2022 年，作者 Altan Atabarezz 作为 SAS Software 东南欧地区的数字化转型负责人，亲身经历了一个价值百万美元的 AI 项目。 他发现，与其兜售复杂的软件功能，不如引导客户思考 “AI 能力” 的真正含义，以及如何快速建立这种能力。 如今，大模型技术日新月异，要想成为真正的 AI 专家或许并非一朝一夕可以实现，但通过培养良好的 AI 素养，每个人都能逐步掌握 AI 的力量，并将其应用到实际工作中。
重新定义 “AI 能力”：超越技术，聚焦战略
传统的 AI 培训往往侧重于技术细节，例如模型训练、算法优化等。 但真正的 AI 能力 远不止于此。 它涵盖了理解 AI 的本质、评估 AI 的潜力、并将其融入企业战略的能力。 在与 NELT Logistics 的合作中，作者并没有一开始就展示软件的功能，而是引导 C-level 领导者思考 AI 发展趋势以及如何利用 AI 提升竞争力。 这种战略性的对话激发了客户对 AI 的兴趣，并为后续的项目合作奠定了坚实的基础。
数据表明，企业在 AI 转型过程中面临的最大挑战之一是缺乏明确的战略目标。 只有当 AI 与企业整体战略紧密结合时，才能充分发挥其价值。 因此，培养 AI 能力 的第一步是跳出技术思维，从战略的高度审视 AI 的作用。
提升 “AI 素养”：培养面向未来的技能
AI 素养 是指理解、评估和应用 AI 技术的能力。 它不仅包括技术知识，还包括批判性思维、沟通能力和伦理意识。 在大模型时代，每个人都需要具备一定的 AI 素养，才能适应快速变化的工作环境，并充分利用 AI 提升效率和创造力。
以下是一些培养 AI 素养的关键习惯：
- 持续学习： 大模型技术发展迅速，需要不断学习新的知识和技能。 可以通过阅读 AI 领域的博客、论文、参加在线课程等方式保持学习状态。 像 Medium 这样的平台上有大量的 AI 文章，订阅并定期阅读是快速提升 AI 素养的有效途径。
- 实践操作： 理论知识固然重要，但实践操作才是真正掌握 AI 的关键。 可以尝试使用各种 AI 工具和平台，例如 ChatGPT、Bard、Midjourney 等，并将其应用到实际项目中。 例如，利用 ChatGPT 撰写营销文案、利用 Midjourney 生成产品图片，这些实践都能帮助你更好地理解 AI 的能力和局限性。
- 批判性思维： AI 并非万能，我们需要对其进行批判性思考。 不要盲目相信 AI 的输出结果，要学会评估其质量和可靠性。 例如，当使用 ChatGPT 生成内容时，要仔细检查其准确性和逻辑性，避免出现错误或偏见。
- 伦理意识： AI 的发展也带来了一些伦理问题，例如数据隐私、算法歧视等。 我们需要关注这些问题，并努力确保 AI 的应用符合伦理道德。 例如，在开发 AI 应用时，要充分考虑用户的数据隐私，并采取措施防止算法歧视。
- 沟通协作： AI 项目往往需要跨部门协作，因此良好的沟通能力至关重要。 要学会与不同背景的人交流 AI 的概念和应用，并共同解决问题。 例如，在向非技术人员介绍 AI 时，要使用通俗易懂的语言，避免使用过多的专业术语。
从 NLP 到 AGI：大模型带来的机遇与挑战
大模型，特别是基于 Transformer 架构的语言模型，如 GPT-3 和其后续版本，极大地推动了 NLP (自然语言处理) 领域的发展。 这些模型不仅能够生成流畅自然的文本，还能进行机器翻译、文本摘要、问答系统等多种任务。 然而，大模型的发展也引发了关于 AGI (通用人工智能) 的讨论。 AGI 指的是一种具备人类水平智能的 AI 系统，能够像人类一样思考、学习和解决问题。
虽然目前的大模型在某些特定任务上表现出色，但距离真正的 AGI 还有很长的路要走。 大模型主要依赖于海量数据的训练，缺乏真正的理解和推理能力。 此外，大模型也存在着一些问题，例如可解释性差、容易产生偏见等。
尽管如此，大模型的发展为我们带来了巨大的机遇。 它可以帮助我们自动化重复性工作，提高工作效率，并创造新的产品和服务。 例如，在医疗领域，AI 可以辅助医生进行疾病诊断和治疗方案制定；在教育领域，AI 可以为学生提供个性化的学习体验。
构建 “信任关系”：AI 项目成功的关键
在文章开头的案例中，作者提到与 NELT Logistics 建立了 “信任关系”。 这种信任关系对于 AI 项目的成功至关重要。 客户需要相信 AI 能够解决他们的问题，并为其带来价值。 而建立信任关系的关键在于真诚沟通、透明公开和持续交付价值。
在与客户沟通时，要坦诚地说明 AI 的能力和局限性，不要夸大宣传。 要让客户了解 AI 能够做什么，不能做什么。 同时，要保持项目的透明度，及时向客户汇报项目进展情况，并主动解决客户提出的问题。
更重要的是，要持续交付价值。 要让客户看到 AI 带来的实际效益，例如降低成本、提高效率、增加收入等。 只有当客户真正感受到 AI 的价值时，才会建立起对 AI 的信任。
案例分析：AI 在供应链管理中的应用
供应链管理是一个复杂而庞大的系统，涉及到供应商、制造商、分销商、零售商和最终客户等多个环节。 AI 可以应用于供应链管理的各个方面，例如需求预测、库存优化、物流管理等。
- 需求预测： 传统的需求预测方法往往依赖于历史数据和人工经验，难以准确预测未来的需求。 AI 可以利用大数据分析技术，对市场趋势、季节性因素、促销活动等多种因素进行综合分析，从而提高需求预测的准确性。 例如，沃尔玛利用 AI 预测飓风来袭时的商品需求，并提前备货，确保商品供应充足。
- 库存优化： 库存管理是供应链管理的重要组成部分。 过高的库存会占用大量资金，而过低的库存则会导致缺货。 AI 可以利用算法优化库存水平，在满足客户需求的同时，降低库存成本。 例如，亚马逊利用 AI 优化其全球仓库的库存分布，提高了库存周转率，降低了库存成本。
- 物流管理： 物流是供应链管理的关键环节。 AI 可以应用于物流路径优化、车辆调度、货物跟踪等多个方面，提高物流效率，降低物流成本。 例如，UPS 利用 AI 优化其配送路线，每年节省数百万加仑的燃料。
结语：拥抱 AI 时代，从培养 AI 素养开始
成为一名真正的 AI 专家需要长期的学习和实践，但通过培养 AI 素养，每个人都可以逐步掌握 AI 的力量，并将其应用到实际工作中。 从重新定义 AI 能力，到持续学习和实践操作，再到建立信任关系，每个环节都至关重要。 在大模型时代，拥抱 AI 带来的机遇，积极应对 AI 带来的挑战，从培养 AI 素养开始，你也能成为 AI 时代的弄潮儿。 别指望一夜之间成为AI大师，但是通过建立这些习惯，你就能逐渐拥有 AI 素养。