00:00 - 00:02

OpenAI新推出的Deep Research

00:02 - 00:04

晚用一天都是对自己未来的不负责任

00:04 - 00:05

我很激动

00:05 - 00:07

兴奋和恐惧参半

00:07 - 00:09

Deep Research出来一周多了

00:09 - 00:10

我才做好这个视频

00:10 - 00:11

因为它能力太恐怖了

00:11 - 00:14

我也得花几天时间深度研究(Deep Research)一下

00:14 - 00:15

那它到底有多强呢

00:16 - 00:16

一个研究生

00:16 - 00:19

一天才能精读完的英文论文

00:19 - 00:22

它7分钟给出了16,000字的逐段精读报告

00:22 - 00:23

一个分析师

00:23 - 00:25

一周才能写出来的分析报告

00:25 - 00:26

它8分钟搞定

00:26 - 00:27

顶尖水平

00:27 - 00:28

一个博士花一个月浏览

00:28 - 00:30

花3个月才能写出来的论文综述

00:31 - 00:32

它13分钟搞定

00:32 - 00:33

博士级水平

00:33 - 00:36

你碎片化刷了一年的大模型相关视频

00:36 - 00:39

不如看它10分钟整理的大模型科普报告

00:39 - 00:42

你花几年摸索琢磨职业发展机会

00:42 - 00:43

它7分钟就完成了

00:43 - 00:44

系统的机会洞察报告

00:45 - 00:46

在它(Deep Research)面前

00:46 - 00:47

中国所有的研究生

00:47 - 00:49

都要重新思考一下自己存在的意义

00:49 - 00:51

它威胁的不是某些岗位

00:51 - 00:53

而是所有的知识工作者

00:53 - 00:54

那么接下来

00:54 - 00:55

我们就深度研究一下

00:55 - 00:57

为什么Deep Research那么强

00:57 - 01:00

到底能在哪些层面解决复杂难题

01:00 - 01:01

怎么才能用好它

01:01 - 01:03

以及又有哪些恐怖的影响

01:05 - 01:07

Deep Research为什么这么强

01:07 - 01:09

它是OpenAI当前最强模型

01:09 - 01:10

o3微调版驱动的

01:10 - 01:11

这还不是满血版

01:11 - 01:14

o3和GPT4o o1有什么区别呢

01:14 - 01:17

GPT4o是预训练范式下的聊天机器人Chatbot

01:17 - 01:18

是通向AGI的第一步

01:19 - 01:22

o1是强化学习范式下的推理者Reasoner

01:22 - 01:23

是通向AGI的第二步

01:23 - 01:25

Deep Research是能规划

01:25 - 01:27

能多步执行的智能体Agent

01:28 - 01:29

是通向AGI的第三步

01:29 - 01:32

按照Sam Altman的5步AGI规划路径

01:32 - 01:33

平均一年跨一步

01:33 - 01:35

这本身就很恐怖

01:36 - 01:37

Deep Research会自己上网

01:37 - 01:38

基于推理能力

01:38 - 01:41

从上百个网站里面搜索解释分析合成各种信息

01:42 - 01:43

文本的图片的

01:43 - 01:44

PDF文档的都可以

01:45 - 01:46

这里的关键就是合成知识

01:46 - 01:47

不要小看这一步

01:48 - 01:50

合成知识的能力是创造新知识的前提

01:50 - 01:53

按照新的布鲁姆认知目标分类模型

01:53 - 01:54

Deep Research直接干到顶

01:55 - 01:58

理解应用分析评价创造

01:58 - 02:00

这里创造的定义就包括

02:00 - 02:02

将不同元素组合成新的整体

02:02 - 02:04

或者新的范式新的结构

02:05 - 02:06

OpenAI自己也说了

02:06 - 02:08

Deep Research是迈向AGI的重要一步

02:09 - 02:10

Deep Research和o1一样

02:10 - 02:12

是采用强化学习的方法训练出来的

02:12 - 02:14

但是它能联网

02:14 - 02:15

为什么一定要联网

02:15 - 02:17

因为要解决现实世界的难题挑战

02:17 - 02:19

必须要从网上收集各种信息

02:20 - 02:23

而且OpenAI故意解除了模型的时间延迟约束

02:23 - 02:25

就是让模型可以慢慢推理

02:25 - 02:25

自由探索

02:25 - 02:27

你给它一个研究主题

02:27 - 02:29

Deep Research自己会规划多步骤的任务

02:29 - 02:30

然后执行

02:31 - 02:32

它会搜索内容

02:32 - 02:32

分析内容

02:32 - 02:33

合成内容

02:33 - 02:34

推理内容

02:34 - 02:35

然后在5-30分钟之内

02:35 - 02:37

给你输出几万字的研究报告

02:37 - 02:39

也有超过30多分钟的

02:39 - 02:40

它生产的几万字报告里面

02:40 - 02:43

哪一句引用了哪篇文章的什么内容

