取代人的不是AI，而是另一批更善于使用AI的人。同理，真正颠覆企业的也不是AI，而是各行各业都在积极进行AI化转型的时候，很多企业的数字化转型还没有提上日程。
前不久，深度学习领域泰斗、神经网络之父、75岁图灵奖得主Geoffrey Hinton突然宣布从效力了10年的谷歌离职，引发了整个科技圈的又一轮地震。这是继今年3月末，千名科技从业者联名呼吁暂停训练比GPT-4更强大的AI之后，再次引起全球关注的热点事件，也由此重新掀起了世界范围内对于AI技术安全性的深刻讨论。被称为“人工智能教父”的Geoffrey Hinton，一直是该领域受尊敬的先驱之一。值得一提的是，ChatGPT背后的真正英雄——OpenAI的联合创始人兼首席科学家Ilya，就是Hinton的得意门生。然而，正是这样一位在AI领域地位举足轻重的科学家，却对自己研究了一辈子的人工智能表现出深深的担忧，甚至坦言：“我对自己的毕生工作，感到非常后悔。”AI技术是否安全可控？AI究竟会如何影响人类社会？这一系列的问题，随着Hinton的一番言论再次被推上了风口浪尖。AI作为当前全球为热门的技术领域之一，其市场规模和应用领域正在以惊人的速度不断拓展。根据IDC的统计和预测，2022年全球AI市场规模已达到4328亿美元，同比增长近20%。而在3年以后，这个数字将直接翻倍，达到9000亿美元。随着AI产业的井喷式增长，AI技术也以前所未有的速度和深度渗透进医疗、金融、零售、制造等各个领域。然而令人惊讶的是，AI在展现其强大能力的同时，更呈现出一种难以理解的特质。拿当前热门的GPT-4来说，它的某些能力让资深的AI专家也深感震惊甚至是困惑，以至于没有人能够理解它的能力何以臻至这样的境界。总之，这一波的GPT革命每天都有新的突破，速度之快，能力之强，让世人次切实感受到了AI对人类的威胁。
2020年，麻省理工学院发现了一种新的广谱抗生素——Halicin。这种抗生素可以杀死那些已经对市面上现有的抗生素产生了耐药性的细菌，并且不会引起细菌产生耐药性。这个幸运的发现是通过AI完成的。研究者通过一个由特定分子组成的训练集来训练AI，让AI自己学习这些分子的特点，并总结了一套“什么样的分子能抗菌”的规律。然后让这个AI模型按照某些标准筛选了美国FDA已经批准的药物和天然产品库中的61000个分子，结果AI真的找到一种符合所有要求的分子，这就是Halicin。这个发现振奋人心，因为经过实验证明，Halicin的确是一种非常的抗生素。但与此同时，AI寻找Halicin的方式也让科学家们深感震惊。一直以来，关于什么样的分子可以做抗生素，科学界是有一整套知识理论的，比如原子量和化学键应该具备某些特征等等。然而，AI在寻找Halicin时依照的却不是这些特征。那么AI用的是什么特征来进行判断呢？答案是：不知道。人们只知道AI在自学的过程中，学会了一些“特殊”的知识，然后就用这些知识发现了新的抗生素。至于它究竟学会了什么，又是怎么学会的，研究者们无从得知，更无法理解。AI展现出越来越多人类无法理解的能力，这在世界范围内来看并不是孤例。拿AlphaZero来说，它仅仅花几个小时自学就能学会国际象棋，然后轻松击败人类。当人们再去复盘它的策略时，经常会感到匪夷所思，因为它看似很随便就可以放弃像皇后这样的重要棋子……如此看来，人类对AI的畏惧不仅是其展现出的非凡能力，还在于它竟然可以找到人类理解和认知之外的解决方案，这如同在说：“人类已经不再是世界规律的唯一发现者和感知者了。”在近期被讨论的有关AI的众多热点事件中，GPT毫无疑问具话题性的。作为对话式语言模型，GPT不仅能够以自然流畅的方式与用户交流，还能自动化生成高质量的自然语言文本。它拥有非常出色的学习和适应能力，甚至还表现出强大的创意和想象力。
现实中很多人都有逗GPT玩儿的经验，比如给它提一些稀奇古怪的问题来让它来回答。然而在交互的过程中，很多人也会产生一种感觉，那就是GPT绝不仅仅是根据词汇之间的相关性输出答案。事实上，它已经具备了相当程度的“思维能力”。然而这种能力究竟是如何出现的？是设计者一开始就植入进去的吗？并不是。语言模型之所以有这样神奇的能力，主要是因为它们足够“大”。当训练模型足够大，用于训练的语料足够多，训练的时间足够长时，就会发生一些“神奇”的现象。“涌现”早是由John Henry Holland在其著作《涌现：从混沌到秩序》中提出的概念，大意说的是：当个体聚集成群体后，将出现一些原本不具备的能力。而且这些能力只属于整体，无法还原到个体。比如，单个的蚂蚁很笨，但是蚁群却非常聪明；每个神经元都很简单，但我们的大脑却深邃无比；单细胞的阿米巴虫十分低级，但一群阿米巴虫聚在一起却能够在同类中修建输送食物的管道，其复杂程度不亚于东京市的公路网……但需要注意的是“涌现”这个概念的后半句：“这些能力只属于整体，无法还原到个体”。也就是说，在“涌现”出现以前，我们对整体即将出现的能力很难看出任何端倪。这种能力是在群体大到一定程度后突然出现的，它不可知，不可逆，无法判断，也无法还原。诚如所见，“涌现”在GPT上同样发生了。GPT的缔造者之一Altman就曾表示：GPT-4也许是人类有史以来掌握的复杂的工具，而且它确实涌现出了一些之前没想到的能力。而这些能力是怎么出现的，他也不知道。
