一切都始于生成式人工智能

編者按：又到了年末的時候,，按照慣例，也是進行新年預(yù)測的時候了,?？偟膩碚f，明年的趨勢預(yù)測沒有那么困難,，因為最大的影響因素是生成式人工智能的崛起,。今年是生成式人工智能普及大眾認知之年,，而明年,，生成式人工智能將滲透到各個行業(yè),，改變一些已經(jīng)很久沒有變化的領(lǐng)域,。文章來自編譯。

縱觀歷史,，人類開發(fā)出工具和系統(tǒng)來增強和放大自己的能力,。不管是印刷機還是流水線,，創(chuàng)新讓我們能做到的事情超過了過去單打獨斗。工作發(fā)生了變化,，新的職業(yè)出現(xiàn)了,，人們也在不斷適應(yīng)。在過去一年的時間里,，變化的速度一下子變得快了許多,。使用云技術(shù)、機器學(xué)習(xí)與生成式人工智能變得更加便利了,，從寫電子郵件到開發(fā)軟件,，甚至在早期階段檢測癌癥，新技術(shù)幾乎影響到我們生活的方方面面,。未來幾年,，在目標是實現(xiàn)技術(shù)普及并幫助我們跟上日常生活節(jié)奏的領(lǐng)域?qū)⒊錆M創(chuàng)新——而這一切都始于生成式人工智能。

生成式人工智能已經(jīng)具備文化意識

基于不同文化的數(shù)據(jù)訓(xùn)練的大語言模型（LLM）將更加理解人類經(jīng)驗與復(fù)雜社會挑戰(zhàn)的微妙之處,。熟悉文化有望讓全球用戶使用生成式人工智能變得更加容易,。

文化影響著一切。我們講的故事,、吃的食物,、裝的衣服、秉持的價值觀,、行為舉止,、我們的偏見,、我們處理問題與做出決定的方式,。文化是我們每個人如何在社區(qū)生存的基礎(chǔ)。文化提供了指導(dǎo)我們的行為和信仰的規(guī)則和指南,，而這份契約會隨我們的居住地以及與誰在一起而變化,。與此同時，這些差異有時候會導(dǎo)致混亂和誤解,。在日本,，吃面條的時候吮吸湯水被認為是一種享受的表現(xiàn)，但其他文化會當作不禮貌的行為,。在印度的傳統(tǒng)婚禮上,，新娘可能會身穿設(shè)計復(fù)雜,、色彩繽紛的長袍，而在西方世界,，白色禮服才是傳統(tǒng),。在希臘，人們有對著裙子吐口水以祈求好運的習(xí)俗,。作為人類,，我們習(xí)慣于跨文化工作，因此,，我們可以將這些信息語境化,，進行綜合，調(diào)整我們的理解,，并做出適當?shù)姆磻?yīng),。那么，為什么我們對日常生活使用和依賴的技術(shù)的期望要降低呢,？未來幾年,，文化將會對技術(shù)的設(shè)計、部署和消費方式發(fā)揮至關(guān)重要的作用,。而它的影響在生成式人工智能方面體現(xiàn)得最為明顯,。

為了讓基于大語言模型的系統(tǒng)能夠接觸到世界各地的受眾，它們需要實現(xiàn)屬于人類本能的文化流暢性,。在今年早些時候發(fā)表的一篇論文里,，佐治亞理工學(xué)院的研究人員證明，即便用阿拉伯語給大語言模型提供提示,，明確提到了伊斯蘭祈禱,，人工智能依然會生成建議跟朋友去喝一杯的回應(yīng)，這是不符合文化要求的,。這種情況很大程度上與可用的訓(xùn)練數(shù)據(jù)有關(guān),。 用來訓(xùn)練眾多大語言模型的Common Crawl，里面的數(shù)據(jù)約 46% 為英語,，而且更大比例的內(nèi)容（不管是什么語言）在文化上是偏西方的（明顯偏向美國）,。用基于（特別針對阿拉伯語生成的）阿拉伯語文本進行預(yù)訓(xùn)練的模型，給它提供同樣的提示,，則可以生成符合文化規(guī)范的響應(yīng),，比方說喝茶或喝咖啡。過去幾個月,，非西方的大語言模型開始出現(xiàn)：Jais,，接受的是阿拉伯語和英語數(shù)據(jù)的訓(xùn)練，Yi-34B,，屬于中英雙語模型,，還有 Japanese-large-lm,，接受了廣泛的日語網(wǎng)絡(luò)語料庫的訓(xùn)練。這些跡象表明,，文化上準確的非西方模型將為數(shù)億人打開接觸生成式人工智能的大門,，其影響范圍廣泛，從教育到醫(yī)療保健不一而足,。

