2023 年對我來說是神奇的一年，我意外地從一個程序員變成了一個 AI 資訊屆的“網紅”，到年底時我在 X 平臺的閱讀量超過 1 億，微博上的閱讀量則超過 10 億，很多人通過我的微博或者 X 了解最新的 AI 資訊、教程和 Prompt 使用技巧。而這一切其實是從我患上了 AI 焦慮癥開始的。
在本文中，我將向你分享我的故事，如何患上了 AI 焦慮癥，又是如何克服它，并且成功地把 AI 變成自己的得力助手，讓自己成為善用 AI 的人。
注：本文精選自《新程序員 007：大模型時代的開發者》，歡迎點擊預訂。
作者 | 寶玉 責編 | 唐小引
出品 | 《新程序員》編輯部
OpenAI 的 ChatGPT 一經問世，我第一時間開始使用，發現它與我以前使用過的 AI 產品截然不同。它不僅理解語言能力出眾，還能生成高質量的內容，甚至展現出一定的推理能力。這激起了我的極大興趣，我開始越來越多地使用它來輔助日常工作。同時，在圖像生成領域，如開源的 Stable Diffusion 和商業化的 Midjourney，也展現出了驚人的進步。AI 變成了非常熱門的話題，于是我開始越來越多地關注 AI 領域。
但隨著我關注越多，我發現自己變得越來越焦慮，因為 AI 領域發展速度非常快，每天都有很多新的 AI 產品推出，隔一段就有一次大的升級，比如像 GPT-4 的發布、Midjourney V5 的推出、文本生成視頻、多模態等等。于是我每天要花大量的時間去了解各種 AI 資訊，生怕錯過什么重要的信息，隨之而來的是注意力不容易集中，睡眠不好。
并且，我發現像我這樣焦慮的人不在少數，尤其是那句流傳甚廣的“替代你的不是 AI，是善用 AI 的人”，讓很多人像我一樣患上了 AI 焦慮癥，擔心沒有跟上這波 AI 浪潮會被淘汰。我還學習到一個新名詞叫 FOMO（The fear of missing out，錯失恐懼癥），意思就是害怕錯過了重要的機會。
為什么我會對 AI 焦慮
我開始探究自己焦慮的源頭，我的 AI 焦慮癥可能有幾種來源：
一種來源于對 AI 的恐懼，擔心被 AI 被取代，擔心那些用 AI 的人取代自己，導致自己失業。尤其是現在就業形勢不算太好，媒體又有意無意在夸大 AI 的能力，如果對 AI 不了解很容易被誤導，陷入焦慮之中。
一種來源于社交需要，現在 AI 這么熱門，大家都在談論 AI，如果我不懂 AI 是不是就落伍了？會不會被孤立？
一種來源于擔心錯失機會，我這一代人趕上了好時候，2000 年左右互聯網浪潮開始，2010 年左右迎來了移動互聯網的浪潮，很多幸運兒在這幾次浪潮中抓住機會，贏得了巨大的成功。但我并沒有抓住什么機會，現在 AI 這么火熱，是不是意味著 AI 的浪潮要開始了，錯過了前面幾次機會，不能再錯過 AI 的機會！
我是怎么克服對 AI 焦慮的
正是這些原因，讓我患上了 AI 焦慮癥。要克服對 AI 的焦慮，還需要從根源上下功夫。我針對自己的情況，給自己開了幾劑藥方：
- 去學習 AI 和了解 AI；
- 多和別人交流，多分享自己學習到的知識；
- 去應用 AI，把自己變成一個善用 AI 的人。
學習 AI，了解 AI
我們對 AI 的恐懼，很大程度上是來源于對 AI 的不了解。
我以前一直以為 AI 是個高深莫測的領域，需要數學特別好，或是經過很多年專業系統的學習，所以我從來沒有嘗試了解過 AI。但我們普通人真的需要學習那么多底層知識才能用好 AI 嗎？
改變的契機在今年初時，我看到有人做了這樣一個應用：上傳一個文檔，就能基于文檔的內容進行問答，簡直像魔法一樣，太神奇了！但我這次并沒有望而卻步，而是嘗試學習了解一下它是怎么工作的。
好在現在很多信息都是可以公開獲取的，開源項目也很豐富，所以我很快找到了類似的開源項目實現，并按圖索驥找到了相關的技術文檔，嘗試搞明白它的原理（參見圖 1），學習到檢索增強生成（RAG）、Embedding 這些專業知識，知道原來有向量存儲、相似度檢索這回事兒。這個學習的過程有一點痛苦，但比我最初想象的容易得多，也因此收獲滿滿。
圖 1 這是我當時寫的一篇關于文檔問答應用工作原理[1]的配圖
不過我也給自己劃定了一個范圍：那就是重點了解應用層面的知識，不去深入太過底層的原理，類似于學前端時，學會怎么用 React，而不必去知道其底層實現。因為一方面我還沒自大到僅僅幾個月的學習，就可以掌握高深的 AI 底層原理，另一方面對我來說，能了解并使用就夠了。
