大多数人不学习也不思考,少部分人学习并思考,极少数人持续学习并深度思考。AI能取代的是第一类人中的所谓的树獭(看上去似乎在思考的懒惰的脑力工作者)。
ChatGPT之所以效果惊艳,在于它充分吸取了之前机器学习算法的经验,又有自己的创新之处,整个过程分为三步:
第一步:冷启动监督策略模型(SFT)
这一步的目的是让系统建立大量人类语言的理解模型,训练方法就是让AI做“填空题”和“选择题”,比如:
老王在家里烧菜,发现没盐了,他出门向小李借了一点盐,小李最可能是?
A、邻居; B、供应商; C、儿子
(这一部分的例子都是我随便举的)
这些训练题来自使用OpenAI的试用用户的真实内容,然后雇佣大量“标注工”对这些内容“出题”,并给出答案。
做了大概1.5万条题目后,机器渐渐学会了预测问题的意图,准确率也越来越高,最后形成各种语言策略(SFT)。
当然,这一步训练得到的只是初步的模型,谁也不知道系统到底理解了些什么,输出的内容也就不可靠。国内大部分机器人客服大概就到这一步,且只针对有限的数据库的内容,常常可以看到文不对题的弱智回答,说明机器并没有真正理解人类的意图。
更常见的问题,一旦离开了专业的数据,系统就会出现大量的“反人类”的表达方式,最典型的是自动翻译的很多结果。
想要让系统知道如何“有话好好说”,需要它理解人类各种情景下的表达偏好,这就是“奖励模型”——
第二阶段:训练奖励模型(RM)
接下来进入真正的人工反馈的强化学习,这一步是让模型的输出内容和人类习惯的输出内容进行比对打分,让系统学会像人类一样表达各种微妙的意思。
这一步的具体做法,先让系统自行生成几个答案,再让“标注工”对这些答案的质量进行排序,比如:
问题:情人节有人约你,你不喜欢他,怎么拒绝更委婉?
系统通过之前的学习,给出了三个答案:A、谢谢,今晚我有约了;B、你是个好人,但不适合我;C、太不巧了,我今天要加班。
“标注工”对这些答案的质量进行排序:C>A>B,这些排序最终形成一个对答案优劣打分的奖励模型(RM),让系统越来越能预测人类的表达方式。
如果拿小朋友学习语言来比喻,第一步就像做填空、选择类客观题,最终成果是让系统可以自动生成一些完整有意义的文本;第二步就是做主观题,只不过要求给出几个答案,批卷老师负责对几个答案进行排序,让系统知道什么样的文本更符合人类喜好。
这两步都需要大量人工标注,而这两步结合起来的第三步,要脱离“人类老师”由机器自动检查自己的学习成果,微调策略。
第三步,PPO模型
大致过程是,先用第一步的策略(SFT)随机生成一个新的文本,放到第二步的奖励模型(RM)里打分,根据分数再回头训练生成新的表达策略(SFT),再调整第二步的奖励模型(RM)的函数,反复迭代,生成最终的模型。
到了这一步,就相当于学生“自学”,自己给自己出题,再对答案,根据答案,修正并改进自己的知识体系和学习方法,最终达到毕业的要求。
不过,“毕业”不代表学习结束,GPT-3之后,OpenAI模型提供了外部API调用——就是我们现在做的,产生了真实用户提问和模型迭代之间的飞轮。
ChatGPT超出之前模型的重要原因之一,就是引入了人工标注,这么做可以让模型的思维习惯、表达方式、价值观等等,和人类进行最大程度的一致。
也许是ChatGPT的表现实在是过于惊艳了,以至于很多人在与它“对话”时都会想到一个问题:
ChatGPT是否真的理解了人类的语言?是否有了思想?如果是这样,它最终会不会发展为一个有知觉的、有自我意识的强人工智能?
4/6、ChatGPT算不算“懂王”?
