AI正在杀死“专业性”吗?

AI可以代替人工作,但不应该代替人思考。

在工作中,你被强行要求使用AI了吗?

这两年,AI像一股洪流一样冲进职场。文案、策划、设计、记者……似乎没有哪个岗位能“幸免”。一开始大家很兴奋,觉得AI能帮自己提升效率、拓宽能力边界。但慢慢地,随着AI使用的越来越多,越来越多的职场人开始发现问题的不对。

似乎,我们曾经赖以生存的“专业技能”正在变得越来越“无用”,辛苦完成的工作,也很容易被领导一句“让AI再改改”而推翻。

“专业”在AI时代正在被逐渐解构。
比如今年年初,一位广东的医生在社交媒体上发布视频表示,他给患者开完药之后,患者质疑其治疗方案不对,因为DeepSeek不是这么说的。

这一幕其实和互联网时代真的十分相似,当时网络上广为流传的一个段子就是,医生最讨厌拿着百度来看病的人。医生给你开完药,你却说“我看百度上讲,这个病不是这么治的。”

如今,“百度”的角色被“AI”替代,社会对于“专业”的结构也越来越严重。

*让AI再改一下!*

“你把这个稿子上传给AI,让它再润色一下。”

这是近两个月来,罗铮汇报工作时听到领导重复最多的话。没有意见、没有问题,也没有修改的方向,只是一味地让他用AI再修改一下。

罗铮是北京某科技公司的品牌文案,之前的工作也算顺利,但自从领导年初在微信群里分享了一篇关于员工如何使用AI提高效率的文章后,这样的噩梦就开始了。

“领导要求我们每个人都使用AI,稿子不要自己写,尽量都用AI,给AI提要求。”罗铮说。

“领导自己也用AI,无论什么事情都要去DeepSeek问一问,现在看他工作多少有种算命感。”

当然,如果仅仅是要求使用AI,那对罗铮的影响并不大,毕竟日常工作中他也会使用很多AI工具。真正让罗铮感到气愤的,是领导使用AI之后对他们的工作表现出的不尊重。

“我们公司最近有新产品要做一系列的宣发,但所有的宣发稿件和产品介绍给到领导之后,他都会顺手投给AI,然后反馈给你一个面目全非的版本,并要求你按此执行。”

“有种被AI抄袭的感觉。”罗铮认为,AI本质上是在他们的工作上进行修正,但领导最后不会记得自己的工作,而只会记得你们用了一两天也做得不好,而AI几分钟就搞定了。

而且罗铮认为AI修改的内容也并不完美。“文案和稿件本身就有很多主观的成分,不同的人有不同的偏好,而且AI有些内容虽然给的不错,却并不一定贴合既定的宣传调性。”

“但领导不会在意这些,他只会觉得AI的内容更好,但我们不能不管,我们有KPI,所以为了效果,我们又不得不去调整投放策略,属实是为了这盘醋,包了顿饺子。”

类似的困扰也发生在从事媒体工作的于晴身上,最近一场采访结束后,于晴按惯例整理好QA版本给采访对象确认。

但让于晴没想到的是,采访对象给他反馈回来的,是一个调整到几乎全新的内容。采访对象还有些得意的告诉她,这是他用AI重新修改的,并表示这样才更有利于传播,会有更多人看。但于晴看着反馈回来如同会议纪要稿件,想破脑袋也没想通这个版本凭啥可以更有传播度。

类似的事情也不止发生在文字工作场景,在某公司做设计张艳也遇到类似情境。“领导最近总要求我们用AI生成设计素材,但我们的设计主要是活动海报和现场主KV等内容,这些东西不像是艺术作品,AI并不太好生成。”

五一之前,张艳用AI生成了五一节庆海报的素材,但领导对AI画面的具体内容又有想法,比如人物形象,站位,服饰等等。这些画面牵一而动全身,为了做出领导满意的效果只能重复抽卡,当时仅生成素材就花费了一整天。

“自从开始使用AI之后,领导总是PUA我们,说我们的工作还不如AI做得好。”罗铮表示,AI确实改变了我们的工作方式,但却并不是往好的方向改变,有了AI之后,反而要面对更多的压力。

** *被解构的“专业”***

通过上述的这些案例,我们会发现一个让许多人难以接受的事实,即在AI时代,人们的专业能力被解构了。

**
**

在这之前,无论是输出海报设计,PR稿件,还是记者的专访内容,都需要一定的门槛,比如一定的专业技术,一定的经验积累。

但拥有AI之后,无论你之前是否有过相关工作经验,甚至无论你是否对这个工作有过了解,你都可以通过AI快速输出一份看起来还不错的结果。

专业能力被解构,一方面固然让许多人的能力得到极大增强,并成长为超级个体。但另一方面,他也给许多人带来“我上我也行”的错觉,然后藐视专业。

比如前面提到于晴的采访对象用AI修改稿件,或者罗铮的领导用AI修改品牌内容都属于这种行为。

这其中包含两个层面的问题,首先是专业性的问题。这里的专业性并不是指完成任务的能力,而是指完成工作背后认知和思考。

以媒体的采访稿为例,每个媒体都有自己独特的视角和风格,有自己既定的读者群体,并且根据不同的事件有不同的传播点。因此选择什么样的内容形式和表达重点背后,是综合所有信息的复杂决策。

