password
Created time
Jun 22, 2023 03:59 PM
type
status
date
slug
summary
tags
category
icon
陆奇博士系统化的讲了数字化转型、新范式的思考框架。他的三位一体的方法论，从6个方面分解数字化需求的框架都值得学习。
阅读感受有以下几点：
- 这次大模型，会像移动手机那样，随着模型进步，成本降低，会全面应用起来；这个趋势是必然的。
- 会用好AICG，选好copilot的人和企业，一定会比其他人和企业有优势，这个也是必然的。
- 我们也许现在还不行，但未来一定不能像传统的产品设计、界面、体验去设计产品。需要思考和适应新的范式。
要使产业发生根本性的变革，背后的驱动因素通常是它的成本结构变了，这类成本通常是某一类生产资源的成本，是一种触达我们生活方方面面并且我们都需要用的生产资本。
1995-96：信息系统的拐点，是信息的生产和获取成本从边际成本转向固定成本。每次使用时的边际成本越来越低，但是一次性投入越来越高，这是一个结构性的变化。
2022-23：模型的拐点，这个拐点的背后是“模型“的成本发生了类似的结构性变化，即模型成本从边际成本发展为固定成本。这背后的原因是我们有一项新的基础技术出现了，它叫大模型。在这个拐点上，一系列伟大的公司会因此诞生，他们将付出固定成本，他们将发明新的商业模式，最后我们整个产业+变革，产生新的世界。
每个人都由以下三组模型组合而成：
- 认知模型，能听、能看、能说、能思考。
- 任务模型，我们做各种各样的动作来完成任务。
- 领域模型，有些人是律师，有些人是医生，有些人是科学家等等，我们人的社会价值都是这些模型体现出来的。
在大模型技术高速发展的时代，一个重要的趋势是：我们每一个人，除非你有独特的见解、独特的认知、独特的问题解决能力，否则你能做的，大模型都可以做到。
数字化生态包括：信息生态、模型生态和行动生态，三位一体。
真正意义上的智能系统，必须具备四个核心环节：
第一，它能够涌现（应当具备自我组织和自我优化的能力，能够在特定环境中自发地形成和调整结构，而非由某个中心控制器编程或设计）
第二，它有代理能力，能够自主决策（它可以代表用户或实体独立地进行决策和执行任务，而不仅仅是简单地响应外部指令）
第三，它功能可见，有 affordence（Affordence 是一种设计原则，强调让用户直观地理解如何与产品或系统进行交互）
第四，它是具象的（既有形象、直观的表现形式，便于用户理解、感知和操作）
科学发展从第一范式经验主义，到第二范式系统性地做实践，再到第三范式大理论做模拟，第四范式数据驱动，第五范式数据加技术驱动。人类社会进步最根本的生产力是科学的进步，这次的技术变革直接驱动了新一代的科学发展范式。
科技公司与非科技公司根本区别：用信息更有效的转换能量
从服务经济进入体验经济
人工智能时代：建立全新价值体系，探索更多未来
我在 YC 研究院和 OpenAI 下面做了一个项 UBI（通用基本收入：Universal Basic Income) ，它研究的问题就是：当人们不需要为了谋生工作的时候，人们的驱动力和行为将会发生怎样的变化。我们可以想象的是，全新的价值体系将被建立。
OpenAI 的思考体系
他们的思考体系，有几个重要的特征：
第一，坚信未来，坚信通用智能一定会到来。
第二，在技术上，他们相信两个重要的点：一是模型只要足够深，用无监督学习，用数据加上算力，用一个高效的训练体系，就能无止境地探索通用智能；二是强化学习或者增强学习，这跟进化在本质上相关，是模型能为人所用的核心。
他们坚信这两点。早期做了大量强化学习方面的探索，等到他们强化学习已经有一定基础之后，就立马把所有精力和资源聚焦在无监督学习上。
OpenAI 的执行体系
