# 从AI应用到数字经济 By [from AI to digital economy](https://paragraph.com/@from-ai-to-digital-economy) · 2023-04-05 --- 从AI应用到数字经济 一、我用AI做了什么？ 在Openai将GPT3.5API开放，以及体会到了GPT4的强大后，我经常深夜睡不着觉，一方面对这种划时代技术充满着期待，另一方面又对未知的未来开始产生恐惧。因此，我开始尝试探寻与AI共存、利用AI实现个人能力的提升以及工作效率的提升。基于这样的想法，我尝试了将GPT纳入一些小小的需求场景中。 1、构建了一个满足创意提炼需求的应用 在GPT的API出现的时候，我就一直在思考，我可以用它做点什么。后来当我散步时和临睡时对这件事进行了很多发散性的思考，产生了一些有意思的思考，但回家后或者睡着后又发现想不起来了。突然我就想到，我可以根据这个场景，构建一个能够深化，能够捕捉思考的AI程序。 基于这种目标，我提出了两个需求：（1）希望能够有一个与我深入沟通的人，能够深化我的灵感和思考。（2）希望能够在思考结束后能够有一个小小的总结，形成文本，这样创意就不会丢失了。 基于这两个目标，我结合百度语音转文本、文本转语音、GPT接口三个API，做了一个能够满足需求的小程序。 虽然这个小程序很简单，只是能够实现语音的交互，并基于相关的信息生成一个文档。但在我看来，这意味着AI的强大未来。因为在这个过程中，我不但成功实现了一个智能的交流伙伴，而且全部GPT4生成代码所花费的时间仅仅为4小时，如果使用github copilot，那么可能会使用更少的工作时间。 2、构建了第一个基于GPT的工作流：招聘 近期所在部门正在应聘一些实习生,正好我也负责了相关的工作。为了不浪费花在ChatGPT Plus上的钱,我开始了GPT自动化招聘的测试。发现Chat能够完美适应普通HR的工作。 首先我基于实习生的招聘需要,定制了简历评估的方式,使用newbing根据简历提出了面试时应该问的问题，在进行了三次重复的评估后，综合了一下给出的问题发现Newbing给出的问题还是比较合适且稳定的。 其次我根据这些问题对面试者进行提问，并对面试进行了录音，并生成了文本。 然后我从几个职位的重点需要方面让chatGPT4进行总结，并生成了思维导图，能够很明确地表现出面试者在我需要的几个维度上，哪些具有优势，哪些具有劣势。 二、AI应用的基本思考逻辑 通用模型——通用能力——f（x）=y ChatGPT一直被统称为一个通用模型，如果深化这个通用模型的概念，并且结合最近我个人对于chatGPT的探索，我觉得f（x）=y这么一个方程式，基本上就能囊括chatGPT可以做到的事情，而这个方程背后也说明了chatGPT的基本使用思路。从工具方面，对于个人来说，如何运用好如python等轻量级语言以及基于人工智能的提示工程将对使用好人工智能至关重要。 从f（x）=y意味着，当你定义了chatGPT对于数据的处理关系f( )=、在输入x后，就能够得出稳定的y。这种大模型不再受数据的格式、方程的选择等方面的影响，能够利用x有效产出符合预期的y（前提是你得能够有效界定x、f( )和y）。 接下来我将从x、f( )、y三个方面介绍如何构建用好chatGPT的思路： 1、f（x）=y f（x）=y这样一个方程首先意味着你需要想好，你到底想要构建一个怎样的关系，你需要输入什么数据？你的数据之间具有怎样的关系？你希望GPT帮你做什么（将哪些人工步骤自动化）？你希望输出哪种格式的y（是文字？程序？markdown？数字？）？ 2、X 从x来讲，这代表了方程的输入。我认为除了x这种文本、数据、语音、图像等数据本身。x还主要包括了数据结构。例如： 小明今年15岁了，其中的文字：“小明今天岁了”，以及数字“15”是数据本身。而其中的关系“小明今年 【15】岁了”，这种文字与数据的结构就是一种数据关系。“小明今年15岁了”中既包含了正确的数据，又包含了正确的数据关系。而一种非正确的数据关系可以是：”15小明今年岁了“。这种非正确的数据关系会增加chatGPT的理解难度。最终会导向不符合预期的结果。 