财经相对论

复旦金融评论
  • ٠٫٠ (٠)
  • استثمار

让深思熟虑平易近人

الحلقات

  1. ٢ سبتمبر

    E0601. 对话徐熠：从竞争到协同，以新能源产业政策探寻全球共识

    | 嘉宾 | 徐熠 复旦大学国际金融学院经济学特聘教授、杜克大学经济学教授、美国国家经济研究局研究员 | 内容 | 在全球贸易单边主义抬头、各国产业政策分化的背景下，他和研究者将目光聚焦于新能源产业政策，通过分析中美欧在补贴、贸易壁垒等方面的实践及效果差异，探寻全球共识和可持续发展目标。 00:06 政策需量体裁衣 07:42 政策选择 25:02 打开创新之门 | 更多节目 | E0502. 对话陈凯迹：发挥住房财富效应，促进消费与代际平衡 E0501. 对话陈凯迹：房地产市场研究——从泡沫分析转向消费预期 E0401. 对话吴欢：国有书店破局之路 E0301. 对话张奇：从实验室到市场——大模型产业化之路 E0201. 对话丁磊：从AIGC的飞轮效应，到伟大的商业模式 E0102. 对话杜雨：ChatGPT热潮下的创投冷思考（下）用户第一还是技术优先 E0101. 对话杜雨：ChatGPT热潮下的创投冷思考（上）ChatGPT的制胜之道 | FFR TALK | T001. 张乃根：知识产权保护下，出海企业如何提升竞争力（AI） 欢迎添加小助手微信FFReview2018，加入听友群。第一时间收获经济热点轻解读、在线金融大师课。为了营造更好的讨论环境，我们准备了两个小问题，请在添加小助手后回答： 1. 关于金融方面，您最喜欢/推荐的一本书？ 2. 您希望听到《财经相对论》聊哪些话题？ 策划/采访：潘    琦 制作/运营：葛雯瑄 收听方式：您可以通过苹果播客、喜马拉雅、小宇宙、网易云音乐、QQ音乐等平台收听节目 联系我们：FFReview2018（微信） 微博@复旦金融评论 小红书@复旦国金FFR 期待与您交流~

    ٣٨ من الدقائق

  2. ١٦ يوليو

    E0502. 对话陈凯迹：发挥住房财富效应，促进消费与代际平衡

    | 嘉宾 | 陈凯迹 埃默里大学经济学教授、复旦大学国际金融学院经济学特聘教授 | 内容 | 上一期陈教授与我们分享了房地产研究重点的迁移，接下来他将探讨如何通过政策创新与适老化改革，优化住房资源配置，更好地发挥住房的财富效应。 02:05 平衡代际住房资源 03:21 引入成熟市场的长期护理 04:24 创新金融工具，推动以房养老 07:37 平衡信贷风险与政策效率 08:42 房产税改革需要关注房产的财富效应 10:05 稳定房价是第一要务 13:37 宏观经济再平衡：短期刺激与长期调整 | 更多节目 | E0501. 对话陈凯迹：房地产市场研究——从泡沫分析转向消费预期E0401. 对话吴欢：国有书店破局之路E0301. 对话张奇：从实验室到市场——大模型产业化之路E0201. 对话丁磊：从AIGC的飞轮效应，到伟大的商业模式E0102. 对话杜雨：ChatGPT热潮下的创投冷思考（下）用户第一还是技术优先E0101. 对话杜雨：ChatGPT热潮下的创投冷思考（上）ChatGPT的制胜之道 | FFR TALK | T001. 张乃根：知识产权保护下，出海企业如何提升竞争力（AI） 欢迎添加小助手微信FFReview2018，加入听友群。第一时间收获经济热点轻解读、在线金融大师课。为了营造更好的讨论环境，我们准备了两个小问题，请在添加小助手后回答： 1. 关于金融方面，您最喜欢/推荐的一本书？ 2. 您希望听到《财经相对论》聊哪些话题？ 策划/采访：潘 琦 制作/运营：葛雯瑄 收听方式：您可以通过苹果播客、喜马拉雅、小宇宙、网易云音乐、QQ音乐等平台收听节目 联系我们：FFReview2018（微信） 微博@复旦金融评论 小红书@复旦国金FFR 期待与您交流~