02:43 - 02:44

都有理有据

02:44 - 02:46

Deep Research会给你展示它的执行步骤Activity

02:47 - 02:47

你看啊

02:47 - 02:48

它先搜索

02:48 - 02:49

然后评估

02:50 - 02:51

阅读网页内容

02:51 - 02:52

拼凑合成信息

02:52 - 02:53

再阅读

02:53 - 02:55

然后开始制定策略

02:55 - 02:56

它居然在制定策略

02:57 - 02:57

Deep Research

02:57 - 02:58

这次真的是做到了

02:58 - 03:00

from search to research

03:00 - 03:02

在人类最后的测试当中

03:02 - 03:04

DeepSeek R1的通过率是9.4%

03:04 - 03:06

Deep Research是26.6%

03:06 - 03:07

与o1相比

03:07 - 03:08

最大的进步出现在

03:08 - 03:10

化学 人文社科 以及数学领域

03:10 - 03:11

在GAIA榜单上

03:11 - 03:12

Deep Research

03:12 - 03:13

就是天花板

03:14 - 03:15

state of the art SOTA

03:15 - 03:17

GPT4o联网是整合搜索

03:17 - 03:19

o3mini联网是推理搜索

03:20 - 03:22

Deep Research联网是深度研究搜索

03:22 - 03:24

是真正意义上的Agent智能体

03:25 - 03:27

这个智能超过博士级人类专家

03:27 - 03:30

而且是横跨100多个学科的Agent

03:30 - 03:33

所以它可以在跨学科知识合成与创造上

03:33 - 03:34

表现出非常惊人的能力

03:34 - 03:36

这个是人类办不到的

03:36 - 03:37

一个月200美金

03:37 - 03:39

能帮你深度研究100个问题

03:39 - 03:40

你觉得贵吗

03:43 - 03:45

接下来我基于这个金字塔模型

03:45 - 03:46

按照任务的复杂程度

03:47 - 03:49

分级多场景的展示Deep Research的能力

03:49 - 03:51

第一层 信息整合

03:51 - 03:52

第一个案例

03:52 - 03:54

我让它帮我做一份详细的

03:54 - 03:55

大语言模型的科普报告

03:55 - 03:58

介绍大语言模型的发展史和基本原理

03:58 - 04:00

解释不少于80个技术概念

04:00 - 04:01

解释Benchmark评价指标

04:02 - 04:03

介绍大模型的技术细节

04:03 - 04:04

还要介绍一下

04:04 - 04:06

2024年以后发布的主流大模型

04:06 - 04:08

要求只参考英文信息源

04:08 - 04:10

最后用中文输出

04:10 - 04:11

我的要求挺详细了

04:11 - 04:13

但是它还是要跟我再确认几个细节

04:13 - 04:15

我回复之后它就开始干了

04:15 - 04:17

一旦开干就不能终止了

04:17 - 04:18

点击过程

04:18 - 04:19

可以看到它的执行步骤

04:20 - 04:21

确实都是英文信息源

04:22 - 04:24

最后Deep Research只用了10分钟

04:24 - 04:26

输出了一份1.7万字的大语言模型科普报告

04:26 - 04:29

说实话本来我是计划做一个相关的视频的

04:29 - 04:30

现在完全没有必要了

04:30 - 04:31

这份报告

04:31 - 04:33

评论区有链接 你直接拿去

04:33 - 04:34

把这个报告看透

04:34 - 04:36

你对大模型的认知接口就打开了

04:36 - 04:38

MoE和稠密模型有什么区别

04:39 - 04:40

剪枝 蒸馏是干啥用的

04:40 - 04:43

监督微调强化学习都是个啥

04:43 - 04:44

里面都有了

04:44 - 04:44

这个报告

04:44 - 04:45

如果让我来写

04:45 - 04:46

只参考英文信息源

04:46 - 04:47

然后输出成中文

04:48 - 04:48

以我的能力

04:48 - 04:49

至少得花一个月

04:49 - 04:51

它只用10分钟

04:51 - 04:52

人类啊

04:52 - 04:55

别再做显性知识缝合式的努力了

04:55 - 04:57

在AI面前真的一文不值

04:57 - 04:59

这个功能用在文献综述的撰写上

04:59 - 05:00

也是爽翻天

05:01 - 05:02

写一份抑郁症相关的

05:02 - 05:04

多种病症的最新研究成果和治疗方案

05:05 - 05:06

13分钟 3万多字

05:07 - 05:09

引用的论文主要来自PubMed Central数据库

05:09 - 05:10

这个是全球最大的

05:10 - 05:12

生物医学和生命科学领域的数据库

05:13 - 05:13

你看这里

05:14 - 05:15

对于双向情感障碍的研究

05:15 - 05:18

卡里普拉宗在双向一型抑郁中

05:18 - 05:19

优于安慰剂

