这段视频由80,000 Hours提供支持。大家好，欢迎来到Coldfusion的新一期节目。在开始之前，我想先澄清一点。当我们提到AI时，我们的脑海中往往浮现出那些被大肆炒作的消费级生成式AI，这些AI充斥着新闻报道。然而，这里有一个区别，那就是与那些在幕后以新颖方式使用的常规神经网络之间的区别。我多次将人工智能称为二元论，原因就在于此。最后一点，我们不会在这里纠结于语义上的细节，因为基本上现代的人工智能已经与神经网络同义。为了简单起见，这两个术语将互换使用。
显然，AI在公众中确实引发了不同的看法。我们可以以美国为例来量化这一点。2024年YouGov的一项民意调查显示，人们对AI最常见的四种情感是谨慎、担忧、怀疑和好奇。有趣的是，有14%的人认为AI已经比人类更聪明。此外，年轻人越年轻，他们对AI的态度就越积极。这包括他们对AI对社会、个人生活或经济的影响的看法。无论全球的数据如何，只需在网上简单搜索一下就能发现一个事实：很多人喜欢在网上批评AI。你听到的都是关于那些不诚实的公司，它们夸大了AI的能力，却无法兑现承诺。还有另一面，你会听到一些公司在悄悄用AI取代员工。例如，这位不幸的先生说：“我失业了，而且是因为AI。”他做了八年的平面设计师，结果他过去六年提供的所有材料现在都交给了AI进行模板化处理。原本需要我花30分钟的设计，现在AI只需要30秒。
事实上，我之前做过一期节目，讨论了企业在AI方面的欺骗行为。但这些都是表面现象，大家都在谈论的话题。那么，有没有什么新的视角呢？如果我们深入挖掘，全面审视AI的另一面会怎样？也就是说，AI有哪些对世界有益的积极应用，而这些应用是其他技术无法实现的？在这期节目中，我们将探讨AI如何在许多领域发挥作用，如残疾人支持、医学、设计更好的芯片以及其他重要部门。需要注意的是，这里介绍的一些项目仍处于早期阶段，未来可能会有很大的变化，但从概念上讲，我觉得这些非常有趣。
我们还将在澳大利亚塔斯马尼亚州设置一个特别环节。我前往那里了解AI是如何帮助恢复一种数量减少了95%的物种的。因此，在这期节目中，让我们深入了解AI在现实世界中的影响。
众所周知，AI主要依赖于NVIDIA的GPU，尤其是在训练过程中。正因为如此，NVIDIA的公司价值大幅飙升。随着AI热潮的兴起，这些GPU依赖强大的硅片来实现其功能。但有一个转折点：现在AI正在改进它所运行的芯片本身。这是一个有趣的闭环循环。让我们看看它是如何工作的。
在芯片制造中，有一个关键步骤叫做光刻。这是将详细的电路设计蚀刻到半导体晶圆上的过程。这个过程通过光掩膜来实现。NVIDIA设计了一种新的基于GPU的算法和新库，使计算光刻加速40倍。基本上，他们开发了一种可以在多个GPU之间分配任务的算法。这将计算光掩膜所需的时间从几周缩短到一夜之间。主要问题是，创建光掩膜曾经是一个缓慢而繁琐的任务，可能需要数周时间，但现在NVIDIA有了一个新平台，该平台由生成式AI算法组成，可以加快这一过程。以前需要几周时间的工作现在快了40倍，可以在一夜之间完成。
NVIDIA的H100 GPU有89个视网膜。单个视网膜目前需要两周时间来处理。Qlitho在GPU上可以在一个8小时的轮班内处理一个视网膜。NVIDIA的新平台名为Qlitho，它以惊人的速度和极小的尺度解决了纳米级的计算光刻问题。我们谈论的是2纳米的尺寸，这就像将一根头发的宽度与足球场的大小相比较。这种AI驱动的方法不仅关乎速度，还在于实现看似不可能的事情。台积电（TSMC），世界上最大的独立半导体代工厂，已经在使用这种加速过程。行业内的其他知名企业如ASML也加入了这一努力。这些公司共同奠定了下一代半导体的基础，目标是实现2纳米技术及更高水平。
因此，如果NVIDIA一直在使用AI来制造自己的芯片，我们应该能看到性能的巨大提升，对吧？那么，这种提升在哪里呢？我们来看看这张图表，比较NVIDIA的GPU性能和摩尔定律。很难确切知道他们的AI系统帮了多大的忙，但AI确实在这里发挥了作用。所以，结论是什么？今天已经很快了，但很快就会变得更快。AI有可能将未来的计算能力提升到我们只能梦想的水平。顺便提一句，我相信大多数人都知道DLSS。这是NVIDIA的AI上采样器，能够在不消耗过多计算资源的情况下提供高质量的视觉效果。更好的芯片设计可能是人们预期的AI贡献之一，但使用AI帮助澳大利亚偏远地区再生海带植物？即使是对我来说这也是新鲜事。我受邀前往澳大利亚塔斯马尼亚州，了解AI如何帮助恢复澳大利亚的巨型海带种群。感谢谷歌、联邦科学与工业研究组织（CSIRO）、南极海洋研究所（IMAS）、大自然保护协会（TNC）、南大洋礁基金会和海带联盟的合作。这是一次大规模的合作，所以一定有什么事情在发生。
