AI 热潮，不可逆的潮流

这篇文章，基本上是闲聊。文字有点多。

我自己独立拥有一台电脑的使用权，是在三十年前读研的时候。那个时候，社会上能碰到电脑的人也不多，但清华大学是相对有钱的，我们实验室里每个研究生都有自己的电脑了。电脑的性能就差异很大，有的同学286，我的是386，我一个师弟，晚进来一年，就是486的电脑。就是下面的图的样子，不过我当时没有鼠标，任何命令都是键盘输入的

学术单位嘛，总是会跟进最热门的潮流。当时，我们实验室的主要工作，就是把个人电脑和生物反应器结合起来。我当时的课题是用电脑做反应器里的参数监测。那个时候，我学会了个人电脑的操作，学了C语言，汇编语言，用它们做接口，采集反应器里的一些条件参数，然后再用当时的计算语言Fortran 做成图表，基本就完成了工作。在当时，这些无疑是很先进的事情。年轻时候，学习能力强，那些东西很快能学会。那个时期的基础让我后来对电脑没有畏难情绪，需要学新东西的时候，很有信心自己能学会。

2004年， 那是我离开学校十年后，当我需要建立冈瓦纳自然网的时候，我能自己搭建一个简单的网站。后来网站功能复杂了，我才请专门的程序员写网站代码。但就是到了现在，当我本地的数据管理需要使用新的数据库软件的时候，我仍然相信自己能学会和用好。年轻时候学的具体技术是会被淘汰的，但由此建立的学习能力和自信会终身受用。

当时，我们实验室里有个同学，比我低一级，有一台486电脑，我们都非常羡慕。他做的课题是用人工神经网络控制生物反应器。我们组里是有交流机制的，就是开题报告啊研究进展啊，组里的老师会经常组织会议，大家讲大家听。他那个项目，就是一种控制技术。那个时候，自动控制主要是根据数据曲线进行控制，而这个同学的课题里的人工神经网络就是一种没有控制曲线的控制。电脑究竟根据什么做的决定不清楚，只知道它是根据过往的数据。

当时印象最深的就是上面这样的图。也是那个时候，从他的报告中听到了人工神经网络中的术语学习，训练 这些概念。

后来离开学校，就没有机会听这类工作报告了。

后来，几乎没听说人工神经网络这个词了，但经常听到人工智能（AI）这个词，偶尔还会听到深度学习，训练这些术语，我大致知道，这应该就是以前的人工神经网络了。特别是下围棋的AI，给人印象深刻，有不少关于它学习和训练的报道。

真正让人兴奋的事件，是这两个月面世的ChatGPT,  这个工具让AI 成了普通人的工具，它会说话，几乎会人类所有的还在书写的语言，会人类积累的大部分的知识，而且还在快速进步。你几乎可以问它任何问题，它都能回答。

这给人一种横空出世的感觉。

但是，它应该是宝剑锋从磨砺出，梅花香自苦寒来。 我离开学校已经三十年了，但三十年以前，也应该有人已经研究了很长时间了。当时，我们那个实验室用的人工神经网络的软件就是外国人编的。也就是说，它至少是几十年几代人研究发展的结果。

人类发明机器的努力是永远不会停步的。每一步都是那么异想天开，但每一步都能实现。人类想要干体力活的机器，实现了。人类想要会计算的机器，实现了。现在，人类想要有智力的机器，也实现了。

不要被AI 取代了工作

AI 会替代一些人的工作，而不是替代某个行业，最先被替换的个体会有一个共同特点

任何一个新技术的应用都会替代一部分人的工作，但人类的工作反而越来越多，这是总趋势。
机动车，电脑，互联网，等等，都是这样的
但这种总体的进步并不意味着没有人会因为这些进步的出现会陷入困境，一定会有的

这几天我自己用了ChatGPT, 也看了不少人写的哪些行业会被AI替代的文章，我自己的感觉，AI 会替代的是部分人的工作，但不是某个行业整体。

实际上，它会在所有的行业都被广泛应用，因此，所有的行业都有人被替代

那么哪些人的工作会被替代？

感觉是那些凭脑力skill 的工作。

狭义的skill, 多指经过训练的手工创作，比如一些陶器制作等等

但是现在社会，存在大量的脑力skill, 许多工作需要经过长期而严格的训练，形成某些脑力上的skill.
在传统上，我们不会将这类脑力skill 视为手艺，而是有更好听的词来形容，比如技术，功底，学问，，，

