在未來，AIGC2.0 最終可能是認知的去中介化。
來源|多知網
演講嘉賓 |羅飛
整理|Charles
攝 | 張蔚斐
在多知網近日舉辦的 OpenTalk 第 40 期 "" 教育 + 大模型 " 的實踐與創想 " 活動上，簡約商業思維聯合創始⼈羅飛分享了關于教育企業如何應用好 AIGC 技術的思考。
核心觀點：
1、ChatGPT 是⼀個沒有主動的想法、很有創意、知識淵博的⽣成式的 AI 模型。
2、在未來，AIGC2.0 最終可能是認知的去中介化。
3、在 ChatGPT 跟 AIGC 結合上，檢驗标準就是要建立在用戶已有的行爲上去做自然的行爲遷移，不要去創造用戶行爲。
4、避免 ChatGPT 回答空泛式、教科書式的答案，要用好這個公式：" 好提示詞 = 立角色 + 述問題 + 定目标 + 補要求 "。
5、比知識更重要的是思維，比思維更重要的是思想。
以下爲羅飛分享全文（經多知網整理編輯）：
大家下午好，簡單介紹一下自己，三個标簽，第一是技術老兵，我是從中國站長時期成長起來的一名程序員。第二個标簽是商業模式教練，簡約商業思維是一個服務于創業者企業的機構，提供系統的商業認知培訓、輕咨詢和投融資賦能。第三個标簽就是作者，著有《内外兼修：程序員的成長之路》和《編程超有趣》等。
今天分享的主要是兩個部分。第一個是現在 ChatGPT 或者 AIGC 模型能做什麽以及對教育的影響。第二個是作爲教育企業，怎麽去擁抱 AIGC 的技術。
01
ChatGPT 等 AIGC 模型能做什麽
現在 ChatGPT 很火熱，一個新的東西出來我們朋友圈馬上就知道了。我從我自己的實踐和經驗入手給大家做一個分享，我是怎麽用 ChatGPT 的。我用它幹了五件事情：
第一個是寫代碼。ChatGPT 出現以後，我可以指揮 ChatGPT 作爲一個團隊去開發很多東西。70% 的代碼用 ChatGPT 來實現了。
第二個是寫文案。比如一些直播主題的文案，這些文案是我讓 ChatGPT 想的，它比我們自己想的文案要好，特别是理工男，文案是死穴，ChatGPT 很好解放了我們的腦細胞。
第三個用它做了一些數據分析。數據分析裏有一個很專業的技術叫做知識圖譜。我告訴 ChatGPT 我有哪些數據以及數據的圖譜結構，讓它生成 SPARQL 語句，可以對數據進行推理分析，體驗很好。
第四件就是用它來寫書找概念找案例，補充觀點，這些都很好。
第五件用它訓練了一個簡約機器人，擁有簡約商業思維的知識，它能把簡約裏的觀點給調出來。這種用法，是短期内很多公司有自己公司知識和數據庫可以做一個類似的工具的。
當有 ChatGPT 之後，怎麽提好問很關鍵。之前有朋友問，怎麽給嘉賓提好問，我倒有一個切身的使用場景，簡約商業思維因爲經常有直播，也有各種節目。我告訴 ChatGPT 直播的主題，它能幫我生成十個問題，能幫助我們與嘉賓更好的互動。
ChatGPT 有三個層次，第一個層次是把它當搜索助手，以前我們用搜索引擎，出來的東西一大篇，十幾二十幾條，你自己要去甄别，哪個答案最符合你。但是 ChatGPT 它能立刻給你調出準确的答案，比搜索更好。
第二個可以把它當任務助手。就是公司各種崗位能不能提升人效，比如文案編輯、項目開發等。
第三個是把它當思維老師。我們人的知識量沒有它這麽大，它能補充我們的觀點，能打破我們的思維邊界。
與 ChatGPT 交互，提出一個高質量的問題很重要，一個好的問題包括：定義角色，定義目标，定義要求。
