本文來(lái)自微信公眾號(hào)：劉言飛語(yǔ)（ID：liufeinotes）,，作者：劉飛Lufy,，題圖來(lái)自：《攻殼機(jī)動(dòng)隊(duì)》

近期花了一些時(shí)間繼續(xù)學(xué)習(xí) ChatGPT,，體會(huì)到了認(rèn)知 ChatGPT 的整個(gè)過(guò)程,，就是在消除我自己偏見(jiàn)的過(guò)程,。其中存在大量信息不對(duì)稱的地方,。哪怕關(guān)于 ChatGPT 的討論這么多了，噪音里面有價(jià)值的信息也并不總是好找,。

接下來(lái)就分享一些觀點(diǎn)：

一,、重點(diǎn)并不是“聊天機(jī)器人”

首先，對(duì)于 ChatGPT 來(lái)說(shuō),，它帶來(lái)的大家提到的 AI 的革命性進(jìn)展,，壓根不是做出了好用的 chatbox，或者說(shuō)聊天機(jī)器人,。

換句話說(shuō),，它并不意味著，我們的生活和工作里并不會(huì)有太大變化,，主要的變化就是多了一個(gè)聊天機(jī)器人,。如果按照這個(gè)前提條件去聊，它看起來(lái)就不是革命性的,。

要真如此的話,，憑什么說(shuō)它是 iPhone 時(shí)刻？

真實(shí)情況是,，聊天只是 OpenAI 做的一個(gè)演示,，用它來(lái)做 demo，讓大家很好地看到了 GPT 這個(gè)模型的威力,。在這個(gè)威力之外,，大家還是只覺(jué)得它是聊天機(jī)器人,，這就是一個(gè)啼笑皆非的事了。

當(dāng)然,，我們都知道,，這個(gè)聊天機(jī)器人是 OpenAI 團(tuán)隊(duì)用來(lái)獲取真實(shí)世界對(duì)話的方法，用它來(lái)繼續(xù)迭代訓(xùn)練模型,，來(lái)強(qiáng)化學(xué)習(xí)的 RLHF 的一個(gè)方法,。選擇開(kāi)放給用戶的這條路線，看起來(lái)好像常見(jiàn),，或者說(shuō)之前也見(jiàn)過(guò),，但實(shí)際上在科研領(lǐng)域這是一個(gè)非常歪門(mén)邪道、一個(gè)非常不主流的方式,。

之前不管是企業(yè)還是高校,，以前大家做這方面的研究，不管是大模型還是 AI 方面的研究,，都是用做題家的思路,，就是用各種學(xué)術(shù)界的評(píng)測(cè)，如 20 個(gè)專家標(biāo)注的確定性的 QA 問(wèn)答題來(lái)完成,，都是命題作文,。

但現(xiàn)在 OpenAI 說(shuō)，我不參加這些考試,，我不參加這做題,，我也不去跟你比論文數(shù)，就是把模型扔到人民群眾的汪洋大海里去,。

現(xiàn)實(shí)就是,，很會(huì)寫(xiě)高考作文，和很會(huì)跟人聊天,，確實(shí)是兩碼事,。所以使用 ChatGPT 的時(shí)候有很多方式就不對(duì)，比如我自己作為一個(gè)可能稍微了解 NLP 的,，或者了解產(chǎn)品,、技術(shù)實(shí)現(xiàn)邏輯的，我就會(huì)去想：這個(gè)是不是難為他了,？這個(gè)他肯定不會(huì)吧,？我就不問(wèn)了。

當(dāng)知道他是個(gè)機(jī)器,，就容易擔(dān)心給的前提條件不夠,。它胡說(shuō)八道，給一些錯(cuò)誤的答案,，我是有奇怪的愧疚感的,。所以就潛意識(shí)里特別照顧它,，把問(wèn)題表述得格外完整才問(wèn)出來(lái)。

這樣結(jié)果就是不夠真實(shí),。包括我做 NLP 的一些老同學(xué)，他們也會(huì)帶著很多假設(shè)和前提條件去問(wèn),，他們問(wèn)的都不是正常人聊天會(huì)問(wèn)的,。而現(xiàn)在用 ChatGPT 的大部分的人不是產(chǎn)品或者技術(shù)背景，并不知道背后的原理,，所以問(wèn)出來(lái)的就更真實(shí),。OpenAI 最初也是用格外真實(shí)的語(yǔ)料去做訓(xùn)練，所以能訓(xùn)練出來(lái) ChatGPT 的效果,。

