| |
|
|
| 首页 淘股吧 股票涨跌实时统计 涨停板选股 股票入门 股票书籍 股票问答 分时图选股 跌停板选股 K线图选股 成交量选股 [平安银行] |
| 股市论谈 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 商业财经 科技知识 汽车百科 工程技术 自然科学 家居生活 设计艺术 财经视频 游戏-- |
| 天天财汇 -> 科技知识 -> 有个疑惑，AI按理说应该最擅长理工，为啥先冲击文艺行业？ -> 正文阅读 |
|
|
[科技知识]有个疑惑，AI按理说应该最擅长理工，为啥先冲击文艺行业？ |
| [收藏本文] 【下载本文】 |
|
就是感觉 ai 就算不能在电池材料突破、环境污染这些涉及实际实验的方向有成果，也应该在数学猜想这类理论问题上有进展吧，现在老是些文艺方面的新闻 |
|
理工容不得错,错一点点都可能出大问题 文艺行业容错很高,大概过得去就行,错得离谱了甚至会被认为是新艺术 |
|
LLM模型细节丰富，但原理可以简化理解。也就是从一组长度为m的文字序列（用户的输入，Prompts） \vec{F}=\left( f_0,f_1,\cdots,f_m \right) 去预测最可能的结果序列（回答、翻译等等） \vec{E}=\left( e_0,e_1,\cdots,e_n \right) 模型训练的任务，就是使用大量语料拟合出条件概率分布 P(E→|F→)=P(e0,e1,⋯,en|F→)=P(e0|F→)⋅P(e1|e0,F→)⋅...⋅P(en−1|e0,⋯,en−2⋅F→)⋅P(en|e0,⋯,en−1⋅F→)" role="presentation">P(E→|F→)=P(e0,e1,?,en|F→)=P(e0|F→)?P(e1|e0,F→)?...?P(en?1|e0,?,en?2?F→)?P(en|e0,?,en?1?F→)P\left( \vec{E}|\vec{F} \right) =P\left( e_0,e_1,\cdots,e_n \right | \vec{F}) \\ = P\left( e_0 | \vec{F} \right) \cdot P\left( e_1 | e_0, \vec{F} \right)\cdot ... \cdot P\left( e_{n-1} | e_0,\cdots,e_{n-2} \cdot \vec{F} \right) \cdot P\left( e_{n} | e_0,\cdots,e_{n-1} \cdot \vec{F} \right) 对于非理工 的 文字类内容来说，特别是日常内容，语料是丰富易得的。这是因为在该类场景下，文字的总量是有限的，而且文字序列的组合（词组、概念、语义单元 等）是相对少的。Transformer结构中，通过Position Embedding[1]把文字的位置和文字的意义(word embedding)分离，进一步的减少了对拟合上述条件概率分布所需要的对应语义的语料的数量的要求。 但总体来说，为得到足够准确的该分布，仍然需要语料中有相当数量/频率的同意语义的复现，以解决训练过程中的遗忘问题[2]. 在理工科内容中，特别是较专业内容中，概念、数据 等语义单元的 复现性 在内容中较差。在一本专业内容的教材中，可能全书中基本的语义单元仅仅出现过一次。对于这种内容相关的条件概率分布的拟合是难以解决的。 在人脑中，神经系统通过更为全局和模糊“概念” 和 逻辑能力来解决这类内容的理解(Encoding)问题。这种形式的Encoding不仅是对基本语义的Encoding, 还包含对逻辑的Encoding. 逻辑可以理解为一系列硬规则的组合体，但由于数据的无限性、概念的模糊性，这种规则的组合也是无限的并且高速发展的。这决定了通过统计机器学习的条件概率分布拟合的方式无法解决这类问题。 为此Yan LeCun提出了World Model[3]方案，以避免统计机器学习的弊端。当然还有其他方案，包括符号主义(Symbolism)方案等等。不过，就目前为止，这些方案的性能都不如上面的联结主义(Connectionism)统计机器学习方案。 LLM模型通过引入多模态（文字、图像、视频、语音等等）可以进一步的解决语义单元的丰富性和复现性问题，从而提高模型性能。但理工类问题中，内容主导性的以文字形式出现，多模态的引入对性能的提升空间很小。 参考^Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.^Korbak, T., Elsahar, H., Kruszewski, G., & Dymetman, M. (2022, June). Controlling conditional language models without catastrophic forgetting. In International Conference on Machine Learning (pp. 11499-11528). PMLR.^LeCun, Y. (2022). A path towards autonomous machine intelligence version 0.9. 2, 2022-06-27. Open Review, 62(1). |