舉一個例子，比如我想去調研餐飲行業的商業模式，但是很多人就會直接問 " 餐飲行業有哪些商業模式 "，ChatGPT 有一個思維慣性：它會盡量保持自己的觀點中立且不出錯，總想在有限的字數裏給你羅列一些教科書式的答案。我們怎麽能避免它回答這種空泛式的教科書式的答案呢。知乎博主 "RPA 學長 " 總結出一個公式：" 好提示詞 = 立角色 + 述問題 + 定目标 + 補要求 "。 我自己很好的提示詞也符合這個公式。
02
AIGC 的應用已經落地，也在影響教育行業
今天我們重點還是說一些應用場景和案例。
MyShell 是現在國外比較火的，國内做 AIGC 的人都把它作爲典型案例在分析。它是學英語的 App。現在怎麽練口語？你和它對話的時候可以語音，對話回來的時候，文字是模糊的，你聽它的語音能大概聽出文字是什麽意思，再看對應的文字。這個就能取代很多外教的私教，每天我們可以用它來練口語。
這裏面生成的答案是對接 ChatGPT 生成的答案。也可以選擇不同的場景和角色，他的人可以選擇比如跟電影美劇的虛拟機器人，還是商務類的虛拟機器人對話，可以選擇不同的場景。英語培訓的從業者可以了解一下，完全可以借鑒。
另一個案例，365 學堂是一款中小學作文智能批改工具，通過人工智能 + 大數據算法 " 實現作文标點、錯字、語法問題的一鍵即時修改，并提供涵蓋多維度評價指标的大數據分析儀表盤，爲學校寫作教學提供便捷技術和素材支持、爲機構輔導孩子寫作減負、爲學生寫作技能提升提供輔助 . 具體流程是，孩子先拍照作文，然後通過 OCR 識别轉化爲文字，再利用 AI 算法逐句進行批改。爲确保準确會經過人工審閱，再輸出給家長。引入 GPT 的能力後，批改效率大大提高，人工審閱的周期縮短了 50%。
365 學堂作文智能批改是重點。365 學堂通過九大維度對孩子的作文進行分析，包括意義、創意、文體、語言等方面。經過多年的發展，他們積累了大量的中小學寫作私有數據。現在，他們利用自身的私有數據建立了寫作大模型，并開放了 API 接口，可以供外部用戶接入和使用。
ChatGPT 是文生文模式， 其實 AIGC 平台還有文生圖、文生代碼、文生視頻、文生遊戲模型等，國内現在也有很多，如百度文心一言、阿裏通義千問、科大訊飛的星火、出門問問等等。
現在發展得很快，每一天都在不斷地變化，我列的這些還不是很全。現在很多 AIGC 平台可以用。企業要擁抱 AIGC 技術，要善用這些平台。即使一樣功能平台它的模型稍微不一樣，他們的生成内容風格是不一樣的。比如 ChatGPT 模型就是教科書式的，列舉式地回答，未來是不是有散文式、講故事式的回答模型。圖像類的有的偏寫實類，有的偏藝術類。同樣的模型大家都可以多去嘗試一下，看不同的模型之間有哪些不同的調性和風格，怎麽更合适地使用你自己公司的業務。
總結起來就是，對 ChatGPT 的認知和解釋及我自己下了一個定義： ChatGPT 是一個沒有主動的想法，很有創意、知識淵博的生成式的 AI 模型。
比知識更重要的是思維，比思維更重要的是思想。知識是什麽？現在我們的教育總人人死記硬背，但是實際硬背，背得過 ChatGPT 嗎？以前我們感覺一個知識要 100% 背下來，我才能應用。但是有了 ChatGPT 之後，這個知識我可能隻掌握 70%-80%，但我馬上用 ChatGPT 就能把它調用出來。