二,、很多當(dāng)下的問(wèn)題，都是技術(shù)性問(wèn)題

認(rèn)知的另一個(gè)偏差是,，它就是一個(gè)終態(tài)了,。于是會(huì)認(rèn)為它的很多問(wèn)題，代表它不智能,。

比如說(shuō) ChatGPT 搜的信息不準(zhǔn)確,，以及胡說(shuō)八道。很多朋友都會(huì)這么覺(jué)得,，問(wèn)了幾個(gè)問(wèn)題,，發(fā)現(xiàn)不對(duì)，就認(rèn)為 ChatGPT 沒(méi)有什么大家說(shuō)得那么有價(jià)值,。

對(duì)于信息準(zhǔn)確性的問(wèn)題其實(shí)是好解決的,，而且必然會(huì)解決。因?yàn)楝F(xiàn)在使用的模型,，并不是在一句一句地學(xué),，不是像某些人想象的一樣，在跟每個(gè)人溝通的時(shí)候來(lái)現(xiàn)學(xué)現(xiàn)賣(mài)（當(dāng)然在聊上下文的時(shí)候,，它會(huì)考慮上下文,，這個(gè)可以定義為短時(shí)的學(xué)習(xí)）。背后所用的大模型,，實(shí)際是一個(gè)用 2021 年的語(yǔ)料訓(xùn)練的固定的模型,，這個(gè)底層的模型是沒(méi)有實(shí)時(shí)進(jìn)化能力的。

那為什么信息準(zhǔn)確這個(gè)問(wèn)題好解決,？這個(gè)后面一起說(shuō),。

另外一種常見(jiàn)說(shuō)法是，ChatGPT 既然是一個(gè)生成式的工具,，所以應(yīng)該是能幫助甚至替代內(nèi)容創(chuàng)作者的,。目前看起來(lái),，這方面的水平有限。有可能幫忙寫(xiě)個(gè)周報(bào),，幫忙潤(rùn)色一下文字,，幫忙寫(xiě)個(gè)小紅書(shū)筆記等等，哪怕這種簡(jiǎn)單的工作,，大家也發(fā)覺(jué)了,，寫(xiě)出來(lái)的 AI 感非常強(qiáng)、并不是很擅長(zhǎng)用人的語(yǔ)氣表達(dá),，能明顯感覺(jué)到他整個(gè)表述的方式是有一種奇奇怪怪的感覺(jué),，這種感覺(jué)就讓人心懷疑慮：這個(gè)所謂的 AI，不也模仿不了人的語(yǔ)氣嗎,？你看,，人類還是有一些所謂“靈魂”的部分存在的，AI 寫(xiě)內(nèi)容,，就是沒(méi)有靈魂,。

而很殘酷的是，我也認(rèn)為,，內(nèi)容創(chuàng)作的風(fēng)格和語(yǔ)氣也不是大問(wèn)題,，依然是個(gè)技術(shù)性問(wèn)題，因?yàn)?AI 最擅長(zhǎng)的就是模仿,，對(duì)于文本的模仿反而是相對(duì)來(lái)說(shuō)容易的,。只不過(guò)一方面，因?yàn)?ChatGPT 是基于英文語(yǔ)料主要訓(xùn)練的（中文語(yǔ)料只有 1% 左右）,，所以在中文的表達(dá)上會(huì)有比較大的問(wèn)題,，翻譯體很明顯。

另外就是 ChatGPT本身就被刻意訓(xùn)練了,。它目前這樣的語(yǔ)氣和表達(dá)風(fēng)格,，是訓(xùn)練出來(lái)的，不是 AI 天然就是這樣的,。因此說(shuō)這是個(gè)技術(shù)性的問(wèn)題,。比如說(shuō)之前 AI 繪圖剛出來(lái)的時(shí)候，大家當(dāng)然就習(xí)慣性基于當(dāng)時(shí)的版本去考察,，說(shuō) AI 能畫(huà)成這樣還不錯(cuò),，但是 AI 畫(huà)的圖還都有 AI 感。這個(gè)所謂的 AI 感大概意思就是光影的問(wèn)題,、細(xì)節(jié)的問(wèn)題（比如畫(huà)手）,，這個(gè) AI 感在 Midjourney v5 里消除得差不多了。因?yàn)檫@就是個(gè)可訓(xùn)練的技術(shù)性問(wèn)題。

（這是我用 Midjourney 畫(huà)的愛(ài)因斯坦和霍金,，歷史上不存在這兩張照片）

所以 ChatGPT 信息準(zhǔn)確度的問(wèn)題,，內(nèi)容表達(dá)和語(yǔ)氣的問(wèn)題，人格的問(wèn)題,，都是技術(shù)問(wèn)題,。可能就會(huì)有朋友問(wèn)了，那你說(shuō)都是技術(shù)問(wèn)題,，那 AI 發(fā)展了這么多年了,，可不是每個(gè)都是技術(shù)問(wèn)題嗎？為什么 ChatGPT 就不一樣呢,？

三,、重要的是“理解和推理”