請記住,，語言跟文化不是一回事。就算翻譯能夠做到完美,，也不能賦予模型文化意識,。隨著無數(shù)的歷史和經(jīng)驗融入到這些模型之中，我們將看到大語言模型開始形成更廣泛的,、全球性的視角,。正如人類在討論、辯論和思想交流中學(xué)習(xí)一樣,，大語言模型也需要類似的機會來拓展自己的視角,，理解文化。有兩個研究領(lǐng)域會對這種文化交流發(fā)揮關(guān)鍵作用,。一個是基于人工智能反饋的強化學(xué)習(xí)（RLAIF）,，也就是一個模型會吸收來自另一個模型的反饋。在這種場景下,，不同的模型可以互相交互,，并根據(jù)這些交互更新自己對不同文化概念的理解。其次是通過多智能體（multi-agent）辯論進行協(xié)作,，具體說法是模型的多個實例會生成響應(yīng),，就每個響應(yīng)的有效性及其背后的推理進行辯論，并最終就這個辯論過程的答案達成一致,。這兩個領(lǐng)域的研究的作用是都減少了訓(xùn)練模型和對模型進行微調(diào)所需的人力成本,。

隨著大語言模型相互交流和學(xué)習(xí)，其對不同文化視角下的復(fù)雜社會挑戰(zhàn)的微妙之處將會有更深入的了解,。這些進步還將確保模型為技術(shù)等領(lǐng)域的廣泛主題提供更強大、技術(shù)上更準確的響應(yīng),。這種影響將十分深遠,，可跨地理區(qū)域與社區(qū)，讓我們的子孫后代都能感受到,。

女性科技終于起飛了

隨著女性科技投資的激增、護理走向混合化以及大量數(shù)據(jù)改善了診斷與患者治療結(jié)果,，女性醫(yī)療保健已經(jīng)達到拐點,。女性科技的崛起不僅將讓女性受益,，還將提升整個醫(yī)療保健系統(tǒng)的水平。

女性保健不是小眾市場,。光是在美國,，女性每年在護理方面的支出就超過了 5000 億美元。女性占人口的 50%,，并負責(zé)了 80% 的消費者醫(yī)療保健決策,。但是,，現(xiàn)代醫(yī)學(xué)的基礎(chǔ)默認卻是男性主導(dǎo),。直到 1993 年 NIH 振興法案頒布之后,，美國女性才被納入到臨床研究之中。月經(jīng)護理和更年期治療等常見需求歷來被視為禁忌,，而且由于女性被排除在試驗和研究之外，她們的結(jié)果往往要比男性糟糕,。平均而言,，女性在許多疾病上的確診時間要比男性晚，而且女性心臟病發(fā)作后被誤診的可能性要高出 50%,。也許這種不平等最明顯的例子是處方藥,，女性報告不良副作用的比率明顯高于男性。盡管這些統(tǒng)計數(shù)據(jù)表面上看起來令人擔(dān)憂,，但在云技術(shù)與數(shù)據(jù)可得性加大的幫助下，對女性醫(yī)療保?。ㄓ置钥萍迹┑耐顿Y正在增長。