05:19 - 05:21

并已被升级为一线治疗选择

05:21 - 05:22

点击后面的引用链接

05:22 - 05:25

直接跳转到论文原文的引用段落

05:25 - 05:26

直接给你高亮显示

05:27 - 05:28

双向情感障碍

05:28 - 05:29

卡里普拉宗

05:29 - 05:30

一线治疗选择

05:30 - 05:32

如果你把这一段复制到word里面

05:32 - 05:34

参考文献自动跟随

05:34 - 05:35

点击链接

05:35 - 05:37

也是自动跳转到论文的引用段落

05:37 - 05:38

而且高亮显示

05:38 - 05:41

还有这篇20页的DeepSeek R1的技术报告

05:41 - 05:42

全英文

05:42 - 05:43

你真的想要搞懂

05:43 - 05:44

想要研究透

05:44 - 05:46

看博主的视频就是浪费时间

05:46 - 05:48

你直接发给Deep Research

05:48 - 05:50

7分钟 1.6万字的深度解读

05:50 - 05:51

直接端给你了

05:51 - 05:53

这部分的内容概述

05:53 - 05:54

与前文的联系

05:54 - 05:55

技术细节的解读

05:55 - 05:56

意义和亮点

05:56 - 05:58

还有扩展思考

05:58 - 05:59

没有哪个博主

05:59 - 06:00

能做到这个程度的精细解读

06:01 - 06:02

还是同一份技术报告

06:02 - 06:05

让Deep Research梳理行业相关领域的常见术语

06:05 - 06:06

然后做出解释

06:06 - 06:08

要求不低于100个

06:08 - 06:09

解释分两个版本

06:09 - 06:11

专业解释版和通俗表达版

06:12 - 06:14

这次Deep Research足足花了32分钟

06:14 - 06:15

这个太棒了

06:15 - 06:16

你看这个模型微调

06:16 - 06:18

专业版解释和通俗版解释

06:18 - 06:19

模型微调

06:19 - 06:21

就像把学过通用知识的学生

06:21 - 06:22

单独辅导某门课程

06:22 - 06:24

先有一个见多识广的大模型

06:24 - 06:26

然后针对具体的任务

06:26 - 06:28

再用相关的数据开小灶训练它一下

06:28 - 06:29

好理解吧

06:29 - 06:30

过拟合

06:30 - 06:32

通俗版本解释就是学的太细

06:32 - 06:33

把坏习惯也学来了

06:34 - 06:35

欠拟合就是

06:35 - 06:36

学的不够学的时间太短

06:36 - 06:38

还没掌握数据里的规律

06:38 - 06:41

正则化相当于给模型上紧箍咒

06:41 - 06:42

别让它胡来

06:42 - 06:43

就是强迫模型别套题

06:43 - 06:44

要学方法

06:45 - 06:47

如果你真的关注某个领域的市场消息

06:47 - 06:48

你也可以让它给你写月报

06:49 - 06:51

梳理总结2025年1月份

06:51 - 06:52

关于AI行业

06:52 - 06:54

全产业链的重要新闻和进展

06:54 - 06:56

全球范围做一份资讯汇报

06:57 - 06:59

这份报告包括芯片 算力 算法

06:59 - 07:02

大模型 应用 数据 监管 等关键环节

07:02 - 07:04

也会收集各大科技公司的最新动态

07:04 - 07:06

并综合分析行业的趋势和影响

07:06 - 07:08

10分钟搞定

07:08 - 07:09

我就问

07:09 - 07:10

以上任何一份报告

07:10 - 07:11

给你一天时间

07:11 - 07:12

你能搞出来吗

07:12 - 07:13

同志们

07:13 - 07:14

Deep Resarch

07:14 - 07:15

就是生产力

07:16 - 07:17

第二层 综合分析

07:18 - 07:19

你在国内网络上

07:19 - 07:19

想要找到

07:19 - 07:22

某家上市公司的负面利空消息

07:22 - 07:23

是很难的

07:23 - 07:24

但这个事对Deep Research很简单

07:25 - 07:26

全世界范围内

07:26 - 07:28

搜索整合比某迪的利空消息要真实

07:28 - 07:29

要真实有效的数据

07:29 - 07:31

或者有理有据的分析

07:31 - 07:32

为了避免麻烦

07:32 - 07:33

我就不展示了

07:33 - 07:34

这里就是给个思路

07:34 - 07:35

不要只听一种声音

07:35 - 07:37

要整合多个信息源

07:37 - 07:39

我可以让它整合利空消息

07:39 - 07:41

也可以让它整合利多消息

07:41 - 07:43

再比如我让它全面分析

07:43 - 07:44

AI大模型的上下游产业链

07:44 - 07:47

重点分析数据标注行业的代表企业

07:47 - 07:48

然后告诉我

07:48 - 07:51

在中国最具潜力的数据标注公司是哪家

07:51 - 07:52

理由是什么

07:52 - 07:54

这个是我一个朋友托我问的