ChatGPT 最特殊的地方,，是揭示了一種可能性,，即 AI 可以呈現(xiàn)理解和推理能力了。這是過(guò)去大半個(gè)世紀(jì)的學(xué)者們所一直追求,，而不可得的,。

這里要簡(jiǎn)單說(shuō)一下 GPT 背后的邏輯。首先語(yǔ)言模型是很早就有的,， 10 年前我讀研的時(shí)候,，如果學(xué) NLP，你翻開(kāi)教材的第一頁(yè)可能就能看到語(yǔ)言模型,，就跟學(xué)高等數(shù)學(xué)第一課都是先學(xué)函數(shù)一樣,，不是什么新鮮的、現(xiàn)在才發(fā)明出來(lái)的成果,。

為什么作為一個(gè)語(yǔ)言模型,，大家這么驚奇？并非由于它可以對(duì)話了,、能寫(xiě)所謂一碗水端平的片兒湯文章了,，更不是能獲取什么信息和知識(shí)，而是在這個(gè)大語(yǔ)言模型當(dāng)中體現(xiàn)了推理,。

體現(xiàn)了推理是一個(gè)事實(shí)論述,。說(shuō)到這里，必然會(huì)有一些朋友,，援引很多人包括知名學(xué)者的說(shuō)法來(lái)反駁,，說(shuō)語(yǔ)言模型只是統(tǒng)計(jì)的模型，因此不能稱之為理解和推理,。

這里也不妨多說(shuō)幾句大語(yǔ)言模型的邏輯,。最基礎(chǔ)的很簡(jiǎn)單，依據(jù)上文，預(yù)測(cè)下一個(gè)詞,。過(guò)去能力不足,，是根據(jù)一兩個(gè)詞預(yù)測(cè)下一個(gè)詞，后來(lái)出現(xiàn)了更多的算法和更好的硬件,，于是可以預(yù)測(cè)更多的上下文了,。像現(xiàn)在 ChatGPT 就能依據(jù)幾千個(gè)字符去做預(yù)測(cè)，這歸功于有如神助的 Transformer 算法,。

但是,，大語(yǔ)言模型依然還是一個(gè)猜詞游戲，是統(tǒng)計(jì)意義上的一個(gè)算法,，它沒(méi)有別的復(fù)雜思考,，就是從海量的記憶（模型）里，搜尋出最有可能出現(xiàn)的下一個(gè)詞,。

所以很自然,，聽(tīng)起來(lái)，無(wú)論誰(shuí)都會(huì)覺(jué)得,，這種統(tǒng)計(jì)邏輯的語(yǔ)言模型,，恐怕只能解決記憶問(wèn)題，不能解決邏輯問(wèn)題,。就像我們讀了很多書(shū)籍,、文獻(xiàn)、維基百科,、百度百科等等各種知識(shí),。那接下來(lái)我們能做的是什么？很明確的,，可能做一個(gè)好翻譯,，或者能寫(xiě)一篇像模像樣的文章，但是搞別的應(yīng)該是不行的,。畢竟是個(gè)復(fù)讀機(jī)嘛,，是個(gè)“模糊的印象”（a Blurry JPEG of the Web）嘛（這是科幻作家Ted Chiang 對(duì) ChatGPT 的評(píng)價(jià)，已經(jīng)被更多人認(rèn)為是偏見(jiàn)了）,。

不管怎么去想象這個(gè)算法邏輯,，我們都很難想象只是記憶，就能產(chǎn)生邏輯,。這在 2022 年之前都是天方夜譚,，而 2022 年底過(guò)后，ChatGPT 讓這變成了一個(gè)可能性,。

為什么 ChatGPT 在一個(gè)詞兒一個(gè)詞兒蹦的時(shí)候就呈現(xiàn)了邏輯,？這依然是個(gè)科學(xué)上的未解之謎,，以及都在爭(zhēng)論不休的話題。畢竟我們想象中,，一段有邏輯的文字,，應(yīng)該是先設(shè)定主題，再想框架和段落,，再去落筆的,。

這里要特別補(bǔ)充一點(diǎn)：表現(xiàn)出了推理和邏輯能力，與本質(zhì)上有沒(méi)有推理和邏輯能力,，是兩碼事,。前者是個(gè)事實(shí)問(wèn)題，已經(jīng)可以說(shuō)是公認(rèn)了,，從原理上反駁意義不大,，用過(guò)即知；后者則是個(gè)哲學(xué)問(wèn)題,，還在爭(zhēng)論之中,。

什么叫有邏輯能力很早就是學(xué)術(shù)界有爭(zhēng)議的話題，從控制論出現(xiàn)就在討論“看起來(lái)的智能是不是智能”的問(wèn)題了,。同時(shí),，人腦運(yùn)作的很多原理目前尚不清楚,，如何產(chǎn)生的邏輯推理,，也不清晰。

