還有誰不能被蒸馏

睡覺的MD

不幸的是,在這個時代中,你越是嚴肅無保留地工作,就越容易把自己重整成能被AI取代的技能。

最近兩天, 「愛爾蘭解雇」、「資本剥削」及「數量永遠打擊工人」等巨大焦慮。

但最令人擔心的是

要求优先收集自己的長篇寫作與gt

是那些最有可能被完美系統 蒸馏和像素分級的人才起作用。

是那些在每個專案結束後仍在等待寫作複製檔案的人; 是那些在有分歧的情况下, 愿意在對話框中花半小時來敲倒長的文字。

說真的,它曾經是工作世界中最受歡迎的美德,現在它是加速工人转化为AI燃料的催化剂。

挤工人

我們需要一個新的詞:上下文。

在日常背景下,背景是交流的背景。 但在人工智能中, 尤其是在瘋狂發展的世界裡, 其背景是引擎爆發的燃料。

雖然它有惊人的參數, 它不知道你是誰,不知道商業邏輯中隱藏的暗流, 也不知道你在決定的時候, 在這個資源限制和人际遊戲的網絡中, 經歷了多久的拉力和取舍。

也正是由于它的冷酷和精確性, 「同事技術」才得以如此震驚。

中國工作室在過去5年中, 飛行書,指甲,名號工具等都成為了巨大的公司知識庫。

在"飛行之書"中,字節拍公開地表示,它內部每天产生的文件數量在質量上,這些精明的人物忠实地封閉了10萬多名員工的每一次智力震撼,每一次有紅耳朵的會議和每一次咬下的每一次战略妥协。

這項數位穿透比以往更強大。 當知識溫暖時, 它們就在老員工的腦海中。

在這個系統中, 您的工作不能被看到, 新的同事也不能與您合作, 如果你不寫檔案 。 現代企業的高效運作。

嚴肅的工人, 勤勉和善意, 試圖證明這個系統的價值, 并在這個複雜的商業巨頭中找到自己的位置。 他們並非自願放棄。

但這正是人類合作留下的背景 這是AI的完美燃料。

飛行簿的後台管理功能讓超級管理員可以批量匯出成員的文件和通信記錄. 這意味著你花了三年時間來研究 專案的復雜和决策邏輯 只是一個API介面 在幾分鐘內 你的生命片段 很容易被包在一個非溫度壓縮的包裡。

當人們變成API

GitHub's Issues區和主要社交平台上也出現了一些非常不舒服的衍生品。

也有人試圖將過去幾年的推特的聊天記錄提供给AI, 讓它能用熟悉的語氣繼續爭取或暖和; 有人用「黑月光」的語氣。

這些技能完全失去工作效率。 我們已經熟悉冷酷的邏輯。

德國哲學家馬丁·伯伯曾表示,人類關係的底線是兩種截然不同的模式:"我和你在一起"和"我和你在一起"。

在我和你之間的交談中 我們超越了歧視 把彼此視為完整而有尊严的生命體體 但一旦落入「我與它」的陰影, 活人就變成一個可以被分解、分析及標籤的物件。 我們只關心"這對我有什麼好處?"

「我與它」等產品的出現。

在真正的關係中, 人類是獨立的、皱紋的, 在衝突和憤怒的時代周旋, 你的前任在早晨起床后和深夜工作后,对同一句的回答可能大不相同。

但是當你把一個人分解成技術的時候 你脫掉的只是他身處特殊陷阱的身體的一部分 碰巧對你有用 對你有用 而那個溫暖自樂的人 卻在這種殘酷的純潔中 完全從他的靈魂中排水 被疏遠到一個"功能界面"。

必須承認,艾爾沒有編造這種令人寒冷的寒冷。 在AI出現前, 我們曾用標籤來准确衡量每個關係的「情感價值」和「個人重量」。 例如,我們把搭配市場的人類狀況量化為一桌;我們把工作場合的同僚归类為"可行"和"偷獵者". 人工智能只是讓這個隱形的 人對人的功能提取完全可见。

