本文总结自花旗银行 GPS 于 2024 年 12 月发布的《人工智能机器人崛起》报告，深入剖析了AI机器人领域的技术突破、市场机遇与挑战。这份报告传递了一个清晰的信号：AI机器人正在从实验室和工厂加速走向我们的日常生活，预计到2035年将有13亿台，2050年更将达到40亿台。

AI使用指南：它比你想象的更强大，也更笨拙

在这个AI工具爆发的时代，你有没有对AI的表现感到困惑？让我从一个有趣的例子说起 - 如果你让AI数”strawberry(草莓)”这个单词里有多少个字母”r”，它可能会数错。但如果你让它创作一首关于数这个单词有多难的莎士比亚风格十四行诗，并且每行首字母还要拼成一个和草莓相关的藏头诗，它却能完美完成。这种迷人的反差，恰恰揭示了AI作为一个”数字助手”的独特本质。

AI:一个特立独行的天才同事

想象一下，AI就像办公室里那个特别的同事 - 在日常小事上可能会手忙脚乱，搞不清订书针和回形针的区别，但转眼间却能用五种语言流畅地写出一份令人惊叹的商业计划。这让我想起了《生活大爆炸》里的Sheldon - 在最简单的社交礼仪上可能犯糊涂，却能轻松解答复杂的理论物理问题。

近期，一场始于社交媒体的讨论在科技圈引发了广泛关注。有人揭露了一个令人震惊的现象：在一些大型科技公司中，存在着一群特殊的“幽灵工程师”，他们每周仅工作约5小时，每月代码提交次数屈指可数，却能获得20万至30万美元的年薪。这种现象不仅存在于Oracle、Salesforce和Adobe等传统科技企业，更已蔓延至FAANG（Meta、Apple、Amazon、Netflix、Google）等科技巨头和一些中型科技创业公司。

此外，还有另外一类可以被称为”多面打工人”的工程师们正在多家公司间游刃有余地周旋。在Reddit一个名为overemployed（过度就业）社区中，超过38万名成员正在公开讨论如何同时经营多份工作的策略。其中很多都能通过多份技术岗位的工作，轻松实现50万美元以上的年收入。

这两类人都在公司管理的雷达之下活动，给企业管理带来了前所未有的挑战。

还记得第一次看《钢铁侠》时，我们如何惊叹于托尼·斯塔克与他的人工智能助手贾维斯的互动？那种科技与人完美融合的场景，在我们心中种下了一颗关于未来的种子。而现在，在一个平凡的周五下午，当你和我一样看完这段Google的新一代AR眼镜的演示视频后，你也会觉得这个场景突然变得触手可及。

当昔日梦想照进现实

十年前，Google Glass的失败几乎击碎了科技界对AR眼镜的憧憬。但科技从不会停滞不前，除了最近在海外大火的Meta Ray-ban这款智能眼镜已经出货200万台的好消息以外，Google带着Android XR（专门为XR设备设计的安卓系统，配合应用商店模式）和Gemini AI重返战场。这一次，他们不再是简单地在人们眼前放置一个显示屏，而是重新思考了人类与科技互动的方式。

引言：AI大牛Karpathy今天在社交媒体上公开推荐了一些他特别推荐的书，我翻译整理了一下他的原文并配上了对应的豆瓣链接，有兴趣的朋友可以收藏阅读：

Karpathy：在我读过的约200本书中，以下是那些令我印象深刻、经常回想或引用的几本（排名不分先后）：

Ted Chiang（特德·姜）的所有短篇小说 —— 尤其是《呼吸》（Exhalation）、《除零》（Division By Zero）、《领悟》（Understand）、《你一生的故事》（Story of Your Life）、《审美观》（Liking What You See）、《软件生命周期》（The Lifecycle of Software Objects）、《对我们的期望》（What’s Expected of us）等，主题新颖独特，思想深邃，阅读体验极佳。

看了一下今天发布的正式版o1，虽然确实也挺不错，只是没有那么惊艳了… 写几点个人印象深刻的内容吧：

• o1终于能支持图片作为输入了！在测试一些只有图片数据的问题的时候更方便了；
• 在数学竞赛问题和博士级别的科学问题能力方面有了相当的提升，已经比普通的人类专家要厉害了；
  
  阅读全文 »