|
意林这波上大分！ |
|
|
|
|
因为文艺行业有大量低端劳动目前还得由人来做，那么AI出现以后，它就先冲击低端的、可替代性强的岗位。这和AI擅长什么无关，只和他的性价比有关。同时，文艺行业的项目要求良莠不齐，低端项目占大多数，所以用机器替代的可行性更高。你不可能让AI做个理工科研究而不复核就交了，但人们可以用AI直接给甲方选择设计方向，甚至直接用AI给甲方出样品（比如绘画、音乐），然后再根据甲方反馈修改（迭代）。 这种工作流应该做翻译的都熟悉，我们叫做译后编辑，即AI先翻译一遍，然后译者直接做审校修改。未来的很多美术、音乐项目都可以用相同的工作流来完成。并且，甲方要求越模糊，AI的使用率就越高。这样也解决了乙方最常烦恼的问题，遇到不靠谱的甲方。但不过多久，等AI普及了，很多低端项目就会变成甲方自己雇人念咒语、开盲盒，市场又回到一个比较健康的，且高效的环境中。 然而，真正的艺术工作完全没有被冲击。与摄影术的所谓冲击不同，AI绘图没有颠覆人的视觉经验，它也很难打开新的市场（婚纱影楼的市场是被摄影术敲开的，之前普通人没有记录这些的习惯）。AI能做的就是用低价满足要求不高的客户，为他们被塑造的审美经验服务。而对于高端市场，AI可以是工具，但不会全面取代人。因为，在这个市场上，人们买艺术品不是买画面，而是买故事、历史、情绪，买对这个世界其他人的影响，买一种观念成为主流的筹码等等，更重要的，他们也买艺术家的时间和关注。没有人会喜欢明星的仿生人分身，也没有人会爱上无主的艺术品。 |
|
谢邀！算是有资格回答这个问题，目前大全用 AI 已经在高中语文教学中了，用于 AI 配图古诗，诗歌以及散文，以便于学生更好的理解。 先简单说下原理，然后再看下大全给教学中的配图： 1、原理 理工科领域需要深厚专业知识和复杂实验条件，比如在电池材料、环境污染领域等的，不仅需要理论研究，更需要大量实验验证。 AI 在这些领域应用，尽管有巨大潜力，但短期内很难取得突破性的成果。但是相比，文艺领域技术门槛相对的较低，AI 能够更快更好的融合。 AI 还有其独特创造性。比如在音乐、绘画、文学等领域，AI 可以通过学习大量作品样本，能够模仿并创造出新艺术作品。 所以说 AI 在文学领域更加突出其作用。 接下来给大家看看大全教学中的绘画吧： 2、大全给教学中的配图： 总共有 16 期，太多了，这里只展示三期内容： 首先猜猜看这是那首诗呢？ |
|
|
第一期： 霓为衣兮风为马，云之君兮纷纷而来下。虎鼓瑟兮鸾回车，仙之人兮列如麻 1、霓为衣兮风为马 |
|
|
霓为衣兮风为马 /image prompt: ancient Chinese woman, neon-colored dress, transparent horse made of wind, galloping on the Great Wall, nighttime, starry sky, billowing clouds, fluttering dress, dynamic, dreamlike, mysterious, anthropomorphic, photo real, Shot on a 50mm lens, classic composition, masterpiece, exquisite, color correction, amazing visual effects, crazy details, intricate details, sharp focus, super high effect, HD, 16k -- ar 3:4 --v 5.2 2、云之君兮纷纷而来下 |
|
|
云之君兮纷纷而来下 /image prompt: mysterious and elegant Cloud Master, controlling dense clouds in the sky, cloud symphony, varying cloud shapes and colors, figure partially visible among clouds, descending from clouds, wand controlling wind and clouds, surreal beauty, anthropomorphic, photo real, Shot on a 50mm lens, classic composition, masterpiece, exquisite, color correction, amazing visual effects, crazy details, intricate details, sharp focus, super high effect, HD, 16k -- ar 3:4 --v 5.2 3、虎鼓瑟兮鸾回车 |
