新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI 历史 社会 人类

发布时间:2026/11/14 20:25:32来源:尧图网络
AI  历史  社会 人类
作为一个AI从业者身处今天的AI浪潮中我每天都切身感受到AI带来的效率提升——新技能不断涌现世纪数学难题被攻克mRNA疫苗研发加速……但与此同时我也不禁思考自己的工作是否会被替代进而对社会生产关系和就业率产生了深深的担忧。我相信不少人正和我一样对AI的发展速度感到焦虑。但最近与AI的几次深度对话让我对这件事有了全新的看法。首先我认真思考过现在的 AI 到底和我的能力差在哪里我曾让 GPT-6 Astra 帮我写一个简单的 RTL 模块自己也同时动手写了一遍。这个模块不算大但里面的逻辑关系并不简单。我自己花了大约两个小时才把关键路径理清楚。而 GPT-6 Astra 只用了二十多分钟就生成了一份完整版本。坦白说在功耗上我的版本仍然有一些优势。但问题在于我花了整整两个小时它只用了二十分钟。于是我得出了第一个结论AI 暂时还不可能完全替代我。可这个结论很快又被我自己推翻了。从商业角度看只要 AI 生成的代码没有明显错误它就把原本需要 120 分钟完成的工作压缩到了 20 分钟。这不只是效率提升了六倍那么简单。如果模块更大、项目更复杂人类和 AI 之间的效率剪刀差会不会继续扩大在大多数商业场景里企业对速度的要求往往远高于对极致精度和完美质量的要求。这是我第一次真切感受到压力。但后来我又想也许未来的工作状态并不是“AI 取代工程师”而是“AI 先生成工程师再校验”。毕竟人类打字和思考的速度不可能比 AI 生成更快。让 AI 先快速产出初稿再由工程师做架构判断、功耗优化、时序收敛和最终验收可能会成为新的协作生态。想到这里我对 AI 焦虑的第一轮情绪稍微缓解了一些。可紧接着新的消息又来了。OpenAI 宣布其内部 AI 系统给出了纳维–斯托克斯方程存在性与光滑性问题的证明AI 在生命科学领域的进展也在加速Anthropic 设立了湿实验室。这些消息让我意识到任何领域一旦遇到 AI都可能有一部分人因为生产力提升而被优化同时整个领域的发展速度也会被大幅拉高。但随着我与 AI 的几次深入交流这个想法开始动摇了。我真正想问的是AI 的发展真的会因为一部分人停止提供数据、试图阻止它就因此停滞吗这样的事情在人类历史上真的发生过吗首先我们需要给这次技术革命找一个历史坐标。在我看来能与 AI 相提并论的只有农业革命和工业革命。农业革命改变了什么自从人类开始耕种便有了余粮。余粮带来了财富也催生了金融、政治等一系列概念使人类逐渐摆脱了早期文明中资源极度匮乏的状态进而演化出更大的城邦、国家乃至更复杂的文明形态。因为可以存粮人类不再完全受制于季节和寒冬而大量余粮的出现又使社会能够容纳一部分“闲置人口”。正是这些从生存压力中解放出来的人才有机会继续探索、创造推动新技术的产生。后面的青铜文明铁器文明都是农业这个科技树的果实。同样到了工业革命蒸汽机、电动机和内燃机的大规模运用让人类第一次摆脱了自身力量的物理极限。在古代建造房屋、搬运巨石只能依靠人力或畜力而这些力量终究有限。随着蒸汽机、内燃机等新动力源的出现生产力被进一步推高。与此同时大量劳工和马匹也确实因为技术浪潮而失业。但工业革命也完成了从封建地主制向资本主义生产关系的转变。所以我们可以看到任何一项技术如果同时引发生产力和生产关系的巨大变化必然会有一些职业因此走下历史舞台。但与此同时它也会释放出大量体力和脑力让人类去创造新的领域、新的技术。这样的事情在人类历史上已经发生过很多次。AI 所做的正是让程序员、工程师和部分白领像曾经的劳工一样从繁杂、重复的社会生产中逐渐被释放出来。这些被释放出来的社会劳动力会为下一波技术革命提供新的血液。农业解放了人类的生存压力工业革命解放了人类的体力而 AI 则正在解放人类的脑力。第二点AI并不会因为个别人的停用而停止发展就没有瓦特改良蒸汽机还会有第二个瓦特第三个瓦特。AI的发展速度只能越来越快。那我们能做什么呢这个我也不知道但是我知道一点AI的发展一定会极大的增加社会生产力和人类的科学边界。甚至让人类真正进入星际文明进入一个现在我们无法想像的时代。或许我们现在AI路径并不是通往AGI的路径但我相信我们路线并不会偏离太远最多就是正交另外我们还有类脑计算世界模型等等其他路径这场变革我们有幸成为见证者。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