令狐笙 靈狐科技

摘要：這次與AI對話，是一次痛苦的經歷。

日常工作中，經常會有把演講、訪談、會議、討論等場景下的內容整理成正式文檔并突出重點的需求。近段時間，以ChatGPT為代表的AI在文本內容交互和歸納梳理方面所表現出的強大能力令世人驚嘆，似乎只要把內容丟給AI，輸入“提煉要點”的要求，就可以立馬去蕪存菁，要義在手。

真的這樣So easy嗎？

奇績創壇創始人兼CEO陸奇在最近的一次演講中闡述了他的大模型世界觀，演講內容迅速在網上擴散流傳。我們找了一篇內容相對全面、結構較為清晰、口語化風格明顯的報道文章作為“語料”，讓AI幫我們梳理這篇洋洋萬言的長篇演講的精華要點。

沒想到的是，原以為一天就能搞定的事，卻成了耗時三天的“打磨”。

陸奇不愧是“中國AI布道人”，這次演講內容干貨滿滿，最終我們覺得可以拿得出手的“AI濃縮版”還長達四千多字。因為我們這個專欄的目的主要是探察AI視角和測試AI能力，所以為了節省讀者的時間，我們又在“AI濃縮版”的基礎上進行了人工精簡，只保留了AI提煉內容的大綱，主要還是在“令狐點評”里向大家介紹使用AI工具的過程和感受。詳細的演講內容請移步網絡查找，說實話，我們覺得這篇演講內容的每句話都有價值。

令狐笙：

艾小狐，你現在是一位科技媒體的資深記者。近日，奇績創壇創始人兼CEO陸奇的一次關于《我的大模型世界觀》的演講風靡網絡。請梳理和提煉這個演講的要點，并以分級標題的形式，形成一篇介紹文章。

艾小狐：

好的。

第一：社會性拐點

1. 人與大模型緊密相關,決定了價值所在。

2. 數字化發展遵循“三位一體”模式。

3. 社會性拐點的核心：模型成本從邊際變為固定。

4. 社會性拐點之一：模型無處不在。

5. 社會性拐點之二：行動無處不在。

6. 社會性拐點之三：人與技術共進化。

7. OpenAI已處于這次拐點的領先地位。

第二： OpenAI的兩個信念和ChatGPT爆發的三個原因

1. Ilya Sutskever（OpenAI聯合創始人兼首席科學家）堅信兩件事：

（1）：模型架構需要足夠深才會產生質變。

（2）：持續進步的引擎是實現范式變革的關鍵。

2. ChatGPT達到1億用戶的三個原因：

（1）ChatGPT封裝了世界所有知識。

（2）ChatGPT學習推理能力在高中生和大學生之間。

（3）ChatGPT領域寬知識深,易用性強,擴展性好。

第三：未來，模型無處不在

1. 更多大模型誕生。

2. 更多對齊工作開展。

3. 模態對齊實現人工智能人道化。

4. 人的模型和學的模型并存。

5. 大模型如同基因。

第四：如何擁抱這個時代

1. 生產資本全面提高。

2. 每個人都將獲得“副駕駛員（Copilot）”。

3. 各行業將面臨系統性重組。

4. 醫療和教育面臨機遇與挑戰。

5. 時代高速發展勢不可擋。

第五：大模型時代的機會點

1. 數字化基礎：技術平臺與開發工具。

2. 解決人的需求：應用與體驗。

3. 改變世界：第三代技術。

4. 模型為先。

第六：對創業者的建議

1. 不要輕舉妄動,要思考清楚。

（1）不要盲目蹭熱點,要理解大模型的本質及其對自身業務的影響。

（2）要勤于學習,理解新技術帶來的變革及其復雜性。

（3）想清楚后要果斷行動,如果新技術對行業造成重大影響,不進則退。

2. 公司是一組能力的組合,要全面評估大模型的影響。

（1）產品開發:如果做軟件或用戶體驗,大模型會帶來長期深遠影響;如果做核心技術研發,短期影響較小但長期也重大。

（2）滿足需求:如果直接面向用戶或依賴供應鏈,受影響較大,要判斷行業結構變化。

（3）商業模式:大模型可以幫助思考及迭代,但影響較小。

（4）人才與組織:創始人的重要性上升,技能必要但愿力更重要;團隊可以利用大模型加速探索,但長期還需培養“提示工程師”;要考慮新技術如何影響組織結構與文化。

3. 這是機會也是挑戰,要全方位思考。

令狐點評：

最初，我們想用百度的文心一言來做陸奇演講的提煉，畢竟陸奇曾經擔任過百度集團總裁兼COO。但折騰了半天，結果是……一言難盡！

隨后我們換到ChatGPT，因為GPT 3.5還不具備網絡搜索的功能，所以無法直接在網上找到我們的“語料”；而復制、粘貼又有字數限制，對于這樣的長篇內容而言，幾段下來以后，原來連貫的邏輯和信息就有點接不上了。

