伙伴们，快刀广播站又开始广播了。
昨天我给大家介绍了斯坦福团队出的《2024人工智能指数报告》，主要讲了一下报告提到的人工智能十大行业趋势。这个报告非常长，有500多页，看的时候我发现了非常多有意思的细节，所以今天我就带大家再看一下。
第一个细节是，报告开头非常显著地标明了，这份报告虽然由人类研究团队撰写，但在过程中得到了AI的帮助，比如用ChatGPT和Claude整理资料，复制和编辑初稿。其实这份报告就充分展示了现在AI跟人合作的最佳模式，让AI做它擅长的事情，我们做我们擅长的事情，然后一起拿出一个不错的作品。
第二个细节是，报告提到了一个AI发展面临的严峻挑战，就是高质量的数据。随着现有大模型的参数越来越多，无论是研究机构还是从业人员，都在担心未来计算机科学家会耗尽所有的数据。研究机构Epoch的预计是，高质量语言数据的存量在2024年就会被耗尽，低质量语言数据也会在未来20年内用完，并且2030年底到2040年代，我们将耗尽所有的图像数据。
这里我稍微多说一句，可能不少同学会认为，公开出版物、论文、图书这种是不是高质量的数据，这是从内容维度理解的。在AI领域里，高质量数据一般指的是准确、清晰并且有用的数据，例如没有语法错误或者事实错误，例如能覆盖不同的语言、方言、行业的数据，能让模型准确理解。另外还有一类数据非常重要，就是经过高质量标注的数据，例如情感标注、语义标注等等。
所以面对数据可能被耗尽的情况，现在很多大模型已经开始让AI自己合成数据来训练自己。不过2023年，一项相关研究发现，如果没有足够的真实人类数据，只有合成的，那么AI输出的质量会大幅降低。这也是为什么，有好几个过去很垂直的图片或者摄影师网站，在这波文生图的AI浪潮中，光靠卖图片授权就一下子盈利很多。正在听广播站的你，也可以想想自己手里有没有什么优质数据，在未来的AI竞争中，优质数据就是先发优势。
第三个细节是，报告里提到了AI模型训练成本的指数级增长。例如2017年，Transformer架构模型的训练成本是900美元，也就是6000元人民币。而到了2019年，这个成本就变成了16万美元，差不多100万人民币。到了去年，也就是2023 年，GPT4的训练成本是7800万美元，差不多5亿人民币。而谷歌的Gemini Ultra，据称是参数量目前最大的的模型，训练成本直接飙升到了1.91亿美元，也就是差不多12亿人民币。从6000元到12亿，只花了6年的时间，不得不感慨烧钱的程度。
所以大家在选自己平时常用的AI工具时，也可以增加一个维度，就是这个工具能提供稳定的服务吗？如果它对外说自己是完全从零到一自研的，那么你就知道了，它未来进行持续迭代是需要非常大的资本支持的。
第四个细节，报告分析了2010年以来在不同网站上的数亿个岗位，然后发现了一个有意思的拐点。就是2022年，人工智能相关职位占所有职位的2%，而到了2023年，这一数字降到了1.6%。这是不是听着有点反常识？AI大爆发，为什么相关职位不增反降呢？这不难理解，毕竟人工智能并不是一个堆人数的行业，它其实是高度头部精英化的。所以随着AI的发展和开源等技术的普及，对专业人工智能技术人员的要求会进一步降低。
另一个数据更能证明，对AI的使用不仅仅局限在研发岗位上。调研机构Lightcast发现，2023年，有15410个美国发布的岗位中提到，候选人要会用生成式AI工具，这占到所有新招岗位的59.9%。甚至有11%的岗位明确指出，需要候选人熟练使用ChatGPT。
第五个细节，根据麦肯锡的全球报告，在2023年，已经有55%的受访组织表示，至少在一个部门中用上了AI。对比来看在 2017年，用上AI的企业只有 20%。麦肯锡预测，未来五年，企业用AI的比例将会激增，这个预测其实是句正确的废话，不过这里面一个数据洞察特别有意思，对比2022年和2023年，企业里增长最快的三个部门分别是营销与销售，产品开发和客户服务，这3个部门也是率先用上AI的部门。这跟我们的体感也非常一致，就是AI可以帮我们做海报、当客服、优化产品，这几个部门加大对AI的使用量是非常符合逻辑的。
更有意思的一个数据是，哪些部门在2022年尝试使用AI，但在2023年却放弃了？结论是，12%的战略或财务部门弃用了AI；然后是安全与风险，下降了9%；第三是人力资源，下降了2%。其实这三个具体部门一说，我们就能理解原因了。因为现阶段AI最擅长的一个领域是创意的扩散，但是它在可控性上的表现没那么好。你想想看，战略或者财务部门，是最重视数据精准度的，总不能让AI每个月发工资的时候，去判断给你打多少钱，那这个惊喜或者惊吓也太大了。
第六个细节，我们要用AI但不能全依靠AI。报告在分析招聘人员审查简历时，分成了三个组，第一组使用先进AI工具，第二组使用相对落后的AI工具，第三组不使用AI工具。最后发现，只要是使用AI，就会比不使用AI在简历筛选的准确度有提升。但让人惊讶的是，使用先进AI工具的招聘人员，要比使用落后AI工具的人表现更差。这是因为，用先进AI工具的招聘人员，会过度相信AI的判断。而使用落后AI工具的人，在审查简历的时候会更加警惕。
第七个细节是关于人工智能对高等教育的影响的。从报告中可以看到，过去十年，美国和加拿大的计算机专业本科生的数量增长了三倍多。硕士生和博士生的趋势也保持一致，硕士生增长了114%。博士生在绝对数量上变化没有这么大，但也增长了19%。
不过要知道，计算机专业的博士生，毕业后进入任何AI相关企业，基本都能独当一面。这也促使研究者去调研了这批博士生毕业后的去处。在2011年，计算机专业的博士毕业后，有41%的人进入企业，42%则留在学校做学术研究。但是到了2022年，有 71%的博士选择进入企业，只有20%的人选择留校做研究。
另一个数据是计算机专业相关老师的来源，其中有个细分来源是从企业进入高校当老师的比例，2019年，有13%的新老师来自企业，到了2022年，这个比例降到了7%。这就意味着，对于人工智能专业人士来说，只有留在企业才能有更好的资源和发展，随着对算力和资金的要求越来越高，学术研究机构在保留人才上面临着严峻的考验。
第八个细节是关于ChatGPT在老师和学生中的应用情况。早期我们经常会看到，有机构反对学校使用AI，但是通过调研，到2023年7月，已经有超过63%的美国中小学老师在用ChatGPT了，他们30%用来备课，30%用来产生新的创意课堂的想法，27%用来增强背景知识。
而在态度上，88%的老师认为ChatGPT对教育有积极的影响，其中7成的老师认为现在的教育过程必须把ChatGPT的使用合并进来。
这个报告里的干货和数据非常多，有兴趣的同学可以去详细了解一下。只不过因为数据源的问题，里面关于中国的数据比较少，但是我相信很多结论，在全球各个国家，可能只是程度不一样，趋势却是完全一致的。
最后要跟大家说一件咱AI学习圈的新鲜事。不少同学之前都在问，有没有AI辅助做学术研究相关的课程？这下入门教程来了，《如何用AI辅助快速读写论文》今天正式上线，由天津师范大学管理学院副教授王树义老师主讲。如果你本身在做科研，平时经常需要读论文、找课题、写论文，推荐你去看看王老师这门课，用上AI，事半功倍。
好，今天的快刀广播站就到这里了。如果你觉得今天的内容对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。