ai技术在生活中有哪些应用,ai技术在生活中的应用英语,ai技术在生活怎么运用100字,ai技术在生活怎么运用英文100字

一、什么是共识？

共识指的是在两人或多人之间，就某一事物、情况或问题达成共同意见的过程。共识在人类社会中非常重要，它是人们合作的基础。

比如古代社会人们是怎么达成共识的呢？一个猎手和一个农夫。他们在进行交易。猎手想要用5条鱼换农夫的猫，农夫不同意，说要15条鱼。经过讨价还价后，双方同意用10条鱼换1只猫，达成了交易。

那这个过程中，「1只猫=10条鱼」就是双方达成的共识，基于这个共识，双方完成了交易。

但是这种以物易物的交易方式需要双方同时同地，很不方便。后来出现的淘宝是怎么解决这个问题的呢？

这时候淘宝就充当了「客观公正第三方」，确保共识的达成。商家上架商品，确定价格。如果客户认可「100元=1只猫」的价格，就点击购买并付款。此时钱打给的是淘宝官方，只有客户收到猫并点击确认收货后，淘宝才会把钱打给商家。在这里淘宝通过自己在中间担保，使得商家和客户在时间空间不一致的情况下，完成交易。

二、怎么用AI担保共识？

那么，AI能在担保共识方面发挥作用吗？

首先来看AI能否充当这个「客观、公正、第三方」？这个是可以的，只要这个AI不受协商双方任何人的控制，AI的客观性可以得到保证。

但这还不够，想要居中担保，还需要有一定确定性和判断力，能分清楚是非曲直。

比如以下场景：A和B约定，明天世界杯决赛法国赢了，A赢B一百块；阿根廷赢了，B赢A一百块。

如果AI想做这个担保，AI就得能分清楚谁是阿根廷，不能把法国当成阿根廷。也得有知道阿根廷到底赢还是没赢的判断力。

又比如两个人玩成语接龙比赛。设定规则：接龙可以接谐音字，但成语必须来自现代汉语成语词典。

如果AI想居中当裁判，那它就得知道什么是谐音字，并能判断成语是不是来自现代汉语成语词典（可能需要接入现代汉语成语词典数据库的权限）。

想必大家已经知道，随着ChatGPT的出现，AI已经完全具备了以上的能力。而且目前AI展现出的潜力，完全可以胜任更复杂的共识担保工作。

三、AI担保共识和以前应用担保共识的区别？

我们知道，类似淘宝这样的应用，是由代码构建的。

我们在淘宝上的每一次点击，本质上都是给淘宝代码输入了一个提示词。

比如点击淘宝图标，返回的结果就是打开淘宝。

而这种和代码语言的交互，对于相同的点击，总能得到相同的返回结果，步骤是确定性的和静态的。

而日常生活中自然语言的交互，千奇百怪，步骤是随机性的和动态的。

淘宝的代码就决定了，它不能为一些不通用的、不规则的、不符合其代码语言规范的需求和交易做担保。

但是未来AI能不能做到呢？

很多人说，现在的AI已经有了让语言直接去控制行动的能力，有了通用人工智能（AGI)的雏形。

而通用人工智能中通用的含义就是：同一个模型可以做很多不同的事。

AI能否用一个通用模型去担保很多千奇百怪的共识？

目前来看，AI已经具备了这方面的潜力。

生活中共识非常常见，担保共识是门大生意

而且更令人振奋的是，共识担保不止淘宝这一门生意。还有很多其他的形态，等待着大家去挖掘。

我再举一个例子，给大家一些启发。

百度贴吧有很多吧，每个吧都有一个主题，或者叫「共识」。

比如摄影吧的共识是「摄影」，围绕摄影展开各种与摄影相关的话题。

但「摄影」吧的共识靠的是吧友自发自觉的遵守和管理员的人工管理，因此出现了李毅吧不讨论李毅。孙笑川吧没孙笑川的搞笑情况。

如果我们引入AI，用ChatGPT对吧友所有的发言进行输入，然后判断是不是属于这个吧共识当中的。用AI保证共识的达成。这又会诞生一种什么样的社区产品形态？

AI共识+豆瓣小组 的产品形态，未来会不会大有可为？

我们现有的产品中都有哪些潜藏的、未被挖掘的共识？如何用AI把这些暗共识、弱共识的潜力挖掘出来，变成明共识、强共识？大家可以思考，这里面有很多产品的机会。

四、共识的意义和价值

那么，AI的潜力止步于此了吗？不，下面是更更令人振奋的内容！

共识的价值不只止于担保，还有更大的社会意义。

上面举的「摄影」吧只是最简单的一个词的共识，随着AI的发展，一段话，一篇文章，一本书的共识都可以用AI进行管理并保证达成，那将会诞生一种什么样的产品形态？以下仅为不完全列举。

共识是一个词：摄影吧、绘画吧

共识是一个句子：豆瓣小组；搜索引擎

共识是一段话：一些相亲交友软件；社交软件；Airbnb；招聘应用

共识是一篇文章：合同；应用协议，网站协议

共识是一本书：法律；产品规范；使用说明书

共识是几十本书：小型元宇宙？

共识是一个图书馆：大型元宇宙，新组织形态，算法协议联盟

在这个过程当中，会不会诞生一批超级应用或者组织？

未来会不会有一大批的产品因为有了AI赋能的强共识的保证而涌现出来？

用AI构建的共识时代，或许已经来临。

另外，在上述提到的产品形态中，虽然都可以利用AI进行重写和创新，但将它们简单罗列在一起并不是很合理。实际上，这些形态涉及到的实现难度是不同的，有的可以在几年内实现，有的则需要几十年的时间。