在 AWS 這里,，我們一直與女性主導(dǎo)的初創(chuàng)企業(yè)密切合作,，并親眼目睹了 FemTech 的蓬勃發(fā)展。僅在去年一年,，融資額就增加了 197%,。隨著資本、機器學(xué)習(xí)等技術(shù)以及專為女性設(shè)計的互聯(lián)設(shè)備的普及,，我們正抵近一場前所未有的轉(zhuǎn)變的前沿,，不僅是在女性保健的看法方面，而且在其如何管理方面都將發(fā)生轉(zhuǎn)變,。 Tia,、Elvie 和 Embr Labs 等公司展示了利用數(shù)據(jù)和預(yù)測分析提供個性化保健,，同時在患者感到舒適的情況下（在家中和在旅途中）滿足患者需求的巨大潛力。

隨著圍繞女性健康需求的污名逐漸消失,，以及更多的資金流入到該行業(yè),，我們將會看到女性科技公司繼續(xù)積極改善以前被忽視的條件和需求,。與此同時,，由于利用了在線醫(yī)療平臺、低成本診斷設(shè)備的普及以及按需獲得醫(yī)療專業(yè)人員的混合護理模式,，女性獲得醫(yī)療服務(wù)的機會將大幅增加,。像 Maven 這樣的客戶已經(jīng)證明自己是這個領(lǐng)域的領(lǐng)導(dǎo)者，他們打破了心理健康與身體健康之間的界限,，提供從關(guān)系咨詢到更年期護理的一切服務(wù),。隨著這些平臺的成熟和滲透，我們將看到醫(yī)療服務(wù)的大眾化,。農(nóng)村地區(qū)以及歷史上服務(wù)不足地區(qū)的女性將可以更輕松地通過app和遠程醫(yī)療平臺與婦產(chǎn)科醫(yī)生,、心理健康專業(yè)人員和其他專家取得聯(lián)系。像 NextGen Jane 正在開發(fā)的智能衛(wèi)生棉條系統(tǒng)可讓女性建立子宮健康檔案,，并能識別出潛在的疾病基因組標記,，同時無縫共享給臨床醫(yī)生?？纱┐髟O(shè)備將為用戶和醫(yī)生提供大量可供分析的垂直健康數(shù)據(jù),。目前，有超過 70% 的女性因更年期癥狀而未得到治療,，加強教育,、提供數(shù)據(jù)和非侵入性解決方案將顯著改善結(jié)果，而且其應(yīng)用將遠遠超出婦產(chǎn)科護理的范疇,。

比方說,，在女子世界杯備戰(zhàn)期間，大約有 30 名運動員因 ACL （前交叉韌帶）損傷而被迫退賽,。與傳統(tǒng)醫(yī)學(xué)一樣,，女性的訓(xùn)練是仿照男性的訓(xùn)練方式，并沒有太多考慮生理學(xué)差異,。其結(jié)果是,，女性因 ACL 受傷倒下的可能性增加了 6 倍，而完全康復(fù)并重返賽場的可能性則降低了 25%,。這是了解獨特的健康數(shù)據(jù)會產(chǎn)生影響的又一個領(lǐng)域,，這些數(shù)據(jù)不僅可以防止受傷，還可以全面改善女運動員的健康。

我們正處在女性醫(yī)療保健的拐點,。獲取大量不同的數(shù)據(jù),，在計算機視覺與深度學(xué)習(xí)等云計算技術(shù)的加持下,，將可減少誤診,，并有助于最大限度地減少對當今女性影響尤為嚴重的藥物副作用。子宮內(nèi)膜異位癥和產(chǎn)后抑郁癥將得到應(yīng)有的關(guān)注,。我們最終將看到女性保健從邊緣走向前沿,。與僅由男性組成的團隊相比，女性領(lǐng)導(dǎo)的團隊解決廣泛的健康問題的傾向更強烈,，因此我們將看到女性科技不僅讓女性受益,，整個醫(yī)療保健系統(tǒng)的水平也會得到提升。

人工智能助手重新定義開發(fā)者的生產(chǎn)力

人工智能助手將從基本的代碼生成器發(fā)展成為教師和不知疲倦的合作者,，在整個軟件開發(fā)生命周期都能提供支持,。它們可以用簡單的語言解釋復(fù)雜的系統(tǒng)，提出有針對性的改進建議,，并承擔(dān)重復(fù)性任務(wù),，讓開發(fā)者得以專注于影響最大的工作。

