2024年2月16日，OpenAI宣布推出全新的生成式人工智能模型Sora。Sora可以根据文本指令直接生成长达60秒的视频，包括精细的背景、复杂的多角度镜头和富有情感的多个角色。OpenAI表示，Sora是能够理解和模拟现实世界的模型的基础，这一能力将是实现AGI（通用人工智能）的重要里程碑。

《生成式人工智能》一书系统介绍了生成式AI所带来的震撼，以及生成式人工智能的内在逻辑与应用，并将其与产业发展、与实际相结合。《读+》周刊记者专访该书作者、人工智能商业化专家、PayPal全球数据科学平台创始负责人丁磊。2015年回国、一直在互联网领域工作的丁磊表示，就AI人才来说，中国的人才不比美国少，中国要想在AI竞争中快速占据有利位置，不妨加快布局，尊重模型训练本身的规律，用客观、全面的AI思维，去迎接这一领域的挑战。

丁磊

临危受命，实现AI的商业落地

当丁磊还是一个高中生时，他就非常清楚自己未来的发展方向了。丁磊说，这是源自自己对机器人的喜爱。

当时国内高校并没有开设人工智能的相关专业，于是他选择一个离AI最近的专业，“那就是计算机”。高中毕业后，丁磊被保送进入浙江大学计算机学院。一入学，他就主动寻找研究AI方向的导师，他的目的非常明确，就是要学习AI。

丁磊在这方面做出了十足的努力。他跟随导师研究自然语言处理中的文本分类问题，在本科阶段就发表了一篇国内核心期刊的论文。

本科毕业后，丁磊在国外继续深造博士学位，研究方向为机器学习和计算机视觉。他心中一直有着坚定的方向——认定了研究AI，没有任何犹豫。

丁磊是PayPal 2012年成立数据科学部门时的创始数据科学家之一。然而，丁磊他们起初的实验并不顺利，折腾了一年，PayPal最开始的数据科学团队，并没有找到自己在商业世界中的位置。一年后，领队黯然离职。

“当时团队遇到的最大问题，是数据科学在公司的落地。”他回忆，虽然第一年出现了一些波折，但PayPal公司在数据科学上的战略方向并没有改变。丁磊这时“临危受命”，重新组建了新的团队——PayPal消费者数据科学部。

在他看来，数据科学之前落地失败的原因主要有两个：一方面是商业与数据科学本身的割裂，“也就是说数据科学带来的收益不能立刻就在商业中体现出来”；另一方面是数据科学的研究没有产品化，单个项目的成本过高。

在设计这个平台的时候，丁磊的最终目的是希望它能实现对商业项目的部分自动化决策，所以也称其为“AI（人工智能）平台”。

努力的背后终有体现，丁磊的想法成功了。PayPal用了两年的时间成功建立了自己的AI平台。这个平台能够跟海量的底层数据衔接，面对需求能够自动地提出解决方案。

凭借这个项目，丁磊成功实现了AI的工程化商业落地。一直到现在，这都是一项非常领先的AI业务创新案例。这个平台为PayPal带来了成倍数的客户增长，并且至今仍在使用。

AI将会成为行业的决策引擎

这些年，丁磊始终沉浸在钻研AI的世界里。他认为，数据科学分为三个阶段：1.0的时候是简单的事后数据分析，例如报表等；2.0则是利用更为完备的查询工具和统计方法，辅助业务决策；到3.0的时候，就是通过AI、大数据等方法进行预测分析，进而做出决策。

2015年，丁磊回到中国发展。国内日新月异的数据科学环境，让他看到了更广阔的市场前景。

“也不是所有领域都适合使用AI”，在丁磊看来，满足大规模落地商业化AI，需要具备两个先决条件。首先是数据的积累，数据的数量和质量直接决定了AI发展基础是否牢固。AI平台的底层是数据，数据的流通和更新直接影响着上层机器学习、图像语音处理等技术的使用效果。其次，就是所在领域的商业问题是否清晰，如果问题不够明确，也很难用AI来处理。