比知識技能更重要的是思維，思維就是我們的思考方式。我們怎麽去應用這些知識，就是設計思維、計算思維、商業思維，就是抽象能力，邏輯能力。孩子要培養這樣的思維能力，而不是培養他們死記硬背的能力。比思維更重要的是思想，思想是人的三觀，人的品質，人格。它是伴随一個孩子一生永遠不變的，從小我們培養孩子很好的品質，這個品質會變成他一生的人生底色，會永遠地伴随他。我們更多要考慮到思維和思想上面的培養。這是值得大家深思的。
03
教育企業如何應⽤好 AIGC 技術？
教育企業跟 AIGC 的結合如何能做到真正的因材施教，千人千面的教育？以前的教育都是以老師爲中心，老師講什麽所有學生都聽什麽，以後的教育是以學生爲中心并從重知識學習到注重思維與思想的培養。
千人前面的智慧教育系統打造，以前都認爲需要很強的技術團隊，需要有算法工程師，需要建立 NLP 工程， 而現在一個 GPT 模型就能解決這個問題，能幫助企業建立自己的自适應模型。 并且 AIGC 還能用于數據層 知識庫、教案教程的建設。
因此，在數據層與自适應模型層之上，教育企業可以打造兩類平台應用：能個性化推送的知識學習平台 和 能個性化分析的思維教育平台。對于孩子不僅要分析出它的知識點的缺失，更多要分析出他的能力缺失。因爲我們分析出他的能力缺失，能去推薦他訓練思維的訓練方法，有可能這個訓練方法不是知識，而是告訴你，你應該閱讀哪一類的書，你應該去做哪一類的運動？孩子課外的時候應該參加什麽樣的活動，更多地培養孩子的思維能力。這可能是未來教育科技公司，應該更注重的一個事情。
很多公司都有自己的私域數據，私域數據如何能訓練出來變成比如簡約思維有自己的機器人，帶有我們簡約觀念的這種機器人，跟自己的私有數據結合。
有三種方式：
第一是示例訓練，相對于給了一些例句，用戶問題和例句相似，GPT 會圍繞例句的基本意思進行生産答案。 例句是占用對話的 token 的，所以例句不可能太多，不能超過最大 token 限制。所以示例訓練适合于數據量小的場景 。
第二是調模型訓練（Fine-tuning），就是在大模型下可以有自己的數據對進行訓練，在大模型下面形成小模型 , 這種訓練方式沒有像示例訓練那樣有 token 限制，可以輸入大量的數據進行訓練，但是并非所有的模型都支持微調的訓練，在目前 GPT3.5 和 GPT4 模型都不支持微調訓練。
第三類訓練方式是借助外部的向量數據庫，我們文字要變成向量才可計算。比如将文檔分段形成向量存入到支持向量數據庫（PineCone、PostgreSQL 等）。當用戶提問時，會先把用戶的問題轉化爲向量，然後在向量數據庫中找到相似的知識點。将找到的知識點預先作爲 GPT 模型的上下文和用戶問題傳遞到 GPT 模型，從而讓 GPT 生成一個圍繞相關知識點的答案。這個過程是動态爲 GPT 模型指定上下文，不支持微調的 GPT3.5、 GPT4 模型都可以采用這種方式。
這個流程圖是把第三類的向量數據庫方式展開的流程圖。
在大模型選擇的方面，有的公司因爲數據敏感，無法直接使用 OpenAI 的接口，這需要自建私有的大模型，目前可以選擇 GLM、BLoom、LLaMA 等開源項目， 芯片用 A100 等，完成自建的成本可能就是上百萬的投入。 建立私有模型也可以用雲服務的方式，比如 AWS 的 SegeMaker，可以幫助企業快速部署好 GPT 模型。
以上是在技術選型上給大家的參考。 處理技術實現，企業要在應用模式上分析更爲重要。應用模式要回歸商業的本質， 我們的應用模式是能爲社會創建價值，爲企業增加收入才行。分析 AIGC 現在有什麽樣的應用模式？它的應用模式可能會分爲 1.0 和 2.0。