很奇妙的是,，在目前的模型中,，“think step by step”是一個(gè)很好用的咒語(yǔ)，跟人的思考是很像的,，機(jī)器只要不是直接給結(jié)果,，而是多想幾步，就能呈現(xiàn)非常好的效果,。

這些都是題外話了,。實(shí)際上對(duì)產(chǎn)學(xué)研而言最驚訝和最興奮的，不是討論本質(zhì)上有沒(méi)有推理和邏輯能力,，而是表現(xiàn)上有沒(méi)有,。

四、通往通用人工智能之路

OpenAI在這個(gè)大語(yǔ)言模型上做了什么,，把 GPT 以及 ChatGPT 做出來(lái)的,？其實(shí)沒(méi)做太多算法上的、底層規(guī)則上的很復(fù)雜的事情,。而是用很工程的手段,，甚至堪稱暴力的手段去訓(xùn)練，然后反復(fù)地調(diào)試。

所以一個(gè)非常古老的,、已經(jīng)長(zhǎng)滿了青苔的語(yǔ)言模型,，居然可以實(shí)現(xiàn)有推理能力的高水準(zhǔn)的 AI，非常叫人意外,。追求 AGI 的路,，從 1956 年達(dá)特茅斯會(huì)議實(shí)際已經(jīng)啟航了，明斯基,、麥卡錫,、司馬賀、紐厄爾這些人工智能的創(chuàng)始人,，本來(lái)預(yù)期是十年二十年就實(shí)現(xiàn)的夢(mèng)想,，花了大半個(gè)世紀(jì)，依然進(jìn)展不大,。

學(xué)者們最開(kāi)始想的,，跟大多數(shù)人想象的 AI 必須先學(xué)的一步是類似的，就是學(xué)習(xí)推理,。他們被稱為符號(hào)派,，就是把世間萬(wàn)物的所有的邏輯和知識(shí)抽象出來(lái)，把它們變成形式語(yǔ)言,，像數(shù)學(xué)題一樣可以計(jì)算與推演,，一生萬(wàn)物，不就是智能嗎,？這條路一度是人工智能的主流派系,，一直到 20-30 年后，嘗試了各種各樣的方向,，發(fā)覺(jué)全都被堵死了,。

接下來(lái)就是統(tǒng)計(jì)學(xué)習(xí)和深度學(xué)習(xí)的時(shí)代，就是讓機(jī)器去自我消化數(shù)據(jù),，它就能解決問(wèn)題,。這時(shí)候的學(xué)者們更落地、更實(shí)在了,，不關(guān)心 AGI,，而是關(guān)心垂直課題了，比如說(shuō)人臉識(shí)別,、自動(dòng)駕駛,、下圍棋和玩游戲等等，這些似乎都是做得還不錯(cuò)的,。語(yǔ)言模型也在其中,，大家認(rèn)為它能解決一些問(wèn)題（谷歌翻譯和百度翻譯就是語(yǔ)言模型的邏輯）,，顯然不能解決一切問(wèn)題。

而 ChatGPT 的啟示,，就像說(shuō)有一個(gè)田徑隊(duì),，短跑、長(zhǎng)跑,、接力跑,、馬拉松等等運(yùn)動(dòng)，有不同的教練去用不同的方法訓(xùn)練,，畢竟是不同的課題,。但是今天，有一個(gè)教練,，用了全新的方法訓(xùn)練了一個(gè)隊(duì)員,，發(fā)現(xiàn)這隊(duì)員跑啥都行，接力跑,、長(zhǎng)跑,、短跑都能拿好的名次，甚至跑去試了試扔鉛球也是前幾名,，扔標(biāo)槍也是前幾名,，跳鞍馬也是前幾名，他不一定都能拿到第一,，但這個(gè)效果大家非常驚訝,。

還是前文說(shuō)的，有邏輯,、能從信息中發(fā)掘知識(shí),，并不是個(gè)值得爭(zhēng)論的問(wèn)題,，它是個(gè)事實(shí),。很多學(xué)者花了很多年研究，怎樣讓機(jī)器識(shí)別詞性（形容詞,、動(dòng)詞,、名詞等），這是個(gè)專有課題,，而詞性標(biāo)注的效果,，ChatGPT 也完成得很好。類似的課題,，非常大量,。用三體的話說(shuō)，許多學(xué)者,、博士們還在研究的NLP 的中間課題不存在了,，一點(diǎn)兒也不為過(guò),。哪怕不提這些研究課題，注冊(cè)使用下 GPT-4,，你肯定也會(huì)有體感,，這種體感是不會(huì)說(shuō)謊的。

