打开网易新闻 查看精彩图片

今年1月1日开始,我明显改变了自己的工作和学习方式。

变化来自人工智能。

过去几个月里,我开始密集、大量地使用人工智能

最初只是把它当成一个效率工具,用来查资料、整理信息、辅助写作。

后来,它逐渐进入研究、阅读、思考、讨论乃至判断的全过程。

到现在,人工智能已经很难再从我的工作和学习中剥离出来。

它没有替代我思考,反而让我有机会阅读更多资料、追踪更多问题、验证更多假设,也迫使我比过去更加频繁地追问:

•一项判断的证据是什么?

一个观点的反面是什么?

我们习以为常的结论,究竟是事实,还是只是长期形成的惯性?

这也是我开设《详见》这个专栏的原因。

详见”两个字,本来是一个很普通的词。

在文件、论文和判决书里,我们经常看到:

“具体理由详见下文”“相关事实详见附件”。

我喜欢这个词。

因为真正值得讨论的问题,往往无法用一句话说清楚。

今天关于人工智能的讨论尤其如此。

•有人认为人工智能正在带来一次生产力革命,也有人认为它被严重高估;

有人担心它替代专业人士,也有人已经开始利用它完成过去难以想象的工作;

有人强调效率,有人强调风险;

有人看到机会,有人看到威胁

这些观点背后,并不只有技术判断。

还有职业、行业、商业模式、利益关系和个人经验。我不准备在《详见》中简单地加入其中任何一个阵营。

我更希望做一件具体的事情:

把人工智能真正用起来,然后把过程和结果公开给大家看。

这个专栏里的文章,会明确告诉读者:

这些内容,是我与人工智能共同完成的。

这不是一句免责声明,也不是一个噱头。恰恰相反,我希望把它作为这个专栏最重要的前提。

因为我真正感兴趣的问题并不是“人工智能能不能写文章”,而是:

•当一个具有专业经验的人,与人工智能进行长期、持续、深入的协作之后,我们能够把研究做到什么程度?

我们能不能更快找到重要资料?

能不能阅读过去来不及阅读的大量论文、判决、政策和报告?

能不能让原本只属于少数研究机构或者大型团队才能完成的研究工作,逐渐成为个人也可以承担的事情?

这些问题,我现在也没有完整答案。

所以,《详见》本身就是一个实验。

这个专栏首先会关注我长期从事和研究的领域:

法律、知识产权与创新。

我会尽量追踪全球范围内值得研究的法律热点、知识产权案件、产业变化和制度变化。

•人工智能训练是否构成版权侵权?

AI生成内容应该如何保护?

当数据、算法和模型越来越重要,传统知识产权制度是否还能够解释新的知识生产方式?

专利到底有没有价值,又应该如何衡量?

人工智能会不会改变律师、专利代理人以及整个专业服务行业?

知识产权制度究竟是在保护创新,还是在塑造一整套知识生产和利益分配机制?

类似的问题会很多。

有些文章可能来自刚刚发生的一起案件,有些来自一篇几十年前的论文;有些从法律出发,有些会进入经济学、产业史、技术史和组织理论。

我希望尽量少写只有立场、没有证据的文章。

也尽量不满足于新闻复述。

新闻告诉我们“发生了什么”,《详见》更想继续追问:

•为什么会发生?

它建立在什么制度和理论基础上?

还有哪些相反的证据?

如果把时间尺度拉长十年、二十年甚至一百年,我们会不会得出完全不同的结论?

而人工智能,恰好使这种研究方式第一次可以大规模地进入个人日常工作。

当然,我并不认为人工智能天然正确。

恰恰因为过去几个月高强度使用,我越来越清楚它的问题:

它会犯错,会过度概括,会迎合提问者,会把相关性误认为因果关系,也可能把一个听起来非常完整的答案建立在并不牢固的事实基础上。

所以,真正重要的从来不是“让AI回答”。

而是人如何提出问题、寻找证据、设计验证方法,并承担最终判断的责任。

这可能也是我目前对人工智能最深的一点体会:

未来真正重要的能力,不只是会不会使用人工智能,而是有没有能力与人工智能共同完成高质量的思考。

因此,《详见》不会是一份关于人工智能的宣传材料。

我也不会试图证明人工智能一定是好的,或者一定会改变一切。

我只是准备把自己的真实实践持续记录下来。

什么事情人工智能做得很好,我会写。

什么事情它做得不好,我也会写。

哪些职业可能因此发生变化,哪些专业能力反而会变得更加重要,都值得长期观察。

如果这个专栏最终能够产生一点价值,我希望至少有三件事。

0 1

让更多人看到人工智能除了聊天、写文案之外,还可以怎样参与真正严肃的研究工作。

0 2

通过持续研究,把一些正在快速变化的法律、知识产权和创新问题尽可能讲清楚。

0 3

第三,也是我自己的一个私心:用这个专栏记录自己的学习。

在人工智能快速发展的时代,一个人的专业能力也许越来越不取决于他过去知道多少,而取决于他是否还能持续学习、不断修正自己的认知。

《详见》就是我的一份长期学习记录。

从今天开始。

每周一到两篇。

不赶热点,不追求数量,也不预设结论。

找到一个值得研究的问题,就和人工智能一起把它往深处挖一点。

至于答案是什么——

详见。