人們被壓碎了 除了"對我有什麼好處"的切斷。

电子包

1958年,匈牙利英國哲學家邁克爾·波拉尼出版"個人知識". 在書中,他提出了一個極為穿透的概念:隱藏的知識。

波蘭語中有一句著名的話說:「我們知道得太多了」

他以學會騎摩托車為例 也無法用乾燥的物理公式或淡淡的語言表達初学者的微妙直覺。 他懂得騎馬,但不行 這 知 識 是 隱 藏 的 、 不 能 編 號 、 也 不 能 說。

這些隱藏的知識在工作場所中可以找到。 一個好銷售員突然在談判桌上陷入沉默, 任何銷售手冊上都無法記錄這種壓迫感和時機; 經驗豐富的HR在訪談中。

「同事技術」只能從被寫下來和發表的明顯知識中提取。 它能捕捉到您的複製檔案, 但是它不能捕捉到您在寫作時造成的纠缠; 它會重复您的決定回應, 但是它不能複製您的直覺。

系統是蒸馏的 總是人類的影子。

如果故事到此為止,那只是又一個人性模仿的差異。

但當一個人被分解成技術時 這技術不會停止 它将用于回應信件、寫新文件以及做出新的決定。 也就是說,這些AI的影子開始創造新的背景。

這些是人工智能建立的背景。

早在2023年,牛津大學和劍橋大學的研究團隊就共同发表了一篇"模型崩塌"的论文. 有研究顯示,當AI模型使用其他AI生成的數據進行迭代訓練時,數據的分布會變得更窄. 稀有的,邊緣的,但非常真實的人類特質很快就被抹去. 在數代合成數據的訓練之後。

NATURE也於2024年發表了一篇研究文章, 指出使用AI產生的數據來訓練未來世代的機械學習模型。

就像那些在網路上流傳的面部包裝影像, 每次擴散,一些像素會消失,加上一些噪音. 最后,畫面變得模糊, 和它包裝电子。

當真正的、隱蔽的人類背景被耗盡 而系統只能用遮罩的陰影來訓練自己時,還剩下什麼

誰在抹掉我們

其他的,只是正確的狗屎。

當有知識的河流被排水到艾氏無盡的逆轉和自我批評中時, 你將看到無數周刊。

這種大規模的知識的損失, 不是因為人類大腦的愚蠢, 而是因為我們把思考權和責任 外包給了我們自己的影子。

GitHub上出現了一個叫做「反蒸發」的計畫。

這項計畫的作者並未試圖攻擊大模型, 他只是提供了一個小工具 來幫助打工人的飛書或指甲。

他的目的只是在從系統中分解之前 隱藏他的核心知識 因為系統喜歡捕捉「可能寫的長文稿」。

這項工程沒有"同事"那么熱 似乎有點弱 以魔法擊敗魔力 基本上還是由資本與科技設計的遊戲規矩 這無法改變系統對AI的依賴。

但這并不妨碍這項計畫成為整部神話劇中最悲慘的詩歌和深刻的比喻之一。

我們非常努力地在系統中留下痕跡, 寫出詳細的文件, 做出慎重的決定, 不知這些極嚴重的痕跡 最终會變成橡膠巾。

但换句话說 這不一定是死路。

因為總是"你" 紙片包裝的技術,不管它的捕捉邏輯有多聰明, 本质上是一幅靜態的快照。 它被鎖在出口的次數上, 它只能依靠舊的营养物來不受限制地轉移到既定的流程和邏輯。 它沒有直覺去面對未知的困惑,更沒有在现实世界的挫折中進化的能力。

當我們交出那些高度標準的經驗時,我們也為自己解開了手。 只要我們繼續向前看 打破並重建我們的认知界線 雲中的陰影就永遠能向後移動。

這是流算法。