|
|
虎鼓瑟兮鸾回车 /image prompt: tiger-headed humanoid playing ancient zither, graceful and focused, phoenix-like bird pulling magnificent carriage, exquisite carvings and gems on carriage, dreamlike forest setting, mysterious lights and illusions, blend of ancient myth and modern fantasy, surreal atmosphere, anthropomorphic, photo real, Shot on a 50mm lens, classic composition, masterpiece, exquisite, color correction, amazing visual effects, crazy details, intricate details, sharp focus, super high effect, HD, 16k -- ar 3:4 --v 5.2 4、仙之人兮列如麻 |
|
|
仙之人兮列如麻 /image prompt: starry sky, numerous ethereal immortals in flowing robes, celestial gathering in the clouds, diverse poses, overlooking the mortal world, conversing, playing classical instruments, mysterious, serene beauty, blend of mythology and fantasy, surreal atmosphere, anthropomorphic, photo real, Shot on a 50mm lens, classic composition, masterpiece, exquisite, color correction, amazing visual effects, crazy details, intricate details, sharp focus, super high effect, HD, 16k -- ar 3:4 --v 5.2 第二期 ： 《诗经 郑风篇》里的郑姜女： “野有蔓草，零露漙兮。有美一人，清扬婉兮。邂逅相遇，适我愿兮。 野有蔓草，零露瀼瀼。有美一人，婉如清扬。邂逅相遇，与子偕臧。” 郑姜女，她是一个怎样的美丽的女子呢？ 1. 清扬婉兮：她的眼眸如同清泉一样清澈，神采飞扬，灵动美好。 2. 邂逅相遇：她的出现是不期而遇的，与诗中的男主人公一见倾心，碰撞出了火花。 |
|
|
|
|
|
|
|
|
第三期 《红楼梦》，太虚幻境： 方离柳坞，乍出花房。但行处，鸟惊庭树； 将到时，影度回廊。仙袂乍飘兮，闻麝兰之馥郁； 荷衣欲动兮，听环佩之铿锵。靥笑春桃兮，云堆翠髻； 唇绽樱颗兮，榴齿含香。纤腰之楚楚兮，回风舞雪； 珠翠之辉辉兮，满额鹅黄。出没花间兮，宜嗔宜喜； 徘徊池上兮，若飞若扬。蛾眉颦笑兮，将言而未语； 莲步乍移兮，待止而欲行。羡彼之良质兮，冰清玉润； 羡彼之华服兮，闪灼文章。爱彼之貌容兮，香培玉琢； 美彼之态度兮， 凤翥龙翔。其素若何？ 春梅绽雪。其洁若何？ 秋菊被霜。其静若何？ 松生空谷。其艳若何？ 霞映澄塘。其文若何？ 龙游曲沼。其神若何？ 月射寒江。应惭西子，实愧王嫱。奇矣哉！ 生于孰地，来自何方？信矣乎！ 瑶池不二，紫府无双。果何人哉？如斯之美也！ 第一幅图： 鸟惊庭树；将到时，影度回廊。仙袂乍飘兮，闻麝兰之馥郁；荷衣欲动兮，听环佩之铿锵。 |
|
|
第二幅图： 靥笑春桃兮，云堆翠髻；唇绽樱颗兮，榴齿含香。纤腰之楚楚兮，回风舞雪；珠翠之辉辉兮，满额鹅黄。出没花间兮，宜嗔宜喜；徘徊池上兮，若飞若扬。蛾眉颦笑兮，将言而未语；莲步乍移兮，待止而欲行。羡彼之良质兮，冰清玉润；羡彼之华服兮，闪灼文章。 |
|
|
|
|
|
3、第三幅图： 瑶池不二，紫府无双。果何人哉？如斯之美也！ |
|
|
完整的请查看如下： 大全Prompter：惊艳！AI 如何绘出诗经、古诗、散文中那些令人窒息的美景？（十六期合集）29 赞同 · 6 评论文章 |
|
|
以上图片实际上都是大全制作 GPTs《绘画大师》画出来的，感兴趣的小伙伴，可以关注 @大全Prompter 获取链接哟。 如下大全用绘画大师画的一些作品： 妻子课内补充讲解古代神话?www.zhihu.com/pin/1717302523579260928 大全Prompter：AI绘画：让想象力搭着科技之翼起飞 -《红楼梦》18 赞同 · 9 评论文章 |