新的能力：在团队能力上，他们坚信新一代的组织既要做前沿科研，又要做基础工程研发，还要开发平台和产品及商业化。OpenAI 所代表的是全新的组织、全新新的能力，他们所做的一切是要既能做科研、又能写代码、又能做产品，这些能力是分不开的。
新的组织：有一个重要关键要素是它需要融到大量的资本，长期要回归社会，而且在实体结构上实现任何投资者都不能影响你追求的目标。
OpenAI 不是一家公司，也不是合伙制，它是一种崭新的新型组织。从长期来看，OpenAI 的盈利结束之后，它所产生的一切都是社会公有的，它的顶层阶段是一个 Nonprofit 。这是经过深思熟虑之后，非常有勇气坚持着一步步追求他们走的路径，才能造成迄今7年后的突破。
GPT4封装了世界上所有的知识。
自然语言处理，
动物智能向通用智能演变的过程是先从视觉开始，通过视觉识别目标、学会推理，然后逐步形成符号，再发展为语言（先有口语，后有书面语言），最终形成像人类一样的完整知识体系。
然而，OpenAI 采用了相反的做法，它不是从视觉开始，而是从语言出发，去构建通用模型能力。它利用 GPT 封装了世界上绝大多数知识，以此为基础，先构建一个知识引擎，再通过对话进行调试，从而实现自然语言处理。
语言最根本带来的：零样本、少样本泛化能力。
在我看来，语言是一个特殊的潜在认知空间，是人类与物理世界之间最宽泛、最重要的桥梁。从根本上讲，它更多是一种泛化和思考工具，而沟通只是副产品。没有语言，我们无法实现零样本泛化，而这种泛化能力正是最关键的。
技术发展具有进化性，它的进化与达尔文进化理论非常类似，同样涉及结构、功能组合和选择，会朝着更符合人类需求更多的方向发展。
系统1：机器学习以系统1为主
系统2：人建的模型以系统2为主
我们真正的需求，是这两种模型之间的组合。当遇到一些关键问题，需要通过系统化方法进行逻辑分析、推理和严谨论证；同时，我们也有大量需求，并不需要进行深入分析，只需要直观快速反应。
当大模型和人类建立的模型结合起来，就能更好地解决人们的需求和问题。我们看到的发展趋势是，系统1和系统2已经有越来越多的整合，朝着更好的满足人类需求的方向演进。
新时代
知识是生产力
但是知识变的便宜了
整个数字化产业是最先受影响，并且全面升级和重构
每个行业的结构性重组：从边际成本到固定成本
美国头部团队，有中国一半的算力。
数字化产业在进入下一代：得开发者生态得天下
很快人和人差距会拉开。
新机会
人
数字化
数字化的应用
我们将人群分为“消费者”、“创作者”、“企业”三个类别，把它分成一格一格的，代表人群时长的分割和人类的基本组织形成，用来系统、完整的探索数字化应用。
在这里，创作者人群是我们特别关注的，他们是站在前沿的：码农、设计师、科学家等。
消费者的需求结果体系，可以借助马斯洛的人类需求层次出发；企业的需求比较稳定，都是降本增效。
借此，我们可以完整的去分析这次范式的变革，每类需求的机会位于哪里。
认识世界、改造世界
人要永远认识世界，认识得更深。认识世界，包括认识自己是世界的一部分，要把知识数字化。
数字化有6种功能可见（Affordance）：
1. 信息（2D）：这个数字化的能力基本上触达了每一个人类，我们每个人基本上都用电脑，用手机，触达所有的人。
2. 体验（3D）：尤其是三维的体验，元宇宙，目前只有少数的品类，游戏、社交等。
3. 关系（抽象）Web3：数字化的抽象关系，信任、激励机制、所有权等；这个需要时间来逐步探索和发展。
4. 物理外部环境：数字化驱动的物理环境交互，自动驾驶、机器人等。
5. 生理内部感知：数字化人内在的脑机接口、内部测试机制，这个目前也是覆盖少数类别，如康复等。
6. 知识（模型）：数字化带来的知识是嵌入的，可以用在所有场景之下。
这次我们创新的空间，基本上是用二维的信息，加上嵌入知识，去找所有可以应用的类别；有些品类可以用到其他的数字化能力，如机器人等，可以三位一体的满足人的需求。系统性的探索我们的机会。以上是这个完整的框架。
起步是自然语言导向，大模型为先来设计，不是信息为先；数据闭环；
