In the AI Era, Methodology May Matter More Than Skills

技术上的挑战是肯定存在的，但专注于技术决策却忽略了这些更高层次的问题。在学术界，不仅有经济学、社会选择和政治学，还有历史学、社会学、性别研究、种族研究、黑人研究等广泛的学科，它们提供了一个推理框架，说明什么是有效的治理，什么是为了集体利益而下放决策权，什么是真正参与公共领域，而当权者只认为某些贡献是合法的。从个人行为到宏观政策，公民社会组织和活动家团体拥有数十年甚至数百年的集体经验，他们一直在努力解决如何在各个层面实现实质性变革的问题。 因此，人工智能进步的利害关系不仅仅是技术能力，以及它们是否会超越任意想象的阈值。它们还关系到我们 -- 作为普通大众 -- 如何谈论、书写和思考人工智能；它们还关系到我们如何选择分配我们的时间、注意力和资本。最新的模型确实非常了不起，对齐研究也探索了真正迷人的技术问题。但是，如果我们真的担心人工智能引发的灾难，不管是生存灾难还是其他灾难，我们就不能依赖那些能从人工智能广泛部署的未来中获得最大利益的人。 撰文：Jessica Dai，加州大学伯克利分校计算机科学专业的博士生 来源：Reboot 编译：Yangz 本文来自微信公众号“巴比特资讯”（ID:bitcoin8btc），作者：Yangz，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。 好文章，需要你的鼓励 专注于 AIGC、数字版权、元宇宙以及区块链等新技术领域。 ### 最近内容 ## 36氪AI测评 ## 36氪项目推荐 ### 下一篇 本篇文章偏重于我对笔记方法论的感悟与个人体会，希望能对你有所帮助。 2023-10-16 阿里云 火山引擎 高德 个推 星球日报 鲸准 氪空间 富途牛牛 企服点评 人人都是产品经理 领氪 36氪 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商 [...] 其次，我们相信，要阻止超级智能的产生，其风险和难度都是难以想象的。因为超级智能的好处如此巨大，建造超级智能的成本逐年降低，建造超级智能的参与者数量迅速增加，而且超级智能本来就是我们所走的技术道路的一部分……我们必须把它做好。 换句话说，首先，因为它能让我们赚一大笔钱；其次，因为它能让别人赚一大笔钱，所以最好是我们。(OpenAI 当然有责任证实以下说法：人工智能可以带来一个“难以想象”的更美好世界；

并再次搜索，从而得到更加灵活的结果。 3 祛魅AI：大模型的基本原理 25 图7: 一个生成研究报告的智能体工作流 利用工作流可以大幅度提高人工智能在已有测评基准上的表现，例如2025 年3 月推出的Manus 就在 GAIA 基准测试（General AI Assistant Benchmark）中取得了很好的成绩。人为编排适应于特定测评任务的 工作流并不是难事。真正的难点，在于如何让人工智能突破固定的工作流，从而像人类一样能够适应新的任 务，即具备跨任务的泛化能力。与思维链类似，已有的工作流往往可以作为训练数据，进一步微调基座大模 型，从而使其直接内化在模型的参数当中。 对于社会科学研究者而言， 智能体的概念对于使用大模型提供了启发。 首先， 以深度研究 （DeepResearch） 为代表的智能体产品为整合有用信息提供了有用的工具， 能够极大地提高研究者的工作效率。 此外， 对于尚未 实现的工作流，使用者也可以借鉴智能体的想法，改善大模型的输出。例如，Anthropic 就提出了五种智能体 的协同思路： • 分步骤执行（Prompt Chaining） ：将一个任务拆分成多个步骤，分别执行。 • 路由模式（Routing）: 由一个大模型负责根据任务的种类，分发给不同类型的模型执行。 • 平行模式（Parallelization） ：多个大模型同时、独立地完成一个任务，最后由一个大模型进行择优；这一 思路类似于机器学习中的模型集成。 • 指挥—分工模式（Orchestrator-workers） ：一个大模型将任务拆解为多个步骤或多个小任务，再分别由 大模型执行。 • 评价—优化模式（Evaluator-optimizer） ：一个大模型负责产生内容，而另一个大模型负责评判并提出修 改意见；将修改意见反馈之后，由前者进行优化，如此循环往复。 [...] </sentences> |Assistant| 1. positive 2. negative 这一提示词在用户部分通过<sentence></sentence> 的网页标签区来分指令和数据。如果大模型是在这样结 构化的文本上进行后训练的， 那么它们也能更好地对结构化的输入做出反应。 因此对于用户而言， 输入的结构 3 祛魅AI：大模型的基本原理 21 越清晰、越接近于模型开发者在训练时所采用的格式，就越有可