    ١٥ من الدقائق

  3. ١٦ يوليو

    E0501. 对话陈凯迹：房地产市场研究——从泡沫分析转向消费预期

    | 嘉宾 | 陈凯迹 埃默里大学经济学教授、复旦大学国际金融学院经济学特聘教授 | 内容 | 陈教授长期深耕于中国宏观经济，在房地产、影子银行等领域成果丰硕，曾获孙冶方金融创新奖。 近年来，他广泛借鉴跨国经验，提出了具有前瞻性的中长期改革策略。 在本次分享中，他将聚焦于人口结构变化、购房主力转型以及消费倾向的演变，探讨如何通过政策创新与适老化改革，优化住房资源配置，更好地发挥住房的财富效应，促进消费与代际平衡。 02:00 微观研究：消费预期与财富效应 04:33 宏观研究：政策引导与协同 07:14购房刚需与改善型需求同步减弱 …… 下期：E0502. 对话陈凯迹：发挥住房财富效应，促进消费与代际平衡 | 更多节目 |E0401. 对话吴欢：国有书店破局之路E0301. 对话张奇：从实验室到市场——大模型产业化之路E0201. 对话丁磊：从AIGC的飞轮效应，到伟大的商业模式E0102. 对话杜雨：ChatGPT热潮下的创投冷思考（下）用户第一还是技术优先E0101. 对话杜雨：ChatGPT热潮下的创投冷思考（上）ChatGPT的制胜之道 | FFR TALK | T001. 张乃根：知识产权保护下，出海企业如何提升竞争力（AI） 欢迎添加小助手微信FFReview2018，加入听友群。第一时间收获经济热点轻解读、在线金融大师课。为了营造更好的讨论环境，我们准备了两个小问题，请在添加小助手后回答： 1. 关于金融方面，您最喜欢/推荐的一本书？ 2. 您希望听到《财经相对论》聊哪些话题？ 策划/采访：潘 琦 制作/运营：葛雯瑄 收听方式：您可以通过苹果播客、喜马拉雅、小宇宙、网易云音乐、QQ音乐等平台收听节目 联系我们：FFReview2018（微信） 微博@复旦金融评论 小红书@复旦国金FFR 期待与您交流~

    ٩ من الدقائق

  4. ١٥ يوليو

    E0401. 对话吴欢：国有书店的破局之路

    传统国有书店如何破局重生？ | 嘉宾 | 吴欢 浙江新华书店集团博库书城上海有限公司总经理、执行董事 | 内容 | 01:18 走进焕然一新的新华博库书城，答案跃然眼前——这里已不再是单纯“卖书”的场所，而蜕变为一座融合文化体验、教育服务与生活美学的复合空间。作为浙江省新华书店集团转型的标杆，这家20年老店以“小而美”重塑定位，大胆舍弃冗余功能，聚焦文化空间运营，打造出“书+X”的创新生态。 07:47 书架上，精选的优质出版物与非遗文创相映成趣；空间里，读书会、市民夜校、亲子课堂轮番登场，甚至引入敦煌艺术快闪与高校研学项目，让书店成为知识输出的“立体舞台”。更令人瞩目的是其“选品师”团队，以专业眼光严控内容质量，从排版到装帧科普细节，让每一本书都成为文化传承的载体。与此同时，书店与民营品牌果麦深度合作，借力“爆款思维”打造热点快闪，并跨界联动科普机构与地方政府，构建起“15分钟文化服务圈”。 21:40 转型后读者停留时长与消费意愿显著提升，非遗集市、户外文化公园等规划更让人期待——这里不仅是书店，更是一座城市的文化灯塔，以革新姿态诠释着国有书店的“求生”与“求新”。 |更多节目| E0301. 对话张奇：从实验室到市场——大模型产业化之路 E0201. 对话丁磊：从AIGC的飞轮效应，到伟大的商业模式 E0102. 对话杜雨：ChatGPT热潮下的创投冷思考（下）用户第一还是技术优先 E0101. 对话杜雨：ChatGPT热潮下的创投冷思考（上）ChatGPT的制胜之道 欢迎添加小助手微信FFReview2018，加入听友群。第一时间收获经济热点轻解读、在线金融大师课。为了营造更好的讨论环境，我们准备了两个小问题，请在添加小助手后回答： 1. 关于金融方面，您最喜欢/推荐的一本书？ 2. 您希望听到《财经相对论》聊哪些话题？ 采访/制作/运营：葛雯瑄 收听方式：您可以通过苹果播客、喜马拉雅、小宇宙、网易云音乐、QQ音乐等平台收听节目。 联系我们：FFReview2018（微信） 期待与您交流~