丁磊为AI绘制了一份商业版图，“如果横轴是行业，纵轴是职能，AI现在只是填充了其中非常小的一部分”。

在这个版图中，零售、金融、制造、医疗、教育等是横轴，代表不同的行业领域；营销、风控、安全等是纵轴，代表不同的职能方向。二者共同构成了一个二维商业矩阵，对于行业中的相关职能，AI都可以探索相关应用场景。

“以后的行业将要变成AI驱动。AI会成为行业的决策引擎，取代的是在战术层面上需要人工干预的场景，AI能够持续有效地让企业在最佳状态下运行。”丁磊表示，“而且AI带来的效果不仅是‘优化’，而是革命性的、成倍数的增长，这才是AI的能力，真正为行业赋能。”

《生成式人工智能》丁磊 著 中信出版集团

【访谈】

AI的世界理解力还很低

读+：近日掀起科技热潮的Sora被称作“世界模拟器”。相比去年的ChatGPT，Sora带来的震撼和冲击似乎更为剧烈，这是为什么？

丁磊：有研究声称随着越来越多人使用，大模型似乎变笨了，甚至还出现了“幻觉”。出现这种问题的主要原因是目前主流的生成式模型仍然缺少对于物理世界的理解，以至于对于一个正常人来说非常容易解答的问题，在大模型这里却无法给出正确的输出。

人脑认识事物的过程类似一个模型。从认识论的角度来看，人脑认识的过程中会逐渐形成“关于世界的模型”。人的主观知识并不一定从一开始就符合现实规律，但通过不断的实践和不断的比较后，人们调整修正主观认识，以减少以往思维模型预测与实践之间的差异。这种调整机制可以使得人脑关于世界的模型更接近真理。

打个比方，体育运动是人类对物理世界认知和学习过程的体现。以乒乓球运动为例，运动员一开始能掌握最简单的推、攻技巧，对于常规的来球，他们一般都能正常应对，回球路线也符合自己的预期。随着来球的速度、旋转的变化，运动员发现以往的接球技巧很难完全应对了，他们回球时而下网、时而出台。运动员逐渐认知到，通过调整球拍接球的力度和角度可以应对不同的来球情况。

随着接触到的来球情况变得多样，大脑里就会构建越来越复杂的“世界模型”，之后在赛场上无论遇到什么情况，越来越应对自如。这就是人类的“世界模型”认知和学习的过程。

Sora的出现让我们更加清晰地认识到了这个问题，也为生成式AI的未来发展提供了方向，就是让大模型认识和学习物理世界，建立起大模型与物理世界的联通。这必将带来AI新的应用和突破。

所以，看到Sora的出现以后，有人认为我们实现通用人工智能的时间也被缩短了——当然，我们现在没法预判多长时间以后会实现通用的人工智能，但是大家感觉时间线上似乎是缩短了。

读+：有人将Sora视为走向通用人工智能的重要里程碑，您怎么看？对于创业者和行业来讲，会引发“地震”吗？

丁磊：Sora带给人们的震撼是，它似乎通过学习，不断缔造物理场景下的“知识体系”，通过融汇这些知识，生成高质量的视频内容，给人类带来以假乱真的视觉感受。当然，如果我们以“世界模型”的标准来重新审视目前的生成结果，Sora距离真正意义上的“世界模型”还有一段不小的距离。

一方面，Sora在处理复杂场景和物理效果时仍然存在一些不足。例如，当场景中涉及多个物体的交互或复杂的物理运动时，Sora可能会出现失误或偏差。

另一方面，Sora主要依赖于大量的训练数据来学习视频的生成规律，这种方式虽然有效但在一定程度限制了其在新场景下的泛化能力。

Sora让我们看到了AI形成“世界模型”的影子，一旦AI与物理世界建立了联通，学习到了“世界模型”，AI的推理和预测能力将实现突破，这将在很多应用场景和专业领域里大有可为。这样的AI能够执行复杂任务和操作，甚至能够模仿人类智能的行为，最终实现通用人工智能。