展大规模的技能再培训。 为何企业没有全力以赴更新员工技能？ 很多情 况下， 是因为它们准备不足。 理论上， 为了保持竞争 力， 企业应该对工作模式进行重大变革， 但进一步深 入研究变革举措或是在实践中已取得实质性进展的 企业却少之又少。 将被生成式AI优化的工作时间 通过生成式AI实现自动化的工作时间 图三 大部分工作时间将受到生成式AI的影响 （实现自动化或被优化） 注： 相关预估基于对工作任务中 “人机协作” 工作量的区分， 以及工作受到生成式AI影响的程度。 资料来源： 埃森哲商业研究院基于各国统计局和ONet数据。 24% 23% 23% 22% 22% 19% 22% 21% 22% 20% 21% 21% 21% 18% 20% 18% 19% 17% 18% 17% 16% 15% 15% 英 国 加 拿 大 德 国 澳 大 利 亚 日 本 法 国 美 国 瑞 典 意 大 利 挪 威 芬 兰 丹 麦 阿 根 廷 西 班 牙 墨 西 哥 智 利 巴 西 哥 伦 比 亚 南 非 沙 特 阿 拉 伯 中 国 印 度 47% 22个国家： 46% 46% 45% 44% 44% 44% 43% 42% 42% 42% 42% 42% 41% 41% 41% 39% 39% 38% 38% 33% 31% 23% 24% 23% 25% 22% 23% 21% 22% 21% 21% 21% 24% 21% 23% 22% 22% 21% 21% 22% 18% 16% 资 本 市 场 软 件 与 平 台 银 行 保 险 通 信 与 媒 体 零 售 公 共 服 务 高 科 技 生 命 科 学 旅 游 能 源 健 康 汽 车 航 空 航 天 与 国 防 化 工 公 用 事 业 工 业 设 备 自 然 资 源 消 费 品 19个行业： 72% 68% 67% 65% [...] 如今， HR不仅是推动组织变革的战略伙伴， 更 在激发创新、 塑造企业文化、 赋能员工赢在数字化时代方面， 发挥着至关重要的作用。 作为全球领先的专业服务公司， 埃森哲拥有超过80万名员工， 为120多个国家的客户提供服务。 通过持续 优化人才战略， 用先进技术赋能员工， 埃森哲致力于重塑工作方式， 实现人才转型， 保持业内领先地位。 在埃森 哲首席领导力与人力资源官安吉拉·贝蒂 （Ange

莫子皓：我觉得大模型时代和过去最大的不同在于，现在的用户其实不太会提问，他们并不是天然地就会向大模型提问并且掌握运用大模型的能力。另一个关键点是，模型需要被“激活”智能才能解决更多问题，而且你要给它足够的上下文信息它才能做得到。这就要求我们在设计产品时，必须更多地从用户角度出发去思考问题，而不是先入为主地假设用户会怎么用。这和过去的设计方式有很大区别。 对用户来说，他们很难凭空想象出很多功能是可以实现的。用户更多是“看到了才相信”。所以现在更重要的方向是追求智能的探索和尝试，去验证大模型到底能不能在某个具体点上做到。举个简单例子：在一场会议中，大模型能不能判断出，虽然有人说“好的”，但其实是在敷衍你，根本没理解你说什么？这事听起来可能有点玄乎，但现在大模型确实能做到这一点。然而用户自己从来不会想到要这样使用它。 但当我们真的做出这个功能后，用户反而觉得特别好用。这些例子就很说明问题：要设计出更好的产品，设计出超出用户预期的产品，才能真正达到效果。我觉得关键点在于，你能在用户的实际场景里融入足够多的智能，达到用户自己都想不到的高度。 InfoQ：现在如何从“大模型驱动产品”逻辑出发去设计一款产品？可否结合具体案例说明下？ 莫子皓：对我们来说，这其实不是什么固定的流程。我们认为现阶段最大的杠杆是智能。 这个时代和移动互联网时期以及更早最大的不同，就是多了一个叫“智能”的杠杆。但智能这个东西，不是你想用多少就能用多少的。它有非常多的前提条件：需要大量的 context、需要 memory、需要大量的记录和提示方式，才能真正把智能用起来。而且，在不同的场景里，智能是主动提供还是被动等待交互，这些都是我们在思考的方向。 [...] 所以我们更关注的点不是“大模型驱动产品”这个逻辑，而是如何通过软硬件结合的方式，如何通过提供足够丰富的上下文信息，去探索智能的边界、最终为用户创造价值。我们整个产品的设计都是围绕这个目标来做的。 InfoQ：这方面你们有什么方法论吗？ 莫子皓：没有方法论，这也是产品经理的魅力所在。 像 Cursor 这些公司，都是在打造一个智能环境，让用户在这个环境里体验到智能带来的好处。我们也是一样，只是我们服务所有类型的客户。我们希望用户的工作能在我们这里完成。我们设计的也是一个环境，让用户在这里