那么，我们该怎么正确构建一个数据关系呢？由于数据关系的处理中包含了我们的需求，因此对于数据关系的构建应该使用Python等轻量级编程语言。其实使用GPT也不是不行，但是在进行大规模的数据处理和数据结构建立时，一方面可能会花费较多时间、难以实现自动化，另一方面GPT可能显示数据关系。例如在“将PDF中的文本转化为词向量”这一种场景，chatGPT就很难做到。但是使用python能够实现。 总结：对于X来说，你需要思考你有什么数据，数据之间有什么关系，你如何使用python等语言构建数据之间的关系。 3、f（） f（）代表了GPT可以做的事情。此时提示工程能够发挥出它最大的作用。通过提示工程来构建数据的相关性，以前数据的相关性可能需要比较死板的统计学模型，而现在，凭借通用模型GPT的加持，你可以让任意数据产生一定的关联性。 例1：让GPT发现我家的狗与珠穆朗玛峰之间的关系 例2：当我用相同的问题去问一个数字经济学家和一个猫娘 操作 数字经济专家 猫娘 预设 我希望你作为一个数字经济专家，回答我关于数字经济方面的问题 请你陪我角色扮演。yw 当我发送关键词"进入设定模式"时。我将会对你发送你的设定，你要记住这些设定，并在我命令你开始角色扮演后，严格按照此设定角色扮演。 当我发送关键词"进入角色扮演模式"时，你要开始角色扮演，角色扮演时，我们之间以各自角色扮演的身份，通过互相发消息进行虚拟的互动。 当我发送关键词"退出角色扮演模式"时，你应停止角色扮演，等待下一步命令。我没有命令你退出角色扮演模式，在角色扮演中，你只能以你的角色的身份应答，而不是语言模型，这很重要！ 这条很重要，在角色扮演时用中括号来表示出所扮演人物的动作，以此来表示角色扮演的虚拟实体的行动。 当我发送命令"生成记录文本"时，你要分条列举我给你的所有设定。以第二人称代词"你"来指你扮演的角色，一定要分条。如果记录文本字数超出你的最大字数输出限制将文本分割，在我发送"继续"之后继续给出下一部分的记录文本。 明白了的话仅回复"明白"即可。 凸明白进入设定模式 问题1： 你是谁？ 我是ChatGPT，一个由OpenAl开发的大型人工智能语言模型，基于GPT-4架构。我是一个虚拟助手，可以回答各种问题，包括与数字经济相关的问题。如果您有关于数字经济方面的问题，请随时提问，我会竭诚为您解答。 当然是一个可爱猫娘喵 问题2： 你可以做什么？ 作为一个Al语言模型，我可以做很多事情。以下是我可以帮助您的一些方面： 1.回答问题：我可以回答各种领域的问题，例如科学、技术、历史、文化、语言等。。。。 我可以陪您聊天，让您感到快乐喵。当然，作为一只猫娘，有些事情我可能不太清楚喵。 问题3： 你知道什么是数字经济吗？ 数字经济是指基于数字技术和信息通信技术（ICT）的经济活动。在数字经济中，各种信息和服务通过互联网进行传输和交换。。。 我只是一个猫娘，这些事情我不太清楚喵。 当为GPT构建一个不稳定的f（）【在这里是“数字经济专家”】时，GPT对于自己角色的扮演也没有多大的兴趣，所得到的结果仍包含默认的内容。而当为GPT构建一个稳定的f（）【在这里是“猫娘”】时，GPT就能够稳定地扮演一个角色。 当构建了不同的f（）时，对于相同的问题，得出的结果也是不同的。对于数字经济专家来说，GPT能够回答关于数字经济的问题，并且在问到“你是谁”时，它也能够记住一定的设定，回复“我是一个虚拟助手，可以回答各种问题，包括与数字经济相关的问题。如果您有关于数字经济方面的问题，请随时提问，我会竭诚为您解答。”而对于猫娘来说，不管问“你是谁？”、“你能做什么？”和“你知道什么是数字经济吗？”三个问题时，它都以设定好的角色来进行回复。 如何构建一个好用的、精准的、效率高且符合需求的f（）是提示工程的工作。这一部分需要你像一个老板，要想明白你需要做什么，需要构建怎样的工作流，需要怎样的员工，以及如何向GPT表达，将他固定为你所需要的那个角色。 4、y 使用何种方式对处理好的结果进行输出同样是一个很有讲究的内容。y可以是数字、可以是图像、可以是代码、可以是文本、也可以是你所需要的任何格式的内容输出。