作者:孙永伟 博士
TRIZ五级大师,DFSS黑带大师
(0)引言
前段时间与一位朋友交流时,他提出了这样一个观点:“AI 不会战胜人,但运用 AI 的人会战胜不运用 AI 的人。” 而我的回应是,这种情形在未来几乎不太可能出现,因为未来几乎不存在不运用 AI 的人。
(一)AI焦虑
当今,人工智能(AI)的崛起毫无疑问给各个行业带来了深刻的变革。AI 技术的持续进化和广泛运用,使我们的生活与工作方式发生了天翻地覆的变化。作者曾经写过这方面的文章,([原创]ChatGPT来了,哪些TRIZ工具过时了?哪些工TRIZ具可以使ChatGPT更有效?二者如何融合?)伴随着这一进程,“AI 不会战胜人,但运用 AI 的人会战胜不运用 AI 的人”这类观点在大众中传播开来,引发了广泛的探讨和一定程度的焦虑。
然而,我对此观点并非完全赞同。乍看之下,它似乎颇有道理,毕竟在新技术崭露头角的初期,率先掌握并运用它的人往往能够获取一定的优势。但深入探究就会发觉,这种观点存在局限性。
(二)AI影响的长期性
当下,我们正处于 AI 从诞生到逐步普及的过渡阶段。在这一阶段,的确会出现一些暂时的状况,例如 AI 技术的应用水平良莠不齐,有些人能够驾轻就熟地运用,而有些人仍处于摸索阶段,但这并不意味着未来会有不使用 AI 的人。随着技术的持续进步和推广,AI 必然会如同电脑和互联网一样,成为人们日常生活和工作中不可或缺的工具。我们必须清晰地认识到,AI 技术的发展与普及是一个比较长的过程。在初始阶段,那些能够率先采用并有效运用 AI 的个人或企业,或许在某些方面能够赢得竞争优势。比如,以作者在运用AI进行实战的经历来看,在数据分析领域,运用先进的 AI 算法或智能体能够更迅速、精准地处理海量数据,为企业决策提供有力支撑;在制造业中,利用 AI 进行生产流程优化,能够提升产品质量和生产效率。但这并不意味着当下未使用 AI 或对 AI 应用处于初级阶段的人就必然失败。
(三) AI时代的工程师角色
对于工程师们来讲,情况更是如此。工程师们在解决实际问题时,专业能力起着决定性作用。工程师们在工作中,通常面临各类复杂、具体、独特的问题,而非通用型的问题。就像在建筑工程中,结构工程师需要综合考虑当地具体的地质条件、特定的建筑材料性质以及当地的气候等众多因素来设计稳固的建筑结构。AI 可以提供一些参考数据、模拟结果或效果图,但最终的设计方案依旧要依赖工程师的专业判断和创新思维,而且在运用 AI 解决问题时,高度取决于能否准确抽取具体的问题,这对工程师深入分析和抽取具体问题的能力提出了更高的要求,这一点作者在大量的AI及非AI实战中体会尤其深刻。以某生产线中的出现的问题为例,工程师们所需要解决的问题往往是非常复杂的,这些问题的出现也与生产线的具体应用场景、与周边环境的交互情况以及生产线所涉及到的具体结构高度相关,而这些非常具体的细节,目前的AI是无法自己感知的,需要工程师们在进行细致的分析后,提供更加精准的输入给AI后,才能更加有效地发挥AI的作用。诚然,作者也在广泛地运用AI来分析问题,但工程师们依据系统的具体结构、具体应用场景等来判断自己的项目中是否真实存在AI所给出的原因。很明显,这些活动也是AI目前无法取代的。
当前,对于绝大多数企业所遇到简单的、浅层次的问题,工程师们自己依靠经验就能够解决,但这种问题的占比会越来越少。目前,工程师们在实战中遇到的是极其复杂的问题。如果我们运用AI时所输入的问题只是表面的浅层次问题,那么得到的也必然是表面看上去有道理实则浅层次的解决方案,这些答案其实已经被行业专家所熟知,对于实际问题的解决并没有多大的帮助。但任何复杂的系统都是由一系列简单的子系统或更简单的组件构成,建立在工程师深厚的专业能力基础上的解构能力就极其重要了。只有向AI输入精准、具体的问题,AI才会给出精准、更加有价值的解决方案。