07:54 - 07:56

他每天都在找这方面的投资标的

07:56 - 07:57

只用8分钟

07:57 - 07:58

Deep Research

07:58 - 08:00

详细分析了全球AI大模型产业链

08:00 - 08:02

数据标注行业的角色与全球格局

08:03 - 08:04

中国数据标注行业重点分析

08:05 - 08:07

中国最具潜力的数据标注公司评估与推荐

08:08 - 08:09

最后Deep Research认为

08:09 - 08:12

标贝科技是目前中国数据标注领域

08:12 - 08:13

最具潜力的一家公司

08:14 - 08:15

我把这份报告发给我朋友

08:15 - 08:18

他说这个比大多数研究员做的好多了

08:18 - 08:20

我还让它给我出一份行动指南

08:20 - 08:22

我希望孩子的成长过程

08:22 - 08:23

尽可能避开3大雷区

08:23 - 08:24

第一短视频

08:24 - 08:26

第二电子产品

08:26 - 08:27

第三封建迷信

08:27 - 08:28

同时结合成长型思维

08:28 - 08:30

刻意练习和优良习惯的培养

08:30 - 08:31

作为家长

08:31 - 08:32

你不想要吗

08:33 - 08:33

我还要它梳理

08:33 - 08:36

最近30年发布的时间管理相关的书籍

08:36 - 08:37

对比分析

08:37 - 08:39

技巧 工具 方法论 模型或者理论研究

08:39 - 08:41

它会自己去归纳总结

08:41 - 08:42

分析差异和共性

08:43 - 08:46

虽然说高效能人士的7个习惯出版于1989年

08:46 - 08:47

但是它觉得这本管理经典

08:47 - 08:50

对30年来的时间管理思想影响深远

08:50 - 08:51

所以它也列出来

08:51 - 08:53

后面的总结对比也非常到位

08:53 - 08:55

工具导向对比心理导向

08:55 - 08:57

专注单任务对比并行多任务

08:57 - 08:59

效率提升对比效能提升

08:59 - 09:01

这对应的就是时间管理的两大流派

09:01 - 09:03

高效流派和精要流派

09:03 - 09:05

最后还提出了个性化的建议

09:05 - 09:06

在综合分析这个层面

09:06 - 09:07

Deep Research

09:07 - 09:09

它会自动地去比较不同的观点

09:09 - 09:10

提炼共性和差异

09:10 - 09:12

然后形成有条理的分析结果

09:12 - 09:14

它的价值就是

09:14 - 09:16

大幅提升信息整合的深度和广度

09:16 - 09:19

让你能够在短时间内获取全面的视角

09:19 - 09:21

第三层 深刻洞见

09:21 - 09:24

这一层 Deep Research会帮你在海量的信息基础上

09:24 - 09:25

产生洞见和结论

09:25 - 09:27

我对洞见的理解就是

09:27 - 09:30

能看到别人看不到的本质 联系

09:30 - 09:31

趋势 机会

09:32 - 09:33

当下没有资源背景的中国青少年

09:33 - 09:35

如何寻找新的职业发展机会

09:35 - 09:36

放眼全球事业

09:36 - 09:38

不考虑国内的发展机会

09:38 - 09:40

针对不同学历的青少年

09:40 - 09:41

机会在哪

09:41 - 09:42

涵盖三层学历

09:42 - 09:43

两种方式

09:43 - 09:46

就是出国挣钱和人在国内挣国外的钱

09:46 - 09:48

7分钟 12,000字

09:48 - 09:50

这份报告价值不菲

09:50 - 09:52

比如怎么样人在国内挣国外的钱

09:52 - 09:54

介绍到了跨境电商

09:54 - 09:55

亚马逊美国站点

09:55 - 09:58

超过一半的头部第三方卖家来自中国

09:58 - 10:01

深圳的90后卖家靠卖手机壳蓝牙耳机

10:01 - 10:03

在亚马逊上年销百万美元

10:03 - 10:05

大学生利用义乌小商品的资源

10:05 - 10:07

通过独立站把创意商品卖到欧美

10:08 - 10:09

对于中国青年来说

10:09 - 10:10

跨境电商创业

10:10 - 10:11

提供了一个不论学历

10:11 - 10:13

以小博大的机会窗口

10:14 - 10:15

还有自媒体内容的创作

10:15 - 10:16

平台广告分成

10:16 - 10:18

一旦粉丝技术达到一定规模

10:18 - 10:20

收入会呈指数级增长

10:20 - 10:21

经典案例李子柒

10:22 - 10:23

针对不同的人

10:23 - 10:24

可以采取什么路径

10:24 - 10:26

这份报告已经结合案例说的很清楚

10:26 - 10:27

这是机会和趋势的洞察

10:27 - 10:28

我就不赘述了

10:28 - 10:29

完整的报告

10:29 - 10:30

我都打包分享了

10:30 - 10:31

自取

10:31 - 10:32

下个案例

10:32 - 10:33

梳理不同国家

10:33 - 10:35

最近三年对新能源车进口政策的变化

10:35 - 10:37

为中国新能源车出海