因此，可以有另外一种划分形式。那就是根据他们达成的难度不同，可以把共识社会的形成分成四个阶段

共识社会1.0：用AI调节人与软件的交互方式和共识，目前绝大多数借助AI和ChatGPT二次开发的产品都处于这个阶段。

共识社会2.0：用AI调节人与人之间在网络上和手机应用里的交互方式和共识，由于AI的赋能，改写了人与人之间在互联网里的互动方式，会有很多创新的产品出现。

共识社会3.0：AGI（通用人工智能），AI智能设备以及一些增强现实的元宇宙产品，调整现实生活中人与人之间的共识。

共识社会4.0：大型共识组织诞生（算法协议联盟、元宇宙）。新的共识协议联盟产生新的社会形态，从而引领共识社会的进一步发展，人与人之间的交往方式被彻底改变。

共识社会的后期，共识协议有了现在社会水和电一样的地位。

共识社会中，所有的文本、图片、音频、视频都会被AI「洗」一遍。

被「洗」过的文本，是共识文本。被「洗」过的信息，是共识信息。每个共识文本都属于一个或者多个共识。

没有被AI洗过的信息，就是非共识信息。这些非共识文本存在与未来社会的原始角落里，就像如今生活在深山密林里的游民。它们存在的合法性受到了未来共识社会的挑战。

从ChatGPT出现之时起，时代已经不可逆转地开始发生改变。

即便马斯克联合再多人阻止AI的来势汹汹。

但在种子种下的那一刻，一颗参天大树已经不可避免的要在未来的某一天成为活生生的现实。

五、一些细节问题补充解答

1.法律共识与AI共识的区别

法律本质上也是一种共识，该共识由国家强制力进行保证，强制力有滞后性（正义可能会迟到，但绝不会缺席）

AI共识是一种强共识，用AI的能力来确保达成的共识具有强制效力。

技术上因为AI理解自然语言语义、图片甚至视频的含义。能理解人类的语言、动作和行为。就能约束人们的一些不符合共识的行为。

而且任何违反共识的行为因为和共识本身相违背，就会导致违背共识的行为根本不能被做出来，根本无法发生，而不是靠违反共识后AI后续追加惩罚措施。

举例：若某个元宇宙里的共识是不能伤害别人，如果你在这个共识里想K人，在你动手的时候，AI算法就会立即把你们分开，让你无法实施。（正义既不会缺席，也不会迟到）

2.元宇宙与共识

未来的元宇宙可能由各种共识构筑而成。

每个人都可以选择加入一个或多个共识。比如多多、庙庙、苏苏都是元宇宙里「研究外星人」部落成员，他们就是属于一个共识。

谁的共识更有吸引力，更有开创性（第一个想出来的），谁将吸引到更多的用户。

未来的元宇宙可能借助人工智能的语言、图片和视频理解能力来理解人类在现实生活场景中的行为，提供行为规范、提醒等服务。

---

银行建设ai中台必须具备的能力 度小满金融技术负责人许冬亮

银行中台业务,中国建设银行打造平台,业务中台建设应用的考试,建设银行业务中台

以ChatGPT为代表的AI大模型正在全球范围内引发新一轮的技术革命与商业浪潮。在金融领域，短期来看，它将在哪些方面给客户带来直观的优化体验？长远来看，它能否给金融业带来颠覆性变革？