目前,AI 的发展仍处于不断摸索和完善的阶段。如同电脑和互联网的发展,其应用范围和功能远远超出了最初的构想。起初,人们预测电脑可能仅用于简单的科学计算,早期的互联网也只是用于发送邮件和浏览新闻。但随着技术的进步,它们的应用场景不断拓展和深化,成为了推动社会发展的重要力量和基础设施。同样,AI 的未来发展潜力难以估量,目前我们对其应用还处于相对初始的阶段,但它的能力极有可能远超我们当下的预测。就像在互联网领域成功的不一定是那些精通互联网技术的人,尽管对网络技术较为了解、会写代码的人在早期具有一定优势。曾经一度有人认为键盘输入快的人就是电脑高手。
(四)当前AI的局限性和专业能力的重要性
在这个瞬息万变的时代,我们确实应当积极接纳新事物,以开放的心态去学习和探索 AI 技术。但同时,我们更应关注那些本质、核心的、不变的要素,那便是我们自身的专业能力和思维模式。专业能力是我们在各自领域站稳脚跟的基础,是经过长期学习和实践积累而成的珍贵财富。
(五)专业能力与AI的结合展望
在未来的道路上,AI会不断迭代出各种应用方式,其使用的门槛会越来越低,它无疑会成为我们的得力伙伴。但决定我们能否走得更长远、更稳健的,始终是我们自身的专业素养和不断进取的精神等特质。凭借专业能力和 AI 的助力,我们必定能够在时代的浪潮中奋勇前行,创造出更为辉煌的业绩。
让我们以积极乐观的态度迎接未来,相信在持续的努力和创新中,我们都能在这个充满机遇和挑战的时代找到属于自己的成功之路。
扫描二维码入群开启免费TRIZ学习之旅
扫二维码关注我们
作者简介:孙永伟,博士,注册六西格玛设计(DFSS)黑带大师,TRIZ五级大师,研发方法理论体系的提出者,对外经济贸易大学国际商学院实践教授,天津大学创新创业导师,TRIZ理论的畅销书《TRIZ打开创新之门的金钥匙I》和《TRIZ打开创新之门的金钥匙II》两本书的作者,目前已经获得授权的发明专利30余项。曾任GE(通用电气)全球研发中心工程师、GE能源集团黑带、GE油气集团项目经理等职。孙博士曾获得中国质量技术领域的全国质量技术奖。经他签发不同类别研发方法论认证证书的专家达5000多人,其中多位已经成为企业研发方法论推进负责人。20多年来,他一直在企业和研究机构的研发第一线,具有丰富的企业内部推进六西格玛和TRIZ等先进研发方法论的经验以及运用这些方法论解决实际问题的能力,曾多次受邀到德国、波兰等欧洲国家及韩国、马来西亚、印度等亚洲各国介绍方法论的推进经验。
邮箱:ywsun@yeah.net或sunyongwei@irdmi.org。
RDMI®(国际研发方法协会,The International Research and Development Methodologies Institute)致力于将全球领先企业在研发项目中起到关键作用的方法论进行研究、提炼、融合,并加以推广,以提升工程师的研发能力,从而提高企业的研发水平,助力企业开发出高质量的产品。RDMI®关注的研发方法论对应于解决企业研发过程中遇到的不同层面的问题,从战略层面到执行层面,从各个方面提高企业的研发水平。RDMI®关注的方法论包括但不限于NPI/IPD、DFSS(六西格玛设计)、专利战略、TRIZ(发明问题解决理论)、FMEA(潜在失效模式及后果分析)、DoE(试验设计)、创新降本等。目前,RDMI®已在广州、武汉、苏州、哈尔滨、成都、上海、香港等地设立了中心。
如果您也对研发方法论感兴趣,欢迎您长按二维码关注本公众账号。为了更加有效的交流,我们建立了研发方法群(QQ群号:1141059571)用于交流、讨论研发方法论,欢迎您的加入。联系邮箱:rdmi@rdmi.cn,电话:4000-885585。