10:37 - 10:38

未来三年的战略判断

10:38 - 10:39

给出建议

10:39 - 10:40

只用了21分钟

10:40 - 10:43

就给出了全英文的详尽策略报告

10:43 - 10:45

我认识吉利国际的海外市场经理

10:46 - 10:47

他们苦于没有相关的人

10:47 - 10:48

给他们做这方面的培训

10:48 - 10:49

自己去梳理呢

10:49 - 10:50

又费时费力

10:50 - 10:51

所以一直就是等靠要

10:52 - 10:54

现在你只需要问一下Deep Research

10:54 - 10:55

基础研究就帮你做了

10:55 - 10:57

它能基于全面的分析

10:57 - 10:58

给出市场优先级

10:58 - 11:01

风险缓解和竞争策略方面的建议

11:01 - 11:03

这是一篇北大周欢萍教授

11:03 - 11:04

在Science上发表的论文

11:04 - 11:06

我只要把论文的DOI标识码

11:06 - 11:07

发给Deep Research

11:08 - 11:09

让它基于论文的内容

11:09 - 11:11

试着发掘新的创新研究方向

11:11 - 11:12

细节方面

11:12 - 11:14

要求理论创新技术应用

11:14 - 11:15

交叉学科的研究

11:15 - 11:16

三个方向都去试着挖掘

11:17 - 11:18

我虽然没能力判断

11:18 - 11:20

Deep Research给的创新研究方向价值几何

11:21 - 11:23

但是看它的Activity和细节表述

11:23 - 11:24

肯定是有价值的

11:24 - 11:25

跨学科交叉的视角

11:25 - 11:27

对单个专业的博士是很难的

11:27 - 11:30

但是这方面正是Deep Research的强项

11:30 - 11:31

好了

11:31 - 11:33

Deep Research在这3个层面上的研究能力

11:33 - 11:34

我就展示到这

11:34 - 11:35

你肯定也想拥有一个

11:35 - 11:37

这样专家级的Agent

11:37 - 11:38

就是有点贵

11:41 - 11:44

然后我们再聊聊怎么用好Deep Research

11:44 - 11:46

第一 搭建防降智环境

11:46 - 11:47

我现在还没遇到过

11:47 - 11:48

Deep Research 降智的状态

11:48 - 11:51

我这是新账号加指纹浏览器加静态IP

11:51 - 11:53

那具体怎么构建这个环境

11:53 - 11:54

网上随便搜一下都有教程

11:55 - 11:56

第二 窗口无所谓

11:57 - 12:00

至于是GPT4o o1Pro 还是o3 mini都没关系

12:00 - 12:01

即使o1Pro不能联网

12:01 - 12:03

但是不影响Deep Research的联网

12:03 - 12:05

而且研究报告输出内容的长短

12:05 - 12:07

跟窗口也没关系

12:07 - 12:09

一两万字五六万字都正常

12:09 - 12:11

第三 二次细化

12:11 - 12:12

第一次提要求

12:12 - 12:13

它会让你明确细节

12:13 - 12:13

别着急

12:13 - 12:15

你可以复制这个细节问题

12:15 - 12:16

逐个说清楚

12:16 - 12:18

然后单开窗口重新发送

12:18 - 12:20

它还是会要你进一步细化

12:20 - 12:22

这个就相当于二次细化

12:22 - 12:23

然后再开始研究

12:24 - 12:25

出来的结果大概率就是你想要的

12:26 - 12:27

第四 区分信息源

12:27 - 12:29

你要求不参考中文

12:29 - 12:30

它就绝对不参考中文

12:30 - 12:31

如果你不说

12:31 - 12:32

它就自己判断

12:32 - 12:34

前面小朋友避开三大雷区那个案例

12:34 - 12:35

参考英文的信息源

12:35 - 12:37

得到的结果质量更高

12:37 - 12:39

你可以前后研究两次对比一下

12:39 - 12:41

如果是学术相关的研究

12:41 - 12:43

那就妥妥的只参考英文信息源

12:43 - 12:45

第五 多线程运行

12:45 - 12:47

它可以同时进行好几个研究

12:47 - 12:49

比如你要全面研究某个专题

12:49 - 12:50

你可以让A窗口梳理综述

12:50 - 12:53

然后BCD窗口分别研究中国美国日本

12:54 - 12:55

它会同时在云端运行

12:55 - 12:57

然后你就放心的去吃饭

12:57 - 12:57

吃完回来了

12:57 - 12:58

它也研究好了

12:58 - 13:00

这个就是多线程时间折叠

13:00 - 13:02

第六 基于文档的研究

13:02 - 13:04

如果你要明确要求它研究某些内容

13:04 - 13:05

可以直接给它发个文档

13:06 - 13:07

比如你有200个思维模型

13:07 - 13:09

那你把模型清单发给它

13:09 - 13:10

然后让它解释模型

13:10 - 13:12

给出用法和案例

13:12 - 13:13

包括前面介绍的论文精读

