[{"data":1,"prerenderedAt":234},["ShallowReactive",2],{"article-human-with-llm":3},{"id":4,"title":5,"body":6,"cover":73,"date":198,"description":199,"draft":200,"extension":201,"faq":202,"featured":200,"meta":215,"navigation":216,"path":217,"readingTime":218,"seo":219,"seoKeywords":220,"stem":227,"summary":15,"tags":228,"type":231,"updated":232,"video":232,"__hash__":233},"articles\u002Farticles\u002Fhuman-with-llm.md","大模型下的生存之道",{"type":7,"value":8,"toc":188},"minimark",[9,16,19,22,27,30,33,40,43,49,52,58,62,65,68,74,77,85,92,96,102,105,116,131,134,154,161,165,168,179,182,185],[10,11,12],"blockquote",{},[13,14,15],"p",{},"大语言模型（LLM）正在打破靠知识构建的专业壁垒。人类的剩余价值在于创造力、审美和跨领域连接能力。",[13,17,18],{},"经历了一年与大语言模型（LLM）的相处之后，我渐渐感悟到，在当今大模型下，人类的很多引以为傲的能力被淡化了。\n许多靠知识构建的壁垒一一被 LLM 给轻易攻下。我们需要及时调整自己的生存策略以保有未来生存的一席之地。",[13,20,21],{},"我想先分享一下我自己的学习工作模式变化，大语言模型怎么打破我们的知识壁垒，接着试着分析在这种情况下，人类的剩余价值是什么，怎么去保有这种价值。",[23,24,26],"h2",{"id":25},"llm-给学习与工作模式带来了什么变化与冲击","LLM 给学习与工作模式带来了什么变化与冲击？",[13,28,29],{},"大语言模型 LLM 的出现，特别是 2022 年 12 月的 ChatGPT 横空出现后，到目前很多没有深刻认知 LLM 的人还不能理解它对人类的威胁。\n以为新闻里大佬说的 AI 威胁是一种炒作和噱头。",[13,31,32],{},"但是我是计算机互联网行业，和 LLM 配合工作，已经有一个年头了。并且还深度参与了 LLM 应用的建设。\n对于我来说，我的工作生活模式，已经完全被 LLM 重新定义了一遍。比如开发一个项目时，我会直接从 LLM 获取信息。\n而在以前，我需要通过搜索引擎，并且层层过滤，才能获取到我想要的信息。",[13,34,35],{},[36,37],"img",{"alt":38,"src":39},"copilot","\u002Fa\u002Fhuman-with-llm\u002Fcopilot.png",[13,41,42],{},"而平时的通用知识，我会更偏向于从 LLM 里获取。这可比搜索引擎步骤少太多了。",[13,44,45],{},[36,46],{"alt":47,"src":48},"chat","\u002Fa\u002Fhuman-with-llm\u002Fchat.png",[13,50,51],{},"相比起用搜索引擎，你可以明显地感受出，LLM 的回答更加直击你的问题，而不是像搜索引擎那样提供给你一大堆材料，让你自己分析对错。",[13,53,54],{},[36,55],{"alt":56,"src":57},"search","\u002Fa\u002Fhuman-with-llm\u002Fsearch.png",[23,59,61],{"id":60},"人类的知识壁垒为什么会崩塌","人类的知识壁垒为什么会崩塌？",[13,63,64],{},"学习工作模式的改变，也从侧面反映了，人类知识壁垒的崩塌。过往每个人之间的阅历不同，学习的知识覆盖面也不同。\n在人需要完成某项宏大目标时，往往无法通过一个人的点状知识能够完成。比如要盖一栋楼，完成一个稍微大型的 web 应用。\n一个人的知识面是有限的，人类往往需要通过分工合作，让每一个人的知识覆盖每一个项目中的点，最终完成整个项目。",[13,66,67],{},"假设下方每一个点代表一个人类的能力范围。而一个项目的完成，需要绿色区域的知识覆盖。那么我们就能利用绿色区域的人来完成这个项目。",[13,69,70],{},[36,71],{"alt":72,"src":73},"sampling","\u002Fa\u002Fhuman-with-llm\u002Fsampling.jpeg",[13,75,76],{},"但是，随着 LLM 的出现，我们可以发现，绿色区域的知识覆盖，已经不再是人类的专利了。绿色区域中，肯定有很多是通用知识，\nLLM 能替代很多的绿色点。这就意味着，我们不再需要那么多的人来完成一个项目了。这也是为什么很多 AI 大佬，比如 Geoffrey Hinton 说，\n未来 AI 会威胁到人类的生存空间。",[13,78,79,80,84],{},"假设",[81,82,83],"strong",{},"通用知识","在未来已经不是我们人类个体的生存壁垒，教师、律师、医生、程序员等职业都将面临被替换的风险。",[13,86,87,88,91],{},"而更可怕的是，现代的国内学科教育，高度标准化的教学，虽然其主要目的是为了在这套体系内筛选出人才，\n但是副产品却是培养出了众多",[81,89,90],{},"通用型人才","。LLM 的出现，将使得这种模式失去意义。",[23,93,95],{"id":94},"人为何为人","人为何为人？",[13,97,98,99],{},"我一直在思考：",[81,100,101],{},"既然机器最终可以代替提供大多数的人类知识。那么人未来还有什么价值，或者说，人类要怎样做，才能保有自己作为人的价值？",[13,103,104],{},"回答这个问题，必须清楚人与机器相比，究竟还有什么样的差别？