Sora带给我们的不仅是视频生成领域这么一个应用，更多的是我们的大模型是需要具有对世界的理解能力的，我想这才是它带给我们更新的思考。

“中国版OpenAI”值得期待

读+：人工智能技术正在加速度发展。未来，类似Sora这样颠覆传统认知的技术创新是否会越来越多？所谓的人工智能奇点真的会来吗？

丁磊：首先，对于人工智能奇点会不会来，我是持有谨慎乐观态度的。

AI短期内出现很多奇迹，但要真正被大家广泛使用到实际中去，并不会那么快。我们可以运用一些智能工具，但并不能在短时间内实现全方位的产业变革。

从长远来看，我非常看好人工智能的发展。在我看来，AI的发展是需要与行业相结合的——大的应用无非两类，一类是消费类的应用，像我们用来购物、打车等消费类的应用；还有一类就是行业类的应用，比如跟零售业结合、跟传播业结合、跟制造业结合……前者需要一个大的网络平台，这并不需要AI直接去解决问题；跟行业结合类的应用，包括媒体影视类的应用中，人工智能所发挥的影响会更大。当然，这些行业本身还是需要更多的创意，制作只是它中间的一个环节——AI跟其他行业的结合，更需要尊重行业发展的规律。

所以，回到那个问题，你问我人工智能奇点会不会很快到来，我觉得不会，但它一定会到来。我们要尊重行业的发展规律，要尊重人工智能技术的发展规律，这样才会有一个更加合理的预判。

读+：下一个AI元创新会发生在中国吗？

丁磊：我曾在AI领域有20多年的研究和工作经验。在硅谷工作多年，我非常了解为什么硅谷会出现OpenAI及奥特曼这样的人物——是硅谷的“工程师文化基因”造就了他们。对于AI领域来说，不能沿用互联网公司的“养鸡模式”，而是得用“养娃模式”来研发产品。

实际上，美国真正专注通用人工智能研发的知名公司也就两家——OpenAI以及谷歌母公司Alphabet下设的人工智能实验室DeepMind。就目前披露的信息看，奥特曼个人能力非常强，不仅懂技术，也懂商业运作，OpenAI在运营过程中也鲜少受股东制约。OpenAI是长在美国硅谷重视工程师地位的文化土壤里，有着强大的“工程师文化基因”，简单说就是工程师可以主导研发，拥有更大自主性，发挥创造性的空间更大。但是OpenAI也是一个很稀有的物种，在美国可能找不到第二家。为什么谷歌等大公司目前在人工智能领域的研发，都很难超越OpenAI？一个关键因素就是GPT是一个新领域，训练这么大一个模型，难度不亚于造火箭或无人车。

打个比方，包括谷歌在内的现代公司研发产品，采用的是“养鸡模式”，公司会将“养鸡”拆成不同的细分任务，多部门人员各自负责具体业务。而训练GPT模型是“养娃模式”，它反而不需要那么多老师，核心人物只要少数。

也就是说，它很难拆分成完全独立的任务，必须有父母站在全局角度，亲自教授培养孩子。训练 GPT模型本质是一个很难拆解的事，需要公司领导层在技术、业务，甚至资本方面都是专家。

另一个简单的例子，是美国AI绘画工具Midjourney，它是由一家独立研究实验室开发出来的。包括创始人大卫·霍尔兹在内仅有11个人，除了他和财务、法务，核心人员只有8位研发人员。我曾在IBM沃森研究中心有过一段工作经历，IBM的沃森人工智能也曾陷入这种困境——有太多的人参与人工智能训练，资源太多、研发不聚焦，造成该项目并没有持续取得成绩。

