AI时代的三年
昨晚和几个老兄弟5年后再聚首，具体而言，是刚刚在新加坡国立大学拿到了运筹学博士的诺桑，刚刚拿到了社会学博士并拿到了AP的杰桑，以及在腾讯工作的州桑和灰鼠。算上我这个政治学的博士生，我们五个都是当年中山大学计算机系同一个班的，不过发展的路线分化的有点大，人家都是曲线转码，我们是码转曲线。
饭桌上的聊天往往就几样东西，AI，工作和政治。杰桑表示他已经很久没有亲自写代码了，而诺桑表示他也很久没有做数学了，甚至还可以骂AI几句，体验一下当老板的感觉。很多时候我们更像是Prompt engineer以及AI的supervisor。三年来AI已经全方面改变了我们的生活。
2022年的11约30号，chatgpt上线后迅速成为现象级的产品。当时我还是一个NLP工程师，当时在给公司调教的对话机器人还是基于BERT还有规则的简单问答机器人。当我看到这个产品的时候，我还不知道我会见证什么。当时的我仍然有着无知的傲慢，我理解了原理以后觉得不过是算力的堆积罢了，在短暂的震撼过后我发现了他的一些致命漏洞，比如数学题算不明白之类的，更加让我觉得它不过如此。
但AI的更新是非常迅速的，在这个技术飞速发展的时代，摩尔定律早就不适用了，（注：摩尔定律是英特尔创始人之一戈登·摩尔的经验之谈，其核心内容为：集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍。换言之，处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。）只需三四个约，OpenAI就已经更新了Chatgpt，让我再一次感受到了震撼。刚好公司给我指派了研究Chatgpt的任务，我开始深入研究它，并尝试部署和微调一些本地可以运行的模型。说来也可笑，当时我在的部门里只有两个算法工程师，我领导让我自己去搞一个GPT出来，可见当时的他们也没有意识到他们在面对的是什么。
后来我从那家摇摇欲坠的公司离职，来读PhD，我和AI进入了一个能力齐头并进的时代。作为一个从计算机转政治学的学生，我入学的第一年要做的事情就是用最短的时间整合并消化海量的论文。虽然我有留学的经历，我的英文也不错，不过在读专业的书籍的时候还是有些吃力，AI在第一年成为了我最得力的翻译助手。我也会让AI帮我读一些文章。AI的角色逐渐变成了我的助理。
其实我会经常怀疑自己，我做的东西是否有意义，在AI的能力飞速发展的情况下，我比别人的优势到底在哪里，如果一个对政治学一窍不通的人都能读完PhD，那是不是随便是个人就能读呢？
不过还好，这种自我怀疑并没有持续太久。就像定量的论文或者大数据的论文一样，我们更看重的永远是理论，而非研究方法和工具。我的研究能力越发进化并非是AI赋予的，也并非和AI平行；而AI会随着它的发展变成更加得力的助手。
2025年是各种模型井喷的一年，ChatGPT也最终推出了5.2thinking。模型已经拥有了思考的能力。再度面对gpt的进化，我已经从恐慌变成了欣慰。当你主动的拥抱新趋势的时候，你会更快地去适应它。当你有更高的水平，更高的视野和创造力的时候，你可以和AI合作、讨论、甚至辩论，也许会有更多收获。
最后说句题外话，也许我们这批计算机系的学生，是最后一批会兢兢业业的手写代码的人了。我们的编程能力也许就像某些传统手艺，被机器的钢铁洪流取代掉了。
本站访问量： 0
💬 评论与讨论
欢迎留下你的想法！评论基于 GitHub Discussions，需有 GitHub 账号。