不可否认，以GPT为代表的AI工具是人工智能领域的一次革命性进步，但即便它现在能力再强，大概率也不会是人工智能服务的终形态。拿GPT来说，我们在使用它的时候很容易发现一个问题，那就是不论是谁，只要提出相同的问题，它会呈现出非常相似的答案。这其实不难理解，因为GPT的本质是一个以大数据为基础的大语言模型，而它所使用的是互联网上的公共数据。所以不论谁在使用，数据是一样的，算法也是一样的，这时如果连提出的问题也一样的话，那么GPT返回的结果也不会有本质的区别。这一特点决定了它的使用场景其实受到了限制——我们可以利用GPT提高工作效率，但我们不能把它提供的答案当成可以直接交付的作品。换言之，它还不能直接产生我们想要的结果。这一点相信很多试图用GPT写文章的人都能够感同身受。我们给GPT一个主题让它发挥，它的确可以在极短的时间内洋洋洒洒写出一篇还不错的文章，但细读了之后我们就会发现，虽然表达和逻辑都没什么问题，但内容却非常空洞，更别提有时它还会一本正经地胡说八道了。这是因为它只能使用网上的公共数据和内容，但却无法得知我们对这个问题的看法、我们怎么理解这些内容之间的关系，我们的观点、态度、思维方式它通通一无所知。而且，对于公共数据的真伪它也不会去甄别和判断，有时还会自己编造答案……总之，在现阶段，GPT还无法代替我们的思考。企业在使用人工智能服务的时候，其实面临着同样的问题。每个企业都有自己独特的业务生成方式，而且在长久的经营中沉淀了大量的独一无二的私域数据。这些极具个性化的内部资源对企业来说至关重要，而发现它们之间的内在关系更有着不可估量的价值，因为创新正是有赖于将不同的要素重新组合，发现事物之间新的联系，从而寻找出新的机会或者迸发出新的能力。可是，企业的内部资源AI并不知道，所以AI必须经过训练才能为企业所用。这也就意味着，企业在使用人工智能服务时，不可能千人一面，而是会拥有适用于自己公司的个性化AI工具。然而，实现这个目标并不容易，因为这对企业在私域数据的收集、管理和使用等各个环节都提出了极高的要求，而这其中所涉及的诸多细节，比如数据组织的有效性、存储和传输的安全性、管理和使用的合规性等等，每一项单独来看都是企业数字化过程中无法回避的挑战。
AI将会以什么样的方式改变企业，又将为企业带来哪些价值？想必是每个经营者面对这一波技术浪潮关注的问题。精诚中国作为前沿科技的探路者，通过将微软Azure机器人与Teams集成，已经率先帮助客户落地实现了这一尝试。在现代化的办公场景当中，企业内部可能存在许多业务系统。而系统之间的频繁切换以及数据孤岛等问题，作为阻碍企业办公效率的沉疴长期存在。现在，很多企业选择将Teams作为处理日常事务的统一入口。而在此基础上，精诚更进一步，帮助客户将AI集成其中，让办公人员可以像与GPT对话那样，在Teams上通过统一的界面完成通知收发、审批回复、政策问询、快捷申请等一系列操作。拿“政策问询”这个功能来说，每个企业都有自己独特的规章制度，而这些规章制度的细节可能会非常多，打印出来则是一沓厚厚的员工手册。可是有多少员工真的会去认真学习这份手册呢？现在有了AI，一切都很方便，因为AI会不知疲倦地学习，而且学习的效率和效果堪称卓越，终变成企业的“数字助理”。接着，我们就可以在Teams上询问“数字助理”各种问题了，比如：“我可以在公司穿拖鞋吗？”这时，因为“数字助理”孜孜不倦地学习了公司的规章制度，他就会根据学习的结果给你一个答案。也许公司的制度很严格，他会坚定地告诉你“不行”也许公司的文化比较开放，他可能会回答出类似“在某某场合下，某某时间段可以穿，但是如果有外宾来访或者会议场合还是建议正式着装”等等。但是请注意，一般情况下是不太会有哪个公司将“能不能穿拖鞋”这么细节的条例写进员工手册的，一切都是AI学习的结果——当然，是否允许AI做这样的理解和发散，也可以调节和控制。目前，精诚帮助客户实现的“政策问询”功能是针对于HR政策的问询，用户输入聊天信息，唤起数字助理，点击提问后进入政策查询模式，一次对话可查询多个主题，当然也可以就一个主题展开多轮对话。
面对AI的汹涌浪潮，是恐惧还是勇敢？是选择回避还是积极拥抱？这是身处于现代社会的每一个个体和组织都必须回答的问题。然而这个问题的答案又是如此不言自明，因为历史已经一次又一次地告诉我们，技术的发展不会以人的意志为转移。19世纪初英国工人为了保住饭碗而捣毁机器，20世纪初曼哈顿街头煤气灯夫集体罢工，可是无论哪一场轰轰烈烈的运动也没能真正阻止蒸汽时代和电气时代的到来，技术发展的浪潮从来不会因为人类的意愿而稍稍停一停它奔腾的脚步。与其如此，我们不如主动选择更积极地去拥抱技术。毕竟从现阶段看来，取代人的不是AI，而是另一批更善于使用AI的人。同理，真正颠覆企业的也不是AI，而是各行各业都在积极进行AI化转型的时候，很多企业的数字化转型还没有提上日程。