|
|
大全Prompter：惊艳！AI如何绘出古诗中那些令人窒息的美景？90 赞同 · 35 评论文章 |
|
|
大全Prompter：惊艳！AI如何绘出古诗中那些令人窒息的美景？(2)16 赞同 · 4 评论文章 |
|
|
|
|
|
更多好玩的应用，请跳转： 喜欢的话，记得点赞收藏关注哟，大全教你如何一键生成更多好玩的提示词，带你AI入门。 @大全Prompter |
|
数据丰富度 互联网上大部分内容，如音乐、文学、电影等，都是数据密集型。这些内容可以被数字化，并且有大量的历史数据可供AI学习和分析。而且这些数据之间类似的数据很多，比如写文章，虽然每个人写出来都不一样，但是能采用的句式就那么多，结构就那么多。很适合AI做归类。 模式识别 AI生成其实是做的模式匹配，说人话就举一反三，这玩意就想背八股文，你背多了照样能写出好文章，一般人看来的好文章。 重复的东西太多 文艺行业很多设计也好，绘图也好，其实变化没那么大，都是在细节上下功夫。而改变一点细节这件事AI最擅长了，他生成的时候稍微变一变就可以了。 |
|
|
|
|
AI当然在理工领域更具有优势，但现在AI可以颠覆改变的行业门槛相较于你说的数学猜想，理论问题上低很多，在文艺领域与AI的技术特性之间存在一定程度上的契合，并且参与数量基础也高于科研工作者，也愿意去改变尝试。所有这有点属于幸存者偏差的感觉，其实大家都在使用AI改变赋能，不同的是在文艺娱乐方面的先出现效果，大众也容易理解，所以才让大家以为只在这方面出现成果了。分析的比较片面，还有一些人群属性，国家Z策，交付周期，科学严谨性，利益相关人群等因素。在文艺方面冲击还有一些原因： 数据与模式：AI依赖大量数据进行训练，艺术和文学作品具有一定的模式性和规律性，这使得AI能够通过学习这些作品的数据来创造出新的艺术形式和文学作品。 创意与模仿：AI不仅能够模仿，还能创造出新的组合和表达方式，产生前所未有的创意和作品。 颠覆传统观念：AI介入文艺领域后，对传统文艺观念构成挑战，可以跨越时间和空间的界限，从而对传统艺术形式和创作方法产生冲击。 生产效率：AI可以高效地产生大量作品，这对传统的手工作坊式创作模式构成挑战。 互动性：AI技术能够使艺术作品与观众之间产生新的互动方式，创造互动式的艺术体验。 |
|
|
AI在理工领域的应用非常广泛： 金融领域：AI在金融领域的应用主要体现在量化交易上，如股票交易数据的分析和预测，以及风险控制等方面 医疗领域：AI在医疗领域的应用主要表现在辅助诊断和药物研发上。例如，基于深度学习的医学影像分析可以帮助医生提高诊断效率和精度 智能家居和智慧城市：AI技术将融入家居场景，为人们提供舒适、智能的生活环境，同时也在城市管理、交通、安全等方面发挥重要作用，提升城市治理水平 教育领域：AI在教育领域的应用主要体现在个性化教学和在线学习平台上，如利用AI技术进行学生学习行为的分析，以及为学生提供定制化的学习路径等 对抗性神经网络(ANN)：对抗性神经网络在理工领域的应用主要体现在网络安全领域，用于检测和防御恶意攻击 科学研究：AI在科学研究领域的应用主要体现在“人工智能驱动的科学研究”（AI for Science），加速了科学研究的范式变革，带来科研模式的重构和新一轮科技革命 工业制造：AI在工业制造领域的应用主要体现在故障诊断、生产监控、成本控制、电力消耗等方面，全面自动化识别执行，最大化降低人的参与程度，使人更加聚焦于创造性的工作内容中去 AI在理工领域的应用优势很明显： 数据处理和分析加速：AI显著提升了科学研究中数据处理的速度和规模，允许科学家们高效分析大量数据，从而深入理解复杂现象和问题。 多尺度材料模拟和建模：AI助力于材料科学的进展，能够在微观和宏观尺度上进行精准的材料模拟和建模，推动了对物质性质的新认识。 智能化实验设计：AI的应用使得实验设计更加智能化，提高了实验的效率和结果的可复制性，为科学研究提供了强有力的支持。 科学研究范式变革：AI引领了科学研究的范式转变，重构了科研模式，并推动了新一轮科技革命，尤其在“AI for Science”这一前沿领域。 提升科研效率和原始创新：AI的介入极大促进了科研的原始创新，提高了科研效率，是我国实现科技自立自强战略的重要工具。 计算效率的提升：AI提供的工具极大地提高了科研计算的效率，使得科研人员能够解决以前难以克服的问题，达到新的科研高度。 任何一个人的知识、认知是有限的，我们所能接收吸收的信息同样有限。所以，你要做的就是聚焦；集中一点，全力以赴。短暂兴盛并不能定义AI的能力和本质，未来变化莫测，让我们一起拥抱AI时代，去尝试，去改变。 |
|
|
|
|
