即刻App年轻人的同好社区
下载
特别开心地看到，很多对AI感兴趣的专家，已经开始学习AI，并思考如何在自己领域中应用AI了。
不过，从学习效果的角度来讲，一定是：AI Hackathon＞AI 绘画/创意大赛＞AI交流社区/社群＞ AI 线上线下讲座和音视频＞AI 相关图文。
目前，市面上已经有「没太多AI基础的专家」也可以参加的学习向AI Hackathon，个人觉得，这将非常利好AI在垂直行业的应用。
最近有幸参加了这么一场「行业专家+AI工程师+MBA」一起组队的AI Hackathon，并在开头分享了点通过AI解决某行业真实问题的小经验。
现在回过头来看，当时过于聚焦专家怎么用新一代生成式AI了，思考得有点片面。
所以，今天试着重新整理一版更全面的思考框架，力求做到准备期耗时少，讨论期摩擦小。那么，专家参加AI Hackathon，有哪些可以参考的「思考框架」呢？#AI工作流
【框架一】能力上，新一代AI能干啥 & 不能干啥
一、能干啥
1、会说人话
你可以直接说人话给他，他也能直接说人话给你。专业点讲，就是自然语言交互。
更甚者，给一段云山雾绕的话，它能帮你 get 言外之意；搞一堆黑话，它也能“翻译”成大白话。
2、“许愿”较灵
不用告诉它怎么做，直接告诉它你想要的结果，它就可以智能地实时生成。
除了能生成文章、标书、建议、创意等文字，还可以生成图片甚至视频。
当然，许愿讲究「心诚则灵」，给生成式AI提问的时候则要求明确清晰，最好是像交代实习生一样，把背景、目的和期待产出都讲清楚 。
二、不能干啥
1、准确无误
大语言模型本质上是预测，也就是猜。越是涉及行业知识和专业领域，猜对的可能性越低。
这个是最主要的限制，其他的，或多或少可以通过技术解决一二。比如数学问题，可以通过Wolfram插件；联网问题，可以通过 WebPilot 插件……
【框架二】方向上，打明牌 vs 打暗牌
1、明牌面向存量，暗牌面向增量
“明牌意味着共识，往往是面向存量市场，用新方案替代老方案，十倍速是最好的武器。可能是更好的文案工具，更好的教学工具，提升的是体验和效率。
暗牌意味着非共识，往往对应增量人群，满足的是未被满足的需求，0到1的创新是最好的武器。快手抖音出来前，短视频几乎没有被验证过，是凭空造出个短视频范式。拼多多出来前，下沉人群是很少网上购物的。”[1]
2、段位够高打明牌，洞察够强打暗牌
“如果是一个经验值丰富、善于靠商业和效率取胜的高手，上手打明牌是可以的，段位高到一定程度，还能起到吓跑清场的效果。
如果是一个经验值少、用户洞察犀利、善于创新的AI产品经理，最好还是想想暗牌，从一个很独特，非共识的切入点进入。起手打明牌是对加特林机枪的不尊重。”[1]
3、如果打明牌，那么现阶段大家对 AI 的共识有
①AI的能力将会越来越强大，并超过人类
②AI的风险很大，监管很重要，需要国际、国家、行业组织、企业、高校共同努力
③AI大模型未来的发展重点：更多模态 + 更先进的算法架构 + 更强大的算力 + 更好的Alignment
④AGI（通用人工智能）会在这代人有生之年内实现
⑤美国的这波AI依然领先全球，中国紧随其后[2]
4、如果打暗牌，那么现阶段大家对 AI 的非共识有
①AI是一个新PaaS，还是一个新Infrastructure，还是一个新入口，还是一个新物种？
②AGI什么时间实现？什么路线实现？三个路线大模型AI、Embodied AI、生命模拟AI哪个最终会胜出？
③AI-Native Application最大的爆发在哪里？最高价值的应用场景在哪里？
④AI的目前发展预期，是过高了，还是被远远低估了？
⑤AI的能力是否有上限？上限在哪里？[2]
【框架三】机会上，To C vs To B，国内vs海外？
国内toc：夹缝中做爆品，但合规成本高，容易被搞
国内tob：天花板低，搞私企没钱，搞国企要定制
海外toc：卷成麻花，护城河稍微有点窄
海外tob：需求方支付能力和付费习惯都比较好，供给方比较勤奋，迭代速度快[3]
【框架四】专家用AI的三类方式
