下一个风口，AI应用大爆发

文章来自FlerkenS 大噬元兽

AI技术正在以惊人的速度和规模发展，给人类社会带来了前所未有的机遇和挑战。OpenAI创始人奥特曼近日在最新YC校友分享会的演讲中，分享他看好AI在医学、教育等领域的赋能，也剧透了下一代大模型——GPT-5和GPT-6的一些特点和期待。他还提出了一些有意思的问题和想象，例如AGI时刻的来临会给人们带来什么影响，以及OpenAI招聘人才“不限行业”的规定，打破惯例看来已经成为这家公司获得灵感和活力的新动力。这些话题引发了广泛的关注和讨论，也让我们思考了一个重要的问题：随着GPT-5的面世，AI应用大爆发即将到来，我们应该如何迎接和准备？

AI技术在医学、教育应用赋能的分析

奥特曼表示他看好AI在医学、教育上的赋能，AI医学顾问以及AI个性化一对一辅导。据悉OpenAI正在筹建OpenAI学院，预计2023年底启动，它有可能是人人可访问的免费在线教学系统，老师能与GPT-5来互动，在课程期间接收反馈和指导。

为什么奥特曼看好AI在医学、教育上的赋能，我们可以从AI技术的一些特点来分析。

AI技术具有强大的数据处理和分析能力。AI可以利用机器学习、深度学习等算法，从海量的数据中提取有用的信息和知识，从而帮助人们解决复杂的问题。在医学领域，AI可以通过分析医疗数据、影像数据、基因数据等，辅助诊断、治疗、预防等医疗活动 。在教育领域，AI可以通过分析学习数据、行为数据、心理数据等，提供个性化的学习内容、方法、反馈等教育服务 。

AI技术具有高效的计算和执行能力。AI可以利用高性能的硬件和软件，快速地进行复杂的计算和操作，从而提高人们的工作效率和质量。在医学领域，AI可以通过自动化的流程和系统，减少人为的错误和延误，提升医疗质量和安全性 。在教育领域，AI可以通过智能化的平台和工具，节省人力和时间成本，扩大教育覆盖和公平性 。

AI技术具有创新的学习和生成能力。AI可以利用神经网络、生成对抗网络等模型，从已有的数据中学习新的知识和技能，并生成新的数据和内容，从而拓展人们的思维和视野。在医学领域，AI可以通过创造新的药物、器械、方案等，促进医学科技的进步和发展 。在教育领域，AI可以通过创造新的课程、素材、场景等，丰富教育资源和形式 。

这些AI技术特点给我们什么启示，我们认为有以下几点：

我们应该积极地探索和利用AI技术在医学、教育等领域的应用场景和价值点，AI应用必须在提供真正独特的价值。

我们应该持续地投入和支持AI技术在医学、教育等领域的研究和创新，而不是满足于现有的水平或模式。

我们应该合理地规范和监督AI技术在医学、教育等领域的使用和发展，而不是忽视或放任它可能带来的风险或问题。

我们应如何迎接GPT-5

GPT-5和GPT-6是OpenAI的下一代大模型，它们将具备多模态输出能力，即能够处理和生成不同类型的数据和内容，例如文本、图像、语音等。这些能力将使得GPT-5和GPT-6能够更好地完成像grounding这种NLP和视觉场景对齐的任务，以及语音识别、合成和情绪检测等新功能。这些功能将为AI应用创业者带来更多的机会和挑战，那么我们应该如何在应用场景选择上和应用开发上做好准备。

应用场景选择上，AI应用创业者应该关注GPT-5和GPT-6的多模态输出能力，即能够处理和生成不同类型的数据和内容，例如文本、图像、语音等。这些能力将使得GPT-5和GPT-6能够更好地完成像grounding这种NLP和视觉场景对齐的任务，以及语音识别、合成和情绪检测等新功能。因此AI应用创业者应该探索和利用这些新功能在不同的领域和场景中的应用价值，例如教育、医疗、娱乐、社交等。

应用开发上，AI应用创业者应该关注GPT-5和GPT-6的可靠性、个性化定制体验等特点。这些特点将使得GPT-5和GPT-6能够更好地满足用户的需求和期望，提高用户的满意度和忠诚度。因此，AI应用创业者应该优化和测试自己的应用，确保其能够稳定地调用GPT-5和GPT-6的接口，提供高质量的输出结果，以及根据用户的反馈和数据进行持续的改进和更新。

AI应用爆发时期我们要做好哪些准备

奥特曼引用了大模型领域的“摩尔定律”（Scaling Laws），即随着模型大小、数据集大小和用于训练的计算浮点数的增加，模型的性能会提高。他认为这意味着大模型训练成本会变得更低、调用GPT接口的价格会变得更便宜，更强大的AI能力将会出现，“此前不敢想象的很多东西会被做出来”。那么在AI应用大爆发即将到来的时候，我们要做好哪些准备。