36氪：现在会加一些苹果的工作流到产品团队体系里面？ 张鹏：至少大家有这样的一个想法和这样的一种觉悟和认知，就是说你要保留一部分你的想法和精力去预测，预测是很重要的。 36氪：员工都要来预测？ 张鹏：我们所有人都必须要有这个觉悟。 36氪：不管对你，还是中层和一线员工来说，预测的难度有多大？ 张鹏：是挺有挑战的一件事，不会容易的，容易的事情早被人做了。 36氪：你觉得今天模型公司的产品和技术会有些同质化吗？ 张鹏：关键不是在于是不是同质化，也不在于横向比较，而是往前看未来会发生什么，或者说现在的第一性原理、最本质的需求是什么。 举个例子，比如有一个客户和我们说，他们一套给员工用的软件系统迭代了很多年，有7000多个业务和功能菜单的入口，员工上岗前如果不经过一段时间的培训，是搞不定的；就算培训了，工作的时候也会很痛苦。客户说想要一个技术方案，比如用自然语言表达需求，让AI帮忙找到入口。 我就问他，你不觉得7000多个入口本身就不合理吗？还不如想一想我们怎么设计一个方案，把7000多个入口解决掉。还不如换一个角度看这个客户的问题，其实这个问题是个伪命题，那你解决那个问题就好了。 36氪：一线销售可能会觉得客户要什么，我就给他什么。 张鹏：对，这就是会有困难的地方，他需要一种价值观上的认同。 36氪：清华系在大模型圈子里还是很显眼的，你觉得清华为什么能在AI风口很快成为重要的一股推动力？ 张鹏：前两天我们几个校友和老师一起吃饭，也聊到这个话题：清华在过去的时间里到底做对了哪一件事情，让清华的计算机和人工智能踩上了台阶？ 你看这一次的爆发，除了学术和研究上的层面，其实还有很多地方实际上来自工程，来自团队的协作。在这个层面上，不是说只要一批学术做得很好或写论文的人在一起就能搞定的，还要有很多价值观一样的工程人员，团结起来做这件事情。 [...] 36氪：那智谱AI在To C和To B的成果，你满意吗？ 张鹏：公司的运营或者说目标的设定有一定的战略，也在按照计划去推进，有得有失，有成有败，这个都很正常。 我们最近，可能大家看到的动作比较多，做了一些发布。过去我们主要在B端市场做了一些事情，取得了一些成绩，但你要说完全满意，当然还谈不上。毕竟大家都知道，这个市场很“卷”，竞争很激烈。 至少我们的竞争对手，在大家心目当中已经是大厂的级别，我们已经跻

1. []( klose 作者 回复可可哒 在需求排序中有提到 最近 来自广东 回复 11. []( henry 总结的挺好的，浅显易懂 最近 来自北京 回复 1. []( klose 作者 回复henry 谢谢 最近 来自广东 回复 天涯社区，告别江湖 天涯社区，告别江湖 04-275804 浏览 欢迎来到「第四消费时代」：从经济学卷到心理学 欢迎来到「第四消费时代」：从经济学卷到心理学 11-152811 浏览 AI 生成 UI 界面？分析 Vercel 最新推出生成式 UI 工具 V0 AI 生成 UI 界面？分析 Vercel 最新推出生成式 UI 工具 V0 11-0912249 浏览