1、辅助提效
这个阶段，专家直接把 AI 当实习生用，把具体的背景信息和输出要求给他说清楚，生成式 AI 就能产出你想要的效果。
科研人员申请项目一类的「paperwork」或者校园招聘一类暂时不能外包给外行的「行活儿」，都可以交给 AI 了。
然后解放出大家的生产力，让大家有时间聚焦在更有创造力和更有价值的事情上。
2、用 AI “复制”专家
通过 AI 产品化/工具化“复制专家”，可以让实习生也能做出专家 80 分的水平。
Jasper 就是很好的例子：“他们在工具中融入类似咨询公司的工作，把所谓「行业最佳实践」的套路直接放入到 Prompt 中，
这其实不仅仅是提供了「场景化的 ChatGPT」，更是提供了「有效的 Prompt」，还是提供了「行业最佳实践的落地服务」。”[4]
具体的实现方式可以是：「行业最佳实践」➡️「有效的 Prompt」及其模板化、产品化➡️「行业最佳实践的落地服务」
3、让AI自动化干大活儿
虽然autoGPT 在自然语言界面的可靠性方面仍存在很多问题，但它很好地探索了以 LLM 作为主控制器来建立 AI Agents 的可能性。
“一个人活成一支队伍”，将有可能实现：
遇到需要大量协作的大活儿，也让AI Agents自动化拆解任务、智能使用各类工具解决问题。更甚者，还可以通过改进过去的行动决策、纠正过往的错误以不断提高自身表现。
——
[1]吴炳见《GPT面前，AI应用创业的思考框架》mp.weixin.qq.com
[2]Martin SU《当下 AI 前沿的“共识”与“非共识”｜B·AI 行业参考》mp.weixin.qq.com
[3]远望资本程浩《AI大模型创业的生死5问》mp.weixin.qq.com
[4]任鑫《5 个 AI 创业公司的商业启发》mp.weixin.qq.com
[5] Lilian Weng @OpenAI《AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步》 mp.weixin.qq.com
不过，从学习效果的角度来讲，一定是：AI Hackathon＞AI 绘画/创意大赛＞AI交流社区/社群＞ AI 线上线下讲座和音视频＞AI 相关图文。
目前，市面上已经有「没太多AI基础的专家」也可以参加的学习向AI Hackathon，个人觉得，这将非常利好AI在垂直行业的应用。
最近有幸参加了这么一场「行业专家+AI工程师+MBA」一起组队的AI Hackathon，并在开头分享了点通过AI解决某行业真实问题的小经验。
现在回过头来看，当时过于聚焦专家怎么用新一代生成式AI了，思考得有点片面。
所以，今天试着重新整理一版更全面的思考框架，力求做到准备期耗时少，讨论期摩擦小。那么，专家参加AI Hackathon，有哪些可以参考的「思考框架」呢？#AI工作流
【框架一】能力上，新一代AI能干啥 & 不能干啥
一、能干啥
1、会说人话
你可以直接说人话给他，他也能直接说人话给你。专业点讲，就是自然语言交互。
更甚者，给一段云山雾绕的话，它能帮你 get 言外之意；搞一堆黑话，它也能“翻译”成大白话。
2、“许愿”较灵
不用告诉它怎么做，直接告诉它你想要的结果，它就可以智能地实时生成。
除了能生成文章、标书、建议、创意等文字，还可以生成图片甚至视频。
当然，许愿讲究「心诚则灵」，给生成式AI提问的时候则要求明确清晰，最好是像交代实习生一样，把背景、目的和期待产出都讲清楚 。
二、不能干啥
1、准确无误
大语言模型本质上是预测，也就是猜。越是涉及行业知识和专业领域，猜对的可能性越低。
这个是最主要的限制，其他的，或多或少可以通过技术解决一二。比如数学问题，可以通过Wolfram插件；联网问题，可以通过 WebPilot 插件……
【框架二】方向上，打明牌 vs 打暗牌
1、明牌面向存量，暗牌面向增量
“明牌意味着共识，往往是面向存量市场，用新方案替代老方案，十倍速是最好的武器。可能是更好的文案工具，更好的教学工具，提升的是体验和效率。