那么 AI 有了邏輯和理解能力,，能做什么呢,？能做太多了。

前面說(shuō)的技術(shù)性的問(wèn)題,，反而可以交給一些基于規(guī)則的產(chǎn)品解決,。例如，ChatGPT 自己可能信息不全,，但它能比很多人更好地查到所要的信息,，而不只是把網(wǎng)頁(yè)排個(gè)序；ChatGPT 自己可能不會(huì)寫(xiě)很厲害的文章,，但經(jīng)過(guò)一個(gè)熟練的寫(xiě)手訓(xùn)練之后,，確實(shí)能理解你想要什么，就能變成一個(gè)有固定文風(fēng)的寫(xiě)手,；原生的 ChatGPT 可能完全不知道怎么使用 Word,，但是讓它看大量的人是怎么使用的，很快也就能學(xué)會(huì)了,。

這才是 ChatGPT 最不一樣的地方：它比之前所有的 AI 都更像一個(gè) AI,。當(dāng) AI 這個(gè)詞在 1956 年出現(xiàn)的時(shí)候，大家想象的是一個(gè)智能的東西,，而現(xiàn)在,，它真的出現(xiàn)了，至少有了真正智能的可能性,。這一點(diǎn)在學(xué)術(shù)圈和科研領(lǐng)域最早引起了轟動(dòng),，可能比普通用戶的震驚程度還要大。

之前是大家看不到通往通用人工智能的路的,，所以 ChatGPT 的意義不是聊天機(jī)器人本身,，而是這個(gè)新的范式，揭示了一種全新的可能性,。未必是唯一的可能性,，但確實(shí)是一種可能性。過(guò)去從來(lái)沒(méi)有過(guò)的可能性,。

五,、繼續(xù)推演未來(lái)

接下來(lái)可能會(huì)發(fā)生什么呢？我觀察和思考到了 7 個(gè)方面,，分享一下,。

第一：不光 AI 的企業(yè)都得投入大模型,，而且很快會(huì)進(jìn)入工程上的軍備競(jìng)賽。

這里跟很多朋友想的不一樣,，大模型不是比參數(shù)量,。如果去搜參數(shù)量的模型，快手還官方自豪地發(fā)布過(guò)一個(gè)有萬(wàn)億參數(shù)量的模型,，當(dāng)然跟 GPT-3 也沒(méi)法比,。

同時(shí)，也不是單純比數(shù)據(jù)多少,。數(shù)據(jù)確實(shí)是一個(gè)壁壘,，但是還有一個(gè)更加核心的競(jìng)爭(zhēng)力，即調(diào)試工程,。比如對(duì)于百度,，之前做的文心大模型，底層數(shù)據(jù)量真的不比 OpenAI 的少,，或者很有底層的模型都不一定比 GPT-3 的質(zhì)量差,。只是完全沒(méi)有采用 ChatGPT 的方法訓(xùn)練（InstructGPT），也就是怎么激發(fā),。激發(fā)也是非常玄學(xué)和魔幻,，OpenAI 有一個(gè)人數(shù)不小的工程團(tuán)隊(duì)，專門(mén)通過(guò)語(yǔ)料和代碼,，做激發(fā)和調(diào)試,，讓它變得更智能。

這可以說(shuō)是最后畫(huà)龍點(diǎn)睛的一步,。就像說(shuō)有一個(gè)天分特好的小孩,，需要調(diào)教，而如何調(diào)教是不存在一個(gè)很確定性的方法論的,，調(diào)教本身也是個(gè)黑盒,，有很多坑每個(gè)團(tuán)隊(duì)都得慢慢趟、反復(fù)試錯(cuò),。

從 GPT-3 這個(gè)底層模型的出現(xiàn),，到 ChatGPT ，其實(shí)花了很多的工夫,，在這個(gè)過(guò)程中，工程比研究要重要得多,。學(xué)術(shù)研究它提供的是方法,，但是 ChatGPT 背后并沒(méi)有新的方法，更重要的還是工程團(tuán)隊(duì)用了一些所謂的比較 tricky 的方法,。所以 OpenAI 公開(kāi)了底層的算法和邏輯,，并沒(méi)有公開(kāi) ChatGPT 的源代碼,。對(duì)于百度來(lái)說(shuō)，花了一兩個(gè)月重新開(kāi)始調(diào)教,，效果肯定跟 ChatGPT 是沒(méi)法比的,。百度和國(guó)內(nèi)其它家面臨的大多也是調(diào)教的問(wèn)題，想要砸錢(qián)訓(xùn)練出來(lái)一個(gè)底層的 GPT-3 的模型不是難點(diǎn),，InstructGPT 才是,。

第二，如何調(diào)教,，會(huì)直接影響 AI 成為什么樣的 AI,。

并不是說(shuō)各種不同的團(tuán)隊(duì)去激發(fā)大語(yǔ)言模型，最后激發(fā)出來(lái)的效果殊途同歸,、一定是一個(gè)東西,。很多沒(méi)有了解技術(shù)細(xì)節(jié)的朋友總覺(jué)得 ChatGPT 很蠢，因?yàn)榭偸且煌胨似?、按格式?lái)寫(xiě)命題作文,，這個(gè)是刻意調(diào)教的結(jié)果。為的是獲取最大公約數(shù)的用戶,，不要出現(xiàn)任何政治錯(cuò)誤的問(wèn)題,、偏見(jiàn)的問(wèn)題。