下棋 人们对最高级别的棋手是尊重的，对他们的skill , 用棋艺来形容，很多时候很难分析清楚，给人高深莫测的感觉，但AI 打败这些人类棋手很轻松。现在，承认下棋是脑力skill 不难了。这种比skill 的事情，人比不过AI 的

接下来，我举几个其他的例子

1）文艺创作，  对于大部分人来说，比如绘画，小说创作，音乐创作，这些都是要经过训练才能熟练的脑力skill. AI 做这部分人的工作，一点不难。会一直有宗师级的人物存在并开拓新的艺术殿堂，但普通的人的创作，不过是些skill， 比如普通的国画师，用skillful 来形容是最恰当的。这部分工作肯定AI能干得更好

2）部分医生，  在分工特别细的大医院里，门诊大夫一天下来，处方重复率之高是出乎普通人想象的。其实，这部分工作，也是脑力skill，它的特别之处在于需要通过训练获得资质并承担责任。 将来，这部分工作将由获得特别认证的AI系统承担。 高级的医学人才会一直有的，而且越来越重要。但将来，我们去医院，就跟去火车站一样，首先要用的是自动售票机。

3）政府和机关的文职人员，很大一部分是脑力skill

还有很多

这些行业不会消失，但有些人会被替代

什么样的人会被首先淘汰？
你这样想一下：假如一个作家，或者一个科研教授，他坚持用笔写作，坚持用计算尺，就是不用电脑，会不会丢了工作？

所以，首先被淘汰的，不是什么行业，而是拒绝使用AI的人

举个具象化的场景：如果一个总裁办公室，现在有四个文员，由于AI的进步，三个人就够了。
那么，首先淘汰的一定是拒绝使用AI的人
同理，医生也是。不是所有的医生都被淘汰，而是拒绝使用AI的医生先淘汰。

所以，我们要做的事情，是拥抱新技术，学习新技术，运用新技术，并为自己的职业开辟新的更广阔的天地。

爱好不会被取代，AI 会带来更好的体验

非常确定的是，AI 虽然会可能影响一些人的职业，但是，AI 不可能取代个人的爱好，更不可能取代个人爱好带来的美好体验。

恰恰相反，它能为我们所用，为我们服务。这是非常幸运的事。

在我看来，在非常短的时间内，我们将可以从AI 的发展中受益。

第一，贝壳的鉴定

形态学鉴定对于现在的AI来说，已经不是难事了。但目前，贝壳鉴定并没有什么特别好的AI工具。

导致这个局面的主要原因不是贝壳鉴定对AI来说有多难，而是这个业务的商业价值不大。现在的AI，不是基础设施，更不是普惠设施，而是纯商业开发。在医疗这样巨大的市场都还有巨大的空白的时候，没有那家AI公司会去做贝壳鉴定这样的事情的。

而且，在可以预见的未来，物种鉴定工作也很难成为巨大的市场

那么，什么时候我们会拥有很好的物种鉴定AI呢？

等AI发展到一定程度，物种鉴定对它来说是举手之劳的时候，顺带就解决了。

那个时候，对于贝壳爱好者来说，就是享受AI福利的时候了。

第二， 资源获取

在有了AI帮助后，我们将可以用自然语言描述我们的想法，需求，告诉AI， 让它帮我们找各种资源，包括贝壳，朋友，贝展等等。

当我们有了这类AI帮助的时候，我们能获取的资源量是现在无法比拟的。比如说，凭现在的ChatGPT,  一个完全不懂英文的人，和一个只懂英文的人交流应该没有大的障碍了。

三， 个人能力增强

我举个例子，现在我们经常办贝展，有分享环节。我知道有很多贝友有很好的收藏，在聊天中，我也得知他们有很多值得分享的经验，但当我建议他们来贝展做分享的时候，他们就畏难了，仅仅因为觉得自己的写PPT的能力不够等等。

事实上，如果我们贝展上有了外国人，你要中英文对照的文稿，对AI来说，也是一秒钟的事情。

总的来说，AI进入普通人的日常生活工作场景，是令人兴奋的事情。只要能跟上时代，迎接新事物，我们不仅能在工作上更高效，也能让我们的业余生活更美好。

最后，我以一段ChatGPT 问答来结束这篇文章，你看多好，它总结得非常全面，而且重点清晰。如果需要写这类文章的时候，大家都可以用它。