为什么大模型拥抱生产力,人力成本依然居高不下?

为什么大模型拥抱生产力,人力成本依然居高不下?

编者按:大模型的出现,将让会用AI的人变得更有价值。

在大模型技术取得重大突破的背景之下,人工智能领域得到了前所未有的关注,这些模型在语言理解、创作文本、自动化客服等领域中的应用,极大地提高了工作效率,节省了大量时间和资源。

如今,人工智能大模型技术被广泛看好,成为千行百业“降本增效”的原动力之一,目前已经在金融、医疗、零售等行业广泛应用,成为推动新一轮工业革命的核心力量。

不过,大模型技术的火热真的能够实现人力成本的降低吗?从大模型之家对于行业的观察来看,尽管大模型技术的火热为各行业带来了巨大的潜力,实现人力成本的降低却可能并非想象的那样简单。大模型发展越火热,人力成本反而越贵早在春秋时期,管仲便有提出“十年树木,百年树人”的理念,指出人格素质的培养和人才的成长并非一朝一夕之功。而从人才培养上来说,大模型的发展红利,为人工智能技术相关人才的积累打入了一针“强心剂”,但是人才培养并非一蹴而就,体系化的人才结构的形成,则需要数年教育体系与社会岗位的合力之下才得以形成。

然而与此同时,国内外已经打响的“百模大战”,直接开启了大模型的技术深度与应用广度的全方面竞争。为了开发顶尖的大模型,需要高度专业化的人才团队来进行开发、调试和维护。这些团队需要具备深厚的技术背景和领域知识,以确保模型能够在特定领域内取得良好的效果。企业不得不吸纳大量的人工智能领域人才,从而掀起了一场激烈的“抢人大战”。如今,大模型的相关岗位,如机器学习工程师、数据科学家、领域专家等,其薪酬水平也急转直上。

为什么大模型拥抱生产力,人力成本依然居高不下?
图片来源:某招聘网站公开信息显示

大模型之家根据某网络招聘平台显示,得益于相关赛道的火热,大语言模型(LLM)相关岗位的薪酬水平也远高于其他IT岗位,大模型相关岗位的薪酬水平一般高于其他IT岗位,如机器学习工程师、数据科学家、领域专家等,他们的平均月薪都在2万元以上。以负责设计和实现机器学习算法和系统,包括数据处理、模型训练、模型优化等内容的机器学习工程师为例,有接近一半从业者年薪可以超过30万。

诚然,大模型的崛起在一定程度上可能取代一些传统工作岗位,但与此同时也创造了一些新的岗位。例如,随着大模型应用的扩展,涌现出了“提示工程师(Prompt Engineer)”等新型岗位,这些岗位负责对大模型的输出进行调优和干预,从而确保模型的性能和准确性。目前国内各大招聘平台上提示工程师的职位月薪大多在1.5万-6万元。

这些新兴岗位的兴起,不仅为人才市场带来了新的机会,也反映了大模型发展的多方面影响,因此,在未来大模型领域,还将有更多的人参与其中,使行业行稳致远。

大模型仍有局限,人机共存是终极答案

虽然行业内“人工智能短期内无法取代人类”已成为行业共识,但是仍然有一些企业尝试利用AIGC与虚拟人(数字人)技术相结合,探索人机共生的新模式。例如硅基智能、魔珐科技、360等,均提出了利用大模型的AIGC能力,实现虚拟人的内容生成,甚至运用于2D/3D的虚拟人的制作中来,降低了高精度虚拟人的生成与使用的门槛。

其中,360智脑的AI数字人生成能力,更加注重于制造“数字分身”, 以一种更加拟人化、个性化的方式提供服务。每个人都能通过上传私人知识库(音视频或图文资料),通过360智脑大模型进行训练,低成本生成自己的专属数字人,如数字分身、数字助理、数字偶像等。

为什么大模型拥抱生产力,人力成本依然居高不下?
图片来源:魔珐科技

而硅基智能与魔珐科技,则尝试了利用AIGC实现虚拟人的低成本生产与工作,用降低门槛的方式实现虚拟人的“普惠”,并广泛应用于电商、教育、营销以及社交等领域,实现降本增效的效果。甚至这些公司还提到,可以将因为常年在外奔波或去世而无法陪伴在身边的人,制作成数字分身作为慰藉。

利用数字分身“陪伴”,确实在一定程度上能够缓解人们的“相思之苦”,但在大模型之家看来,大模型的陪伴,仍然比不过常回家看看。

在本月22日《「大模型之家」七夕节特辑:来听听人工智能的“土味情话”》中,大模型之家将以“七夕节即将来临,请帮助正在热恋的情侣们为自己的另一半写一段有新意,不泛泛的祝福文案。”为题对各个大模型进行提问。

