案例 AI出现之前,这个领域里的工作内容/流程是怎样的? AI是如何重塑该领域的工作内容/流程的? 现在这个领域里的人们在做什么工作(被完全取代了?工作内容变了?) 信息来源链接
案例1:围棋(AlphaGo) 棋手依靠人类经验、棋谱积累,通过大量实战和死活题训练,赛前研究对手棋风。 AlphaGo通过自我对弈和深度强化学习,发现了人类千年未见的定式和下法(如“第37手”),打破了人类经验局限。 未被取代,工作内容巨变。棋手现在使用AI(如绝艺、星阵)进行辅助训练,人类负责理解AI的棋理,并在比赛中比拼对AI的理解和临场心态。 查阅AlphaGo相关纪录片或新闻报道
案例2:结构生物学(AlphaFold) 科学家通过X射线晶体学、冷冻电镜等实验手段解析蛋白质结构,耗时数月甚至数年,成本极高。 AlphaFold基于深度学习,通过氨基酸序列即可高精度预测蛋白质3D结构,将时间缩短至几分钟。 未被取代,工作内容转变。科学家不再单纯做重复的解析工作,而是转向利用AI预测结果进行药物设计、新蛋白质的创造,以及验证AI预测的错误。 Nature期刊关于AlphaFold的论文
案例3:翻译(机器翻译) 人工翻译需要逐字逐句阅读,查阅字典,理解上下文语境和文化背景,进行“信达雅”的润色,耗时较长。 神经机器翻译(如DeepL、ChatGPT)能瞬间完成基础翻译,处理长文本,且多语种切换自如。 基础翻译被大幅取代,高端翻译升级。普通笔译需求锐减,译员转向“译后编辑”(审校AI译文)、文学翻译、同声传译以及跨文化交流的定制化服务。 机器翻译发展史相关文献
案例4:数学(Lean/定理证明) (建议补充) 数学家靠纸笔、黑板推导,依靠直觉、灵感和极其严密的逻辑进行证明,同行评审耗时极长。 AI(如DeepMind的AlphaGeometry、Lean定理证明器)可以自动生成证明,且每一步都绝对严谨,甚至能发现人类忽略的边界条件。 工作重心转移。数学家将从“繁琐的计算和证明”中解脱,转向提出更好的“猜想”、设计数学框架、验证AI给出的证明,以及探索AI无法理解的跨领域连接。 DeepMind数学相关论文|