问题本身槽点很多。如果要给这个问题找个根本性错误的话，那就是你对理工行业和文艺领域使用了不同的评价标准： 在理工科这边，得要有能发CNS级别刊物的成果才算“擅长”，在文艺这边，能编出个故事、画出个画来就算成功。 在理工科这边，AI负责了部分技术工作、造成岗位萎缩叫“赋能”，在文艺创作这边，AI从事一部分创作就叫“抢饭碗”。 在这个标准下，那可不就是AI只能“冲击”文艺么？ 一、AI为何能“冲击”文艺？ 这里先把AI对“文艺”的冲击解释一下。其实文艺创作并不是什么高大上的东西。我在其他问题的回答下已经不下几十次的提到这样一个观点，文学艺术的演化，关键是“形式”的创新，因为不同的形式代表了不同的意义空间。且规范化、齐整的形式，会比不规范的形式更容易模仿和学习。在这个层面上，之所以说通俗文学虽受众多却艺术价值不高，也是因为通俗文学在形式层面几乎就是传统规范的延伸，而几乎从不追求形式层面的突破，这是由通俗文学的创作目标决定的。 对于文艺的发展而言，从来都是创新难而模仿易。当一个新的形式趋于稳定之后，普通人可以迅速通过对其的学习掌握这些表达的套路。以中国文学而言，古诗词就是一个非常规范而严谨的内容体系。但这些内容反而可以通过粗略的学习而掌握一些基本的创作技巧，所谓“熟读唐诗三百首，不会做诗也会偷”，说的就是在一定量的文艺作品输入的基础上，普通人也可以像模像样的攒几句诗出来。 但是，这种“攒”出的诗词之所以能有意义，仰赖于形式层面的确定性和无数人使用而生成的意义空间。胡适在《文学改良刍议》中曾举了这样一个例子： 五曰务去滥调套语 今之学者，胸中记得几个文学的套语，便称诗人。其所为诗文处处是陈言滥调，“磋跎”、“身世”、“寥落”、“飘零”、“虫沙”、“寒窗”、“斜阳”、“芳草”、“春闺”、“愁魂”、“归梦”、“鹃啼”、“孤影”、“雁字”、“玉楼”、“锦字”、“残更”，……之类，累累不绝，最可惜厌。其流弊所至，遂令国中生出许多似是而非，貌似而实非之诗文。今试举一例以证之。 “荧荧夜灯如豆，映幢幢孤影，凌乱无据。翡翠衾寒，鸳鸯瓦冷，禁得秋宵几度。幺弦漫语，早丁字帘前，繁霜飞舞。袅袅余音，片时犹绕柱。” 此词骤观之，觉字字句句皆词也。其实仅一大堆陈套语耳。“翡翠衾”、“鸳鸯瓦”，用之白香山《长恨歌》则可，以其所言乃帝王之衾之瓦也。“丁字帘”、“幺弦”，皆套语也。此词在美国所作，其夜灯决不“荧荧如豆”，其居室尤无“柱”可绕也。至于“繁霜飞舞”，则更不成话矣。谁曾见繁霜之“飞舞”耶？ 胡适写的这首词，就是用古诗词中常见的意象堆叠起来，“攒”出来的这么一首词。虽然在胡适眼里这叫“滥调套话”，但是如果把这首词拿出来给普通人看，相当多的人还是会认为“文采不错”。 而在文艺领域，AI的应用也早就不是什么新闻。在此前的诗词大会上，有人就把AI创作的诗词拿出来与古籍中的诗词放在一起，结果证明一半以上的人根本无法区分。而作家韩少功在《当机器人成立作家协会》一文中也使用了类似的例子： 不妨先看看下面两首诗： 其一： 西窗楼角听潮声，水上征帆一点轻。 清秋暮时烟雨远，只身醉梦白云生。 其二： 西津江口月初弦，水气昏昏上接天。 清渚白沙茫不辨，只应灯火是渔船。 两首诗分别来自宋代的秦观，和另一位IBM公司的“偶得”，一个玩诗的小软件。问题是，有多少人在两首诗前能一眼分辨出“他”和“它”？至少，当我将其拿去某大学做测试，三十多位文学研究生，富有阅读经验和鉴赏能力的专才们，也多见犹疑不决抓耳挠腮。如果我刷刷屏，让“偶得”君再提供几首，混杂其中，布下迷阵，人们猜出婉约派秦大师的概率就更小。 “偶得”君只是个小玩意，其算法和数据库一般般。即便如此，它已造成某种程度上的真伪难辨，更在创作速度和题材广度上远胜于人，沉重打击了很多诗人的自尊心。出口成章，五步成诗，无不可咏……对于它来说都是小目标。哪怕胡说八道——由游戏者键入“胡说八道”甚至颠倒过来的“道八说胡”，它也可随机生成一大批相应的藏头诗，源源不断，花样百出，把四个狗屎字吟咏得百般风雅：“胡儿不肯落花边，说与兰芽好种莲。八月夜光来照酒，道人无意似春烟。”或是：“道人开眼出群山，八十年来白发间。说与渔樵相对叟，胡为别我更凭栏。”……这种批量高产的风雅诚然可恶，但衣冠楚楚的大活人们就一定能风雅得更像回事？对比一下吧，时下诸多仿古典、唐宋风、卖国粹的流行歌词，被歌手唱得全场沸腾的文言拼凑，似乎也并未见得优越多少。口号体、政策体、鸡汤体、名媛体、老干体的旧体学舌，时不时载于报刊的四言八句，靠一册《笠翁对韵》混出来的笔会唱和，比“道八说胡”也未见得高明几何。 在这里，韩少功还把矛头对准了流行文化中的创作，“时下诸多仿古典、唐宋风、卖国粹的流行歌词，被歌手唱得全场沸腾的文言拼凑，似乎也并未见得优越多少”。可为什么AI创作的古诗词这么难分辨呢？ 想必大家一定听过这样梗，“卓别林在卓别林模仿大赛中获得第二名”——在很多地方，“XX在XX模仿大赛中获得第二名”、“让你模仿，没让你超越”等也是大家经常刷的梗。可大家想一想，为什么模仿者会超越原版呢？ 原因其实很简单，因为模仿有“套路”，而原版没“套路”。说的再具体一点，一个人要模仿另一个人，首先要做的是将其行为、语言等的最典型的化的特征凸显出来，然后加以强化展现，这样在外人眼里，这个模仿者所具有的特征甚至已经超越了原版。