    ٢٥ من الدقائق

  5. ١٩‏/٠٦‏/٢٠٢٤

    E0301. 对话张奇：从实验室到市场：大模型产业化之路

    高校所承担的角色更多地是进行技术验证，即探索技术路径的正确性和可行性；而大模型产品化需要企业的介入。 | 嘉宾 | 张奇 复旦大学计算机科学技术学院教授、博士研究生导师，“眸思”（MouSi）大模型负责人，MOSS大模型核心人员 | 内容 | 从MOSS到“眸思” 复旦金融评论：2023年复旦大学自然语言处理实验室发布了国内首个类ChatGPT模型MOSS，您作为该团队的核心成员，能否分享一下团队是如何实现这一突破的？是因为研究的预见性，还是因为团队在执行上展现出了非凡的速度和效率？ 张奇：首先，ChatGPT不是一夜之间就出现的。早在2020年，GPT-3就已经发布了。当时，我们就开始与多家企业展开合作，着手进行相关的预训练工作。在2021年，我们就已经与合作伙伴共同推进了相关项目的发展。得益于这些技术积累，当2022年底ChatGPT发布时，我们能够迅速调动已有的技术快速响应。 其次，我们的实验室在国内自然语言处理（NLP）领域一直处于领先地位。自20世纪90年代起，我们便开始深耕NLP研究，对NLP的各个方面有着深刻的理解和前沿的认知。这也是为什么ChatGPT一问世，MOSS就能够迅速在算法上复现的原因之一。 复旦金融评论：在MOSS发布后，仅用半年时间，多模态大模型“眸思”横空出世。MOSS和“眸思”的模型有何关联？ 张奇：MOSS和“眸思”是由我们实验室开发的两个不同的模型。MOSS是一个对话式大型语言模型，而“眸思”是一个多模态大模型，能够理解并识别图片内容。这也意味着我们实验室的研究从原本基于GPT3.5的文本模型转向围绕GPT4-v复现多模态大模型。 随着“眸思”项目的推进，我们开始思考它还能做些什么。“眸思”多模态的处理能力（联合语言和视觉的力量）就像是为MOSS增添了“一双眼睛”。只需拍摄一张照片，“眸思”就能准确描述出周围的环境。这一特性启发我们将“眸思”模型应用于辅助视障人士的公益性项目。想象一下，视障人士只需用手机拍张照片，“眸思”就能告诉他们前面有没有障碍物，或者周围有什么重要的事物，帮助他们更方便地“看清世界”。 从实验室到市场：产学研融合下的大模型产业化 复旦金融评论：作为一个高校研究团队，“眸思”在资金投入和研发产出方面如何实现平衡？除了公益性质的项目，未来是否有计划做市场化的盈利项目？ 张奇：在大模型的研发和产业化过程中，资金投入是非常大的。不过，得益于2023年与企业的一些合作，我们对大模型的能力边界有了更深入的理解。这也帮助我们在后续的产业项目中能够更加明确大模型的潜力和应用范围。 实际上，真正在“眸思”项目的资金投入相对较少，并且研发团队也少走了一些弯路。“眸思”的核心工作是验证研究路径的可行性，也就是确定我们能够达到的技术高度、模型的优势与局限、是否具有商业可行性，以及如果落地所需的资金规模。在这一过程中，我们并不需要巨额资金从零开始对模型进行预训练，也不会使用千亿参数规模的大模型。 我们利用实验室内部已有的积累，包括之前项目的结余资金来以一种可持续的方式逐步推进研发，这就类似于一个滚动发展的过程。一旦“眸思”完成，可能吸引更多企业合作，尤其是在多模态领域。这一方面增强我们产品落地的能力，另一方面也推动我们的研究和开发工作，从而形成良性循环。 另外一个“眸思”目前主要在做的项目是为个人和企业提供知识问答服务。用户可以在单卡3090这样的硬件上，利用我们的“智工”知识问答平台，实现对内部知识的高效检索和问答。具体来说，我们将数千篇论文上传至平台，平台将自动进行PDF文件解析，使得用户能够直接针对这些文档进行询问并获取答案。在进行前期研究的过程中，我们发现当前市场上缺少一种既能够私有化部署又成本较低的知识问答系统，而且它不仅要能够精确地解析PDF的复杂版式，还要实现高准确率的问答功能，同时避免产生幻觉（即生成与现实不符的信息）。