2021 年時,，我曾預(yù)測生成式人工智能將開始對軟件的編寫方式發(fā)揮重要作用,。生成式人工智能將增強開發(fā)者的技能，幫助他們編寫出更安全,、更可靠的代碼?，F(xiàn)在這種情況正在上演，可以根據(jù)自然語言提示生成整個函數(shù),、類以及測試的工具和系統(tǒng)以及比比皆是,。事實上，在 2023 年 Stack Overflow 對開發(fā)者的調(diào)查當中,，70% 的受訪者表示已經(jīng)在或計劃在開發(fā)過程中使用人工智能支持的工具,。

即將出現(xiàn)的人工智能助手不僅能理解和編寫代碼，還將成為不知疲倦的合作者和老師,。任何任務(wù)都不會耗盡這些助手的精力,，你讓這些助手解釋一個概念或者返工，它們永遠都不會不耐煩——不管你問多少次,。它們會用無限的時間和無限的耐心來支持團隊的每個人,，并為從代碼審查到產(chǎn)品策略的一切做出貢獻。

產(chǎn)品經(jīng)理,、前端與后端工程師,、DBA、UI/UX 設(shè)計師、DevOps 工程師與架構(gòu)師之間的界限將變得模糊,。通過對整個系統(tǒng)（而不僅僅是孤立的模塊）有了上下文級的理解,，人工智能助手將提供可增強人類創(chuàng)造力的建議，比方說可將餐巾紙草圖翻譯為腳手架代碼,，將需求文檔生成模板,，或為任務(wù)推薦最佳基礎(chǔ)設(shè)施（比方說，是用serverless還是用容器）,。

這些助理將是高度可定制化的——個人,、團隊或公司層面均可進行個性化。助理可以用簡單的術(shù)語解釋復(fù)雜的分布式系統(tǒng)（比方說 Amazon S3）的內(nèi)部結(jié)構(gòu),，從而成為寶貴的教育工具,。初級開發(fā)者將利用助理來快速熟悉基礎(chǔ)設(shè)施。高級工程師將利用它們來快速理解新項目或代碼庫,，并開始做出有意義的貢獻,。以前可能需要數(shù)周時間才能完全掌握代碼變更的下游影響，但助理可以立即評估變更,，總結(jié)其對系統(tǒng)其他部分的影響,，并根據(jù)需要提供其他變更建議。

我們已經(jīng)看到開發(fā)者已經(jīng)擺脫了現(xiàn)代軟件開發(fā)當中某些最乏味的工作：編寫單元測試,、樣板代碼,，調(diào)試錯誤。這些任務(wù)通常被認為是“額外工作”,，而且往往會半途而廢,。這些助理可以對整個遺留應(yīng)用進行重新架構(gòu)設(shè)計和遷移，比方說從 Java 8 升級到 17,，或?qū)⒄w分解為微服務(wù),。毫無疑問，開發(fā)者仍然需要進行規(guī)劃并對輸出進行評估,。但這些助理可以幫助篩選學(xué)術(shù)研究,，并為分布式系統(tǒng)選擇正確的算法，確定如何最好地實施從一主一備轉(zhuǎn)向雙活方案,，甚至能了解不同資源如何影響效率并開發(fā)定價模型,。因此，助理能干的事情會比以往更多,。開發(fā)者無需承擔(dān)升級 Java 版本等無差異化的繁重任務(wù),，從而專注于可推動創(chuàng)新的創(chuàng)造性工作。

未來幾年,，隨著人工智能助手在整個軟件行業(yè)從新鮮玩意兒變?yōu)楸匦杵?，工程團隊將變得更加高效,，可開發(fā)出更高質(zhì)量的系統(tǒng)，并縮短軟件發(fā)布生命周期,。

教育將與時俱進,，跟上技術(shù)創(chuàng)新步伐

光靠高等教育已無法跟上技術(shù)變革的速度。行業(yè)主導(dǎo)的技能培訓(xùn)計劃將會出現(xiàn),，這種教育與熟練技工的學(xué)習(xí)旅程將更加類似,。這種向持續(xù)學(xué)習(xí)的轉(zhuǎn)變會讓個人和企業(yè)受益。

