即刻App年轻人的同好社区
下载
注意到一个不好的倾向（包括自己在内）：各种传统工科专业的学生，若是平时关注AI多一点，很多都觉得AI具有超越一切学科的革命性，高高在上，随时都能踢翻自己学科的饭碗。
但其实真抢不了。
一个重要的原因是，这些行业中，「真实的社会性项目资料」太少了。作家行业有文字作品，音乐行业有音乐作品，绘画行业有绘画作品，程序员行业有程序作品（公司的超大型项目除外）......这些作品天然有着被分享的动机，在互联网时代都是数字化相当充分的。只有学习了足够多的真实的社会性项目资料，AI才可能有能力参与到真实的社会生产中。
我是学修空调的。之前与一个互联网产品经理交流，向TA介绍我们专业时，TA惊诧：你们专业没有一个像《人人都是产品经理》那种的、帮助入门和促进交流的平台吗？
不好意思，真没有这样的（类似影响力和规模的）。我们这种传统工科，且不说模型学习资料的难度（因为这些资料有专业表达的载体，比如空调系统设计图等），拥有这些资料的人，凭什么把它们上传到互联网上？这就是一个靠这些资料产出和交换来挣钱的行业，也并没有多少外行人想要打破专业壁垒入行，所以这些资料也就不太可能上网。等到行业里有人觉醒，有两边都懂的人出现（大概率是年轻人），再到这样的人逐渐具有行业影响力，再到足以打破专业内的藩篱来推动这件事......需要漫长的过程，无法加速。
所以，不跟风换岗，扔掉专业素养，转而做一个建设者，去了解AI，去思考如何用AI来真的解决自己行业里面临的种种问题，恐怕是传统工科行业年轻从业者更踏实的机会。
但其实真抢不了。
一个重要的原因是，这些行业中，「真实的社会性项目资料」太少了。作家行业有文字作品，音乐行业有音乐作品，绘画行业有绘画作品，程序员行业有程序作品（公司的超大型项目除外）......这些作品天然有着被分享的动机，在互联网时代都是数字化相当充分的。只有学习了足够多的真实的社会性项目资料，AI才可能有能力参与到真实的社会生产中。
我是学修空调的。之前与一个互联网产品经理交流，向TA介绍我们专业时，TA惊诧：你们专业没有一个像《人人都是产品经理》那种的、帮助入门和促进交流的平台吗？
不好意思，真没有这样的（类似影响力和规模的）。我们这种传统工科，且不说模型学习资料的难度（因为这些资料有专业表达的载体，比如空调系统设计图等），拥有这些资料的人，凭什么把它们上传到互联网上？这就是一个靠这些资料产出和交换来挣钱的行业，也并没有多少外行人想要打破专业壁垒入行，所以这些资料也就不太可能上网。等到行业里有人觉醒，有两边都懂的人出现（大概率是年轻人），再到这样的人逐渐具有行业影响力，再到足以打破专业内的藩篱来推动这件事......需要漫长的过程，无法加速。
所以，不跟风换岗，扔掉专业素养，转而做一个建设者，去了解AI，去思考如何用AI来真的解决自己行业里面临的种种问题，恐怕是传统工科行业年轻从业者更踏实的机会。
0 00
【做好Agent需要对人的深入理解】
这两天仔细读了IBM和微软前阵子发的AI Agent架构全景的论文，很全面，收获很多，很推荐。但读完最大的收获是：做好LLM-based agent，除了模型本身的推理能力之外，对人类及其协作机制的深入理解也很关键。
谈论agent时，我们主要关注利用agent完成效率型工作。但我们越努力使LLM像人，就越不得不承认，LLM与人一样，既有创造力的一面又有严谨的一面，而严谨的一面往往又“不够严谨”。AI娱乐型应用充分利用了LLM的创造性；而在效率型任务（让AI干活）中，人们又会想方设法管理它们更像人的一面（都当好牛马！）。比如下面这些措施都是有效的：
（1）确定领导：
agent team中如果有agent领导，领导会花时间指导方向、督促其他agent交换信息，提升整个team的表现。但结果还表明，agent team在真人的领导下最高效😂。
（2）无压力裁员和招聘：
做好持续的“绩效评估”（consistenly re-evaluating and ranking agent contributions），并据此调整团队成员，甚至对任务的每个阶段都根据各个agent之前的表现和优势来组建不同的团队。表现不行或能力不适合的agent会被排除在任务之外。
（3）不准“闲聊”：
作者特别强调了任务执行过程中不同agent之间的“多余的闲聊”（superfluous chatter）问题，很影响任务执行的效率。有效的措施包括：结构化每个agent的输出、用publish-subscribe机制使得每个agent只关注跟自己任务或目标相关的信息（也就是不要吃瓜😂）。