因此，我们致力于开发一套能够满足这些需求的产品，为个人和企业用户提供更加智能化的服务。同时，我们的系统支持全离线操作，无需访问互联网资源。这意味着所有的模型推理和PDF解析工作都可在本地完成。这个项目是我们正在计划未来孵化的业务方向。 智胜未来：中国AI突围之战 复旦金融评论：鉴于AIGC在内容生成方面展现出的巨大潜力，越来越多的人开始关注“AIGC+”，类似于过去的“互联网+”“AI+”。您认为现在的“AIGC+”和之前的“AI+”哪个更适用于描述现在的发展趋势？ 张奇：我觉得之前的“AI+”还有很多问题未解决。AIGC的核心优势在于其生成能力，包括生成图片、视频等，本身就具备广泛的应用前景。没有把文本生成列入在内是因为以往的文本模型更多强调的是分类，而不是内容生成。但随着生成技术的发展，所有自然语言处理的任务都被视为生成式的结果，将其统一于AIGC的框架之下。 我个人认为“AI+”的概念更为合适。一方面是因为它涵盖了AI技术与各个领域的结合，而不仅仅是内容生成。以天气预报为例，它采用的是纯数据+大模型的技术。如果将这样的技术应用于工业界，可以极大地提高预测关键数据的准确性，从而有助于实现节能减排、优化生产调度等目标。 另一方面，我认为并不是所有问题都必须采用生成式方法来解决，它本身也存在一些固有的局限性和缺陷。只能说在目前探索AGI的过程中，生成式可能是比较合适的一个数据驱动模式，但要是完成别的任务的话，生成式未必是最合适的。 复旦金融评论：就正在研究和应用这些技术而言，您认为AI领域可能会存在哪些突破？ 张奇：在小模型的研究上，实际上很难预测哪些想法最终会取得突破。即便是现在被尊称为“深度学习之父”的杰弗里·辛顿（Geoffrey Hinton），他在该领域早期也曾面临项目资助难和论文无人问津的困境。这表明，当前可能已经存在一些有潜力的研究方向，但它们仍在等待被发现和重视。 就目前而言，可能的一个方向是实现通用人工智能（AGI）。然而，AI真正要解决的更多是因果推理和逻辑问题。这是一个开放性的问题，也是未来研究需要探索的方向。 但我认为如果想在AI领域实现真正的突破，可能需要下决心“换道超车”，探索新的方法和路径。例如，放弃传统的大数据、大模型、大算力的模式，转而研究小模型、小数据的可行性，或者寻找其他可能的新途径。关键还是在于鼓励广泛的尝试和探索。尤其是学术界应该倡导多元化的研究思路，鼓励研究人员探索不同的理论，而不是让所有人都集中在单一的研究路径上。 复旦金融评论：鉴于大模型研发的高成本和技术挑战。您认为国内大模型研发和应用，会被算力和数据“卡脖子”吗？资金投入对于大模型开发有着怎样的重要性？ 张奇：算力和数据短缺是个全球性问题。我认为与其说大模型的研发和应用会被算力和数据“卡脖子”，不如说是与资金投入的多少有关。我估算在资金充足的条件下，要达到GPT-4级别的模型开发，仅技术层面的投入就可能需要40亿元起步。如果遇到一些技术挑战，成本可能进一步攀升至50亿元。这还不包括数据采购、标注、整体运算、后续推广、以及运维的费用，整体来说这是一个百亿级的投入。 大模型的研究和开发已不再是一个小团队短时间内能快速迭代上线的项目。在移动互联网时代，一个小团队可能几周内就能开发出一个应用并推向市场。但大模型，即使是一个初步的演示版本，也需要数千万甚至上亿的投资。要开发出能与Open AI竞争的产品，所需的投资更是高达十几亿到二十几亿。 欢迎添加小助手微信FFReview2018，加入听友群。第一时间收获经济热点轻解读、在线金融大师课。为了营造更好的讨论环境，我们准备了两个小问题，请在添加小助手后回答： 1. 关于金融方面，您最喜欢/推荐的一本书？ 2. 您希望听到《财经相对论》聊哪些话题？ 采访/制作/运营：葛雯瑄 收听方式：您可以通过苹果播客、喜马拉雅、小宇宙、网易云音乐、QQ音乐等平台收听节目。 联系我们：FFReview2018（微信） 期待与您交流！