在我们深入探讨之前，我们需要了解这里的问题有多严重。澳大利亚有一大片海带森林，从西海岸中部一直延伸到东海岸。实际上，70%的澳大利亚人居住在距离海带森林50公里（31英里）范围内。由于水温上升，大量海带已经死亡。在塔斯马尼亚州，这个数字达到了惊人的95%。没错，只有5%的原始种群仍然存在。那么，为什么我们要关心这些海底植物呢？其实，海带对于维持数千种海洋生物至关重要。有些动物以海带为食，有些动物把海带当作家园，还有一些动物以这些动物为食，以此类推。这是一个庞大的社区和生态系统，有数千种海洋生物依赖海带生存。如果海带森林永久灭绝，很容易想象其连锁反应。
要解决这场即将发生的灾难，首先需要明确问题的规模。手动绘制地图几乎是不可能的。那么，谷歌的AI是如何帮助的呢？谷歌使用自己的Google Earth引擎和一个名为Vertex AI的云平台，以超人的速度加速剩余海带森林的发现。谷歌与NGIS合作，首次定位和分析超过7000平方公里卫星图像中的海带森林。这有助于研究人员更全面地了解这些生态系统。我们与谷歌在塔斯马尼亚州的可持续发展业务负责人Leah Kaplan进行了面对面交流，她分享了更多信息。
“巨型海带很有趣，因为它的冠层漂浮在水面上，这意味着我们可以通过卫星图像检测到它。这很重要，因为在此之前，没有人真正了解澳大利亚巨型海带的地理分布。因此，绘制剩余海带的地图以了解恢复工作进展如何非常重要。我们可以通过卫星图像大规模绘制这些地图，这比以前的方式更便宜。以前的方式基本上是派飞机拍照。”
“卫星图像可以自动化处理，AI检测海带也可以自动化处理，因此我们可以持续更新地图。一旦绘制完成，谷歌、CSIRO和IMAS可以使用AI进行模式识别和预测。利用5%幸存下来的海带，AI分析可以揭示这些海带能够存活的基因模式。一旦确定了这一点，这种特殊的海带就可以繁殖，然后用于恢复海带种群，培育出一种耐热的新品种。我们在CSIRO和IMAS实验室参观时看到了这一过程的部分内容。为了更深入了解基因分析，我与谷歌研究的产品经理Andrew Carroll进行了交谈，他提供了更多细节。”
“任何研究的一个组成部分是了解该物种中存在的遗传多样性，以了解起点是什么。第二部分是了解哪些特征赋予了对各种挑战的适应性，关键挑战是耐热性，即海带抵御海洋温度升高的能力。这项研究不仅会在澳大利亚产生影响，还可能在全球范围内产生积极影响。谷歌表示，将地理空间地图提供给所有科学家，并开放用于此目的的AI工具。或许AI最令人惊叹的应用之一是有可能恢复失去行动能力的人的移动能力。引入AI驱动的假肢。”
“这是一只完整的机器人手臂。里面有一个AI芯片，然后这部分连接到我的手臂残余部分。这里有一些传感器，可以读取医生重新映射的手臂神经信号。当我思考打开或关闭时，我使用的是相同的神经。他显然看起来很高兴，你能感受到他的喜悦。让我再讲一个故事。这是Sarah de Lagarde。两年前，她在45岁时因地铁事故失去了手臂。她得到了一只新的AI辅助仿生手臂。它会自我训练，并且使用得越多越好。不过，它很重，每天都要充电。但最重要的是，它让她能够完成以前不可能完成的日常任务。像制作咖啡、梳理头发和拥抱女儿这样的简单事情。《纽约时报》在今年早些时候对她进行了报道，并完美地总结了这一切。”
“AI正在渗透到更多的领域，如医疗保健。虽然许多研究者对AI的风险提出了警告，但其他专家表示，这些担忧必须与这项技术改善生活的潜力相权衡。”这正是本期节目的主题：AI可以做好事。我们都见过假肢，但这些AI驱动的假肢是如何工作的呢？神经网络和机器学习用于解释患者肌肉的电信号，从而实现更精确和直观的控制。AI基本上为假肢赋予了一个“大脑”。想象一下，一个知道你在爬楼梯的假肢腿，或者一个能平稳抓杯而不洒出的假肢手。这就是神经网络的作用。它可以使用肢体内的传感器收集外部环境的信息。传感器可以读取肌肉信号，然后移动肢体。它还可以智能地适应。