而原版则不需要模仿和强化，其展现出来的标志性特征反而可能还不那么明显。 如果你能理解这一点的话，也就能理解这两句话的意义： 1、“第一个把女人比作鲜花的是天才，第二个把女人比作鲜花的是蠢材”。 2、一个人完全有能力把诗写的比李白更像李白，但这也注定了他只能成为三流诗人。 前面说到，AI创作的古诗词难以分辨，是因为古诗词形成了严整规范的体系，很容易借鉴和模仿。但是，一旦切换到现代诗领域，虽然现代诗的语料库更为庞大，但因为现代诗还没形成规范的体系，导致许多AI创作的现代诗根本没法看。之前微软给自己的AI小冰出过一套诗集，这已经是精挑细选之后的作品，但大多数依然连“人话”都说不利索： 小冰和小封的诗歌还尚未具备诗歌的可信度，大多因为程序化、同质化而处于比较初级或低下的水准，比如很多诗歌基本还处于浪漫化的抒情诗阶段，很多意象都是已经失效的死亡的“老词”，基本都是过度的修饰化以及虚化的处理方式，而尚不具备处理深度意象、细节和场景的能力。其中一部分诗则处于词语表达和情感表达的极度“错乱”状态，这种“错乱”不同于诗歌本体学层面的“含混”“复义”“张力”“陌生化”以及威廉·燕卜逊所说的“朦胧的七种类型”。可以读读小冰的《用别人的心》： 他们的墓碑时候/我静悄悄的顺着太阳一样/把全世界从没有了解的开始/有人说我的思想他们的墓碑时候/你为甚在梦中做梦/用别人的心/又看到了好梦月 这里也指出了AI诗歌目前的问题，“很多诗歌基本还处于浪漫化的抒情诗阶段，很多意象都是已经失效的死亡的‘老词’，基本都是过度的修饰化以及虚化的处理方式，而尚不具备处理深度意象、细节和场景的能力”。这些都是AI创作的局限性。 当然，之所以以诗歌为例，是因为诗歌作为形式化最强的文学类型之一，其对于文字的表现能力有着更高的要求。而到了叙事文学的创作上，要求就会更低一些，因为这些东西的创作更看重的是情节，甚至出现大量的语法错误，只要不影响理解就没太大关系。 关于AI在通俗文学领域的应用，时间其实也比较长了。比如此前就有团队开发了作品审读软件，其可以通过AI技术智能识别作品的关键词、情节模式等，这对于网文平台、出版社、影视公司等需要在短时间内审读大量作品的机构有较大价值。此外，早在十几年前就开始应用的一些写作软件，也都是用了人工智能相关的技术。只不过当时这些技术的发展程度不高，能实现的功能也就仅限于组合地名、人名、兵器名等，以及把一些其他作品中的情节截取、拼贴形成新的情节供创作者选择等等。 可AI能干这活，本也不是什么稀奇事。因为无论是模仿古诗词创作还是通俗文学创作，如开头所说，在这些都已经有了规范——或者说“套路”的前提下，通过一定的训练就可以掌握相关的“套路”。而在消费端，普通消费者对文娱产品的消费需求也是比较低的，“套路”内的作品因为在其舒适区内，也更容易受到追捧。这种“攒”无论是AI来做还是普通人来做，性质上并没有太大区别。 但对于文艺创作来说，重要的永远是找到新的“套路”，而不是在旧套路里玩的多么好。 二、AI没有冲击理工吗？ 其实写这部分我是有点惶恐的，毕竟我的理工科知识还停留在高中和大学早期阶段，虽然平时也看一些科普类的作品，但毕竟专业已经变为了文学，前沿性的东西了解不是很多。不过，这些年因为工作原因，也参与了一些科技企业的项目活动，对AI也有一定的了解，再加上我个人自从小时候其就对科幻作品中描述的人工智能的兴趣，在这个问题上也能稍微谈一点。在这里我也就随便说说，说错了的话欢迎指正。 AI对于理工的冲击实际上早就已经开始。因为理工知识的标准化特点，AI在理工领域应用的难度其实是不高的，甚至因为AI不会疲劳、不会衰老，有可能比作为碳基生物的人还要可靠。关于现今的AI应用，我就不班门弄斧了，但无论是无人驾驶汽车、黑灯工厂还是医疗，AI的智能化程度可能不算太高，但的确已经在很多领域都应用。 我说两个我了解的领域。一个是医疗领域，现在很多方面都已经使用了智能技术。如一些机构使用了AI技术进行分诊，患者只需要输入几个关键词，或者给几张照片，系统即可为其匹配到不同的科室。就算中间出现错误，但只要识别率在一个水平线之上，修正的成本也不高。再比如CT，正常来说，做一次CT要拍三四百张图片。在过去，人工判读的错误率相对是比较高的，因为一次要判读几百张照片且一天可能要判读成百个人的片子。即便技师再有经验，也难免有疲乏和疏漏。但是现在一些医院已经引入了人工智能读片的技术，作为技师的辅助，也很好的提升了判读的正确率。 再如建筑领域，在建筑建成之后，建筑需要长期的维护。在过去，这需要专门的工程师和技术人员定期检查，然后依据自己的经验进行判断，有问题及时发出预警。但是，如今有了人工智能技术，一些新的建筑内可以安装各种各样的传感器和监测设备，然后人工智能技术可以对这些数据进行24小时的监测和分析，一旦出现异常情况可及时预警，甚至进行了一些自动处理。 在这些领域，AI技术的应用已经取代了一部分人的劳动，而且是很多技术类的工种。之所以会这样，也是因为理工领域本身的标准性和客观性。