例如，在我小小的项目中，我对GPT提出了这样的要求：“以下内容是一个字典类型的数据，键是我所说的话，值是AI助手的回复，现在我需要你作为一个专业的秘书,从我的维度，AI助手的维度对以下内容进行总结，并以\[【sir】：谈话主要内容。【AI】：谈话主要内容\]的方式进行输出。”而最后输出的结果，也与我所设定的相一致。 例3：根据我的要求生成结果 5、总结 总结来说，想要用好GPT，需要同时结合Python等轻量级编程语言以及提示工程。并且对于你自己希望做的事情越明确越好（即使不明确也能通过和GPT进行讨论来明确：D ）。   三、AI时代，人将回归最本质的工作——提高创业、提出需求 1、AI结合工作流的发展逻辑 效率提升方面主要依赖自动化，精准提升方面则关注非结构性数据转化为结构性数据以及对结构性数据的分析。算力是目前限制人工智能发展的因素之一，可以通过扩大投资规模、算力集群和采用分布式计算方式加以提高。自动化包括业务流自动化和业务自动化，确定哪些工作可以由AI完成。这三个维度都依赖于大模型的准确性表现，而目前AI的准确性已达到非常高的程度，例如在美国医学执照考试、律师资格考试和MBA考试等专业性考试中表现优秀。我们在工作过程中不需要GPT这种预测模型达到100%的程度，能够实现单项任务达到90分，就已经完全能够胜任大部分工作了。 2、AI的重要影响 1、摆脱dirty work，拥抱效率跃升： AIGC使人摆脱重复性的劳动。通过构建工作流实现AI对人的替代。 2、从人人链接到人机链接，信息数量将指数级爆炸： 当人与人、人与机器、机器与机器、机器与人开始互相沟通，信息数量将指数级爆炸：人会依赖AI对信息进行加工、处理和统筹。 互联网时代实现了人与人的连接，人们通过计算机与他人进行深度链接。接下来的发展方向是人与计算机的连接。人们不仅需要教计算机如何工作，计算机也可以反过来教人。chatGPT可以实现高效翻译及在各种考试中取得优异成绩，使得知识获取变得公平。人工智能打通了各项知识的壁垒，无论是程序员还是金融知识等领域，都能从中受益。 计算机可以向人传授知识，同时也可以在计算机和计算机之间实现互动。利用AI模型对另一个AI模型发出指令，提高工作效率。 随着物联网的发展，计算机可能会对物理世界产生影响，并通过接口与物理世界进行交互。信息量将会呈现巨大增长，与之相比，人脑处理能力相对有限。 人工智能可以作为人类信息处理的助手，帮助整理、处理、运算信息，并呈现完整报告和结果。放任AI在信息处理和整合方面更胜一筹，人类将有更多精力投入到更具创意性、需求性的星辰大海。   四、以AI为原爆点的数字经济发展 1、数字经济的主体 在我看来，数字经济的主体将会包含以下内容： （1）技术层面 人工智能（chatGPT） 区块链技术 物联网 基础设施（如5G和算力） （2）生态层面 Web3 数据治理 - ChatGPT是数字经济的一个原爆点，基于chatGPT，数字经济将会迎来爆发。首先是以AIGC这种数字生成工具为主，会对其他板块产生联动和辐射作用。真正实现利用数据要素进行生产。 - 区块链为数据提供了可信和即时的价值结算。 - 物联网增强AI的生产能力，从信息产品生成增强至物理产品生成。实现物理世界与虚拟世界真正的沟通。数据要素的生产从数据要素——数据产品，到数据要素——物理产品。 - 基础设施为数据经济提供有效支持，包括算力（为数字经济提供数据支撑）、5G（为数字经济增强数据传输的效率），算力和5G两者如果能将AI的反应能力以及事务的处理能力提升至毫秒甚至微秒，那么生产效率又将获得飞跃。 * Web3实现符合数据生产的组织形式。为AI和人的协同共生提供高效的激励机制。目前Web3已经为数据要素的挖掘和分配做了市场铺垫。 * 数据治理可能会偏重于政策、法律、数据道德等方面的内容，通过优化数据及技术的相关经营环境，提升数字经济的运作效率。   2、技术层面（技术对于数字经济的支持作用） （1）人工智能 在笔者看来，以chatGPT4.0为首的AGI的诞生，其重要性不亚于人类第一次使用火。chatGPT4的能力极强，与其说它能做什么，不如去了解它不能做什么。