再試New Bing，雖然查找“語料”非常順利，但在聊天模式下的提煉只有寥寥數語。換到側邊欄撰寫模式，讓New Bing以一位資深科技媒體編輯的身份，梳理并提煉要點。令我們失望的是，New Bing多次給出的并不是根據我們指定的演講內容提煉的要點，而是根據網上零碎信息拼湊而成的（我們通過人工搜索并沒有找到New Bing所認為的“演講”內容）。我們反復修改調整Prompt，輸出的內容總是差強人意。只有兩次，不知哪根神經搭對了，New Bing給出了我們想要的內容，但這兩次卻都在輸出到一半時出現了中斷，要求續寫時它又陷入了“自言自語”的狀態。無奈之下不得不放棄。

ChatGPT面世后，基于ChatGPT的應用大量涌現，較多見的一類就是針對文檔進行“閱讀理解”處理的工具。我們找到一款名為Chatdoc的應用進行測試：把演講內容轉成PDF，再把PDF上傳到Chatdoc。應該說，這種“專業化”的工具對于內容的針對性是最強的，不會受到網絡噪音和AI“創意性理解”的干擾，但這樣又帶來了另一個問題——其理解局限于提供的內容本身，無法像基于搜索的AI那樣做相關的延展。同時，其梳理、提煉的結果，受文本的邏輯和內容層級編排的影響很大，也就是說，如果是一篇邏輯清晰、論述嚴謹、層次分明的學術論文，它的梳理結果就比較好。但我們提供的卻恰恰是邏輯主線清晰但思維發散、觀點鮮明但跳躍性強、用口語化表述高價值內容的長篇“語料”，Chatdoc就顯得力不從心了，給出的提煉結果不是過于精簡，就是丟三落四。

最后，我們還是采用了“笨辦法”，把“語料”分段粘貼到Claude里，要求它作為一名資深科技媒體的編輯，以大綱的形式對提交的內容進行要點提煉，再把Claude輸出的內容組合在一起，總算是有了一篇能用的稿件——堪稱“話癆”的Claude給出了符合要求但卻字數過多的內容，還是需要人工進行精簡。

通過這次“打磨”，我們有以下兩個明顯的感覺：

1，AI目前對未經人工整理的口語化內容的理解還有待提升，把錄音轉成文字丟給AI，多半得不到想要的結果。

2，即便是經過人工整理，AI提煉的要點，跟我們心里想要的要點很可能不一樣。因為不同的人、處在不同的領域、帶著不同的目的，對要點的理解和要求也會不同。要讓AI給出自己想要的要點，就要反復調整給AI的指令（Prompt），可能會耗費較多的時間和精力。

3，如果不提前熟悉內容，直接讓AI提供要點，不但大概率會“踩坑”，而且都無法對AI進行“追問”。

根據這兩個感覺，我們又有了以下的思考：

1，如果人工整理好了“語料”，對內容的要點也就基本心里有數了，對于“提煉要點”這個工作而言，也就是復制、粘貼、把口語內容書面化、起標題、加頭加尾、編輯排版。我們這次使用的“語料”的梳理，一個有中等文字工作水平的人，用一天時間就可以完成——那為什么要花更多的時間、反復調試Prompt讓AI去做呢？我們用AI不就是為了提升效率嗎？

2，為了讓AI能發揮神奇的作用，需要對內容進行人工處理：把錄音轉成文字、校準發言人、修改錯別字和病句、去掉無意義和無價值的內容、編排大綱、制作層級標題……人和AI，誰才應該是那個Copilot？

所以，即使是在文字處理這個AI最擅長的領域，AI想完美地取代人類，還有一段路要走，不過，這段路或許不用太長的時間。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。