如刚才举到的图片判读和建筑监测，本身就有客观的标准。放在以前，这些需要技术人员亲自检测，然后依据标准进行处理。而到了AI时代，数据还是那些数据、标准也还是那些标准，只不过把工程师的亲自观察、测量换成了传感器实时反馈的数据。 固然，在现在AI技术可能还很难完全取代上面说的工种，因为有些复杂的工作还需要人来完成，但AI能将一部分人从某些基础性劳动中解放出来——或者说分担一部分重复劳动的压力，这是没问题的。如此，可能就会导致原本某个行业需要10万技术人员，而AI可以分担其80%的基础工作的工作量，那这个行业对技术人员的需求量就会缩减至2万。换句话说，这个行业虽然不会消失，但是也会造成一部分人失业或收入受到影响，也会影响后续的专业设置、职业培养等等。 因此，这也是我在之前谈专业选择的时候，说不要过度迷信“专业壁垒”的原因。“专业壁垒”只能证明学习技能的难度，但不代表专业的绝对安全。因为站在资本放的角度，它们需要考虑的是“劳动总量”，劳动者的本质是“劳动力”，而不是“人”。即如前面举到的例子，某行业需要10万技术人员，实质上就是这个行业需要10万技术人员的“劳动总量”。那么如果某项技术能取代80%的“劳动总量”，那些剩下2万就足以完成剩下的“劳动总量”了。 而且，正如前面所说，理工类专业的知识因为其标准性，反而很容易被AI吸纳。写代码难不难？在今天来说， 起码得具备一定的数学知识，有个高中或大专水平才能学会写代码。如果谈“专业壁垒”，可能985中文专业的学生都不见得能有个大专生代码写得好。可人工智能写代码，还是什么新鲜新闻么？ 比照前面提到的人工智能对文艺创作的“冲击”，其实人工智能对理工领域的冲击更大。只不过，这种冲击经常会被讴歌为“技术的进步”、“社会的发展”、“让社会生活更加便利”，却无人关注这背后可能带来的工作岗位的消失。与此同时，在目前来说，AI取代的那些重复性、标准化的工作，其实与文艺创作领域的那些“套路”并无区别，只不过在很多不了解的人看来，会认为文艺创作一个作品就是一个样子。 此外，在其他“文科”领域，AI发挥作用的机理也是一样的。比如，在法律领域，AI可以通过对法律材料的判读做各种分析，这在过去是一些实习生或者职场新人干的事情。因为有了AI，这部分的岗位也会缩减。而如前面所说，这种对法律材料的判读其实也是有固定的“套路”的。 回到开头所讲，之所以说题主的问题是双标，就是因为在理工方面，要求AI必须要突破“套路”才算是成功，但在文艺方面，只要AI能遵循现有的套路创作出作品就算是成功。在这种观念下，那可不就是AI更多是在“冲击”文艺领域么？ 三、面对AI，如何自处？ 通过上面的分析，可以看出来一点，即在未来不会有任何一个职业是绝对安全的。因为即便是再强调自己专业不可替代、有专业壁垒的行业，也都要承认工作中存在大量基础性的、重复性的工作。这些工作被取代，也会造成“劳动总量”的降低，减少岗位需求。 如果我们把AI放在整个人类的技术史中来看，就会发现整个人类技术的进化的路线是很明确的，即在用技术取代人力的大方向之下，尽可能的实现自动化。这个进化的路线一直存在，只不过AI的出现成为了加速的起点。无论是“文科”还是“理工科”，自动化的大潮对那些“低端工作”、“基础工作”的淹没是无分彼此的，而现实也证明AI的影响其实都在获得多少的冲击着所有行业——即便是在战争中，使用了AI技术的无人机等无人装备，也已经开始取人性命了。 对于个人来说，不必完全恐惧AI的原因，正如之前余华所说，“AI不会成为伟大的作家，是因为AI不会犯错”。以哲学层面而言，马克思强调了实践是人的本质。“实践”的本质不只是技术的应用，而且还包括了实践中形成的人与人的各种关系。而很多理工类专业的学生不明白——之所以说是学生，是因为很多参加工作的人到了一定年龄大都会明白——的地方是，技术的进化不是自然出现的，而是需求导向的。 就拿手机作为例子，我们知道手机的外壳材质各种各样，陶瓷、碳纤维、玻璃、塑料、金属、皮革等等都可以作为手机的外壳材质。但是，厂商到底应该在哪些领域投入，是受市场影响的。如果消费者更喜欢玻璃后壳的手机，那厂商就重点在玻璃技术的研发上投入，如果消费者更喜欢陶瓷，那就在陶瓷上投入资源。如果一项技术十分小众，并不能在市场上证明自己，那么它的水平就算再高，也会被淘汰——现实中这样的技术比比皆是。 即便是在理论层面，一个理论创新是否有价值，也是需要基于人的需求来做判定的。虽然很多人都说“理论可以没用”，但这个“没用”是相对而言的。假如一个理论没有对技术变革产生任何实际影响，那就很容易成为纯粹的思想游戏，不就就会被人遗忘。 “人是万物的尺度”，而人类社会的发展本质上也是“实践”导向的，AI相比于人类最大的缺陷就是不具备“实践”的能力。或许AI在技术层面可以远超人类，但却无法形成人类社会的各种关系，也无法理解人类的差异化需求。而这种基于实践形成的关系和需求，也会驱动技术向新的方向发展。这就如同是人不能飞，但飞机可以飞，却不能说“飞机超越了人”。 而在文艺创作的层面，也许未来有一天，你在AI上随便输入几个关键词，AI就可以创作出一篇几百万字的小说，而且质量还不错。