想要真的調(diào)教一個(gè)極端分子,、調(diào)教一個(gè)特別溫柔心理咨詢師,，甚至調(diào)教一個(gè)詩(shī)人，原則上都是可以的,，就看怎么調(diào),。

一種說(shuō)法是，目前的 OpenAI 用了 6 萬(wàn)多條語(yǔ)料就調(diào)出來(lái)了 ChatGPT,。那用別的語(yǔ)料,、用更多的語(yǔ)料，會(huì)發(fā)生什么,？可以預(yù)見(jiàn)的是,，未來(lái)各種各樣的人格都會(huì)調(diào)出來(lái)，不同團(tuán)隊(duì)做的 AI 風(fēng)格各異,，跟人與人的區(qū)別一樣,。

因此，ChatGPT 并不是,，有一個(gè)團(tuán)隊(duì)花了很多年種出來(lái)了一個(gè)品種的蘋(píng)果,，這個(gè)品種的蘋(píng)果叫 ChatGPT，你吃了一口這個(gè)蘋(píng)果說(shuō)太酸了,，扔了,。就認(rèn)為這件事沒(méi)有價(jià)值,。

這個(gè)叫 ChatGPT 的蘋(píng)果是重要的，但更重要的是,，發(fā)現(xiàn)了一片叫大語(yǔ)言模型的土地,，可以種各種 AI 的水果，不光有蘋(píng)果,，還有梨子,、菠蘿、葡萄等等,，有大量的可能性,。這是一定會(huì)發(fā)生的。現(xiàn)在很多團(tuán)隊(duì)去追逐的,，并不是要做同一個(gè)品種的,、酸甜度一模一樣的叫 ChatGPT 度蘋(píng)果出來(lái)，而是都看到了這里面做其它水果的價(jià)值,。

第三,， ChatGPT 的這個(gè)范式是可靠的，那很多技術(shù)性的問(wèn)題解決就只是時(shí)間問(wèn)題,。

這是在回應(yīng)前面說(shuō)的問(wèn)題,。只要這個(gè)范式是可靠的，很多技術(shù)性的問(wèn)題無(wú)非就是加算力,、加數(shù)據(jù)以及有耐心地調(diào)教,。

早在 1956 年塞謬爾就做過(guò)一個(gè)跳棋程序，在當(dāng)年已經(jīng)能下贏很多專業(yè)選手了,，那時(shí)很多科學(xué)家就意識(shí)到,，未來(lái)機(jī)器能在棋類游戲中下贏人類，只是個(gè)時(shí)間問(wèn)題（包括在讀大學(xué)的陸奇,，就有這個(gè)洞察了）,。到了 1997 年，深藍(lán)下贏了國(guó)際象棋大師,， 到了 2016 年 AlphaGo 下贏了圍棋世界冠軍,，如今的很多游戲 AI，DOTA2,、星際爭(zhēng)霸 2 的 AI 也都可以下贏很多頂級(jí)的選手,。在范式不變且可靠的前提下，學(xué)會(huì)下棋就是個(gè)技術(shù)性問(wèn)題,，也就意味著是個(gè)時(shí)間問(wèn)題,。

對(duì)有邏輯能力的大模型來(lái)說(shuō)，前文說(shuō)過(guò)的信息準(zhǔn)確度的問(wèn)題,，都未必在內(nèi)部解決,。ChatGPT 也可以跟訓(xùn)練有素的有數(shù)學(xué)知識(shí)的產(chǎn)品合作。就像一個(gè)聰明小孩,，不懂?dāng)?shù)學(xué)但是足夠聰明,，那可以配個(gè)小伙伴，這個(gè)小伙伴不是很聰明,，但上過(guò)奧數(shù)班,，倆人一搭配，問(wèn)題就解決了,。這不是假想,。

知名的計(jì)算智能引擎產(chǎn)品 Wolframe 就跟 ChatGPT 合作了，可以在補(bǔ)充了更準(zhǔn)確的知識(shí)和規(guī)則的前提下,，解決大量的問(wèn)題,，比如化學(xué)、數(shù)學(xué),、物理,、地理、幾何,、歷史,、材料、工程等等,。

