01 集体人工智能焦虑症

自ChatGPT发布已经过去一年多，国内外AI大模型相关新动态层出不穷，相关厂商们加速行动，打工人也在疯狂输入Ai知识，唯恐落后于这个剧烈变化的时代。
但是我们对新技术却越发恐惧，甚至患上了“人工智能焦虑症”。
深燃热文《你的下一个员工，何必是人工？》提到CEO们，患上“AI焦虑症”
中新聚焦博鳌栏目提到焦虑蔓延到普通人，“AI焦虑”与自己手中的“饭碗”相关——我的岗位会被AI取代吗？
据中国社科院的一篇文章分析，这种焦虑来自于AI新工具的落地使用。
“对于大模型，谁用得快、谁用得好，谁就能在同行竞争中占到先机”。
“所有行业，都值得用Ai再做一遍！”
华映资本《再访硅谷：生成式AI随处可见，VC开始关注国家安全类项目丨华映资本全球化观察》提到：
国内LLM仍旧严重依赖技术栈的垂直整合，聚焦应用层创新，“人工智能是否有应用场景、是否能商业落地、是否可获得超额投资回报”等问题的反复争论。
硅谷的资本、产业和创业者都将绝大部分时间用在了研发以及商业模式探索上。
我们如何才能每次在真正的颠覆式技术创新阶段保持遥遥领先呢？
这种现实反馈到社交媒体上是各种技术推介，降本增效，副业搞钱…
但是这种长时间的同质化信息冲击早已经让人疲惫不堪，但不刷又不断吊打、碾压、各种牛X，一种被落后感
我梳理了2023年至今的Ai资讯、产品、学术、应用、商业化案例...我发现...
90%的AI资讯都是无用的。

这些信息除了占据你的时间和精力毫无价值。
其实就算是Ai专业领域的人士来说，也是完全看不过来各种paper，新demo，30%项目会突然冒出来。
某个大厂多模态产品负责人回应：对于9成以上的AI ，PM都没有看的必要
坚持每日看碎片化资讯，对绝大部分人来说无疑是一种痛苦，这是一种认识论困局：资讯不等于知识，如果只是基于焦虑，不加以筛选，重新组织这些信息来应用，只会导致你的大脑一片混乱。
但是这么久的浸染，是不是让我们的AI水平提高到了难以想象的高度？
去年，我在全网各大Ai社群，进行抽样调研，结果非常令人意外
99%的人0 prompt，处在许愿式提问阶段。
如果你不会适当的prompt技巧，投喂相关数据进行提问，只是偷懒向Ai许愿，你很难获得什么有价值的信息。
很多人在初接触Ai时候，只会提一些简单的问题，肯定得不到想要的答案，于是就浅尝辄止了。
在有结构化Ai SOP与应用的团队里，认为提高了大概10-30%不等的效率，但是这部分任务本来就是属于实习生任务的简单工作。

企业中Ai主要应用在降本增效方面。
在企业中往往是自上而下推动AI的普及，公司基层员工会关注工作如何结合AI应用，但更害怕被替代。
但仅仅是Ai培训并不能满足如今中小企业的需求——如何利用AI为公司业务创收？尤其是在电商领域。
而主导这一波浪潮的AI公司也并不好过。
基于开源能力的产品创新，复制的成本是极低的，导致要不然出海，要不然做一堆应用赛马。
这些新技术组合出的新产品特性，目前在吃流量红利，并不可持续。
我们看Ai产品流量榜和出海榜也能看到，每个月各家产品角逐变化是很大的，目前还没有类似chat GPT统治力的产品。
而chat GPT也几乎停止了用户增长，其产品收入虽然达到了百亿级，但是相比高昂的研发成本有些黯然失色。
之前Ai产品群一次小会，大家共识是，如果在模型能力上拉不开差距，那产品竞争的核心在于AIGC与用户社区上。
在前不久open ai的开始陆续向GPTs头部创作者分发创作激励，这可能是一个好的方向。
2024年，整个Ai产业已经进入应用落地期，相信大家经常会刷到kimi、智谱、天工的各渠道投放，接下来的比拼将会更加激烈、残酷。
普通人如何适应整个变化激烈的时代呢？

02 Ai时代最重要的是认知
在去年四月那篇讽刺某Ai知识星球割韭菜榜单后，我陷入了疑惑
大众技术素养水平差能理解，可是星球嘉宾里面还有很多互联网行业知名的人物，他们智商也不低啊，为什么会参与这种游戏？
认知能力都很优秀的现代人，反而会无从组织各种资讯，沦为被别人用信息差割一刀呢？
前魅族 coo 李楠分享过：技术进步的阶段，你尚可研究“ 10 个技巧玩转Midjourney”。但当技术发生颠覆性变革的时候，你不能用技巧用技能掩盖认知的落后。
我们处在一个加速变化的社会，对新事物每个人都非常焦虑，就会想着去做一些，但一力胜百巧。拥有更高维度认知，更深度洞察，更会用好工具的人，可以发挥出更高价值。
那我们该从哪里了解Ai信息呢？


03 Ai最好的信息源

要提高认知，有三个方向：
1.信息渠道。尤其是越接近一手信息源越好，而三手信息则可能导致你的认知失真。所以我们推荐官网或者Ai一线人员的信息。
2.信息质量。垃圾进垃圾出，好的决策需要好的信息培养。这是我们为什么经常读传记的原因，可能方法已经落后，但是可以锻炼我们的思维。
3.信息密度。对于绝大部分人来说没有量变就没有质变。知识类文章会比经验性文章提供给你更多信息密度，让你主动检索、思考，亲自尝试。
简单说，学好Ai就是找到优质信息源，然后沉浸在其中。

最后回答几个问题：
1：对于Ai学习，长期积累还是专题检索好？
主动检索。对于普通人来说没必要上知识管理。我们几个Ai博主，为了整理好AI项目，花费了很大的精力得到的经验。如何系统的、结构化的梳理资讯间的关系，深度解析的事情交给专业人来做

2.如何提升Ai方面的认知？
之前推荐过一份Ai领域的书单，但是有80多本，很多人看不完，你可以使用我们提供的读书提示词进行学习。
还有就是读一些深度的文章，访谈等：
OpenAI 的创始人 Sam 的文章《Moore's Law for Everything（万物摩尔定律）》，探讨了AI的技术革命会给未来带来什么变化。
Andrej -《State of GPT（GPT的现状）》
《压缩下一个Token——通向超过人类的智能》
...
3.对于你提供这么多Ai信息源，从哪个看起？
普通人的话，建议直接上手Ai应用案例，用AI改进自己的工作、学习还有生活效率，解放自己的时间与精力做一些更好玩的事情。
专业人士的话，建议深读那些经典的paper，以及每周2-3篇论文，这些最基础的部分，可能会给你的商业模式带来新的增量。
而Ai播客，越来越多是Ai产品的公关了，或者一些无聊的、忽有忽无的商业动态，更适合小白或者商业化部门。
最值得关注的就是来自用户社区的Ai使用新创意，这是产品的重要资产，未来护城河搭建的壁垒。

最后摘录一段专家会里中科院自动化研究所、联合国人工智能高层顾问曾毅的发言：
人类与AI最大的区别是人类会反思自身存在的意义，人终其一生都在不断完善自我、追求自我。
人们在接触人工智能之前，应先学习哲学和认知心理学，“当人工智能越来越强大的时候，你应该把它当成一个工具去追求自我”。

防水图