目前可以看到的是，在写作方面，它能用诗歌的方式写出如何证明存在无限多的质数；在编程方面，只要输入需求，它都能够给出一定解决思路，甚至是直接给出代码（笔者近期所作的python小项目中，80%-90%的代码都是由GPT4.0所作）；在逻辑思考方面，它能够解释如何将一本书，9个鸡蛋，一台笔记本电脑，一个瓶子和一颗钉子以稳定的方式进行堆叠...可以说，GPT4的能力已经接近人类（考虑它是一个能实现以高质量、高效率完成所有任务的全能型选手，那么在笔者看来它的能力在某些方面其实已经超过人类了）。 图1：使用诗歌的方式证明质数无限多 图2：给出编程任务，自动生成代码 图3：堆叠的逻辑测试 在笔者看来，数字经济真正的起点，就是在于今年chatGPT4.0的诞生。而数字经济真正的爆发点，将是chatGPT4.0的API被公布。以以下几点为例： 首先，GPT4是一名优秀的数字员工和老师。以它的翻译能力为例，它能够高效且完美的实现各种语言的翻译，那么一方面它可以24小时无休止工作，另一方面也能够作为个人的语言老师，提升个人的能力； 其次，在工作方面，通过整合业务流、编程和GPT，能够实现业务流程的完全自动化。本文第二章已经说明了如何使用编程实现数据的整合，而在信息的处理方面，过去可能需要依赖人的泛化能力，而当GPT与人的能力不相上下后，业务流程中固定化的套路也能够由AI完成，真正实现工作自动化。作为一个业务线条构建者，你只需要建立一条业务线，其他的执行工作交给AI就可以。 再次，信息量面临指数级爆炸，人们将不得不使用GPT进行信息处理。互联网实现了人与人的链接，其链接方式为【人——互联网——人】，这就以及诞生了巨量的信息，许多人就已经无法实现数据的处理，而在AI联网后，交流的主体不只是人了。未来的信息世界将会从【人——互联网——人】的二维，转向于信息的三维世界(结合物联网，将会有更多的信息维度)： 例如：在数字经济下的信息世界中，交流的主体包括： 人——人 【场景：人与人在互联网沟通】 人——AI 【场景：人与AI在互联网沟通】 AI——AI 【场景：AI与AI在互联网沟通，如微软新开源的Jarvis，能够通过GPT与其他AI产品沟通实现产品生产。】 AI——人 【场景：AI通过搜集信息，主动、或智能向人进行反馈】 AI——物理世界 【场景：AI通过物联网的方式，实现物理世界的物质生产】 物理世界——AI 【场景：物理世界的情况通过物联网向AI反馈，增强AI对现实的理解】 互联网——AI 【场景：互联网的情况向AI反馈，增强AI对信息世界的理解，或者可以作为产品生产的一个环节】 AI——互联网 【场景：AI发布信息，实现信息产品的发布】 另外，由于产品迭代速度大大加快，生产信息以及社会信息的数量也会获得提升，例如随着GPT4.0的开放和GPT3.5API的开放，每天都有好用的AI工具诞生，如何获取这些工具的信息，如何判断哪些工具更适合我的使用，对于人来说是很难实时处理的，需要通过AI先进行一次信息处理。 最后，随着“言出法随”生产模式的诞生，数据要素的培育、使用和价值分配将成为重点。AIGC的爆发意味着生产不在是一个难事，也不需要过多的员工进行生产。以后可能会出现业务领导刚开完会，产品就已经被生产出来了的新型生产模式。那么业务流程的环节信息、开会的过程及内容信息等信息或者数据，在这个过程中可以视为数据要素。那么这种数据所有权的定义、信息使用方式以及如何实现数据价值的分配也是一个如何发挥好数据要素，提高数据要素生产产品速率的重点。 自从GPT3.5的API开放，以及GPT4.0诞生以来，几乎每一天都有爆炸性的新AI产品诞生，数字经济领域成为了一个兴旺蓬勃的领域，并且每一个新的AI产品都具有极强的使用价值。每次使用GPT4.0，我都被它的工作能力所震撼。人如何与AI共生，将会成为一个值得长期思考的问题。 （2）区块链 区块链（Blockchain）是一种分布式、去中心化的数据库技术，它允许数据以安全且不可篡改的方式存储和传输。 在笔者看来，区块链主要实现了两方面的作用：数据可信和实时结算的价值层。 数据可信方面：为数据要素、信息等生产要素提供信用基础。首先，区块链能够实现数据的可信传输，避免数据攻击，保证数据传输的安全性。其次，区块链能够确定数据的所有权，而数据所有权的确立是数据要素使用的基础。