（來(lái)源：ChatGPT Gets Its “Wolfram Superpowers”?。?/p>

第四，解決各種問(wèn)題的速度,，或者說(shuō)滿足各種需求的速度,，可能是指數(shù)級(jí)的。

這個(gè)是很感性的判斷,，確實(shí)沒(méi)有很有說(shuō)服力的論據(jù)?，F(xiàn)在大家也都不知道多長(zhǎng)時(shí)間會(huì)發(fā)生什么事情。不過(guò)大概率它的發(fā)展速度不會(huì)是線性的,，因?yàn)槿四X的學(xué)習(xí)是緩慢的,，畢竟神經(jīng)元信號(hào)傳遞存在速度限制、神經(jīng)元的數(shù)量和規(guī)模有整體的限制的,。但計(jì)算機(jī)不一樣,，就像一個(gè)人腦不行，那可以連接 10 個(gè)人腦,。10 個(gè)愛(ài)因斯坦的腦袋連起來(lái),，它是不是乘以 10 不一定，但的進(jìn)化速度肯定比生物進(jìn)化要快得多。

ChatGPT 的成功會(huì)讓已經(jīng)在過(guò)去領(lǐng)域里卷到疲倦的大廠,，紛紛進(jìn)入軍備競(jìng)賽,，這也會(huì)加速這個(gè)進(jìn)程。另外,，對(duì)于很多場(chǎng)景來(lái)說(shuō),，讓產(chǎn)品對(duì)接大模型，是不復(fù)雜的,，ChatGPT 作為中間層很合適,，主要負(fù)責(zé)解釋和推理，并不用每個(gè)場(chǎng)景都再訓(xùn)練一遍（未來(lái)難說(shuō)會(huì)不會(huì)各種場(chǎng)景都有自己的大模型）,。從 Office 和 Adobe 這么快的跟進(jìn)也可見(jiàn)一斑,。

這里就有一個(gè)很殘酷的現(xiàn)實(shí)，就是業(yè)務(wù)融合 AI 模塊之后,，每個(gè)打工人在用 AI 的這個(gè)過(guò)程,，就是在加速淘汰自己的過(guò)程。

第五,，調(diào)試工程師會(huì)變成很值錢(qián)的崗位,。

這個(gè)好理解，對(duì)于大模型來(lái)說(shuō),，可解釋性非常差,，換句話說(shuō)，可控性很差,。前面也說(shuō)了,，它是非常巨大的黑盒，只能通過(guò)調(diào)教,、不能通過(guò)指揮,，不能指哪打哪，說(shuō)這個(gè)問(wèn)題回答得不好,，下次必須這么這么回答——沒(méi)法這么去訓(xùn)練它,。所以調(diào)教就顯得特別重要了，調(diào)試工程師就會(huì)變得越來(lái)越值錢(qián),。

不過(guò)調(diào)試工程師到底具備什么樣的能力,？了解場(chǎng)景，還是了解代碼,？這個(gè)不大清楚,。這是個(gè)全新的崗位，大家都在探索,。

第六,，失業(yè)問(wèn)題,。

可惜的是，值錢(qián)的崗位未來(lái)不會(huì)特別多,，但不值錢(qián)的崗位會(huì)變得越來(lái)越多,。

失業(yè)問(wèn)題很有意思，之前 OpenAI 自己官方下場(chǎng)寫(xiě)了一篇報(bào)告,，具體內(nèi)容就不展開(kāi)說(shuō)了,，只說(shuō)最后的幾個(gè)結(jié)論：

第一,，80% 的人受影響,，會(huì)有 10% 的工作內(nèi)容受 LLM 影響（受影響的定義是同等質(zhì)量的工作成果，降低 50% 的工作時(shí)間）,，19%的人“大受影響”,，即會(huì)有至少 50% 的工作內(nèi)容受 LLM 影響。

第二,，薪資越高的人越容易受影響,。受過(guò)良好教育的、有豐富工作經(jīng)驗(yàn)的,、高薪的職業(yè),，被影響的概率是偏大的。

第三,，有一個(gè)影響程度排行榜,，其實(shí)就是高危列表。里面高頻出現(xiàn)的包括：數(shù)學(xué)家,、口譯員和筆譯員,、作家和寫(xiě)手、區(qū)塊鏈工程師等,。

第四,，部分職業(yè)存在可能性被徹底替代掉。對(duì)于這個(gè)榜單,，人工標(biāo)注的結(jié)果里有 15 個(gè)職業(yè),；GPT-4 標(biāo)注的結(jié)果里有 86 個(gè)職業(yè)。AI 下手果然還是更狠一些,。（報(bào)告來(lái)源：）

感興趣的朋友可以自己讀一下全文,。這個(gè)估計(jì)當(dāng)然不會(huì)特別準(zhǔn)確，但是他們用了盡可能量化的方式,，有一定預(yù)見(jiàn)性,。未來(lái)會(huì)不會(huì)發(fā)生？我認(rèn)為大概率確實(shí)會(huì)發(fā)生的,，只是時(shí)間上不好講,。有一些相對(duì)容易落地,、容易快速被替換掉的，比如說(shuō)個(gè)體戶可能危險(xiǎn)性更大一些,。比如做插畫(huà)的畫(huà)師,、做電商圖片的這些美工、一些公眾號(hào)的小編等等,。大公司的組織,，整個(gè)工作內(nèi)容或者崗位要做調(diào)整，會(huì)有組織管理上的問(wèn)題,，可能會(huì)慢一些,。

