,很多时候充满不确定的事情。


科学和创新这些很难标准化、需要不断寻求突 破的活动,恰恰是效率低下的,也是需要去充分发挥人的想象力的领域。


当然,我们也不能忽略现阶段生成式AI带来的问题:


一方面会出现大量平庸的产品,对原创的、高质量的创作产生冲击;


另一方面则可能出现大量同质化的作品,缺乏独特性和创新性。


改变这两点需要更有创意的人机互动,因为人仍然掌握着巨大的主动权,鼓励独特性、创新性和多样性,为创生的发展提供更广阔的空间。


里德.霍夫曼提出了当下人机互动的两个信条:


第一,将它视为大学在读阶段的研究助理。霍夫曼建议我们换位思考,想象一下大学生的状态,这样就能修正自己与机器互动时的期待,同时不断强调检验事实的重要性。


第二,将自己定位为导演或指挥,把握方向,但给机器一定的延展空间,这样会不时遇到惊喜。


我的更多文章

下载客户端阅读体验更佳

APP专享