论文地址：
arxiv.org
#AI工作流
这两天仔细读了IBM和微软前阵子发的AI Agent架构全景的论文，很全面，收获很多，很推荐。但读完最大的收获是：做好LLM-based agent，除了模型本身的推理能力之外，对人类及其协作机制的深入理解也很关键。
谈论agent时，我们主要关注利用agent完成效率型工作。但我们越努力使LLM像人，就越不得不承认，LLM与人一样，既有创造力的一面又有严谨的一面，而严谨的一面往往又“不够严谨”。AI娱乐型应用充分利用了LLM的创造性；而在效率型任务（让AI干活）中，人们又会想方设法管理它们更像人的一面（都当好牛马！）。比如下面这些措施都是有效的：
（1）确定领导：
agent team中如果有agent领导，领导会花时间指导方向、督促其他agent交换信息，提升整个team的表现。但结果还表明，agent team在真人的领导下最高效😂。
（2）无压力裁员和招聘：
做好持续的“绩效评估”（consistenly re-evaluating and ranking agent contributions），并据此调整团队成员，甚至对任务的每个阶段都根据各个agent之前的表现和优势来组建不同的团队。表现不行或能力不适合的agent会被排除在任务之外。
（3）不准“闲聊”：
作者特别强调了任务执行过程中不同agent之间的“多余的闲聊”（superfluous chatter）问题，很影响任务执行的效率。有效的措施包括：结构化每个agent的输出、用publish-subscribe机制使得每个agent只关注跟自己任务或目标相关的信息（也就是不要吃瓜😂）。
论文地址：
arxiv.org
#AI工作流
4 00
近日感受，打个也许不恰当的比喻：
在公司力求通过多做项目而活下来的时期，业务支撑类产品（比如数据平台）的产研团队就像是身在家乡、努力做好后勤的父老乡亲们——看不见前线的情况，但为了亲人们能在前线赢得胜利，有时候不得不做临时性的、并不符合自己多年生存经验的适应和动作，来提供支持。胜利了，功劳多是前线业务的；失败了，倒是很容易归咎于后方支持不够。
如果最终不能做大做强，临时性的支持就会变成永久的缺陷，公司也不再有力气再规划和执行任何面向长远的重构。日子可能继续混，但发展怕是到头了。
在公司力求通过多做项目而活下来的时期，业务支撑类产品（比如数据平台）的产研团队就像是身在家乡、努力做好后勤的父老乡亲们——看不见前线的情况，但为了亲人们能在前线赢得胜利，有时候不得不做临时性的、并不符合自己多年生存经验的适应和动作，来提供支持。胜利了，功劳多是前线业务的；失败了，倒是很容易归咎于后方支持不够。
如果最终不能做大做强，临时性的支持就会变成永久的缺陷，公司也不再有力气再规划和执行任何面向长远的重构。日子可能继续混，但发展怕是到头了。
0 00
为什么对AI替代人类并不担忧？
1. 数字世界缺少重要的上下文
进入数字世界的人类「运行时环境信息」实在太有限了。有太多无法被精准刻画的信息在指导着社会中的不同人们做着其利益攸关的决策，且这些信息往往由于涉及重大决策，往往没有公开渠道，获取成本其实非常高。
2. 代替工作（job）和代替任务（task）的区分
（from 李飞飞）必须小心代替工作（job）和代替任务（task）的区别。每一个人类工作，实际上是涉及到多个任务的集合。比如我研究医疗保健，一个护士 8 小时的工作包含数百个任务。我确实看到人工智能代理在许多任务上提供帮助、具有辅助和增强功能，但在讨论工作时我们应该非常小心。我认为经济上的商业决策与伦理社会决策并不是互相排斥的。
1. 数字世界缺少重要的上下文
进入数字世界的人类「运行时环境信息」实在太有限了。有太多无法被精准刻画的信息在指导着社会中的不同人们做着其利益攸关的决策，且这些信息往往由于涉及重大决策，往往没有公开渠道，获取成本其实非常高。
2. 代替工作（job）和代替任务（task）的区分
（from 李飞飞）必须小心代替工作（job）和代替任务（task）的区别。每一个人类工作，实际上是涉及到多个任务的集合。比如我研究医疗保健，一个护士 8 小时的工作包含数百个任务。我确实看到人工智能代理在许多任务上提供帮助、具有辅助和增强功能，但在讨论工作时我们应该非常小心。我认为经济上的商业决策与伦理社会决策并不是互相排斥的。
1 00