后來當很多類似的文檔問答產品出來時，我不但不會焦慮，還能幫助去科普，它背后的原理是什么。我也明白其實對于普通人而言，并不需要去學所有 AI 底層知識，稍微了解其原理，重點學習如何應用就很好了。
不如動手試試
如果說對文檔問答類 AI 產品的焦慮只是源于不了解，那么當有人演示用自然語言就能寫出一個炫酷的網頁游戲時，又讓我產生了擔心 AI 會讓我被替代的恐懼。
但我覺得與其焦慮，不如動手試試，看它是不是真有那么厲害。于是我嘗試著去做了簡單的游戲，但發現實際效果并不理想，原來做出炫酷 Demo 的人，演示的都是那些預訓練過的經典游戲代碼。這些游戲對于大語言模型來說，已經被反復訓練過，很容易就生成出相關的代碼，但如果是一個從來沒有訓練過的游戲，很難生成滿意的結果。
類似的我還測試過自然語言生成前端頁面（參見圖 2），理解了其背后的原理是借助大模型，按照要求生成 html、css 和 JS 代碼。如果只是簡單地生成演示頁面，是沒有什么問題的，但如果要特定要求的頁面、復雜的站點，差距還是比較大。因為目前大模型還有一些局限，比如上下文長度不能太長，意味著無法生成大量代碼或基于很多代碼去重新修改生成；比如代碼生成的質量很依賴于 Prompt 是怎么寫的，如果你本來就很懂前端，能夠提出很具體的要求，但如果不懂前端，那么很多時候就無法很好地操控 AI 去幫你完成任務。
圖 2 make real[2]，一個可以將草圖生成網頁代碼的開源程序
通過實際動手去試試，我發現短期內并不用擔心程序員會被替代，因為現在 AI 還做不到你給個需求，就能完整地生成一個項目，還是需要程序員去對需求進行分析，進而根據需求設計架構、分解成模塊、生成代碼，依然還要測試部署。也許某個代碼模塊 AI 可以幫助生成或優化，但還是需要程序員去協助編譯，出錯了去修復。
避免從一個極端到另一個極端
同時我也發現，有些人跟我一樣，因為對 AI 的焦慮，所以去了解、學習 AI，但發現 AI 的表現達不到預期后，馬上走到另一個極端 —— 對 AI 不屑一顧，認為不過爾爾。
雖然我也覺得 AI 現在的能力還不夠強，但保持對 AI 的持續學習和實踐，是一個更為理性的選擇。
因為在我看來，現階段像 GPT-4 這樣最先進的模型，已經表現出很強的語言能力和初步的推理能力，這是很了不起的成就。對于普通人而言，語言是非常重要的能力，再加上簡單的推理能力，已經可以做以前不可能做的事情。
另外一點就是大模型的規模化定律（Scaling Laws）目前尚未失效，即模型訓練的文本量和神經網絡中的參數越多，模型能力越強。現在模型的規模還沒有到極限，意味著大模型的能力還有進步的空間。如果再有技術上的突破，就預示著我們離真正的通用人工智能（AGI）并非遙不可及。
基于這些原因，我一直對 AI 未來的發展持樂觀態度，應該會像 PC 時代的摩爾定律一樣，每隔一段時間，就能看到 AI 技術的巨大飛躍。在這個過程中，如果我們能保持學習，善用 AI，不僅不會焦慮，甚至可以借助 AI 做更多有價值的事。
知道 AI 的強項和局限在哪里
面對再強大的對手，如果知己知彼，自然能百戰百勝。當我們了解了 AI 的強項和局限，就不用擔心會被 AI 戰勝，相反能讓它為我們所用。
以大語言模型為例，我總結下來它的強項在于：
- 很強的文本理解能力；
- Prompt 得當的話可以生成高質量的文本和代碼；
- 強大的多語言能力；
- 有一些簡單的推理能力。
但也有一些明顯局限：
- “幻覺”問題，也就是會胡說八道，所以它生成的結果需要人工二次校對確認；
- 上下文長度限制，即使是現在號稱能 200K Tokens 上下文長度的 Claude，內容一長的話，生成質量下降得很快；
- 要寫出高質量的原創文章還做不到，比如像我這篇文章，就無法借助 AI 的幫助來完成。
清楚了它的強項和局限，那么我不僅不用焦慮，還能讓揚長避短。
多交流多分享
鄒欣老師（CSDN &《新程序員》首席內容顧問）給過一個很好的建議：有一個社交圈子來交流，也是避免焦慮的一個好方法。
留心觀察一下，發現像我這樣患有 AI 焦慮癥的不在少數，既然大家都焦慮反而就覺得沒那么焦慮了。平時還可以一起交流一些 AI 資訊和學習心得，對于提升自己使用 AI 的水平很有幫助。