13:13 - 13:15

还有报告解读都一样

13:15 - 13:17

甚至你可以把它的研究成果

13:17 - 13:18

直接通过插件

13:18 - 13:19

ChatGPT 转 PDF

13:19 - 13:20

导出为文件

13:20 - 13:22

然后另开窗口

13:22 - 13:23

让它进一步的优化补充

13:23 - 13:24

也是可以的

13:24 - 13:27

第七 研究和自己相关的难题

13:27 - 13:29

from search to research中间还有三个过程

13:30 - 13:32

从话题到问题到难题

13:32 - 13:34

deepseek爆火大家都在搜

13:34 - 13:35

那这个是话题

13:35 - 13:36

deepseek性能咋样

13:36 - 13:37

这是问题

13:37 - 13:38

如何将deepseek融入你的工作流

13:38 - 13:40

让你效率加倍实现个人精进

13:40 - 13:41

这是难题

13:41 - 13:42

把注意力和算力

13:42 - 13:44

都用来研究和自己相关的难题

13:45 - 13:48

第八 综述 概念 专题 项目

13:48 - 13:49

快速入行

13:49 - 13:50

先梳理综述

13:50 - 13:51

然后搞懂100个概念

13:51 - 13:53

再深入研究不同的专题

13:53 - 13:55

这些都可以合到一个project里面

13:55 - 13:56

这是目前最高质量

13:56 - 13:58

最快速了解一个行业的方式

13:58 - 14:00

第九 准备取代

14:00 - 14:01

问Deep Research

14:01 - 14:02

像它这种级别的Agent

14:02 - 14:03

可以如何协助你

14:03 - 14:05

又会如何取代你

14:05 - 14:07

协助和取代是一体两面的

14:07 - 14:09

100%协助就是取代

14:09 - 14:11

提前准备总归没错的

14:11 - 14:13

第十 开始研究

14:13 - 14:15

我觉得一个人真正的转变不是开悟

14:15 - 14:16

而是开始研究

14:17 - 14:19

当你开始研究某个问题的时候

14:19 - 14:20

你就会拓展认知

14:20 - 14:21

你才能吃到红利

14:22 - 14:23

不是所有人都能成为研究生

14:23 - 14:25

但是所有人都可以成为研究者

14:25 - 14:26

或者伸手党

14:26 - 14:27

就看你选择了

14:27 - 14:29

研究是你影响世界的开始

14:33 - 14:34

最后我们再聊聊

14:34 - 14:36

Deep Research会带来什么恐怖的影响

14:36 - 14:37

这个问题我也让它研究了一下

14:38 - 14:40

利好的群体和被取代的群体

14:40 - 14:41

是高度重叠的

14:41 - 14:42

就像我前面说的

14:42 - 14:44

协助和取代是一体两面的

14:44 - 14:46

Deep Research直接影响

14:46 - 14:47

所有的知识工作者

14:48 - 14:50

我们直接看被取代的知识型岗位

14:50 - 14:50

科研助理

14:50 - 14:51

文献综述人员

14:51 - 14:52

很危险

14:53 - 14:55

Deep Research生成的一份上万次的行业分析报告

14:55 - 14:56

它的质量

14:56 - 14:58

已经超过了某些学术论文的初稿

14:58 - 14:59

预测到2026年

14:59 - 15:00

就是明年

15:00 - 15:01

25%的科研助理职位

15:01 - 15:03

可能会被这类研究型的AI所取代

15:04 - 15:05

粗略的算

15:05 - 15:08

80%甚至90%的研究生都在这个范围内

15:08 - 15:10

2024年扩招的研究生

15:10 - 15:11

对不住了

15:11 - 15:12

时间真的不多了

15:12 - 15:13

还有

15:13 - 15:15

初级数据分析师市场研究员

15:15 - 15:16

Deep Research的出现

15:16 - 15:18

可能引发新一轮的裁员潮

15:18 - 15:19

直接冲击那些

15:19 - 15:22

以产出各类报告为生的研究员和顾问职位

15:22 - 15:23

真的

15:23 - 15:25

忙活一个月不如人家10分钟

15:26 - 15:26

还有

15:26 - 15:27

传统写作类的工作

15:27 - 15:29

公众号基本上彻底凉了

15:29 - 15:30

相比之下

15:30 - 15:31

公众号文章的价值几乎为0

15:32 - 15:33

像万维钢这类的专栏作家

15:33 - 15:35

也要重新评估自己的价值交付

15:36 - 15:37

知识区的视频博主也一样的

15:37 - 15:39

内核是你的文字稿

15:39 - 15:40

短期是利好

15:40 - 15:41

长期一定是取代

15:41 - 15:42

我也一样

15:42 - 15:45

我必须想想怎么交付差异化的价值

15:45 - 15:46

这个我用它做了深入的研究

15:46 - 15:47

