作為一名大學教育者和前IT行業的老兵，我發現圍繞中國Deepseek R1模型的炒作是有用的提醒，提醒了三件事。
首先是生成AI不再只是處理大量內容以產生對提示的相關響應。這也與認知推理有關（R1中的“ R”）。
推理大語言模型（LLM）的希望是，大量的知識檢索和認知處理能力 – 曾經是帶有超級計算機的腦部的獨家領域 – 現在幾乎都掌握在所有人的手中。得益於新一代提高效率技術的進步，有足夠小的型號可以在傳統的筆記本電腦上運行，該筆記本電腦可以支持多種可以自主執行複雜，交互式任務的智能代理。
其次，生成的AI革命最重要的是創新和創造力 – 它不僅是針對最強大的硬件，訓練數據集的大小或模型參數數量的軍備競賽。這些技術的成功採用將不會由大型技術公司培訓數十億美元的模型，而是由投資人力資本投資為新浪潮做好準備的國家和組織。
第三，在最後一點上，美國似乎並沒有為我們的經濟和社會帶來的巨大變化而有好處。我將舉兩個例子：高等教育和美國公司。
高層
在大多數高等教育機構中，本科生的第一個重大決定是決定是否攻讀藝術學士學位（BA）學位，該學位與更廣泛的，更跨學科的教育或科學學士學位（BS）學位有關更專注於在特定領域發展技能和實踐經驗。
在AI時代，這是一種絕望的二分法，因為兩組學科在工作場所都變得至關重要。
事實是，大多數一年級學生對從事不同類型的工作，甚至是自己能力，才能，技能和能力的相對優勢和缺點的知識或見解都沒有任何知識或見解。但是，大多數一年級都必須宣布專業，這對於只有一小部分（無論好壞）知道（或至少認為他們知道）他們想追求哪些領域的一小部分是一個簡單的決定：工程學，工程，科學，醫學，法律等
我們需要採取多個不同，職業生涯，更廣泛的跨學科方法來實現高等教育，這承認大學畢業生的第一份全職工作可能與他們獲得的學位或專業的程度無關。他們的大學經歷將僅代表著終身學習的第一階段，即我們現在甚至無法想像的角色，持續學習 – 高技能，認證，重塑，職業轉換。
同樣，作為教育者，我們需要製定新的策略來處理AI pla竊，並導致聊天機器人成為智力快捷方式或“認知卸載”的危險，或者是依靠外部工具而不是發展內部功能的趨勢。
在知識與理解分開的時代，只需提示AI即時答案或解決方案而不是摔跤以理解概念或解決問題，就有太多的誘惑了。
公司
大多數公司似乎也沒有意識到這些新技術的組織含義。
當前的IT角色和結構反映了以前的數字革命的組織要求。這些功能源於所需的專業專業知識 人類 使用和互動 電腦 – 編程，數據工程，計算機架構，網絡管理，信息安全等。
相比之下，生成的AI（以及其之前的自然語言處理的整個領域）涉及設計和培訓 電腦 與之互動 人類。
結果，等級和文件員工正在發明使用這些技術的出色（有時是危險）的方式。組織正在努力提出可行的政策，程序和控制，以最大程度地提高潛在的生產力益處，同時最大程度地降低風險。
一個關鍵問題是，在大多數公司中，數據科學專業知識往往集中在IT部門中，其中大多數仍以自己的神秘語言和實踐在組織和功能上與核心業務部門隔絕的秘密行為運作。我相信即將到來的生產力革命需要新型的組織角色和結構，其中數據專業知識並未在專業功能中隔離，而是與操作的幾乎各個方面相互聯繫。
而且還有數據挑戰。在大多數組織中，採用AI是關於自定義LLM使用專有數據執行專業用例。儘管業務範圍內的數據用戶需要完全準確，清潔和良好的數據，但其中數據的個人所有者沒有預算，財務激勵或組織權力來確保這種質量和透明度的水平。
結果，內部數據集在整個企業中都無法發現/託管。通常，不同類型的數據存儲在不同的地方。為了響應業務用戶的請求，它提供了不同的數據視圖，製作數據的不同副本（和副本），並出於各種不同的原因創建數據的暴露和抽象……此時，沒有人知道哪些版本是陳舊的，不完整的，重複的，不准確的或它們的背景。
結論
生成的AI有可能改變所有形式的知識工作。從本質上講，這項技術是關於專業知識的民主化（好與壞） – 編碼人員，攝像師，插畫家，作家，編輯以及幾乎任何類型的知識工作者或“專家”等專家。人類從來沒有處理過一種與自己的認知處理和推理能力相媲美的技術 – 僅僅是他們的體力，耐力，敏捷性的精度，以及能夠發明和處理大量數據的能力。
這場令人興奮的新生產力革命需要新的技能，能力和組織結構，其中數據專業知識幾乎是每種類型的業務流程不可或缺的。
具有諷刺意味的是，隨著機器獲得更大的分析能力，組織層次結構中員工的地位和價值可能不再成為專業知識，經驗和證書的功能，以及更多其創造性，多學科和人際關係技能。
現在是開發和投資這些功能的時間。