带着这些问题，我们采访了度小满首席技术官许冬亮。度小满，即原百度金融。作为源自百度的金融科技公司，度小满一直积极探索人工智能在金融领域的前沿应用，先后布局信贷、财富管理、支付、保险、个人金融科技和供应链金融科技等六大业务板块。百度 “文心一言”开放生态合作后，深耕AI领域多年的度小满成为首家接入的金融科技公司。

许冬亮认为，具有通用能力的大模型将成为信息处理的基础设施，中小银行应用人工智能技术的门槛将大幅降低，在数字化、智能化进程中有了“弯道超车”的机会。

麦肯锡：ChatGPT近期风靡全球，您对人工智能未来趋势怎么看？

许冬亮：ChatGPT的基础是大模型，也就是 GPT（ Generati【【微信】】rmer 即生成型预训练变换模型）。基于大模型，OpenAI团队不仅推出了ChatGPT（对话），还推出了CodeX（代码生成）、DALL-E（图像生成）。

比ChatGPT更值得关注的是它所依托的底层技术能力。我们认为类似GPT这样的大模型技术，是下一代人工智能技术较量的核心课题。大模型将会掀起新一波的技术浪潮，重塑多个行业的业态。

麦肯锡：大模型技术在金融行业有哪些应用？

许冬亮：金融行业是数字化、智能化的先行者，如果将大模型能力放到金融行业中去处理原有的任务，性能和效果将会有显著的提升，会对很多工作产生颠覆性的影响。

大模型可以分为理解式大模型和生成式大模型。理解式大模型可以用在智能获客和风险管理上，帮助金融机构提升经营效率和风险管理决策能力。在智能获客上，大模型可帮助金融机构精准匹配用户的需求。在信用风险管理上，在大模型的通用能力基础上融合金融行业的知识和数据用于风险评估，可以提升数据洞察理解能力，帮助我们发现原来发现不了的风险。

生成式大模型可以自主生成新的数据、图像、语音、文本等信息，成为理财师、保险经纪人等金融行业从业人员的得力助手，帮助他们为客户个性化推荐理财、保险产品，大幅提升服务效率和服务体验。具体表现在以下三个方面：

第一、? 基于大模型的智能客服将超越人工服务，让高质量顾问式金融服务成为可能。在通用大模型的基础上，叠加金融客服领域的数据和专业服务经验，经过垂直领域定向训练后客服机器人既能与用户进行多轮对话，还能提出具体的、可行的解决方案。

第二、? 生成式大模型可以成为理财师、经纪人等从业者的“全能业务助理”。基于大模型的业务助理不仅了解国内外的宏观政策、行业信息、产品信息，而且可以自动生成文章、报告，提供专业建议和方案辅助交流。

第三、? 广告和营销内容一键生成，营销效率大幅提升。以ChatGPT为代表的大模型技术，将带来知识型工作者生产效率的二次飞跃。过去，我们需要在海量信息中检索词条，将大量的精力投入到信息的获取、提炼与整合，自己做检索、设计、制作等工作；未来，大模型技术会适应并普及到所有知识型工作行业，例如文案、设计、编程等，人机协作将大幅提高工作效率。

