令狐笙 灵狐科技
摘要：这次与AI对话，是一次痛苦的经历。
日常工作中，经常会有把演讲、访谈、会议、讨论等场景下的内容整理成正式文档并突出重点的需求。近段时间，以ChatGPT为代表的AI在文本内容交互和归纳梳理方面所表现出的强大能力令世人惊叹，似乎只要把内容丢给AI，输入“提炼要点”的要求，就可以立马去芜存菁，要义在手。
真的这样So easy吗？
奇绩创坛创始人兼CEO陆奇在最近的一次演讲中阐述了他的大模型世界观，演讲内容迅速在网上扩散流传。我们找了一篇内容相对全面、结构较为清晰、口语化风格明显的报道文章作为“语料”，让AI帮我们梳理这篇洋洋万言的长篇演讲的精华要点。
没想到的是，原以为一天就能搞定的事，却成了耗时三天的“打磨”。
陆奇不愧是“中国AI布道人”，这次演讲内容干货满满，最终我们觉得可以拿得出手的“AI浓缩版”还长达四千多字。因为我们这个专栏的目的主要是探察AI视角和测试AI能力，所以为了节省读者的时间，我们又在“AI浓缩版”的基础上进行了人工精简，只保留了AI提炼内容的大纲，主要还是在“令狐点评”里向大家介绍使用AI工具的过程和感受。详细的演讲内容请移步网络查找，说实话，我们觉得这篇演讲内容的每句话都有价值。
令狐笙：
艾小狐，你现在是一位科技媒体的资深记者。近日，奇绩创坛创始人兼CEO陆奇的一次关于《我的大模型世界观》的演讲风靡网络。请梳理和提炼这个演讲的要点，并以分级标题的形式，形成一篇介绍文章。
艾小狐：
好的。
第一：社会性拐点
1. 人与大模型紧密相关,决定了价值所在。
2. 数字化发展遵循“三位一体”模式。
3. 社会性拐点的核心：模型成本从边际变为固定。
4. 社会性拐点之一：模型无处不在。
5. 社会性拐点之二：行动无处不在。
6. 社会性拐点之三：人与技术共进化。
7. OpenAI已处于这次拐点的领先地位。
第二： OpenAI的两个信念和ChatGPT爆发的三个原因
1. Ilya Sutskever（OpenAI联合创始人兼首席科学家）坚信两件事：
（1）：模型架构需要足够深才会产生质变。
（2）：持续进步的引擎是实现范式变革的关键。
2. ChatGPT达到1亿用户的三个原因：
（1）ChatGPT封装了世界所有知识。
（2）ChatGPT学习推理能力在高中生和大学生之间。
（3）ChatGPT领域宽知识深,易用性强,扩展性好。
第三：未来，模型无处不在
1. 更多大模型诞生。
2. 更多对齐工作开展。
3. 模态对齐实现人工智能人道化。
4. 人的模型和学的模型并存。
5. 大模型如同基因。
第四：如何拥抱这个时代
1. 生产资本全面提高。
2. 每个人都将获得“副驾驶员（Copilot）”。
3. 各行业将面临系统性重组。
4. 医疗和教育面临机遇与挑战。
5. 时代高速发展势不可挡。
第五：大模型时代的机会点
1. 数字化基础：技术平台与开发工具。
2. 解决人的需求：应用与体验。
3. 改变世界：第三代技术。
4. 模型为先。
第六：对创业者的建议
1. 不要轻举妄动,要思考清楚。
（1）不要盲目蹭热点,要理解大模型的本质及其对自身业务的影响。
（2）要勤于学习,理解新技术带来的变革及其复杂性。
（3）想清楚后要果断行动,如果新技术对行业造成重大影响,不进则退。
2. 公司是一组能力的组合,要全面评估大模型的影响。
（1）产品开发:如果做软件或用户体验,大模型会带来长期深远影响;如果做核心技术研发,短期影响较小但长期也重大。
（2）满足需求:如果直接面向用户或依赖供应链,受影响较大,要判断行业结构变化。
（3）商业模式:大模型可以帮助思考及迭代,但影响较小。
（4）人才与组织:创始人的重要性上升,技能必要但愿力更重要;团队可以利用大模型加速探索,但长期还需培养“提示工程师”;要考虑新技术如何影响组织结构与文化。