几家公司在使用AI创造更智能的假肢。Autobock提供了一款使用AI改进功能和控制的仿生手。Rewalk以其动力行走辅助系统闻名，去年他们公布了在新外骨骼原型中使用AI进行自主决策的计划。“自从你迈出一步以来有多久了？”“将近20年了。20年来，你站起来却没有站过几年。”“那真是太棒了。”
其他例子包括冰岛公司Osor，该公司为下肢截肢者制造仿生假肢。主动动力技术使动力膝用户能够扩展活动范围，包括那些对被动膝用户仍然具有挑战性的活动。Atom Limbs结合了先进的传感器和机器学习，以实现更准确和逼真的假肢手臂运动。“我们覆盖你的残肢并安装电极，你通过我们看不见的幻肢进行训练，但你可以弯曲手指、伸展手指、旋转手腕，反向旋转。我们的机器学习和AI系统经过大量训练后输出结果，因此现在只要你一想，就可以移动。你不需要在脑子里或头上或胳膊里装任何东西。所有的表面电极和AI都为其提供动力。”
据估计，全球有超过5.5亿截肢者。仅在美国就有200万，预计到2050年这一数字将翻一番。请花点时间想想有多少人的生活可能会因为AI和先进假肢而改变。但有一个问题。尽管潜力巨大，这项技术尚未为最需要它的人准备好。主要原因之一，正如您可能已经猜到的，是成本。构建一个能模仿所有动作的机器人系统极具挑战性。此外，重现感觉可能还需要几十年的时间，甚至可能永远无法实现。但即使以目前的技术，它无疑正在改变那些有机会使用它的人的生活。随着时间的推移，随着技术的进步和制造成本的降低，获得的机会将增加，这是一件好事。假肢只是一个开始，但在医疗保健领域，神经网络显示出巨大的潜力。它正在改变我们诊断、治疗和管理全球健康的方式。
这张图表详细列出了AI已经在医疗保健领域产生的影响。医疗设备准备、医疗援助和技术人员等领域受到的影响最大。这对医疗保健的影响是巨大的，而大多数医生对此毫无察觉。他们不了解人工智能将如何彻底改变医学实践。我是一名医生。再次强调，这不是对任何医生的攻击，但我认为医疗行业已经完全放弃了责任，他们完全应该面对接下来几年将要发生的一切。如果任何医生认为自己可以躲避这些变化，那祝你好运，因为你绝对做不到。重大变革即将到来。最好为此做好准备。
下一节将绕过关于AI取代医生和其他医疗工作者的陈词滥调。这并不是我要讨论的内容。这更多的是关于AI如何分担繁重的工作。在很多方面，谷歌的Med LM旨在做到这一点。Med LM是一组AI工具，用于快速撰写病历和帮助查找重要的疾病标志物。其目的是使医疗任务更容易和更高效。不仅是谷歌，NVIDIA也推出了一些AI工具，使手术和医学影像更智能、更快。像强生和GE Healthcare这样的巨头也在使用NVIDIA的AI工具。在医药领域，EY美洲公司的Arda Ural看到了生物制药行业的积极转变。他们在短短一年半的时间里从一个毫无意义的流行词变成了真正的游戏规则改变者。这意味着什么？
通常，寻找新药是一个漫长的过程，充满了研究、临床试验和测试。这个过程可能耗费制药公司数十亿美元，并且风险很高。现在，借助AI，他们可以减少时间和成本，这是一件大事。我们可以指出一些已经在使用AI和深度学习来加速研究的生物科技公司。例如，Recursion Pharmaceuticals正在使用NVIDIA的AI超级计算机Biohive 2来更快地找到新药。Benevolent AI检查接近测试阶段的药物，旨在治疗尚无良好治疗方法的疾病。Atomwise则使用其atomnet深度学习神经网络进行结合亲和力预测。这在药物发现过程中是一个关键步骤，帮助他们更快地找到有效的药物。神经网络正在加速整个过程，使其更加高效和智能化。有人可能会质疑这一点，但这不仅仅是理论上的。麦肯锡的一项研究表明，AI确实对生物制药研究的生产力和成功率产生了积极影响。这是一个在一般AI炒作之下悄然进行的运动。已经有270家AI驱动的药物发现公司成立。结合快速进步，如果企业贪婪不作祟，我们可能会看到副作用更少、价格更低的新药。这是一个高要求，但人总可以梦想。