对我启发很大

15:48 - 15:49

我也继续问了

15:49 - 15:50

中国的研究生

15:50 - 15:52

如果长期没有Deep Research

15:52 - 15:53

这种级别的AI工具辅助

15:53 - 15:56

和美国日本印度等国家的研究生相比

15:56 - 15:58

会导致什么程度的差距和损失

15:58 - 16:01

其实访问限制倒不是最难的

16:01 - 16:02

办法总比困难多嘛

16:02 - 16:03

主要还是

16:03 - 16:04

太贵了

16:04 - 16:05

中国研究生每个月的补助

16:05 - 16:07

都不够订阅费的

16:07 - 16:08

有分析说

16:08 - 16:09

借助Deep Research

16:09 - 16:11

研究任务的生产力可以提升20%-30%

16:12 - 16:13

如果再考虑语言水平的差异

16:13 - 16:14

我觉得不止

16:15 - 16:15

聪明的大学生

16:15 - 16:17

应该已经在卖报告了

16:18 - 16:19

当然Deep Research也有不足

16:19 - 16:21

回答过程中还是会有幻觉的现象

16:21 - 16:22

但是已经是

16:22 - 16:24

所有模型当中出现概率最低的

16:24 - 16:25

还是有

16:25 - 16:26

我就遇到过

16:26 - 16:28

2025年1月的文章

16:28 - 16:29

写的是2024年的事

16:29 - 16:31

它就错误的识别成2025年发生的

16:31 - 16:34

但这些都不影响它的强大

16:34 - 16:37

要知道这还只是Deep Research一个Agent

16:37 - 16:38

还会有其他的Agent出现

16:38 - 16:40

还会有满血的o3 GPT5

16:40 - 16:42

也会有其他模态的Agent

16:42 - 16:44

它们很快会超过所有的人类

16:45 - 16:46

最近哪吒2爆火

16:46 - 16:47

我用Deep Research花了5分钟

16:47 - 16:50

研究了AI技术对动画电影制作流程的影响

16:50 - 16:51

本来我想着

16:51 - 16:54

像建模 动画制作 渲染 视觉特效

16:54 - 16:55

这些总归很难吧

16:55 - 16:57

调研结果给我吓了一大跳

16:57 - 16:59

基本上是AI全面渗透

16:59 - 17:00

Deep Research

17:00 - 17:01

真的要去试一试

17:01 - 17:04

晚用一天都是对自己未来的不负责任

17:04 - 17:05

如果你有想要研究的问题

17:05 - 17:07

请在评论区留言

17:07 - 17:08

我这个月还有一半的额度

17:08 - 17:09

我帮你问

17:09 - 17:10

先到先得

17:10 - 17:10

谢谢你的时间

17:10 - 17:12

下个视频再见

Unveiling the Power of Deep Research: A Game-Changer in Knowledge Work

In the realm of Artificial Intelligence, OpenAI introduces its groundbreaking model - Deep Research. This model has revolutionized knowledge work, offering unparalleled capabilities that challenge the existence of traditional roles. In this informative content, explore the intricacies of Deep Research, its strength, applications, and potential impacts.

Unleashing Deep Research: Redefining Knowledge Work

Deep Research, OpenAI's latest powerhouse model, operates on the o3 fine-tuned architecture, setting a new benchmark in AI prowess. Differentiating itself from the previous models like o1 and GPT4o, Deep Research excels in planning, executing multi-step tasks, and delving deep into synthesized knowledge.

Unraveling the Technology

Utilizing reinforcement learning, Deep Research stands out as an intelligent agent that can navigate the vast realm of knowledge online. By synthesizing text, images, and PDF documents from diverse sources, it establishes a robust foundation for innovation and knowledge creation.