我们需要在未来放大人类的优势。",[13,106,107,108,111,112,115],{},"学 AI 的同学应该都知道，模型优化的目标就是在大数据集上，找到一个尽可能的最大范围的解法（即",[81,109,110],{},"泛化性最强","的模型参数）。然后利用这种泛化性，\n为我们在某类问题上",[81,113,114],{},"提供高效","的解决方案。",[13,117,118,119,122,123,126,127,130],{},"假定机器的终极目标目前还不超脱于",[81,120,121],{},"服务于人","，那么机器的特性则是",[81,124,125],{},"泛化性","和",[81,128,129],{},"高效性","。",[13,132,133],{},"朝这个方向分析，人类如果要避免和机器同质化，就务必需要：",[135,136,137,148],"ul",{},[138,139,140,143,144,147],"li",{},[81,141,142],{},"\"反泛化\"","：每个人都应该更笃定自己的个性化发展，让每个人的背景经验都不同，从你个性化的经历当中，可以得到",[81,145,146],{},"非通用解决方案","。\n如果你还处在一个通用范围内，那么你的价值就会被机器替代。",[138,149,150,153],{},[81,151,152],{},"\"反效率\"","：更多的精力应该放在如何想出、创造出新的东西。而不是花大量精力研究如何标准化，高效化。因为你这点根本比不过机器。",[13,155,156,157,160],{},"再说说",[81,158,159],{},"为什么机器没办法侵犯人类的 \"反泛化\"、\"反效率\"领域","。其核心原因是资源的瓶颈。就目前的状况来看，训练出一个能力强的模型，\n必须消耗巨量的资源，算力和能量。如果想要让模型变得\"反泛化\"而消耗更多的资源，这是没必要的，投入产出完全不成正比。\n所以模型就应该是通用的，泛化的，高效的。",[23,162,164],{"id":163},"人机共处时人应该把精力花在哪里","人机共处时，人应该把精力花在哪里？",[13,166,167],{},"思考完上面的点，你就会发现，为什么专家说，未来人机共处时，人类更加重视自己的创造力，想象力。这对应的就是上面的 \"反泛化\"、\"反效率\"。",[13,169,170,171,174,130],{},"未来，至少在 30 年内，我认为新的工作和学习模式需要切换成，\n",[81,172,173],{},"人类就应该低效点，多花时间接触不同的东西，多提出独到的见解，多发挥无边际的想象力，在反泛化上继续深挖。",[175,176,178],"a",{"href":177},"\u002Farticles\u002Fstudy-broadly","会的东西很杂，也能让人变优秀",[13,180,181],{},"现在我生娃了，和大多数家长不同，我非常焦虑现在的教育体系无法培养出一个 LLM 时代的人机共生之娃。\n所以会一直思考如何培养出一个面向未来的娃。",[23,183,184],{"id":184},"结论",[13,186,187],{},"LLM 的时代是不可逆的，有些事情的发展，会超乎我们的想象。但是如果我们能提前看到人类与 LLM 的区别，提前将我们生存的目标调整成\"反泛化\"、\"反效率\"。\n或许你还是可以在未来这个时代，找到自己存在的意义，甚至为我们的后代，留出一个更好的未来。",{"title":189,"searchDepth":190,"depth":190,"links":191},"",3,[192,194,195,196,197],{"id":25,"depth":193,"text":26},2,{"id":60,"depth":193,"text":61},{"id":94,"depth":193,"text":95},{"id":163,"depth":193,"text":164},{"id":184,"depth":193,"text":184},"2024-02-02","当 LLM 打破人类知识壁垒，我们该如何找到自己的价值？",false,"md",[203,206,209,212],{"q":204,"a":205},"大语言模型（LLM）对人类工作最大的威胁是什么？","LLM 最大的威胁不是替代人类，而是打破靠知识差建立的专业壁垒。过去需要多年积累的信息检索和整理能力，现在 AI 几秒就能完成。",{"q":207,"a":208},"在 AI 时代，人类还有哪些不可替代的价值？","人类的核心价值在于三个方面：1）创造力——提出 AI 无法自发产生的新问题；2）审美判断——在众多可能性中做出价值选择；3）跨领域连接——将不同领域的知识融合产生新洞察。",{"q":210,"a":211},"普通人应该如何调整自己的生存策略？","首先接受一个事实：靠信息差和知识壁垒建立的优势正在快速瓦解。然后把精力放在 AI 做不好的事上——深度思考、提出有价值的新问题、在不同领域之间做创造性连接。不是和 AI 比谁记得多、查得快，而是利用 AI 释放的时间去做更高层次的思考。",{"q":213,"a":214},"LLM 是如何打破人类知识壁垒的？","过去很多专业人士的核心竞争力是信息检索和整理能力——需要多年积累才能快速找到和组织某个领域的知识。但 LLM 几秒钟就能完成这些工作。这意味着'我知道你不知道的'这种信息差优势正在失效，真正有价值的是'我能想到你想不到的'。",{},true,"\u002Farticles\u002Fhuman-with-llm",8,{"title":5,"description":199},[221,222,223,224,225,226],"大语言模型","LLM","AI 对人类的影响","知识壁垒","AI 生存策略","人工智能职业发展","articles\u002Fhuman-with-llm",[229,230],"AI 洞察","AI 应用","article",null,"5LmbQxPKifQpFdWuSy8iuin4Rlq6H2ch2R7AdDawqQg",1782881825272]