其他领域的公司如Delphi Diagnostics开发了一种使用AI识别肺癌指标的测试。同样，华盛顿儿童国家医院的研究人员创建了一种旨在诊断儿童风湿性心脏病的AI工具。在过去一年中，出现了许多这样的医疗解决方案。在之前的节目中，我们已经看到AI如何使癌症检测变得更加容易。只需一份简单的干血样本，检测率可达85%。最重要的是，它既快速又便宜。这不仅仅是一篇研究论文或一家医院的结果。它几乎无处不在。在科学中，独立验证总是很好的。这真是令人兴奋。
在机器人手术中，AI正在帮助医生和外科医生提高精度。早在2018年，我们就介绍了达芬奇机器人外科医生，但现在它可以利用机器学习、图像识别等技术进行高级图像分析、手术规划和针对患者独特解剖结构的实时调整。在所有这些过程中，需要注意的是，训练数据对于医疗相关解决方案至关重要。由于人口统计学、年龄、性别和环境因素等变量，数据的有效性可能会受到影响。尽管我认为这些早期迹象非常有希望，但我们必须现实一些。可能需要一段时间才能看到对普通人的实质性影响，但这仍然是一个很好的开始。
如果人工智能可以帮助创造更好的电池呢？锂离子电池对于从移动设备到电动汽车的所有东西都至关重要，但锂非常昂贵，并对其周围环境造成破坏。替换锂是一个重大挑战，可能需要数年时间，并涉及测试数百万种替代材料。AI在这种情况下非常有用，已经被证明非常有效。在一项著名的研究中，AI从数百万种可能性中筛选出23种有前途的下一代电池材料。微软和太平洋西北国家实验室之间的这一合作成果最近已发表。在2024年初，微软的Nathan Baker和他的同事们使用AI筛选了2360万种候选材料。他们通过替换一些锂原子来修改现有的电解质设计。结果是一种所需的锂比其他当前设计少70%的电池。AI发现的突破性材料被称为N2116。能源部的专家后来确保了该材料的实际可行性。N2116本质上是一种新型电解质，其中一半的锂原子被钠取代。这种非传统的配方为电池物理学带来了令人兴奋的可能性。使用这种材料，他们能够制造出一个粗糙的低导电原型，可以点亮灯泡。但更重要的是，从想法到工作原型只用了九个月的时间，这对于电池研究中的全新化学物质来说是一个大大加速的时间表。当然，还有一些问题，所以不要太快下结论。电池工程中的可用数据有限，可能会有一些未知的复杂性将AI设计带入这些电池的未来，但毫无疑问，这是一个令人兴奋的进展。
可以说，我们现在已经被面向消费者的AI应用程序所淹没，每家公司都将AI作为某种新颖的附加功能。老实说，这已经过度使用，坦率地说，有点烦人。但作为一个自2015年以来一直在频道上报道神经网络的人，看到全貌是很不错的。我刚刚介绍的故事是我个人觉得非常有趣的。它有助于了解我们在大局中的位置，而不是陷入噪音中。当然，有些人可能觉得在聊天应用中生成AI贴纸很有趣。但AI有可能解决一些更广泛的人类问题，并最终帮助我们梦想一个更美好的世界。尽管听起来有些老套，但这正是我们大多数人一直以来对AI的想象。现在它在这些领域显示出一些希望，很高兴看到朝着这个方向取得了一些积极进展。尽管另一方面是一团糟。那么，你们怎么想？请在评论区分享您的想法。今天，我们看到了AI如何帮助人类，但如果你们想要一份也能做同样的职业，你们想过吗？实际上，你们有没有想过职业生涯有多长？平均而言，大约是80,000小时，所以值得花些时间来规划它。这就是非营利组织80,000 Hours可以帮忙的地方。经过十年与牛津大学学者的研究，他们提出了一些最有成就感的职业道路。80,000 Hours有一个不断更新的工作板，上面有数百个活跃的工作机会，他们认为这些机会可能对你产生高影响力。你可以按地点、角色类型、职位要求以及他们从事的问题领域进行过滤。我只想强调他们提供的所有服务都是免费的。他们是一个非营利组织，唯一的目的是帮助你找到一份有意义的高影响力职业。例如，我认为在高影响力领域中的信息安全职业路径至关重要，未来需求会更大，他们有一个完整的职业评估。访问80,000hours.org/coldfusion，获取他们深入的职业指南副本，这将帮助你了解什么是高影响力职业，获得新的职业思路，并根据所学制定计划并付诸行动。因此，访问80,000hours.org/coldfusion。感谢观看，希望你学到了一些东西。希望这能让你稍微睁开眼睛，看到AI并不完全是坏的。无论如何，这是我所有要说的。我是Toggo，你正在观看Cold Fusion，我们很快再见，下次节目见。加油，伙计们，一切顺利。
(全文结束)