麦肯锡：大模型技术的发展，对金融行业的格局将带来什么影响？

许冬亮：具有通用能力的大模型将成为信息处理的基础设施，中小银行应用人工智能技术的门槛将大幅降低，在数字化、智能化进程中有了“弯道超车”的机会。由于在数字资源、科技能力、业务场景等方面的天然差距，中小银行与大银行相比，在数字化转型方面相对落后，且面临着差距越拉越大的风险，“智能化鸿沟”的风险也越来越明显。在大模型时代，所有银行都可以便捷地使用最先进的人工智能技术来解决各自的业务问题，不同规模的银行重新站在同一条起跑线上，这将大幅加快中小银行数字化、智能化进程，有利于中小银行跨越“数字鸿沟”和“智能化鸿沟”。

麦肯锡：度小满在大模型上有什么布局？

许冬亮：度小满已经开展了一系列基于大模型的应用。我们将大型语言模型LLM应用于海量互联网文本数据、行为数据、征信报告的解读，将小微企业主的信贷违约风险降低了25%。随着模型的迭代，大模型在智能风控上的潜力将进一步释放。

ChatGPT所展现的语义理解能力，也是度小满在自然语言处理（NLP）领域重点投入的方向。2021年，在微软举办的MS MARCO 比赛中的文档排序任务中，度小满NLP团队排名第一并刷新纪录；团队研发的轩辕 (XuanYuan) 预训练模型也在CLUE分类任务中排名第一。

百度 “文心一言”开放生态合作后，度小满成为首家接入的金融科技公司。接下来，基于“文心一言”的大模型技术基座，结合度小满业务场景积累的金融行业知识和数据进行交互式训练，我们希望能在金融行业发挥ChatGPT类人工智能技术的作用和价值，打造全新的智能客服、智能风控、智能交互服务。这些垂直应用不仅要具备生成式人工智能（AI）、多模态语义理解等能力，而且要适配金融行业高度重视风险、把安全性放在第一位的行业特点，做到高度稳定、自主可控。

麦肯锡：大模型的发展未来有哪些挑战？

许冬亮：首先，技术的应用不能脱离业务应用本身，AI技术的价值体现在业务的发展上。其次，数据的积累、技术能力的建设、底层的架构、人才积累与培养，这些都要长期投入，逐步形成；AI与业务的融合是一个持续迭代的过程，我们不能唯业绩论，要给技术沉淀的空间和时间，但也不能只关注技术建设，不考虑对业务的收益――既要仰望星空，又要脚踏实地。

在国内，目前看大模型技术的发展和应用存在很多挑战，这些也都是我们需要正视和解决的，包括以下四个方面：

一、应用门槛。大模型训练和应用的成本依然很高；在数据上，中文语料和数据质量相较于英文存在差距，当前模型的稳定性和真实性还要进一步的优化。

二、金融安全。金融行业的安全性是第一位的。生成式大模型创作自由度高，所以常会有令人惊艳的表现，但正是因为它的自由度太大了，当解决真实场景中的任务时，会造成可控性不足。

三、人才储备。我国人工智能人才紧缺程度持续高于互联网总体水平，作为ChatGPT核心技术的大模型，其人才缺失更为突出，尤其是领军人才一将难求。

四、科技伦理。随着技术的不断突破，为了规范技术的发展，科技伦理的治理也要及时跟上，比如，大模型训练需要应用大量的数据支持，需要做好数据的安全管理，避免泄露带来的风险。同时这一技术可能会涉及偏见、歧视、误导等问题，需要加强技术规范和标准制定，防止误导，防范道德和伦理风险，防止歧视，保护消费者权益。

本次访谈由麦肯锡全球资深董事合伙人钟惠馨、麦肯锡全球董事合伙人吉翔和麦肯锡全球副董事合伙人张蒙联合完成。