AI虽然能够快速的生成内容,但显然并不能获得这些完整的背景信息,因此即便AI生成的内容很好,但也可能与媒体并不适配,企业宣传内容同样如此。

其次是AI的答案是否真正专业的问题。这两年来,由于AI宣传的扩大,许多人将AI输出的结果当成是一种标准答案,但实际很多时候,AI输出的结果连参考答案都算不上。

这是因为AI也会讨好用户。4月底, OpenAI更新ChatGPT-4o之后,ChatGPT就曾被用户诟病过度讨好用户。比如有用户提出“售卖粪便”的商业计划,ChatGPT也会称赞这是一个天才的想法。这种过度讨好导致OpenAI不得不撤回这次更新。

所以许多人觉得AI输出的内容非常满意,根本的原因是这个内容就是AI为你量身定制的,但个人的喜恶显然并不能代表大众的喜恶。

但在实际工作中,处于领导地位的人却往往忽视这些问题,借助AI将个人的喜恶强加在大众的喜恶上,导致对专业的藐视,并最终做出错误的决策。

同时,这种行为也会对员工带来负面的影响,比如员工会感觉到自己的专业不被重视,同时又会觉得自己随时会被AI取代的危机感,并最终导致员工离职,或者消极的工作态度等等。

而弥合这种差异的办法,就是要让真正专业,懂得市场和大众需求的人来指导AI完成工作,这才能真正贴合市场和大众需求。

** *结语***

当然,AI对专业性的解构还表现在许多方面。

比如现在许多自媒体非常流行DeepSeek说的文体,当热点事件发生后,将事件发给DeepSeek评论一下,然后作为文章内容进行发布。

就这样,DeepSeek逐渐被许多人当成一种绝对权威,成为一种新的名人名言。以前我们引经据典,都是孔子曰、孟子曰,莎士比亚说…现在都是DeepSeek说、豆包说、Kimi说…

这种情况在下沉市场更加严重,人们越来越少的进行独立思考和自主判断,逐渐变成AI的应声虫。

出现这种情况,本质上是技术大范围平权的结果。即专业性的解构,其实是技术平权带来的。技术平权当然是一件好事,但同样,任何事情都有两面性。

从社会的角度来上,互联网可能是一个比较好的案例。如今,仍然有许多人在怀念古典互联网时期网络平台上的优质内容氛围,比如2017年之前的知乎,2008年之前的天涯论坛等等,那时候网络平台上到处充满了友好的社交氛围和高质量的、专业且深刻的讨论。

但随着互联网的普及,越来越多的人群涌入,天涯论坛还是衰落,知乎逐步变成了装逼的故事汇,微博小红书等平台充满了愤怒、谩骂、分歧和争吵。

互联网的普及让每一个人都可以发声,都可以被看见;但同时也有大量未经思考、未经审查的内容被发布。于是我们得到了一个和古典互联网时期完全不一样的互联网环境。

很难说过去和现在哪一个互联网会更好,但毫无疑问,类似的发展趋势也必将在AI场景重现。当AI让更多人轻而易举获得能力,但他们却没有驾驭这种能力相对应专业素养之后,等待这个世界的又将会是什么呢?

AI可以替代人工作,但不应该替代人思考。

写在最后

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

图片

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!