    ٢٨ من الدقائق

  6. ٢٦‏/٠٦‏/٢٠٢٣

    E0201. 对话丁磊：从AIGC的飞轮效应，到伟大的商业模式

    AI思维的底层逻辑——其基础在于数据，核心在于模型，实现在于算力，具体应用在于业务场景。 嘉宾：丁磊 人工智能商业化落地先行者、历任百度金融首席数据科学家、PayPal全球消费者数据科学创始负责人、《生成式人工智能》作者 策划/采访 | 潘    琦制作/视觉 | 葛雯瑄 数据、模型、业务形成飞轮效应 《复旦金融评论》：ChatGPT等人工智能机器人通过交互界面走进大众视野。而实际上人工智能的概念早在1956年达特茅斯会议就诞生了，当下人工智能所用的算法也是上个世纪五六十年代就有的。为什么发展和应用了这么多年的决策式AI没有像生成式AI（或AIGC）引发这么大的轰动效应？丁磊：作为一名从事模型相关工作近20年的人，我认为有必要先简要介绍一下什么是模型。模型是人工智能通过从数据中不断学习和总结得出的一种类似于人脑的思考方式，可以将其理解为知识和逻辑的数字化载体。与存储数据或信息的数据库不同，模型更接近人类的思维过程，通过分析和推理来完成各种任务。人工智能发展了这么长时间，最近才引起了更大的公众层面关注，可能是因为现在的模型发展到了一个新的阶段。现在的这些大模型，如GPT-4，已经初步具备了成年人的通识和逻辑能力，我们可以利用这些模型研发大量的相关应用。从这一角度来说，人工智能对人类社会的生产和工作具有重大意义。《复旦金融评论》：在2020 年的专著《AI 思维》和最近的这本《生成式人工智能》中，您提到目前可以观察到的人工智能应用只是人工智能领域的冰山一角，那么您认为冰山的内核是什么呢？丁磊：2020年《AI 思维》这本书更多关注的是决策式AI，而我们现在新的大模型主要是生成式AI。这两者可以看作是人工智能的两个主要分支。无论是哪种人工智能，我认为其内核都是AI模型驱动的运营模式。换句话说，人工智能的内核是基于数据、模型、业务三者的相互作用所形成的飞轮效应。也就是说，随着数据的不断积累和模型的持续训练，模型的智能程度不断提高，进而在业务中产生更大的价值。而在业务的运行过程中，又会积累更多的数据来训练模型，从而数据、模型、业务之间形成了一种正反馈的飞轮效应。就像是一个飞轮不停地转动，数据越来越多、模型越来越聪明，业务所带来的价值也会越来越大。因此，基于这种飞轮效应可以构建出伟大的商业模式。例如，亚马逊、天猫的推荐引擎可以有效促进消费者的购买行为；字节跳动捕捉到目标受众的需求和兴趣的能力越来越强，抖音推荐的内容越来越精准，让人“上瘾”；自动驾驶通过数据的自学习反馈变得越来越智能，可以实现无人员干预的价值；当前非常流行的图片生成工具，如Midjourney，其团队虽然很小，但却通过数据和模型的正反馈的效应，使其生成的图片越来越符合人类需求。《复旦金融评论》：您能不能为我们再解释一下，为什么到了生成式人工智能这样兴起的一个阶段，会有这样的一个正反馈效应？随着生成式人工智能的兴起，人工智能领域是否会加速发展？丁磊：飞轮效应并不仅限于决策式AI或生成式AI。