暗牌意味着非共识，往往对应增量人群，满足的是未被满足的需求，0到1的创新是最好的武器。快手抖音出来前，短视频几乎没有被验证过，是凭空造出个短视频范式。拼多多出来前，下沉人群是很少网上购物的。”[1]
2、段位够高打明牌，洞察够强打暗牌
“如果是一个经验值丰富、善于靠商业和效率取胜的高手，上手打明牌是可以的，段位高到一定程度，还能起到吓跑清场的效果。
如果是一个经验值少、用户洞察犀利、善于创新的AI产品经理，最好还是想想暗牌，从一个很独特，非共识的切入点进入。起手打明牌是对加特林机枪的不尊重。”[1]
3、如果打明牌，那么现阶段大家对 AI 的共识有
①AI的能力将会越来越强大，并超过人类
②AI的风险很大，监管很重要，需要国际、国家、行业组织、企业、高校共同努力
③AI大模型未来的发展重点：更多模态 + 更先进的算法架构 + 更强大的算力 + 更好的Alignment
④AGI（通用人工智能）会在这代人有生之年内实现
⑤美国的这波AI依然领先全球，中国紧随其后[2]
4、如果打暗牌，那么现阶段大家对 AI 的非共识有
①AI是一个新PaaS，还是一个新Infrastructure，还是一个新入口，还是一个新物种？
②AGI什么时间实现？什么路线实现？三个路线大模型AI、Embodied AI、生命模拟AI哪个最终会胜出？
③AI-Native Application最大的爆发在哪里？最高价值的应用场景在哪里？
④AI的目前发展预期，是过高了，还是被远远低估了？
⑤AI的能力是否有上限？上限在哪里？[2]
【框架三】机会上，To C vs To B，国内vs海外？
国内toc：夹缝中做爆品，但合规成本高，容易被搞
国内tob：天花板低，搞私企没钱，搞国企要定制
海外toc：卷成麻花，护城河稍微有点窄
海外tob：需求方支付能力和付费习惯都比较好，供给方比较勤奋，迭代速度快[3]
【框架四】专家用AI的三类方式
1、辅助提效
这个阶段，专家直接把 AI 当实习生用，把具体的背景信息和输出要求给他说清楚，生成式 AI 就能产出你想要的效果。
科研人员申请项目一类的「paperwork」或者校园招聘一类暂时不能外包给外行的「行活儿」，都可以交给 AI 了。
然后解放出大家的生产力，让大家有时间聚焦在更有创造力和更有价值的事情上。
2、用 AI “复制”专家
通过 AI 产品化/工具化“复制专家”，可以让实习生也能做出专家 80 分的水平。
Jasper 就是很好的例子：“他们在工具中融入类似咨询公司的工作，把所谓「行业最佳实践」的套路直接放入到 Prompt 中，
这其实不仅仅是提供了「场景化的 ChatGPT」，更是提供了「有效的 Prompt」，还是提供了「行业最佳实践的落地服务」。”[4]
具体的实现方式可以是：「行业最佳实践」➡️「有效的 Prompt」及其模板化、产品化➡️「行业最佳实践的落地服务」
3、让AI自动化干大活儿
虽然autoGPT 在自然语言界面的可靠性方面仍存在很多问题，但它很好地探索了以 LLM 作为主控制器来建立 AI Agents 的可能性。
“一个人活成一支队伍”，将有可能实现：
遇到需要大量协作的大活儿，也让AI Agents自动化拆解任务、智能使用各类工具解决问题。更甚者，还可以通过改进过去的行动决策、纠正过往的错误以不断提高自身表现。
——
[1]吴炳见《GPT面前，AI应用创业的思考框架》mp.weixin.qq.com
[2]Martin SU《当下 AI 前沿的“共识”与“非共识”｜B·AI 行业参考》mp.weixin.qq.com
[3]远望资本程浩《AI大模型创业的生死5问》mp.weixin.qq.com
[4]任鑫《5 个 AI 创业公司的商业启发》mp.weixin.qq.com
[5] Lilian Weng @OpenAI《AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步》 mp.weixin.qq.com
46 717
来自圈子
AI探索站
79863人已经加入