一個新技術出現的時候，剛開始企業并不知道它能真正用來幹什麽，總會習慣性地用它去做一些老事情。比如互聯網剛出現的時候，大家會覺得應該像用報紙一樣去用它，所以出現了門戶網站，或者覺得應該是電視的作用，所以出現了視頻網站。但是互聯網真正有突破的應用場景是共享經濟、電商、網絡社交等。
AIGC2.0 的應用場景是什麽現在還不知道，但是 1.0 已經很清晰了。AIGC1.0 大概有以下四種場景：
第一，" 提升人效的場景 "，就是 GPT+ 人，分析一下你有哪些崗位，雖然說是腦力勞動，每次輸出的内容都不一樣，但是腦力勞動是重複的，思維模式是重複的。這種重複性的腦力活動，ChatGPT 以後會替代很多腦力勞動。雖然說每次輸出結果不一樣，思維模式是一樣的，這樣的工作崗位可以大量地去提升人效。過去的信息技術和工業革命替代了人類很多重複性的體力勞動，未來 GPT 将會替代大量重複性的腦力勞動。
第二，" 工具升級 " 的場景，這是 GPT+SaaS 的模式，比如現在很多科技公司是 SaaS 類的，比如提供财務軟件，操作很複雜。拿大家熟悉的 Excel 來舉例，我們要産生一個折線圖，要用什麽公式？點什麽按鈕？總是記不住清楚。操作很複雜，以前覺得需要專業能力很強的人去操作軟件。 而 GPT 給軟件工具賦能後，我們可以用自然語言指揮軟件工具去做一個複雜的操作。
第三，" 知識調取 " 的場景，就是 GPT+ 知識庫的方式。有一類公司員工他的知識他需要有員工手冊，員工的工作是強知識型的，比如保險理賠人員，比如律師，我要牢記一些信息以及經常翻譯資料才能把工作幹好。有了 GPT 結合一個公司的内部知識庫，可以幫助員工快速調取知識，不用再找資料上面耗費太多的時間。
第四，" 數據分析 " 的場景，就是 GPT+ 數據。有些公司已經産生了一些數據但不知道怎麽分析，有了 GPT 這樣的技術能挖掘他的一些數據價值，能夠讓他的數據實現價值化、要素化。
而在 2.0，可能會出現新的變化，這時候應用場景會更符合技術的本質，我認爲技術的本質是突破人類邊界能力的限制。比如我們有時間的限制、空間的限制。以前的技術逐漸幫助人類突破了外在的能力邊界限制，而 GPT 的出現，讓弱人工智能變爲了強人工智能，會将突破我們人類的内在能力邊界的限制。
雖然 2.0 的具體應用形式現在還不知道，我認爲最終可能是要做的一個事情就是認知的去中介化。互聯網去掉了很多信息的中間環節，信息的中介化。但是認知也有很多中介化，特别是做教育的，很多教育公司在做認知中介。ChatGPT 的出現，很多教育公司要思考下一步商業模式是什麽樣的，如果你還做認知中介的事情的話，可能會被 GPT 取代。
在思考公司戰略上，簡約商業思維有一句話叫 "遠看三步，深想一步，快行半步"。遠看三步是戰略要潛力前瞻，看見未來，深想一步是戰術上，我們要量力而行，結合公司自身優勢制定出切實可行的戰術，關鍵是戰鬥上我們是快行半步，這裏是半步不是一步，因爲太快可能會成爲行業先烈，投入大量成本。你做了很多市場教育的事情，可能後來者會比你做得更好，導緻你前期的投入收不回來。所以快行半步很重要。
教育企業跟 AIGC 結合怎麽能快行半步，檢驗标準就是我們要在用戶已有的行爲上去做自然的行爲遷移，不要去創造用戶行爲。