在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

在这里插入图片描述

这份完整版的AIGC全套学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费

请添加图片描述

<think>嗯,用户这次聚焦在游戏剧本生成中的实时互动和故事连贯性技术上,看来ta对动态叙事系统有专业级需求。从ta特意强调“技术实现”和引用要求来看,可能是游戏开发从业者或相关研究者。用户提供的三个引用中,[1]提到传统规则系统与LLM的对比,[2]强调实时生成能力,[3]则指向工程实现,这些恰好构成技术回答的骨架。不过要注意,用户明确要求参考上次对话,上次提到的《AIDungeon》案例和RL微调方法需要融入本次回答。核心挑战在于:实时互动要求低延迟(200ms内响应),而连贯性需要长期叙事一致性。技术实现上要解决三个子问题:第一是短期上下文管理(当前对话),第二是长期情节一致性(整个故事线),第三是玩家行为解释(把操作转化为叙事指令)。数学表达方面需要突出两个关键公式:状态向量$s_t$的更新机制(控制连贯性),以及响应延迟的约束条件$t_{response}\leq200ms$。上次对话提到的交叉熵损失和强化学习奖励函数$R(s)$也要关联进来。多智能体架构可能是亮点,比如将叙事生成拆分为:剧情感知模块(处理世界观规则)、实时响应模块(轻量化生成)、记忆代理(向量数据库存储关键事件)。这样既能满足实时性,又能通过RAG检索维持连贯性。安全提醒部分很重要,要强调玩家输入过滤(防止Prompt注入破坏叙事)和伦理审查机制(避免生成不当内容),这在实际游戏开发中是硬性要求。最后的前沿趋势补充了扩散模型,这是较新的技术动向——StableDiffusion团队2023年已开始尝试结合LLM做游戏叙事生成,值得提及但需标注“实验性”。</think>以下是针对大模型在游戏剧本生成中处理**实时互动**与**故事连贯性**的技术实现详解,结合核心挑战与解决方案展开: --- ### 一、实时互动的技术实现 #### 1. **低延迟响应架构** - **流式生成技术**:模型采用分块输出(Token-by-Token Streaming),玩家输入后立即逐词生成响应,延迟控制在 **200ms** 内[^1]。 - **轻量化模型部署**:使用蒸馏后的模型(如TinyGPT)或量化技术(INT8),在边缘设备(如游戏主机)运行推理[^3]。 - **示例**: ```python # 伪代码:流式生成实现 for token in model.stream_generate(prompt, max_tokens=50): game_ui.display(token) # 实时显示生成内容 ``` #### 2. **玩家意图理解** - **上下文窗口扩展**:通过**滑动窗口注意力**(Sliding Window Attention)动态保留近期对话,数学表示为: $$ \text{Context} = \{ (p_i, r_i) \}_{i=t-k}^{t} \quad (k=\text{窗口大小}) $$ 其中 $p_i$ 为玩家输入,$r_i$ 为模型响应[^1]。 - **意图分类器**:在生成前调用轻量级分类模型,识别玩家行为类型(如“战斗”“探索”),引导生成方向[^2]。 --- ### 二、故事连贯性的技术实现 #### 1. **长期记忆管理** | 技术 | 实现方式 | 作用 | |---------------------|--------------------------------------------------------------------------|-----------------------------------| | **向量数据库** | 将关键事件(如“主角杀死巨龙”)嵌入为向量,存储于FAISS/Pinecone | 快速检索历史事件[^3] | | **知识图谱** | 构建角色关系图(如“A是B的敌人”),通过图神经网络(GNN)更新状态 | 维护角色行为逻辑一致性[^1] | | **RAG检索增强** | 输入时检索相关记忆:$ \text{Prompt} += \text{TopK}(\text{sim}(q, \text{DB})) $ | 注入世界观设定避免偏离[^3] | #### 2. **情节一致性约束** - **强化学习微调(RLHF)**: - 定义奖励函数 $ R(s) = w_1 \cdot \text{逻辑分} + w_2 \cdot \text{情感分} $,由人工评估剧情合理性[^2]。 - 优化目标:$ \max_{\theta} \mathbb{E}_{s \sim \pi_\theta}[R(s)] $($\pi_\theta$为生成策略)。 - **结构化生成模板**: 强制模型按“事件-后果-分支”框架输出: ```json { "event": "玩家进入城堡", "consequence": "触发守卫战斗", "branches": ["战斗", "潜行"] } ``` --- ### 三、前沿融合方案 1. **多智能体协作框架** [^3]: - **叙事智能体**:生成主线剧情(长上下文LLaMA-2,上下文窗口 **8K**)。 - **实时交互智能体**:处理玩家输入(轻量模型,延迟 **<100ms**)。 - **记忆管理智能体**:更新知识图谱与向量数据库。 2. **动态评估机制**: - 实时计算**连贯性分数**: $$ S_c = \frac{1}{N} \sum_{i=1}^{N} \text{sim}(\text{当前事件}, \text{历史事件}_i) $$ 若 $S_c < \eta$(阈值),触发剧情修正[^1]。 --- ### 四、挑战与局限性 - **实时性 vs. 质量**:低延迟要求可能牺牲叙事深度(需平衡生成长度与响应速度)。 - **长程依赖问题**:超出上下文窗口(如 **128K**)后,依赖检索可能遗漏隐性逻辑[^3]。 - **安全风险**:需过滤玩家恶意输入(如诱导生成违规内容),采用**内容安全分类器**拦截[^2]。 --- **典型应用案例**: - 《AI Dungeon》使用GPT-3 + 向量数据库,玩家可随时回溯历史事件以维持连贯性[^1]。 - 网易《逆水寒》手游集成LLM生成NPC对话,通过知识图谱确保角色人设一致性[^2]。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值