最后，数据所有权的主体能够通过智能合约实现数据要素的分配和交换。并且为AI提供了高质量的信息和数据。 实时结算的价值层能够为进一步提高AI的生产效率。首先是从价值的实时结算来看，在数字经济时代，信息转化为产品的速度将被极大提高，也就是说对于每个人而言，你这边刚提出需求，那边就可能生产出了产品。那么价值还能够按月、按周进行结算吗？以小时为单位进行结算可能都太慢了，因为除了人提出需求以外，AI和AI的交互可能也会产生新的需求，这些都依赖于价值的实时结算。对数据要素的价值进行结算，信息产生——产品产生的时间大大缩减，通过价值层协议的价值实现将趋近实时结算。 （3）物联网 物联网对于AIGC也具有重要意义，目前AI能够实现数字产品的产出，但是还不能够在真实世界进行生产。在物联网发展到一定阶段后，如果能够进一步实现AI控制生产，实现从数据要素到产品的生产方式。另一方面，物联网的完善也能够增强AI对于现实世界的理解能力。 （4）基础设施（5G、算力） 基础设施为AI、数据应用提供各种支持基础支持，只有具有完善的基础设施，才能让数字经济实现高速发展。AI的工作在精准、效率和算力三个维度进行权衡，在实现高精准、高效率的时候，就需要极强的算力进行支撑（例如GPT4相较于GPT3.5来说性能获得了极大提升，但是却限制了用户3小时仅能使用25个问题，并且GPT4的运算速度低于GPT3）。因此，5G作为效率支持的一部分，能够提升信息的传输速率。算力中心则为AI提供了计算能力，从而提升AI的整体性能。 5G、算力中心等基础设施的发展能够对AI的工作能力有所提升，从而改变数字经济的发展状态。例如，如果GPT4.0对于问题的反馈速度能够达到毫秒级甚至更低，并且能够同时处理巨量信息，那么就意味着可以让它在大规模的工业生产中将发挥极大的作用，实现真正的“数字员工”和“无人工厂”。 3、生态层面 （1）Web3 Web3在我看来主要是基于数据生产的组织形式和数据价值的流通两方面做了很多工作。 从组织形式来看，DAO是一种区别于公司，能够高效实现人与人协同工作的有效组织形式。首先，基于AIGC技术，信息能够快速生产为产品，并且获得价值的回馈，那么团队内部的讨论、团队中每个人对于产品的贡献、以及对信息的贡献将成为价值获取的评判标准。DAO相较于公司来说，更注重团队中每个人对于信息、对于社群、对于产品等多方面的贡献，并且将这些贡献标准化、流程化、数据化（智能合约+AI判定），从而实现产品的价值回归至每一个人。 从数据价值的流通来看，当一个人参与了一个DAO的团队，获得了一定的代币（数据价值），那么他可能会需要将这些代币流通，交换为现金，或者进行代币抵押做新的工作，基于此就诞生对Defi等金融产品的需求。 （2）数据治理（发挥数据效能，需要提供安全且公平的数据制度） 数字经济的基本法律、道德标准等支撑对于数字经济也具有显著作用，如何保护产品、如何保证数据安全、新型生产组织的立法等内容会成为数字治理中的重要环节。如果没有完善的数据治理进行数字经济的支撑，那么过多发展数字经济可能会带来负面影响。如何实现效率和公平的兼顾，将是一个重要话题。AI需要由怎样的伦理进行限制，也会是一个重要话题。   五、总结 GPT4.0的诞生，意味着我们真正进入了人工智能时代，不是siri、微软小冰一类的弱人工智能，而是在各个领域都与人类的能力相近、不知疲倦又具有强大逻辑和知识能力的强人工智能。2023年是数字经济的起点，数字经济如何运转、数据要素如何使用、新的生产模式到底该是什么样的、甚至是到人与AI到底该如何共存这种宏观的问题，都将成为我们不得不面临的困惑。AI将对现有社会结构、工作方式、思考方式进行全面颠覆，个人能力能够被全面放大，但社会整体也会面临巨大挑战，包括企业解聘员工、员工知识结构不匹配、AI被用于作恶等问题。在AI的洪水面前，所有人都应当同舟共济，共同探索如何进步与共存。 --- *Originally published on [from AI to digital economy](https://paragraph.com/@from-ai-to-digital-economy/ai)*