实际上，它是人工智能的一种本质学习属性，可能带来正反馈机制。但要实现这种效应，须建立完整的数据、模型、业务闭环，否则效应难以实现。展开来说，决策式AI更像是在做选择题，分类是它的强项。人脸识别就是一个典型的案例，决策式AI对实时获取的人脸图像进行特征信息提取，再与人脸库中的特征数据匹配，从而实现人脸识别。当然，现在人脸识别模型的基数是非常大的，动辄处理成百万、上千万的人脸数据，并进行相应的识别。而生成式AI则擅长做简答题，以创作为长处。我们所说的生成式AI，其核心在于生成内容。而“内容”是一个相当广义的概念，不仅仅指常见的文本、图片、视频、音乐等形式，还包括日常工作中所涉及的方案、策划、程序、代码。在人工智能的发展过程中，无论是决策式AI还是生成式AI都需要飞轮效应的推动。那么，为什么决策式AI之前没有受到太多关注呢？作为从事AI相关研究并在企业中开发应用的人员，我发现决策式AI一直以来的特点是难以呈现。比如，我之前在PayPal、在百度金融使用决策式AI来优化业务，这种优化很难被可视化展示出来。这也在一定程度上解释了为什么决策式AI之前没有引起更多的关注，除非在一些相对细分的领域，如自动驾驶。决策式AI应用通常属于企业后端，可以说是企业的决策大脑，这些领域吸引了大量的研究，因为它们具有成熟的且实体的产品。但普通消费者可能无法很好地理解或看到。相比之下，生成式AI则可以让人们看到它生成的内容。例如，ChatGPT等生成式AI可以让用户与之简单交互，这也是为什么生成式AI能够吸引更多人的原因之一。《复旦金融评论》：未来对于算力的竞争是否会成为各国家和地区和平台之间竞争的关键？丁磊：要训练出真正功能强大的人工智能，处理算力这一重要的资源，还需要数据、模型和业务模式。只有当这四个要素相互促进形成闭环的时候，才能真正训练好人工智能。这是一个复杂的过程，仅仅依靠算力和训练数据的投入是不够的。AGI有多远《复旦金融评论》：GPT-4之后的生成式AI模型已经发展到跨模态的阶段。您之前在2020年出版《AI思维》一书中描述当时的人工智能还处于“弱人工智能”的阶段，您觉得目前到了什么阶段？如果我们要迎接AGI（通用人工智能）还需要多久？ 丁磊：ChatGPT的“横空出世”让普罗大众对人工智能的突破有了新的认识。目前的自然语言处理技术和大型语言模型确实展现出了一些AGI的影子，但我认为距离真正的AGI还很远。因为ChatGPT等模型虽然已经具有智能对话、语言翻译、文本生成等使用功能，但它们仍然缺乏某些关键的特征和能力，如跨模态感知、多任务协作以及自我学习与适应、情感理解、超级计算能力等。第一，跨模态感知。我们将平时接触到的每一个信息来源域称为一个模态，这些来源可以使文字、声音、图像、味觉、触觉等等。随着信息技术和传感器技术的发展，模态的范畴也变得更广。跨模态感知涉及两个或多个感官的信息交互，如最基本的图像检索就是一种从文本到图像的感官转换。反过来，从图像到语言的转换，可以帮助有视觉感官的缺陷的人们，强化感知环境的能力。人类天然具有跨模态感知能力，能够对来自多种感官的信息进行整合和理解。而当前绝大部分的人工智能系统只能单独的运用其中的一项作为传感器来感知世界，对于不同的模态，需要设计不同的专有模型。