用戶需要一個比如陪伴型的 AI 助理。可能這是未來，但不是現在快行半步的事情，可能是兩步的事情，現在要做這種事就要去教育市場才行。每家公司可以分析一下你們現在用戶到底有什麽樣的行爲，基于 ChatGPT 我們能讓用戶行爲更好地滿足他的需求。他的需求本來以前就是這樣存在的。
在企業上面，我們要思考好戰略，把 AIGC 用好，還是這樣的不等式：比知識更重要的是思維，比思維更重要的是思想。對于一個企業來說，知識是什麽？知識是你的行業知識，你的競品信息和市場上大家都在用什麽數字化系統。現在信息發達的時代，獲取知識太容易了，你知道的大家也都能很快知道，隻是你晚一天知道還是早一天知道。而怎麽思考這些知識，怎麽應用這些知識，這個思維方式更重要。企業要去用好這些知識，要從商業的本質的角度去思考，有沒有創造市場價值。這裏的檢驗标準就是：有沒有提升企業的利潤或者是擴大産品的市場。在思維上要有系統性的戰略思維，要構建全面性的商業模式。
比思維更重要的是思想，就是一個企業創始團隊企業家精神，包括他的領導力、洞察力、決策力和執行力。張維迎老師說過企業家的決策不是科學決策，因爲其并非基于數據和計算，而是基于想象力和判斷，沒有唯一正确的答案。
給大家留四個思考題：
問題一：你的行業 10 倍數變化的科技要素是什麽？以及有哪些相關要素？爲什麽是 10 倍數變化？不是 10 倍數的變化你的競争對手也可以看到，現在 10 倍數就是 AIGC。移動互聯網的時候，雖然說 iOS、安卓出現了，有操作系統還有手機硬件和 4G 普及等相關要素出現。
問題二：這 10 倍速科技要素對于你的公司對于人産生的影響是什麽？包括你的用戶行爲會發生什麽樣的變化？市場發生什麽樣的變化？産業上下遊會發生什麽樣的變化？市場來源于人的行爲，想清楚了這些人的行爲，我們才知道提前在哪等待着人的行爲來了用上我們的産品和服務。
問題三：對于我們企業自身的業務意味着什麽，是機遇還是挑戰？是能變成新業務還是新的收入？
問題四：我們企業核心能力在哪？要跟自己企業核心能力結合。做這件事情要具備什麽新的能力？
思考好了這四個問題能更全面系統地用好 ChatGPT 和 AIGC。
04
Q&A
提問：羅老師您好，您剛才提到用 GPT 輔助寫書，我們是做出版的公司，有一項業務是寫醫療類的書籍。像這種專業性比較強的書，ChatGPT 可以代替人工去做嗎？因爲我們現在這個工作是由專門的醫學編輯做的。
羅飛：專業性強的需要試驗一下能不能用 ChatGPT。我用的時候發現它有一部分公開性很強的專業是具備這種能力的，它的語料裏有，比如專業性很強的，但我試過讓它用古文的書寫它就不擅長。醫學，它到底知道多少？你需要去調研測試一下。比如用很專業的問題問它，給你一個很專業的答案，證明它原始數據裏面有，那麽就可以用它來編輯這個專業出版物。如果原始數據裏沒有，可能會有一些問題。
第二個觀點，要用它去做專業的事，這個事情，我經常被問到類似的問題，身邊朋友問，ChatGPT 出現了，非技術人員能不能用它寫代碼。我自己做了這件事情，我的一個回複就是，跟開車一樣，以前沒有 ChatGPT 的時候，我們開車需要知道方向盤怎麽使用需要知道檔怎麽挂，有了 ChatGPT 你可以坐副駕駛了，但是坐在副駕駛的人一定要知道交通規則，看見紅燈知道指揮車停止，看到拐彎指揮車速度降到 30 邁，不懂交通規則就不知道怎麽指揮。 所以沒有一點編程基礎的人是不知道怎麽指揮 ChatGPT 寫出符合要求的代碼的。