现在大家普遍对人工智能有一种焦虑，在我的新书《生成式人工智能》中，比较详细地介绍了哪些职业可能被取代。在我看来，随着中国经济发展、产业升级，“中国版OpenAI”的出现可以期待。就AI人才来说，中国的人才不比美国少，中国要想在AI竞争中快速占据有利位置，不妨加快布局，尊重模型训练本身的规律，用客观、全面的AI思维，去迎接这一领域的挑战。

真正能被AI取代的工作很少

读+：AI带来的改变深入各行各业，它也带来职业结构的改变。您在《生成式人工智能》中提到，我们身处在AI技术日益革新的世界中，每一个人与其踟蹰不定，不如就此前行。作为普通人，我们应该如何前行？

丁磊：人工智能模拟的是人脑，但又不同于人脑。人工智能与人脑的相似点在于通过对过往的分析习得规律、得出结论，只是分析过往数据过程与人脑是不同的。AI与人脑的竞争也在于“有迹可循”的规律，面对规律性强的工作，AI会表现出优势。因此不难得出结论：面对事情本身的、重复性高的、有章可循的、需要具体执行的工作最易被人工智能取代；而需要面对人的、对创新性要求高的、情感交互多的、对专业经验要求多的、需要展现情感交流价值和领导力的工作最难被人工智能取代。

其实，真正能够被人工智能取代的工作很少，但是绝大部分职业都会受到影响。目前，人工智能仍然只能完成部分工作，在很多环节还只是起到辅助性作用。但是它会提升效率，让我们从重复性的工作中解脱出来，对于部分技术要求低且重复劳动类的职业，如数据录入员、电话客服等，人工智能的工作表现已经十分突出了。

对于人工智能是否能真正取代我们的工作，还应该理性对待，人工智能在很多领域带来的是岗位数量的调整。人工智能也会在产业升级中创造新的产品和市场，从而创造出新的岗位和就业机会，例如算法工程师、人工智能产品经理、提示词工程师、人工智能创意师、人工智能调校师等职业，这些职业的需求和数量也将逐步上升。

据普华永道2018年12月发布的《人工智能和相关技术对中国就业的净影响》估算，未来20年，中国现有约26%的工作岗位将被人工智能及相关技术取代，但是人工智能及相关技术通过提高生产率和实际收入水平，能够产生约38%的新工作岗位，最终将净增约12%的工作岗位。因此，人工智能带来的是对职业结构的影响。

读+：您在书中提到“君子生非异也，善假于物也”。您为何引用中国这句经典名言来面对第四次科技革命的浪潮？

丁磊：对我们每个个体而言，应该去提升自己的认知，从而去和人工智能一起工作，我们要与AI共存，去掌握它、拥抱它。

具体怎么做？我有两个建议。首先，拥有AI思维。所谓AI思维，本质是一种“数据驱动”的思维，对未知情况做出最佳预测。不管是决策式AI模型还是生成式AI模型，其基础逻辑都是一致的，只靠逻辑和经验难以推导，需要海量的数据进行训练，我们需要理解AI思维的底层逻辑，其基础在于数据，核心在于模型，实现在于算力，具体应用在于业务场景。拥有AI思维能够避免经验主义带来的主观、片面和限制，具有积极的意义。

其次，拥有AI工具思维。就是善于利用工具，通过工具赋能，从而解决问题、提高效率、解放劳动力。而AI工具思维，就是掌握数据化思维，掌握使用AI、训练AI的方法。AIGC技术的发展已经不可逆转，与其消极对待，不如使之为我所用。我们要理解AI的底层逻辑，在工作和生活中使用AI，挖掘AI技术的工具价值，并训练AI具有更强的适配性，为我们的工作和生活带来更大的便利，将我们从繁杂的事务中解放出来。未来，我们人人都可以是AI的使用者和训练师。

（长江日报记者马梦娅）

【编辑：张靖】

更多精彩资讯请在应用市场下载“大武汉”客户端，未经授权请勿转载，欢迎提供新闻线索，一经采纳即付报酬。24小时报料热线：027-59222222。此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：kin0207@126.com