要回答这个问题,先来看一看ChatGPT训练的两个目标:
1、理解合理、内容流畅和语法正确
2、生成内容的有用性、真实性和无害性
目标一,基本上没有问题,这也是真正让我们惊叹的地方,它似乎真的能理解我们的语言,并用人类的语言和我们交流。
目标二,粗看也没有问题,特别是那些无法通过搜索引擎直接找到的复杂要求,当你与它持续交流后,它会越来越理解你想得到的内容。
但随着使用量的增加,很多人发现,ChatGPT其实并不真正“理解”你的问题,或者说目前还没到这一步。
最典型的证据在于,如果你用一个模糊的方式问一个明显错误的问题,它常常会很认真地给你一个凭空捏造的回答,比如下面的这个唐玄宗大败赵匡胤的问题:
这个错误,我也试了一个,结果到现在都是如此:
我猜,它的训练数据可以让他判断唐玄宗干过什么,赵匡胤干过什么,却无法让它建立唐玄宗与赵匡胤的关系。
本质上说,ChatGPT只是一个“语言机器人”,它能回答你关于计算机的问题,并不是因为它“懂”这方面的知识,它懂的是所有的语言文字在特定要求下的分布概率,并能预测你要的那个概率。
所以说,它只是在无意识地模仿人类的表达方式,把搜索到的信息以适合的方式表达得以假乱真。
与其说懂,不如说是“不懂装懂”。
当然,这个能力对普通人而言,跟“懂”并没有区别,但普通人的认知水平和表达能力正是机器的“懂”的极限,大部分专业领域,它只能输出该领域中初级人员的内容,更不可能去解决创新的问题。
很多人认为,这也许就是机器人的“懂”,说“唐玄宗大败赵匡胤”并不代表不懂,小孩子也会问关公秦琼哪个更厉害的问题,毕竟ChatGPT还很“小”,每天大量的用户训练下,它也许会进步呢?
但我对此并不乐观,其原因在于,ChatGPT效果最大的还是最初1.5万条有监督的语言模型任务(SFT)——人类老师对它的语言习惯影响很大。
你跟ChatGPT聊久了之后,就会发现,它说话的方式有一种说不出来的假模假式,就好像领导拿大话在忽悠你,所以,除了擅长知识性的问题之外,试用者最津津乐道乐道的是让ChatGPT写年终总结、政治口号、思想汇报、老胡体、打油诗、领导关怀、客户回应等等充满了形式感、套话空话一堆的内容。
还有,ChatGPT经常会犯错,比如做计算题,犯的错误还不太一样,并且是真人常犯的错误——它真的很像人类。
这里就有一个很严重的问题,如果你问了一个专业上的错误的问题,很可能得到看上去很有用的错误答案,而且因为ChatGPT太会不懂装懂了,很容易让人信以为真——就像那些朋友圈阴谋论一样。
说白了,它的模型就是个没有什么专业特长的普通人,除非下一代模型有质的变化,否则它在这个方面的可进步空间有限。
但ChatGPT的可怕之处,正是这个“普通”二字。
5/6、即将进入的恐怖谷
大家应该都听说过“恐怖谷效应”,随着机器人或人工智能的拟人程度增加,人类对其好感度出现“上升(有点相似)——下降(高度相似)——上升(完全相似)”的过程,而谷底正是人工智能与人类第一次高度相似的时候。
我看到有分析认为生成式AI已经成功跨过了恐怖谷,进入“逼真性”阶段,理由是随着生成内容与人类相似程度的提升,人类对生成式AI的好感正在增加。并热衷于使用,比如ChatGPT是人类历史上最快突破1亿用户的App。
但我的看法刚好相反,它正处于恐怖谷前的“人形机器人”阶段,使用者只是习惯性地把它当成更智能的搜索引擎一类的工具,很快就要意识到ChatGPT的恐怖之处。
ChatGPT未来让人害怕的地方恰恰在于,它不像专家,更像是你身边的普通人——如果像专家,它可以替代的工作反而非常有限。
从原理上说,ChatGPT大规模替代人类工作的担心并非杞人忧天。
首先,ChatGPT的商业模式,可能不会像搜索那样依赖广告,难以出现大规模的2C级应用,而更可能是2B,主要运用于工作场景。
其次,ChatGPT与搜索不同,它输出的基本上是最后的工作成果,而不是搜索那样出现一堆内容,让人类去选择,所以它更像“员工”,而不是员工的工作工具。
最后,ChatGPT与决策AI不同,它并不寻求像专家那样找到复杂问题的最优解,而是针对大部分人日常工作的非专家级内容,输出相对合理有用的内容。因此,它可能替代人类的工作范围大大超过想象,不像产线工人、打字员、驾驶员那样,仅限于几个特定的职业。