同樣醫學領域的書，一點不懂醫學知識的人能不能去靠 ChatGPT 編寫一本書，這個應該是不能的。一定要懂醫學知識框架。
提問：您方便給我們深度分享一下 " 認知去中介化"嗎？
羅飛：2.0 的商業模式具體是什麽，現在沒辦法預測，我認爲是認知去中介化。現在我們在很多時候要獲得一個認知是有門檻的，人們要花錢、要付出代價才能獲得，有的企業把這當作商業模式，知識付費、培訓機構、各種私教都可以理解爲認知的中介。可能 ChatGPT 出現以後，獲取認知不一定非得找很專業的人，利用 ChatGPT 就可以把一個一般的人變爲專業的人。
舉個例子，Grammarly 是做在線語法糾正的一個 APP，這家公司 2022 年投後估值 130 多億美元，但是 ChatGPT 出現，它的估值可能會下滑，因爲 Grammarly 能做的事情 GPT 都能做，而且是免費的。類似于這樣的還有題庫軟件 Chegg，這是上市公司，前段時間也股價暴跌，那家公司也在做認知的中介化，類似于這樣認知中介化公司還有很多，隻是現在 GPT 的應用場景沒有到達這個領域而已，當 GPT 的應用場景到達這些領域，這類公司不轉型可能很危險。
這類公司怎麽轉型？要擁抱 GPT，要擁抱 AIGC，做人做不了的事情。比如，語文老師批改作文，每天批改一次，以前語文老師是幹不了的，但是加上 GPT 可以做這個事情了。教育裏有很多大量人幹不了的事情，現在是不是加上 GPT 和 AIGC 能幹這樣的事情，能更好地滿足人的需求了，這是教育公司要轉型思考的事情。
提問：有觀點說，蘇格拉底和孔子式的啓發式的教育，未來是一個方向，GPT 在做一個虛拟老師，它能夠在引導孩子學習過程中扮演蘇格拉底和孔子的角色，是不是可以這樣理解？
羅飛：這個它是完全可以做到的。ChatGPT 可以生成内容也可以生成啓發性的提問。這就是我們自己要對它提出要求。比如我用它來學習知識的時候，會給它增加難度：要用黃金圈法則的方式分析知識點，讓 ChatGPT 要舉案例，而且可以讓案例有正面的案例也要有反面案例，然後還要它給我們生成多個啓發性的問題。這樣加強它的難度後，它就會反向給我輸出啓發性問題，當然這個過程是需要反複地調教它才能輸出好的結果。
提問：您之前也在少兒編程領域創業過，現在在 AIGC 這個浪潮之下您認爲少兒編程後面會往什麽方向發展？孩子未來還需要學編程嗎？畢竟現在 AI 已經能夠幫我們寫一些代碼了。
羅飛：我的答案還是剛才說過的一個駕車的比喻，我們認爲現在不需要駕駛員了，但是還是需要坐在副駕駛的人。其實程序員現在并沒有普及到每一家公司，因爲現在技術團隊的成本還比較高，比如要有一個技術團隊，以前沒有 AIGC、沒有 ChatGPT 的時候，你要做一個技術項目要養技術團隊最小單元也要五六個人包括前後端、測試、産品經理、設計師之類的。這五六個人，有很多傳統公司覺得成本高，養不起技術人員。而未來公司隻要有個稍微懂一點技術的人，利用 GPT 可以做一個人抵一個團隊的事情。 還有就是孩子學編程不一定長大後就非要做程序員， 就像學英語不一定是去做翻譯， 孩子在學習編程中，他能提升編程思維、數學思維，孩子擁有這些思維長大後能做更多的事情。
有了 AIGC 和 GPT 後，人的跨界能力也能大幅提升，因爲以前覺得跨界感覺很難，畢竟另外一個行業要很專很懂。但是現在人要去跨界，要進入另外一個行業，我知道它的框架就可以有調用它的能力。未來人才要懂技術，還要懂藝術，還要懂行業，這樣的人才會更被社會需要。
