AI 革命中真正的新意是什么？

仅仅几年，人工智能就从一个专业话题变成了人人都有看法的领域。它曾被赞誉为奇迹，也被谴责为危险，并在从董事会到餐桌上各处争论。

但在这两极的狂喜与恐惧之间，隐藏着我们大多数人现在面临的现实：一项强大到足以重塑工作方式的技术，但仍然深度依赖于人类判断。

头条新闻常常聚焦于极端情况，但实际问题却更为贴近现实。我们如何管理这项技术？我们和团队如何有效地与之协同工作？如何在不妥协我们的价值观和目标的前提下，捕捉其优势？

要找到有用的答案，我们必须先了解我们目前的状况，哪些是真正改变了，哪些没有。

毕竟，人工智能并不新鲜。它自那时起就一直存在至少1956年当一小群计算机科学家聚集在达特茅斯学院，探索一个看似简单的问题：机器能思考吗？

从那以后，这项技术经历了数十年的进步与挫折，也经历了所谓的人工智能夏季和冬季。

人工智能并非在2020年代突然出现在世界上。但强大且通用的人工智能系统以一种早期突破未能达到的方式推动了这项技术进入主流认知。

反应两极化是很自然的;快速变化往往让人失望

不确定接下来会发生什么。当今的系统强大且带来了新的挑战，我们将在整本书中认真对待这些挑战。但它们并不像有时被描述的那样陌生或难以管理。

我们已经拥有数十年来来自早期人工智能及其他复杂技术的经验和框架，从航空、汽车到发电厂，这些都可以适应当前的时代。

理解当前AI和工作领域的共通点与不同之处，以及我们如何基于已有知识进行建设，至关重要。如果你是AI新手，我会为你提供一张基本概念的地图，让你能够自信地导航。

如果你在这里待了一段时间，我将重新定义挑战，将话题转向领导力和协作，而不仅仅是技术掌握。

毕竟，我们如何选择与人工智能合作，以及在这个过程中我们将成为什么样的人，仍是我们自己决定的事情。

如今的人工智能有什么不同？

多种因素推动了当今的人工智能从数据科学实验室进入日常商业讨论的核心。这项技术不仅变得更强大，也更难以忽视。

通才，非专家：

几十年来，人工智能一直在幕后使用，嵌入模型中，例如预测客户流失或标记欺诈。这些系统是专家，通常为某一狭窄任务训练，且局限于该任务。

如今的人工智能模型是通才。这些“基础模型”是庞大的神经网络，训练于海量数据之上，能够跨上下文进行适应。帮助开发者编写代码的同一个模型，也可以被用来帮助市场营销人员撰写文案或人力资源主管撰写职位描述。

正是这种多样性将人工智能从后台带到知识工作的几乎所有角落。

像人类一样说话的人工智能:

第二个转变是，人工智能现在能真正说我们的语言。我们不再需要编码或点击僵硬的菜单来与人工智能互动。我们只需使用日常语言，回应就会以精致、人文化的文字回应，使这项技术变得更为普及。

这些系统还能生成新内容，包括文本、图片等——这也是为什么这波浪潮常被称为“生成式人工智能”。但这种易用性带来了一种新的商业责任。

我们现在必须学会何时信任人工智能的输出，何时挑战或塑造它。

下一步的人工智能：

第三个变化，也许是最深刻的，是能动性。人工智能不再只是分析或预测。现在它会行动。“智能人工智能”可以规划朝目标迈进的步骤，调用合适的工具，检查自身工作，然后继续推进。

单个人工智能代理可以起草邮件、开工单、安排送达和记录交易，所有这些都无需人工点击“发送”。这不仅能带来巨大的生产力潜力，也引发新的问题。

我们应该赋予人工智能多少自主权？当决策分散在人机之间时，问责制会是什么样子？

将这些转变结合起来，可能会对工作完成方式产生混淆。如果人工智能能够“推理”任务，执行步骤而无需人工（且其输出看起来和听起来更像同事的信息而非机器人通讯），那么将人工智能作为工具与成为团队一部分之间的界限将开始模糊。

但就像之前的AI浪潮一样，生成式人工智能（创造文本、图片或代码等新内容）和智能人工智能（能够独立采取行动完成多步骤任务）在某些方面表现出色，在其他方面则做得不好。

人工智能代理可以起草一份复杂的法律备忘录。但它也可能自信地误读合同中的赔偿条款。它可以编写可用的代码，却会发现一个初级工程师会察觉的小而未明文的要求。

哈佛大学的法布里齐奥·德拉夸（与他的同事们）描述这被称为人工智能的“锯齿状技术前沿”。

人工智能能让我们惊讶于完成某些任务的能力，同时也能让我们呆住

缺乏对他人的常识。我们现在的任务是学习这个前沿：知道何时依赖人工智能，何时监督它，何时以独特的人类判断介入。但要做好这一点，我们需要更清晰地了解技术的实际能力和局限性。

摘录自管理机器：如何在工作中利用人机协作作者：宝拉·戈德曼，获Basic Venture授权。

声明：Salesforce董事长兼首席执行官Marc Benioff是TIME的所有者。