hi，大家好，我是shadow。今天分享一些我看到的人工智能正在发生的趋势，以及创新的机会。

一些动态

经过几个月的筹备，慢慢地我会开启2023的Mixlab故事，可查看公众号菜单栏里的2023专栏。本周六和下周六我将在上海的活动分享生成式人工智能的个人实践，欢迎关注。

近日#Auto-GPT

给我们演示了自主AI的可能性

github.com/torantulino/auto-gpt

AutoGPT 是一个实验性的开源项目，展示了 GPT-4 大语言模型的能力。可以自主实现用户设定的任何目标。还有衍生的AgentGPT，可以在浏览器中直接部署自主 AI 智能体。

AutoGPT 可用来分析市场并提出交易策略、提供客户服务、进行营销等任务。比如，让 AutoGPT 完成对防水鞋的市场调研,找到 top5 公司并分析各公司的优势和劣势。除此之外，还能够帮助用户快速建立网站,甚至可以创建更低层级的子 AI 来完成具体任务，所有工作不需要人工参与。

大语言模型LLMs具有推理能力，虽然有时候胡说八道，但是逻辑缜密，如何用好LLMs，学会提问是一项基本技能。而提问能力的培养，需要有技术思维和业务经验。比如，如果想让LLMs帮你开发一个美食菜谱推荐的网站，需要了解如何通过提示词的方式让LLMs帮你敲代码，还需要对美食有相关的研究，知道应该强调菜谱里的哪些特点，能够更吸引用户。

除了在模型能力上的进一步被挖掘应用场景，在人机交互也将发生大变化，而此变化并不是突然产生的，是建立在一起前人的多项研究和技术、理念等因素的基础上，重新组合而成的。（推荐书籍：技术的本质）

以上是开源生态正在发生的事情，背后的趋势是什么呢？我来解读下，希望对你有所帮助。

趋势1:

人手一个大模型AI，或者说人手一个AI集合，正在发生。你想成为制造AI，还是制造集合工具，还是使用者？

图像领域的开源代表stable diffusion让我们在普通消费级电脑上就可以运行图像的大模型，生产制造任意风格的图像。文字领域，在去年ChatGPT引发了全球AI2.0的浪潮，借助于开源生态的力量，单机版的LLMs现在已经有了不少方案，LLMs领域的SD将很快出现。

普通人只安装软件包，即可开启与AI的协作。以前需要找专业文案、剧本、摄影、特效等人员的协作，现在都可以由AI完成。

真正意义上的超级个体，将越来越多。

趋势2:

人机交互正在发生界面上的统一，我们在移动互联网时代，习惯了大量不同UI和忍受了各种弹窗、引导分享的UI将被聊天式UI所统一。或者说，一切UI将统一为输入和输出，差异无非是输入和输出内容的表现形式。

普通人可以定义自己的GUI，我的手机我做主。而内容的表达方式将决定了应用的竞争力。这种表达方式可以是复古的，也可以是功能性的（比如以按钮为主的内容交互方式），也可以是互动视频，甚至是更为复杂的融合多种媒介表达方式（硬件、物理空间联动）。

广义上的内容创作者，将迎来更大的市场空间。

趋势3:

终身学习将逐步改造现有的学习阶段的划分（小学、中学、大学），拥有超前视野的家长或年轻人，将回归学习的本质：运用知识，尽情创造。

这个趋势下面，LLMs等大模型将逐步承担讲授知识的身份，而人类老师，将越来越像教练，在学习过程中发现学生身上的优缺点，实时引导，调整“训练计划”，最终帮助学生寻找到最佳的、通往知识高峰的爬坡路线。

从认识世界，到改造世界的学习方式转变。

实验室/社群/元宇宙/空间

作为空间设计师出身的我，也正在设计一种空间，一种为超级个体、内容创作、教练等提供刻意练习的条件的空间。

这种空间已经超越了建筑设计意义上的空间概念，是一种跨媒介的、有边界、但又无边界的空间（比如元宇宙就是一种，但又不完全是）

刻意练习

刻意练习，也即是实践，为什么重要？有利于培养自学能力，践行终身学习。

从大学开始，我的编程技能就通过一次次自学所形成，在工作后，一直保持着尝试新技术栈，做一些有意思的开发项目，逐渐地掌握了多元的软件开发技能。

只有不断地做实验，保持对新技术的“感觉”，才能不被技术/行业所“淘汰”。

知识是可以通过自学了解的，而技能大部分只能通过刻意练习掌握。

我们应该刻意练习什么知识领域？跨学科？MiX跨学科知识的一封介绍信

当人工智能拥有了自主学习能力的时候，会发生什么“质变”？

期待更好的自主AI的到来，长期记忆能力、更好的网页浏览能力，更好的人机交互。欢迎加入这场大趋势中，寻找自己的理想空间。

社群交流

刻意练习的一种：学会提问