结果发现,在写“情话”这件事上,虽然各家大模型都极尽表现出了浪漫,但编辑部的小伙伴表示,大模型目前的浪漫程度太过“理工男”,远不及人类情感的细腻。

为什么大模型拥抱生产力,人力成本依然居高不下?
国内大模型撰写的七夕“情话”
为什么大模型拥抱生产力,人力成本依然居高不下?
大模型之家小编撰写的七夕“情话”

要注意的是,虽然大模型开启了探索通用人工智能(AGI)的第一步,但目前人类仍然处在弱人工智能领域,相较于人与人交互包含语言、声音、动作、表情等多维度的排列组合,大模型的七夕“土味情话”,显然还缺失了些许“温度”。可见,在陪伴这件事方面,大模型想要实现与人类等同的水平,还有太长的路要走。

从AI大模型原理中就可以看出来,通过学习人类的智慧与行为数据,通过统计和模式识别来生成文本、图像、音频等内容,这种学习方式使得大模型在表面上可以生成高度逼真的结果,以模仿人类的表现方式,也就是说,它尝试通过自己的观察维度学习并模仿相应的行为。然而,大模型可能并没有真正的理解和把握背后的概念、原因和关系这在一些实际应用中引发了一些关键问题。

因此,人工智能短期内更多的是处理共性问题,而将人类的劳动力解放出来,去解决富有情感与创造力的个性问题。所以,想要实现人工智能在短期内“干掉”人类,无论从伦理与技术两方面都几乎没有可能性。

在大模型之家看来,对于AIGC无法取代人类的领域,人类的能力将创造出更多的价值。

虽然利用大模型技术,确实能够实现利用AIGC,为现有技术降本增效的目标,但更重要的是也敦促着企业需要不断与时俱进,通过新业务不断夯实自身的竞争力。

值得注意的是,如今大模型的能力不断增强,不仅在通识能力上开始对于人类实现赶超,同时通过有针对性的知识增强,在专业能力上也得到了大幅的增强,甚至在一些专业能力的测评中,已经接近甚至超越了人类的平均分数。

今年7月,谷歌和DeepMind的科研人员在《Nature》杂志上发表了一项研究,研究结果显示,一组临床医生对谷歌和DeepMind团队的医疗大模型Med-PaLM回答的评分高达92.6%,与现实中人类临床医生的水平(92.9%)相当。此外,Med-PaLM仅5.9%的答案被评为可能导致“有害”结果,与临床医生生成的答案5.7%的结果相似。

然而,一些行业专家对于大模型运用于医疗表示担忧:大模型可能能够生成一篇看似合理的医学文章,但它并不具备真实医学知识,无法判断其中的信息是否准确或安全。这种局限性在一些领域尤其突出,如医疗诊断和决策。尽管大模型在文本理解和语义生成方面表现出色,但它可能无法理解医学领域的深层次知识,无法判断病因、病情发展等因果关系。这就引发了一些潜在的风险,如果在临床决策中完全依赖于大模型的输出,可能导致错误的诊断和治疗方案。

为了规范生成式AI在医疗行业的应用,近日,北京市卫健委牵头组织制定了《北京市互联网诊疗监管实施办法(试行)》。其中提出,医疗机构开展互联网诊疗活动要加强药品管理,严禁使用人工智能等自动生成处方,严禁在处方开具前向患者提供药品。

一方面,无论是人工智能从业者对于更强技术的开发,还是对于人工智能对于千行百业岗位引发的“鲶鱼效应”,会倒逼人类追求更高更强的通识与专业能力积累,实现对于AI的竞争优势。

另一方面,借助以大模型为代表人工智能技术,也会进一步拓展人类的能力边界。在大模型时代,想要更加得心应手地使用大模型,提示词(Prompt)在很大程度上决定了模型生成的结果,即使是同样的问题,输入不同的提示词也会得到不同的结果,专业选手和普通玩家存在较为悬殊的差距。因此,Prompt将成为未来人机交互的一种能力,成为人类探索未知的动力。

一个不可否认的事实是,人工智能作为人类成功路上的“垫脚石”,应该将人类托举得更高、更有价值。

在大模型之家看来,在这场关于“人工智能”的能力竞逐中,“人工”注定将领先于“智能”。

原创文章,作者:志斌,如若转载,请注明出处:http://damoai.com.cn/archives/472

(0)
上一篇 2023年8月29日
下一篇 2023年8月29日

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注