Advancing Towards AGI

As a pivotal step towards Artificial General Intelligence (AGI), Deep Research epitomizes the evolution in AI by bridging the gap between human expertise and machine efficiency. Its ability to plan, strategize, and execute tasks within minutes surpasses the capabilities of doctoral-level experts.

Harnessing the Potential of Deep Research

To leverage Deep Research effectively:

  1. Create an Anti-Dumbing Down Environment: Implement measures to prevent potential cognitive degradation while utilizing Deep Research.

  2. Distinguish Information Sources: Ensure clarity on the information sources to enhance the quality of outputs.

  3. Embrace Multi-Threaded Operations: Capitalize on Deep Research's ability to handle multiple research tasks concurrently for enhanced efficiency.

  4. Engage in Detailed Collaboration: Clearly articulate requirements to Deep Research for refined results, aiding in in-depth research exploration.

  5. Dive into Personalized Research: Challenge Deep Research with intricate queries related to your specific field of interest for tailored insights.

The Terrifying Impacts of Deep Research

While Deep Research offers unparalleled efficiency in knowledge work, its disruptive impacts on traditional roles are evident:

  • Threat to Knowledge Workers: Roles such as research assistants, market analysts, and content creators face potential displacement due to Deep Research's unmatched capabilities.

  • Revolutionizing Content Creation: Platforms like public accounts on media may experience a downturn as Deep Research outperforms human-generated content.

  • Global Competence Disparity: Countries relying on manual research methods may face competence gaps compared to those leveraging AI-driven tools such as Deep Research.

Embracing the Future with Deep Research

In a world evolving towards AI domination, Deep Research stands as a testament to the imminent shift in knowledge work dynamics. As we adapt to this transformative era, the integration and utilization of Deep Research will shape the future of intellectual endeavors. Dive into the realm of Deep Research, and witness the unfolding revolution in knowledge work!

Remember, embracing Deep Research is not just a leap in technology but a leap towards a visionary future. Are you ready to embrace the power of AI-driven knowledge exploration?


For any further queries or insights into the realm of AI and knowledge work, feel free to reach out. Your journey to unlocking the potential of Deep Research starts now!