我们认为有以下几点：

保持对AI技术的学习和更新，跟上AI技术的发展趋势和前沿成果。

提高对AI技术的应用和创新能力，寻找和开发更多的AI应用场景和价值点。

增强对AI技术的合作和共享能力，构建和参与更多的AI合作伙伴和生态系统。

注意对AI技术的规范和监督能力，防范和解决AI可能带来的风险和问题。

现阶段AI不是互联网，而是通信/IT

现阶段做AI要对标的不是互联网，而是通信/IT。这是因为AI和互联网有本质的区别，AI更侧重于信息处理和分析，而互联网更侧重于信息传输和交换。因此做AI需要有更多的技术积累和创新能力，也需要有更多的行业知识和场景应用能力。做AI也需要有更多的合作伙伴和生态系统，以及更多的规范和标准。

我们要认识到AI技术的复杂性和多样性，不要简单地将其归类为互联网技术的一种延伸或衍生。

我们要学习和借鉴通信/IT行业的一些经验和方法，例如服务能力、工程化能力、系统化能力等。

我们要培养和提升自己在AI技术方面的专业性和创新性，不要满足于模仿或跟风。

AI应用的一个思考格式：场景-用户-需求-关系

在AI应用爆发时期，除了考虑场景、用户、需求之外，还要考虑关系。关系是指某个Agent在某个场景里，和用户或其他Agent之间的相互作用和影响。定义了关系，就定义了约束条件和需求属性。

我们要把握好AI应用中人机交互的本质，即是一种关系建立和维护的过程。

我们要根据不同的关系类型，设计和调整合适的AI应用策略和方式，例如语言风格、情感表达、反馈机制等。

我们要注意不同的关系对AI应用效果和价值的影响，例如信任度、满意度、忠诚度等。

AI应用爆发时期，服务能力和工程化能力是核心能力

在AI应用大爆发时期，AI技术不仅要有强大的数据处理和分析能力、高效的计算和执行能力、创新的学习和生成能力，还要有服务能力和工程化能力。这两种能力是AI领域的核心能力，它们决定了AI技术能否从实验室走向市场，能否从理论变成实践，能否从单点突破到系统集成。

服务能力是指AI技术能够根据客户的需求和期望，提供满意的解决方案和体验。这包括了对客户的需求分析、方案设计、项目管理、交付验收、运维支持等各个环节的能力。服务能力要求AI技术不仅要有专业性，还要有通用性，即能够适应不同的行业和场景，满足不同的功能和性能要求。

工程化能力是指AI技术能够按照工程化的标准和流程，进行高质量的开发和部署。这包括了对AI技术的架构设计、代码编写、测试验证、优化改进、安全保障等各个环节的能力。工程化能力要求AI技术不仅要有创新性，还要有稳定性，即能够保证AI技术的可靠性、可扩展性、可维护性。

除了服务能力和工程化能力之外，AI应用爆发时期还需要一些其他的重要能力，例如：

数学和统计能力。AI领域涉及到很多数学和统计的概念和方法，例如线性代数、微积分、概率论、优化理论等。这些能力可以帮助AI工程师理解和设计AI算法，分析和处理数据，评估和优化模型的性能。

编程和软件能力。AI领域需要使用各种编程语言和软件工具，例如Python, R, C++, Java, TensorFlow, PyTorch, Scikit-learn等。这些能力可以帮助AI工程师实现和部署AI算法，构建和测试AI系统，与其他软件或硬件进行交互和集成。

业务和领域能力。AI领域需要根据不同的业务和领域需求，定制和应用AI解决方案，例如金融、医疗、教育、通信等。这些能力可以帮助AI工程师理解和分析业务和领域问题，选择和调整合适的AI方法，评估和提升AI解决方案的价值和效果。

总结

我们相信，随着GPT-5的面世，AI应用大爆发是一个不可避免且不可逆转的趋势，它是由AI技术的快速发展和广泛应用所驱动的。随着AI技术的不断进步，例如模型的规模、性能、多模态能力等，AI技术能够处理和生成更多的数据和内容，完成更多的任务和功能，满足更多的需求和期望。同时，随着AI技术的不断普及，例如成本的降低、接口的开放、平台的建立等，AI技术能够覆盖和影响更多的领域和场景，服务和赋能更多的用户和客户，创造和提升更多的价值和效果。

AI应用大爆发将给我们带来无限的可能性，它将开启一个新的时代，一个AI技术与人类社会深度融合和共同进步的时代。在这个时代，AI技术将成为人类社会发展的重要推动力，并为人类带来更多的福祉。例如在医学领域，AI技术将帮助人们提高医疗质量和安全性，促进医学科技的进步和发展，改善人们的健康状况和生活质量。在教育领域，AI技术将帮助人们提供个性化的学习内容、方法、反馈等教育服务，扩大教育覆盖和公平性，提升人们的学习效果和能力水平。在其他领域，如娱乐、社交、金融、通信等，AI技术也将带来类似或更多的可能性。

AI应用大爆发是一个不可避免且不可逆转的趋势，它将给我们带来无限的可能性和挑战。我们应该积极地迎接并准备好这一时刻，从多个角度和层次来理解、分析、应用、创新、合作、规范AI技术。我们相信，在未来，AI技术将成为人类社会发展的重要推动力，并为人类带来更多的福祉。