那這中間可能也有過(guò)渡期，比如 AI 繪圖變成主流之后,，畫(huà)師們未必就全都失業(yè),。就像 Photoshop 出現(xiàn)之后大家更多是從用紙和筆去繪圖，變成了用另外一個(gè)工具去做,。未來(lái) AI 繪圖背后,，也要有需求轉(zhuǎn)化的這一步（prompt engineering） 。不過(guò)比較悲觀的是,，AI 繪圖和 Photoshop 不一樣,，還是存在效率差異的。用紙和筆的畫(huà)師和用 Photoshop 的畫(huà)師,，生產(chǎn)力的變化可能沒(méi)那么大,；但是 AI 的生產(chǎn)力是劇烈的大幅提升，意味著不太需要那么多從業(yè)者了,。這就必然有一個(gè)結(jié)構(gòu)性的大的波動(dòng),。那未來(lái)會(huì)怎么樣？會(huì)不會(huì)出現(xiàn)大的社會(huì)問(wèn)題,？這個(gè)就不是我能討論的了,。

第七，大多數(shù)人機(jī)交互都不存在了,。

冰箱發(fā)明之前,，很多人研究的是怎么存儲(chǔ)冰塊、制造冰塊,，有了冰箱,，就不再需要這種冷藏方式了。對(duì)于產(chǎn)品交互也是這樣,，用戶過(guò)去為什么要點(diǎn)按鈕,？要做各種操作？包括用 Photoshop,、 Word 里很多反人類的各種各樣的,、根本記不住的復(fù)雜的功能,。

所以我們看起來(lái)更像是處于過(guò)渡期，真的技術(shù)能力達(dá)到以后,，當(dāng)下的大多數(shù)人機(jī)交互也沒(méi)有必要存在了,，只需要剩下自然語(yǔ)言交互，這就跟我寫(xiě)過(guò)的那篇猜想對(duì)應(yīng)上了（從 ChatGPT 看 AI 未來(lái)的 7 種場(chǎng)景可能性）,。

跟寫(xiě)之前的文章時(shí)不一樣,，我這段時(shí)間試用了 GPT-4 基礎(chǔ)上的 ChatGPT，包括跟更多專家聊了一些技術(shù)上的問(wèn)題?，F(xiàn)在的我覺(jué)得這是很有確定性的,。就像前面說(shuō)的，現(xiàn)在的發(fā)展是指數(shù)級(jí)的速度,。

寫(xiě)在最后

如今 ChatGPT 發(fā)布后,，整個(gè)產(chǎn)學(xué)研都已經(jīng)到了快車(chē)道上了，這個(gè)快車(chē)道上是沒(méi)有人有能力去踩剎車(chē)的,。我們作為個(gè)體，也是不可能回避這個(gè) AI 的歷史車(chē)輪的,。

大家都知道阿里有一個(gè)經(jīng)常被群嘲的價(jià)值觀,，叫擁抱變化。這個(gè)詞現(xiàn)在看感覺(jué)還挺應(yīng)景的,。

所以不如反過(guò)來(lái)想問(wèn)題：汽車(chē)時(shí)代來(lái)的時(shí)候,，馬車(chē)夫肯定非常焦慮，馴馬師也很焦慮,。不過(guò)汽車(chē)是工具,，對(duì)大部分人來(lái)說(shuō)它是非常有幫助的。它的出現(xiàn)并不是說(shuō)要摧毀誰(shuí),，摧毀哪些崗位,，或者摧毀哪個(gè)行業(yè)。它還是為人類服務(wù)的,。

我們可以用汽車(chē)做很多有價(jià)值的事,。沒(méi)有交通工具的效率提升，全球化也不可能發(fā)生,。我們可以多想一下,，有了 AI 我們能干什么。

最近跟身邊幾個(gè)比較要好的朋友聊 AI,，大家達(dá)成的一致,，都是先用起來(lái)。先用它做點(diǎn)什么,，感受下它能做什么,、不能做什么,。未來(lái)有無(wú)限的可能性，不妨把目光放長(zhǎng)遠(yuǎn)一點(diǎn),；不糾結(jié)當(dāng)下的得失,，看看 AI 未來(lái)的機(jī)會(huì)。保持這樣的心態(tài)也許更容易接受變化,。

就說(shuō)到這里,，希望對(duì)你有啟發(fā)。

本文來(lái)自微信公眾號(hào)：劉言飛語(yǔ)（ID：liufeinotes）,，作者：劉飛Lufy