20250309

拥有高质量数据集和明确规则体系的领域，往往更容易受益于 AI，并且发展更快。

为什么这么说？

1. 数据的结构化程度高

例如，编程领域：代码本身是高度结构化的，遵循语法、逻辑和模式，错误也可以通过编译器或测试用例自动识别。这使得 AI 可以基于大量代码样本学习最佳实践，并生成高质量的代码。还有科学研究领域：实验数据、数学公式和物理定律都是高度结构化的，这为 AI 建立精确的预测和推理能力提供了良好的基础。

2. 规则清晰，反馈机制明确

在编程中，AI 生成的代码可以直接运行并验证正确性，错误可通过调试和测试自动反馈给 AI 进行优化。 而在科学研究中，许多学科有成熟的实验方法和理论体系，AI 可以利用这些规律进行推理和创新，如 AlphaFold 在蛋白质结构预测中的突破。

3. 高质量数据集的可获得性

编程领域有大量开源代码库（如 GitHub、Stack Overflow），AI 可以从中提取知识。科学领域则有丰富的开放数据库（如 PubMed、arXiv），为 AI 提供训练素材。

那些规则模糊、数据混乱或者依赖主观判断的领域，AI 进展往往较慢。

例如：

• 法律：虽然法律文本清晰，但现实案例充满了模糊性和例外情况，判决依赖于上下文、法官的主观判断和社会文化背景，AI 很难精准推理。
• 社会科学：心理学、社会学等领域的规律较难量化，很多研究结果依赖问卷、访谈，数据质量受主观因素影响大，AI 训练起来更具挑战。
• 艺术与创意产业：尽管 AI 可以生成图像、音乐、文章，但要达到真正的原创性和深度，还需要突破很多模糊规则。

但是，我观察到一个现象：AI 现在可以从非结构化数据中自动发现规律，而不是仅仅依赖人类事先定义的规则。

非结构化数据的可用性已经大幅提升

1. 文本数据的突破

以前 NLP 领域需要依赖结构化数据，如词典、语法树、标注好的数据集。但 LLM 出现后，大规模非结构化文本（维基百科、Reddit 讨论、开源代码等）已经足够让 AI 学习复杂的语言模式，而无需明确的语言规则。

2. 视觉和音频领域的突破

以前计算机视觉需要大量人工标注的训练集（如 ImageNet），但今天的大模型（如 SAM、DALL·E、Sora）已经能够从非标注的图像、视频中自我监督学习，无需人工提供规则。

3. 科学研究的非结构化数据利用

以往 AI 在科学研究中的应用主要集中在数值计算和已知公式推理（如材料科学、基因测序）。但现在，AI 可以从非结构化的论文文本中自动归纳科学理论。例如：AlphaFold 2 通过蛋白质结构的非结构化数据训练，成功预测蛋白折叠，甚至在某些情况下超越了人类专家。

一些规则不清晰的领域（如法律、社会科学、艺术）确实比编程、数学等领域更难 AI 化。但新一代大模型正在改变这一点：

• 法律 AI：从“规则”到“案例学习” 传统法律 AI 依赖结构化的法规和判例数据库，而 GPT 级别的 AI 已经可以从海量判例中自动归纳法律推理逻辑。例如：Harvey AI（应用于律师事务所）可以基于历史案件分析诉讼策略，而不是仅仅依赖法条匹配。AI 甚至可以生成法律文件、合同，减少初级法律工作的人工成本。

• 社会科学 AI：从统计到语义分析 以前，社会科学 AI 主要依赖统计模型分析问卷和调查数据，而现在 LLM 可以直接理解访谈文本、社交媒体对话、心理咨询记录，并进行深层次的情感分析。例如：基于大模型的心理咨询 AI（如 Wysa）可以提供更细腻的情绪分析，而不是仅仅基于评分量表。

• 艺术 AI：从“复制”到“创造” 过去，AI 生成艺术往往只是模仿，但现在的 AI 生成（如 Midjourney 5、Stable Diffusion XL）已经可以融合风格，甚至创造新的美学概念。例如：AI 生成的绘画、音乐、电影脚本已经能接近人类创意水准。AI 甚至可以学习艺术家的思维方式，而不仅仅是复制他们的作品风格。

一个更完整的 AI 发展框架：

1. 规则清晰的领域（编程、数学、科学）仍然是 AI 最先突破的方向，但这已经不再是 AI 发展的唯一限制。
2. 非结构化数据的利用效率大幅提升，使得 AI 可以从文本、图像、视频等模糊信息中自主学习，而不是依赖人工结构化处理。
3. 规则模糊的领域（法律、社会科学、艺术）也在 AI 化，AI 通过案例学习、语义理解、风格归纳，正在突破这些行业的智能化瓶颈。
4. AI 未来可能会让更多领域“规则化”，即 AI 可能通过自身推理能力，帮人类发现潜在规律，让以前模糊的领域变得更“可计算”。