
作者:高飞
配图:Diffusion Models
新职业的诞生,总是因为有新技术的出现。即使人类最早的职业——农民,也是在新石器时代,伴随着有了打磨成型的石头而产生的。
再往后看,第一次工业革命时代的纺织工人,发报员,第二次工业革命时代的电工,列车员,第三次工业革命时代的打字员,程序员,也都是如此。
有意思的是,时代和职业,其实是互相成就的。我们既可以说新产业变革创造了新的职业。也可以从另外一个角度说,出现了新的职业,或者完全重塑了旧职业,才能叫进入了一个真正的产业新时代。
10年前,从德国提出工业4.0(2013年)开始,一种“我们已经进入以人工智能技术等驱动的第四次工业革命”的提法流行开来。
但是,这个第四次工业革命,和同样是信息技术驱动的第三次工业革命,其实一直以来界限都非常的模糊。似乎是个被“工业4.0”概念催生出来的产物。
很重要的一点是,在第四次工业革命被提了十年之后,并没有创造任何主流的新职业,也谈不上重塑了什么旧职业(除了带货主播,但这也是互联网的产物,和AI并没什么关系)。
所以,第四次工业革命其实非常像是一个概念噱头。
直到2022年11月,在注意力机制(self-attention)推动的ChatGPT发布后,在扩散模型(Diffusion Models)等推动的AI绘图工具PK了人类画师之后,上述提到的疑问都将不复存在了。
因为这些ChatBot,和一系列AIGC新工具,正在创造人类历史的新职业,快速重塑、甚至颠覆人类既有存在的传统职业。
这个新职业的特点是,让人们能够利用自然语言,作为提示词,与AI进行交互,得到信息,或创造作品。
这是人类历史上,从未做做到过的事情,其意义堪比200年前,拜伦的女儿Ada成了人类历史第一个程序员(不过那时,程序员显然还未能成为一个职业)。
所以,是时候为这个新职业起一个名字了。
在英文的语境下,因新技术的诞生,诞生了很多er结尾的新职业(新族群),比如Hacker,Blogger,Podcaster,Geeker。
这些职业翻成中文,都是用的音译,巧合的是,还都以客结尾,分别是黑客、博客、播客、极客。
不过,这一次伴随AIGC而来的新职业,尚未得到广泛的认同和关注。英文称谓也没有统一。有人用Prompter描述AI作画者,但似乎不适用于AI Chat。
我觉得“问客”可能是个好名字。
因为,ChatGPT等AIGC背后的智能本质上是个黑盒子,所以用户-使用者是同等的创新者。
所以“提问”,也就是“问AI”才是这些新职业的核心。
鉴于爱因斯坦曾经说,提出一个问题往往比解决一个问题更重要。
我们应该把第四次工业革命的新职业叫做“问客”。
第四次工业革命,也将因为“问客”的诞生,有了自身真实存在的证明。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。