我記得,，在過去的軟件開發(fā)周期里,，產(chǎn)品可能需要開發(fā) 5 年以上才能到達客戶手中,。在 20 世紀 90 年代末,，這種做法還是可以接受的。但在當今世界,，等到軟件投入實際使用早就已經(jīng)嚴重過時了,。由于云計算、持續(xù)改進的文化以及最小可行產(chǎn)品方法的廣泛采用,，我們的軟件開發(fā)周期已經(jīng)縮短,。這種影響十分巨大。公司將產(chǎn)品推向市場的速度比以往任何時候都快,，客戶采用新技術(shù)的速度也是以前難以想象的,。在這個高速旋轉(zhuǎn)的技術(shù)與商業(yè)飛輪里，高等教育是迄今為止還沒投身進去的領(lǐng)域之一,。

世界各地的教育截然不同,，但大家普遍認為，要雇用最優(yōu)秀的人才,，要給自己找到最好的工作,，而大學(xué)學(xué)位則是賭注。在技術(shù)領(lǐng)域尤其是這樣,。但我們開始看到這種模式在個人和企業(yè)兩端都崩潰了,。對于學(xué)生來說，學(xué)習(xí)成本不斷在攀升,，在有實踐培訓(xùn)的情況下,，很多人開始質(zhì)疑傳統(tǒng)大學(xué)學(xué)位的價值。對于公司來說,，新員工仍然需要在職培訓(xùn),。隨著越來越多的行業(yè)要求員工專業(yè)化，學(xué)校教授的內(nèi)容與雇主需要的內(nèi)容之間的鴻溝在逐步擴大,。跟過去幾十年軟件開發(fā)的過程類似,，技術(shù)教育也已經(jīng)達到了關(guān)鍵點，我們將會看到曾經(jīng)為少數(shù)人定制的在職培訓(xùn)演變成為由行業(yè)主導(dǎo)為很多人提供的技能型教育。

這些年來,，我們已經(jīng)看到這種轉(zhuǎn)變正在發(fā)生,。像 Coursera 這樣最初專注于消費者的公司已經(jīng)開始與企業(yè)合作，擴大技能提升與再培訓(xùn)方面的努力,。學(xué)位學(xué)徒制越來越受歡迎,，因為雇主可以將教育專業(yè)化，學(xué)徒則可以邊學(xué)邊賺錢,。但現(xiàn)在,，公司本身也開始大規(guī)模地對技能教育進行投資。事實上,，亞馬遜剛剛宣布,，自己已經(jīng)在全球范圍內(nèi)為 2100 萬名科技學(xué)習(xí)者提供了科技技能培訓(xùn)。這在一定程度上要歸功于Mechatronics and Robotics Apprenticeship 與AWS Cloud Institute等培訓(xùn)計劃,。這些計劃讓處在職業(yè)生涯不同階段的學(xué)習(xí)者獲得了進入職位所需的確切技能,，而不用像傳統(tǒng)那樣需要經(jīng)過多年地學(xué)習(xí)。

需要明確的是,，這種想法并非沒有先例：想想看,，電工、焊工以及木匠等技工,，他們的大部分技能都不是在課堂上獲得的,。這些人經(jīng)歷了從見習(xí)生到學(xué)徒，再到熟練工,，乃至于大師的過程,。在工作中的學(xué)習(xí)是持續(xù)的過程，而且有提升技能的清晰途徑,。這種不斷學(xué)習(xí)保持好奇的終身教育方式對于個人和企業(yè)來說都是好兆頭,。

但這并不意味著傳統(tǒng)學(xué)位就會消失。這不是“有你沒我”的局面——而是一個選項,。在科技領(lǐng)域,，這種學(xué)術(shù)學(xué)習(xí)仍然至關(guān)重要。但在許多行業(yè),，技術(shù)的影響將超越傳統(tǒng)教育體系,。為了滿足商業(yè)需求，我們將看到行業(yè)主導(dǎo)的教育機會出現(xiàn),，這樣一個新時代不容忽視,。

譯者：boxi。

本文來自翻譯, 如若轉(zhuǎn)載請注明出處,。