但这种创作的前提是你要提前输入关键词，让AI明白你的需求。假如AI要自己独立搞创作，那么AI创作出来的作品到底是好是坏，也还是要人类来进行判定。而AI要进行独立的文艺创作，最大的难题其实是缺乏因为实践而带来的现实感知经验。AI既难以理解什么叫“十年生死两茫茫，不思量，自难忘”，也不理解什么叫“了却君王天下事，赢得生前身后名，可怜白发生”，更难以理解什么叫“十有九人堪白眼，百无一用是书生”，什么叫“树犹如此，人何以堪”。 这里依然是我之前说过的那个事情，面向特定的用户群体生产的“文娱产品”，是有一定的规律和“套路”可循的，且资本为了盈利，本身就在追寻模式可复制性，这样才更为稳定。AI参与这些作品的创作并不奇怪。但现实中还有另一种作品，是创作者基于个人的情感，是在具体的时空情景内感受和认知的表达，这种表达纯然出于人的表达自觉，与是否能挣钱没有任何关系。即如《送孟东野序》中说： 大凡物不得其平则鸣：草木之无声，风挠之鸣。水之无声，风荡之鸣。其跃也，或激之；其趋也，或梗之；其沸也，或炙之。金石之无声，或击之鸣。人之于言也亦然，有不得已者而后言。其歌也有思，其哭也有怀，凡出乎口而为声者，其皆有弗平者乎！ 当有一天，你能有“这东西就算不挣钱我也得写”的时候，那么你的创作也就不是AI能取代的了。 最后，人是社会的动物，而好的文艺创作中必然也会融入人对社会的认识。比如，刘慈欣的作品里对新的宇宙秩序的畅想，被很多研究者作为“宇宙社会学”的样本进行研究，而“宇宙社会学”的想象前提是现实中的社会。在某种意义上说，“宇宙社会学”是一个很好的隐喻，“宇宙”虽然广大但也不能脱离“社会”而存在，而“社会”的存在和发展也是为了探索更大的“宇宙”。在探索宇宙这一点上，AI的价值不言而喻，但是想要创造出“宇宙社会学”，那就不是机房里的芯片能完成的任务了。 |
|
我一直很好奇，明明我才是从业者，明明我的朋友圈才是各种水平画师们的真实情况，但偏偏在刷各种社交平台的时候我却产生了我生活在信息茧房里的幻觉。 就比如这个问题下前排的高赞们吧，撇开知乎传统“先问是不是，再问为什么”，一个个上来就是对文艺行业独特性的解读，至于这些行业是不是真的被AI冲击了，还是营销号们炒出来的话题，目前还没见有高赞说。 神奇的是，我和AI拥趸们都觉得AI的发展在某些行业（譬如美术）早已尘埃落定 只不过我所知道的是大多数公司对AI工作流的尝试已经在上半年的闹剧结束后不了了之，SD私炉成了食之无味弃之可惜的鸡肋。除了钱少时限短的盗图广告类外包单子没人会考虑用AI，而接这种单子的人在去年AI绘画火爆之前，大多数也只会盗图P图根本不会画画。 而AI拥趸们觉得顽固抵抗AI的底层画师们早被裁光了，留下的都是接受时代潮流的AI顺民，以及目前无法被AI取代的中高端画师。（无限复读ing） 有些知乎大小V啊，在你不吝辞藻宏大叙事夸夸其谈我所了解的领域之时，我已经默默用脚帮你抠出四室一厅了。。。 |
|
AI先冲击文艺行业？难道AI比人类更懂艺术和文化了？你以为AI搞艺术就是它的强项了？错！大错特错！ |
|
|
首先，咱们得弄明白，为什么最近AI在文艺方面的动静这么大。看看现在的AI，生成一幅画、写一段故事，从技术实现上来说其实是相对简单的。但不得不说，AI画的画真是让人赏心悦目！ |
|
|
|
|
|
AI通过学习大量数据，模仿出来的东西，也许在形式上能够惊艳众人，让我们产生“AI比人类更懂艺术和文化”的错觉，但以AI现在的水平真的能达到人类艺术家的深度和灵魂吗？答案是否定的。一方面AI技术依然还在持续进化迭代，另一方面，创作上还得靠人类创新，人的想象力AI暂时还无法替代。 |
|
|
再说了，AI在理工领域的进展怎么可能没成果？只是这些成果不像艺术作品那么直观、那么容易引起大众的关注罢了。就像你说的，AI在环境污染、电池材料等方面的研究，可能需要结合实验室的实际操作，这个过程慢得多，不会像AI绘画一样快速呈现惊艳众人的效果，曝光率自然就低了。 |
|
|
关于数学猜想之类的理论问题，也不要小看AI在这方面的作用。只不过这些进展通常被限定在学术圈里，普通大众了解的机会并不多。 总的来说吧，AI搞文艺，其实只是它的“副业”而已。它的主场还是在理工领域。只是咱们一般人可能更容易被那些“AI作曲家”、“AI画家”之类的标签所吸引，毕竟这些内容听起来会更有趣。不过别忘了，AI的本质还是工具和助手，真正的创新和突破，还得靠人类自己去完成。 |
|
|
|
|
|
| [收藏本文] 【下载本文】 |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
| 股票涨跌实时统计 涨停板选股 分时图选股 跌停板选股 K线图选股 成交量选股 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 网站联系: qq:121756557 email:121756557@qq.com 天天财汇 |