AI发展史(二十五)：当AI获得视觉与听觉，它看见了更广阔的世界，但并非每个行业现在都需要它
此前的语言模型主要是借助文本来认知世界。我们提交一份病历，它便为我们提炼病情要点。抛出一个疑问，它便输出一段解答。这类AI恰似一位博览群书的长者，底蕴深厚，且善于表达。然而现实世界远不止文字这么简单。患者的表情、呼吸的声响、胸部的CT影像、心电图的曲线、监护设备的波形、外科手术的画面、病理切片的图像。这些信息很难用寥寥数语完整呈现。于是AI获得了新的能力：多模态。什么是多模态？“模态”这个词听起来晦涩，本质上就是：信息以何种形式呈现。文字属于一种模态。图像属于一种模态。声音属于一种模态。视频也是一种模态。
AI 为何显得如此聪慧？
曾有一次我让 AI 修改一段文字，至今记忆犹新。那段原文其实相当糟糕。并非内容多么深奥，而是杂乱无章。前面讲一点，后面补一点，连我自己读着都感到厌烦。我并未编写复杂的提示词，仅简单说道：帮我把这段话理顺，别太像公文。它迅速给出了一版修改稿。我的第一反应是：嘿，还真有效。并非多么惊艳，而是一种“替我省了半小时”的实感。开头不再拗口，中间的几句话也衔接自然，语气比原先稍显轻松。这种时候，人很容易产生联想。它是否真的理解我？后来我意识到，先别急着称赞。AI 最擅长的，恰恰就是这类工作：让语句衔接，把句子理顺，将
手机打字做AI标注：计件结算，多做多赚
很多人应该早就听过“AI赚钱”这类说法，但常常觉得套路多、门道深，担心不真实。这里分享一种更“落地”的形式：AI数据标注和文字整理。它的核心优势是：同样只要会打字、会用手机就能做，但服务的是正在高速发展的人工智能行业。AI训练离不开大量数据，而这些数据往往需要人工去清洗、分类、标注。无需拉人头、无需推销宣传，本质就是按量计酬的“计件收入”。为什么建议了解这个方向？1. 门槛极低，需求真实： 不看学历、不问经历，只要能打字、做事认真、愿意耐心处理细节即可。这不是空口许诺，而是AI生产链条里最基础、最刚需的环