更何况,工具和员工在一定程度上也是利益对立的,比如和ChatGPT类似的AIGC绘画,目前游戏行业已经开始应用,以前画张原画用三天,现在一天弄完,以前要什么素材要去素材网找,现在要啥直接生成,改改就可以用——尤其那些外包公司,工作效率提高好几倍。
AIGC的工具性质更强,需要人去创作,但由于工作效率大大提升,原来需要招三个设计师,现在一个就行了,这仍然是对人的替代。
有预测,2025年,生成式AI产生的数据将占到所有数据的10%,30%的大型组织出站消息将由生成式AI生成;50%的药物发现与研发将使用生成式AI。
我们不用担心AI拥有意识,但我们确实需要考虑AI大规模替代人类工作的可能性。
6/6、会提问题的人将是最后的赢家
必须承认,人类的大部分工作之所以容易被ChatGPT取代,是因为这些工作需要产生大量文本或其他形式的内容,这些内容本身难度并不高——ChatGPT广泛并普通的刚刚好。
不过,正如任何一项技术都有两面性,既可能让懒得思考的人抄答案,也可以让求知若渴者加速进步。写本文时,看到了ChatGPT与 Bing 搜索结合后的功能介绍,它可以让你的工作不但不会被AI取代,反而创造了全新的工作方式。
比如说,你打算写一份新产品推广的方案,你在问它如何写时,可以详细地描述这个产品的特点和你的目标、推广预算。
AI并不会直接给你一份充满套话的无用方案,而是给你一个推广方案的结构,主要建议,主要内容,还会给出相关内容的引用标记和原文链接。
你还可以就这些内容进一步提问,它会给你更多你想要的东西,更重要的是,它甚至还能提供几个你没有想到的延伸问题,看看你是否需要回答。
可以想象,你将边使用“ChatGPT与 Bing 搜索”,边完成你的这项工作,与单纯靠ChatGPT输出的方案不同,它是真有可能产生真正创新性的内容的。
如果说,工业革命拉大了财富差距,互联网拉大了资讯获取能力的差距,人工智能则直接拉大了学习能力的差距。
未来世界将属于会提问的人。
附:想知道如何这一类新技术的投资机会,可以看看我的另两篇文章:
chatGPT只是科技进步中的一份子,或者比较重要的一个小里程碑,但是人类具有天生的恐惧。科技再进步几万倍,机器再智能,始终与人类生物相比差距很远,只能说接近人类,永远当不到人类的行为思想感觉情绪特征。科技进步是好事,部分简单的工作被替代,社会效率提高,有发明新的事物,催生新的工作机会,被替代的人也会找到新的工作,仅此而已。只是在被替换的过程中,人们对不确定的未来感到恐惧,无所适从,经过变革之后,有会重新迈向以前似曾相识的路,继续前行。
一看就是外行拼出的文章。这个模型5年前就有了,仅局限在业内,没啥稀奇。但圈外的普通人哪见过这个东西,一面向大众,就会雷到一片。尤其那些根本不懂科学的文艺青年,焦虑、担心等文艺病都上身了。人工智能根本就不是人的那个智能,两者一分钱关系都没有,所以根本不要担心!
现阶段来看,无论人工智能有多先进,学习能力有多强,计算速度有多快。想要取代人类,乃至未来威胁人类的生存,比如索菲亚说会毁灭人类一样,这都是杞人忧天。碳基生物存在感情,存在主观能动性,硅基生物即使会做出类似动作,那也是通过学习、分析当时所处的情景,程序按照逻辑应该表现成什么样子。虽然说实际表现是相似的,却与主观能动性相差甚远。
就比如人类未来跟机器人谈恋爱,虽然它表现的很喜欢你,眼里只有你,会帮你做很多事情,哄你开心,甚至可以为了你去牺牲自己。但是你内心深处知道,这个机器人并不是因为出于自身爱你才去这样做。但是,能够取代部分人的工作岗位却是真实的。
chatGPT只是科技进步中的一份子,或者比较重要的一个小里程碑,但是人类具有天生的恐惧。科技再进步几万倍,机器再智能,始终与人类生物相比差距很远,只能说接近人类,永远当不到人类的行为思想感觉情绪特征。科技进步是好事,部分简单的工作被替代,社会效率提高,有发明新的事物,催生新的工作机会,被替代的人也会找到新的工作,仅此而已。只是在被替换的过程中,人们对不确定的未来感到恐惧,无所适从,经过变革之后,有会重新迈向以前似曾相识的路,继续前行。