例如，根据文本生成图像的模型，采用的是将文本和图像进行联合编码的专有模型，这种模型无法适配声音生成等其他任务。各种模型之间无法真正打通是走向AGI的一大痛点。第二，多任务协作。人类能够同时处理多个任务，并在不同任务之间进行协调与转换。当人们面对机器人时，一句简单的吩咐，比如“请帮我热一下午餐”，这些指令听上去简单，执行时却包括了理解指令、分解任务、规划行走路线、识别物体等一系列动作，针对每一个细分的动作都有专门的系统或模型的设计。这就要求机器人具备多任务协作的能力。第三，自我学习与适应。人类具有学习和适应能力，能够通过不断的学习和经验积累来提高自己的能力。因此，研究如何让人工智能系统具备自我学习和适应能力也是实现AGI的必要步骤。其中主要包括增量学习、迁移学习和领域自适应三个方向。《复旦金融评论》：相对于人类的思维方式，人工智能的局限性以及其认知背后的逻辑方面是什么呢？丁磊：人工智能模仿的是人脑，但又不同于人脑。人类侧重于从经验中学习，而人工智能则依靠模型从数据中学习。 那么，人工智能的天然优势是什么呢？首先，其优势在于强大的算力支持，使得它的学习能力没有上限。研究表明，即使是勤奋的人每天最多也只能接受2兆容量的信息。此外，人工智能的学习速度非常快，只要有充分的数据和足够的算力，它就可以在短时间内学习接近无限量的数据。其次，人工智能善于掌握“有迹可循”的规律，快速处理规律性强的任务。而人类的优势是社交智慧、创造力、精细感知和操作能力。社交智慧是人与人交互的技能，包括同理心、谈判能力、社交洞察力等情感能力，对应的职业主要是教师、销售、心理咨询师、管理人员、社工等；创造力指的是原创能力和艺术审美能力，对应的职业主要是艺术家、作家、研发工程师等；精细感知和操作能力指的是手指灵敏度、协调操作能力和应付复杂工作环境的能力，包括专业能力、行业经验、工作效率、完成效果等，对应的职业主要是律师、医生、司机、美发师、急救人员、电工等。因此，人工智能在处理不面对人、创新性和变通

    ٣٢ من الدقائق

  7. ٠٧‏/٠٣‏/٢٠٢٣

    E0102. 对话杜雨：ChatGPT热潮下的创投冷思考（下）用户第一还是技术优先

    财经相对论

    ٢٧ من الدقائق

  8. ٠٧‏/٠٣‏/٢٠٢٣

    E0101. 对话杜雨：ChatGPT热潮下的创投冷思考（上）ChatGPT的制胜之道

    AIGC创业者和投资人应该优先考虑解决实际问题和满足用户需求，而不是纯粹追寻技术，“拿着锤子找钉子”。

    ٢٦ من الدقائق
  • ٨ حلقة

حول

让深思熟虑平易近人

المعلومات

  • صناع العمل
    复旦金融评论
  • سنوات النشاط
    ٢٠٢٣ - ٢٠٢٥
  • الحلقات
    ٨
  • التقييم
    ملائم
  • حقوق النشر
    © ffr@喜马拉雅FM
  • موقع البرنامج على الويب
    财经相对论

قد يعجبك أيضًا