我這些年養成的一個習慣就是會把日常學習到的知識寫下來分享出去，不僅能幫助我更好地梳理清楚模糊的知識細節，還可以收到許多有價值的反饋。在學習 AI 的過程中也是如此，我會將看到的有價值的資訊和學習到的知識都寫下來分享出去，尤其是現在關注 AI 的人非常多，我分享的很多內容對他們來說也是很有價值的，所以能收到很多積極的反饋，有感謝的，有指正錯誤的，這些都讓我受益良多，也很大程度地幫助我緩解了 AI 的焦慮。
把自己變成善用 AI 的人
既然“替代你的不是 AI，是善用 AI 的人”讓我焦慮，那么應對它最好的辦法，就是把自己變成善用 AI 的人。
所以今年初開始，我開始積極地將 AI 應用于日常工作和生活。例如，在標準化寫作、編程和翻譯方面，我都嘗試利用 AI 來提高效率。
像日常的郵件、工作中的任務描述、文檔，都會借助 ChatGPT 幫我編寫。尤其是像我英文不夠好，以前寫正式的英文郵件、文檔，要花不少時間去校對語法和拼寫，現在借助 ChatGPT，我把要寫的內容用中文夾雜英文簡要地描述好，就能幫我生成一篇高質量的英文內容，又快又好。
寫代碼的話，由于受上下文長度的限制，一個復雜項目的代碼，AI 是無能為力的，但輔助生成代碼、完成某個小模塊或函數還是沒問題的。我用得最多的就是 Github Copilot，在寫代碼時像一個“副駕駛”一樣，通常只要寫上良好的注釋，就能幫我生成代碼，尤其是一些我以前不喜歡寫的測試代碼，現在借助 AI 能輕松完成。甚至有時候涉及到復雜算法的，也能幫我完成，這極大地提升了我的開發效率。
要論 AI 對我最大的幫助，還是翻譯。
我日常有機會接觸到很多一手的文章或視頻，但都是英文的，而對于我微博上的很多讀者來說，他們更習慣看中文內容，尤其是翻譯質量好的內容。在 ChatGPT 之前我沒有條件做這事，因為我發現谷歌翻譯這類的翻譯結果并不理想，需要花很多時間校對。但在 GPT-4 推出后，我發現翻譯質量上比谷歌翻譯等專業翻譯服務要高，而且定制化強，于是開始做了很多這方面的嘗試。
首先是對文本的翻譯，我發現 ChatGPT 在第一次翻譯時，質量并沒有太高，還有很明顯的翻譯痕跡，但如果讓 ChatGPT 在第一次翻譯后，再對內容潤色一遍，那么讀起來就很通順，幾乎看不出機器翻譯的痕跡。借助這個方法，我日常可以大量地將優質的英文內容翻譯為中文，只要稍作校對就可以（參見圖 3）。
圖 3 我日常用來翻譯英文科技文章的 GPT
接著是字幕翻譯，由于字幕不僅有文本，還有時間軸。所以翻譯英文字幕，不僅需要翻譯英文文本為中文，還要基于翻譯后的語序和長度，重新調整中文字幕的時間軸和文本拆分。所以以前像翻譯字幕這種事，都有一個字幕組來做，有人專門翻譯，有人重新對時間軸。而現在的大模型兼有語言和推理能力，不僅可以翻譯，還能對時間軸，這就極大地提升了字幕翻譯的效率。所以在今年一年里，我借助 AI 的幫助，一個人翻譯了將近 100 多部教學視頻，這在以前是不敢想象的。
圖 4 我日常用 AI 來翻譯字幕的腳本程序
不知不覺，我從一個不懂 AI 和對 AI 充滿焦慮的人，變成了一個不再對 AI 焦慮，在日常生活中大量應用 AI 的人。
結語
在 2023 年的 11 月份，OpenAI 的董事會突然開除了 CEO Sam Altman，很多人猜測是因為 OpenAI 已經研發出具有高度智能的 AI 系統，這再次引起了很多人對 AI 的焦慮甚至恐懼。但我已經不再對它焦慮，因為經過我的學習和實踐，我很清楚現階段的 AI 技術背后的原理和局限。
我相信我們每個人都可以去學習和了解 AI，不必焦慮它會取代我們，反而可以把 AI 作為工具提升我們的生產力，你我都可以成為善用 AI 的人。
相關資料：
[1] https://www.weibo.com/detail/4875446737175262
[2] https://github.com/tldraw/make-real
本文精選自《新程序員007：大模型時代的開發者》，大模型時代，《新程序員》助你快人一步進入智能新紀元！
《新程序員 007》聚焦開發者成長，其間既有圖靈獎得主 Joseph Sifakis、前 OpenAI 科學家 Joel Lehman 等高瞻遠矚，又有對于開發者們至關重要的成長路徑、工程實踐及趟坑經驗等，歡迎大家點擊訂閱年卡。