最近有篇论文通过随机临床实验评估了AI大语言模型（LLM）对医生诊断的影响，其结果相对有趣：医生在使用AI辅助做诊断时，与仅使用传统电脑工具（例如搜索引擎）相比，准确率表现差异不显著（得分76% vs 74%），这是否说明AI在医疗诊断方面完全没有用？但实验中还引入了第三组纯用AI来做诊断的对照组，而这个组的诊断得分（92%）竟然显著高于前两组的准确率。这个看似矛盾的现象揭示了一个值得深思的问题：为什么专业人士没能从如此先进的AI工具中受益？

我们是否真的会用AI？

根据一篇来自纽约时报的更详细的研究报道细节中写出，研究者在阅读参与实验的医生的使用AI记录时，发现其实很多人不太会“和AI说话”，例如医生们会像使用搜索引擎一样对AI提出简单的事实性问题：”肝硬化是癌症的危险因素吗？””眼痛可能的诊断是什么？”只有极少数医生意识到，他们其实可以把整个病例复制粘贴给AI，请它进行全面分析。也因此，实验中只有少数医生真正见识到了AI聊天机器人能给出的既全面又智能的惊人答案。

这个例子完美地展示了很多人使用AI时的常见误区。我们习惯了过去二十多年与计算机工具的互动方式是：输入指令，获取结果。但AI并不是传统的软件工具，也不就是个更智能的搜索引擎。

最近一位“17岁少年写出神级prompt干翻整个AI圈”的内容获得了不少传播，内容大致是说这位同学写出了一个很厉害的提示词/prompt，使得AI的智商大幅提升云云。但其实这里有不少误解 - 一方面这位17岁的Richards Tu同学能写出这样的prompt还是很厉害的，确实有天赋。但是另一方面也不要捧杀，这段prompt本身或者是提示词这个东西并没有那么神。

真的能用提示词”大幅提升AI性能”吗？

用简单的逻辑就能理解 - 如果一段prompt就能有这么巨大的影响，各大AI实验室也就不用花大价钱做模型训练了。。。

我尝试让这位少年的Prompt对自身做了个评判，思考过程中的AI说的这段也挺好 - “这就像试图通过详细的游泳教程让一条蛇变成鱼。不管教程写得多么详尽,蛇的身体结构决定了它游泳的方式必然不同于鱼。同理,Claude 3.5的底层架构决定了它思考的本质方式（和o1不同）。”

不过确实也只有这种走极端来煽动情绪和焦虑的内容才适合在社交媒体传播，一篇严谨的讲应该如何用提示词来更好使用AI的帖子估计根本无法出圈…

引言

2024年初，硅谷最引人注目的法律战之一正在上演：Elon Musk起诉了他曾经倾注大量心血的OpenAI。在这场诉讼中，大量从未公开的内部邮件被作为证据提交到法庭，揭开了这家AI巨头早期的神秘面纱。

科技媒体The Verge通过这些来往邮件，抽丝剥茧地还原了2015年至2018年间OpenAI的关键决策过程。这些邮件展现的不仅是一家公司的创立历程，更是硅谷最具话题性的几位科技大佬之间错综复杂的权力较量。

在这些看似平淡的邮件对话背后，是关于理想与现实、信任与背叛、权力与责任的永恒主题。当Altman在深夜写下那封改变命运的邮件时，他可能未曾想到，这会开启一段比科幻小说更跌宕起伏的真实商战。

本文尝试用剧本的形式重现这段历史。所有对话和情节均基于真实邮件记录，只是在叙事手法上添加了些许戏剧性的处理。毕竟，有时候真实的商业世界，比虚构的故事更扣人心弦。

下面的12条建议来自OpenAI官方最近发布的ChatGPT学生使用指南，其中部分的例子我做了一些延伸，供学生和家长们参考：

1. 将繁重的引用格式工作交给AI：

• “这是我的参考文献列表。请将所有引用从MLA格式转换为APA格式”
• “请阅读我的论文，告诉我是否所有来源都有适当的引注，包括页码引用”
• “我的教授要求论文采用芝加哥格式。请检查我的脚注是否符合最新的芝加哥手册规范”

2. 快速建立对新主题的基础认识：

• “请解释凯恩斯经济学的核心原则，以及它如何挑战了古典经济理论的假设？具体来说，它对市场自我调节能力的看法有什么不同？”
• “我需要了解不同的动机理论。能否概述主要的理论流派，包括行为主义、人本主义和认知理论的关键区别？每种理论是如何解释人类行为的？”
  阅读全文 »