3. 这是机会也是挑战,要全方位思考。
令狐点评：
最初，我们想用百度的文心一言来做陆奇演讲的提炼，毕竟陆奇曾经担任过百度集团总裁兼COO。但折腾了半天，结果是……一言难尽！
随后我们换到ChatGPT，因为GPT 3.5还不具备网络搜索的功能，所以无法直接在网上找到我们的“语料”；而复制、粘贴又有字数限制，对于这样的长篇内容而言，几段下来以后，原来连贯的逻辑和信息就有点接不上了。
再试New Bing，虽然查找“语料”非常顺利，但在聊天模式下的提炼只有寥寥数语。换到侧边栏撰写模式，让New Bing以一位资深科技媒体编辑的身份，梳理并提炼要点。令我们失望的是，New Bing多次给出的并不是根据我们指定的演讲内容提炼的要点，而是根据网上零碎信息拼凑而成的（我们通过人工搜索并没有找到New Bing所认为的“演讲”内容）。我们反复修改调整Prompt，输出的内容总是差强人意。只有两次，不知哪根神经搭对了，New Bing给出了我们想要的内容，但这两次却都在输出到一半时出现了中断，要求续写时它又陷入了“自言自语”的状态。无奈之下不得不放弃。
ChatGPT面世后，基于ChatGPT的应用大量涌现，较多见的一类就是针对文档进行“阅读理解”处理的工具。我们找到一款名为Chatdoc的应用进行测试：把演讲内容转成PDF，再把PDF上传到Chatdoc。应该说，这种“专业化”的工具对于内容的针对性是最强的，不会受到网络噪音和AI“创意性理解”的干扰，但这样又带来了另一个问题——其理解局限于提供的内容本身，无法像基于搜索的AI那样做相关的延展。同时，其梳理、提炼的结果，受文本的逻辑和内容层级编排的影响很大，也就是说，如果是一篇逻辑清晰、论述严谨、层次分明的学术论文，它的梳理结果就比较好。但我们提供的却恰恰是逻辑主线清晰但思维发散、观点鲜明但跳跃性强、用口语化表述高价值内容的长篇“语料”，Chatdoc就显得力不从心了，给出的提炼结果不是过于精简，就是丢三落四。
最后，我们还是采用了“笨办法”，把“语料”分段粘贴到Claude里，要求它作为一名资深科技媒体的编辑，以大纲的形式对提交的内容进行要点提炼，再把Claude输出的内容组合在一起，总算是有了一篇能用的稿件——堪称“话痨”的Claude给出了符合要求但却字数过多的内容，还是需要人工进行精简。
通过这次“打磨”，我们有以下两个明显的感觉：
1，AI目前对未经人工整理的口语化内容的理解还有待提升，把录音转成文字丢给AI，多半得不到想要的结果。
2，即便是经过人工整理，AI提炼的要点，跟我们心里想要的要点很可能不一样。因为不同的人、处在不同的领域、带着不同的目的，对要点的理解和要求也会不同。要让AI给出自己想要的要点，就要反复调整给AI的指令（Prompt），可能会耗费较多的时间和精力。
3，如果不提前熟悉内容，直接让AI提供要点，不但大概率会“踩坑”，而且都无法对AI进行“追问”。
根据这两个感觉，我们又有了以下的思考：
1，如果人工整理好了“语料”，对内容的要点也就基本心里有数了，对于“提炼要点”这个工作而言，也就是复制、粘贴、把口语内容书面化、起标题、加头加尾、编辑排版。我们这次使用的“语料”的梳理，一个有中等文字工作水平的人，用一天时间就可以完成——那为什么要花更多的时间、反复调试Prompt让AI去做呢？我们用AI不就是为了提升效率吗？
2，为了让AI能发挥神奇的作用，需要对内容进行人工处理：把录音转成文字、校准发言人、修改错别字和病句、去掉无意义和无价值的内容、编排大纲、制作层级标题……人和AI，谁才应该是那个Copilot？
所以，即使是在文字处理这个AI最擅长的领域，AI想完美地取代人类，还有一段路要走，不过，这段路或许不用太长的时间。
