亚里士多德《工具论》认为，逻辑学既不是理论知识，又不是实际知识，只是知识的工具。
人类有别于其他动物的一个重要特点是人会使用工具，更重要的是创造工具。
为了解放生产力，曾经发生过三次工业革命，出现了蒸汽机、电机1、电子计算机等多种工具，这极大简化了人的生产与生活流程，促进了整个时代的发展。
当然，第四次工业革命也在悄然发生，很多人给它的定义是多种科学技术的整合，比如系统科学、计算科学、生命科学等，这期间也产生了很多工具，处于时代浪潮中的我们可能很难界定这些工具是不是代表了这个时代，但是时间会给我们答案。AI2早先的诞生其实是生产力发展到一定水平以后，为了解放脑力劳动，让机器像人一样思考，所诞生的一门技术。
思考是一种很复杂的事情，所以有了强、弱人工智能之分。强人工智能也就是像人一样思考，现阶段难以达到。弱人工智能，某种程度上像是过往计算机里边的一个术语——遍历，也就是将各种可能发生的事件喂给机器，并可以设置各种权重，从而让机器在遇到相似事件时可以进行算法上的判断，实现相较于强人工智能要简单，但是算法不够准确，如果要更准确，只能不断修正模型，让模型越来越复杂，在之前，这很难（复杂模型给出结果更加慢，算力原因）。生产力解放了劳动力，也解放了算力，我们有足够多的资源让我们去试错。
AIGC（AI-Generated Content），指的是利用人工智能来生成内容。在狭义上，AIGC是指利用AI自动生成内容的生产方式，比如自动写作、自动设计等。在广义上，AIGC是指像人类一样具备生成创造能力的AI技术，它可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D交互内容等各种形式的内容和数据。
有了足够的算力（挖矿没前途）以后，AI的发展终于又提上日程了，近几年出现很多诸如大模型、chatgpt等等名称的工具，其中一个非常出名的品类就是AIGC，在这个品类下，我们可以让工具生成一些符合我们描述的文本等，此文不再分析在图像、视频等形式的内容。
这个品类的工具早先有一个特点，用于完成大学的算法作业非常容易，为什么呢？首先人的语言是带有情感的，所以语义很难界定，而计算机语言并没有情感一说，只要出现固定的结构，那么结果就是对的。大学的算法作业，需求比较简单，且由于多年来的作业几乎不变，有很多人在网上求教或者分享过，因此很容易就可以“学习”到。但由于各种各样的原因，人的学习并没有像计算机这样容易，比如，从我做了老师以后才知道，搜索是有门槛的，并不是所有人都可以在信息里边获得知识。现在，这些工具简化了这个搜索流程，工具先把所有的这些学习一遍，当你提出问题的时候，它已经准备好了答案，它就像是一个很努力的学生，提前预习了你全部的课程。但它并不是对所有的问题都能给出正确答案，这取决于它学了哪些东西，没学过的，它也不会。
这类工具需要学习的足够多，才能给出答案，所以往往这类工具都背靠搜索引擎（搜索引擎的本质是将网页缓存在自己的服务器，在被用户搜索时，快速从自己服务器给出结果，再跳转到原网站），比如bing、google、百度……
借助于此类工具，我们可以快速从茫茫网站中找到自己需要的东西（是否是正确的，有待判断），从而提升自己的生产力。也同样是在这两年，计算机类的学生被计算机给革了命了，如果不是对于某个方向足够精通，那么很容易被AIGC产生的代码秒杀，所以对于未来计算机学生的就业，我并不看好。同样待遇的还有很多文创专业，从产生内容的量级来说，他们再怎么强，也强不过AIGC，但是好在，文字是有情感的，他们还可以靠情感取胜。
得来太易就不被珍惜。从理科跨行到工科以来，我碰上过很多问题，可能熬个几天都找不到结果，翻论坛、社区，看源码，看翻译，找到结果终究是麻烦的。前不久，有位老师在群里分享说，最近不知道什么原因，找到问题的解决方法越来越难了。几位老师也有同感，也说AI找东西也有些答非所问。究其原因呢，个人感觉有以下几个情况：
- AI工具对于人的描述有理解偏差。
- AI工具学习的内容不够全。
- 网上的创新内容少了。
从我个人来说，如果一个东西很容易就被记住了，我是不会单独记下来的。所以，得到信息的方式越简单，分享的概率越低。继而得到了一个公式：生产力高->发展AIGC->进一步提升生产力->降低内容产出->降低生产力。生产力越高，生产力越低，这个公式很可笑。
总得来说，我们不能放弃主动思考，不能丢弃安身立命之根本。
纸上得来终觉浅，绝知此事要躬行。
一点浅薄之言，留待以后更新。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 1096485692@qq.com