这是一个对GPT讲解的非常透彻的视频，我把它变成文字，并且花时间整理了出来，没有全盘照搬，挑了一些重点，想了解GPT的，不妨读此文，我想对你一定是有震撼力的。
这GPT是将整个影响人类社会的，但它没有向国内开放，通用媒体缺少相应的知识，所以在这里给大家科普一下GPT的原理，并提供一个视角让大家意识到它为何如此重要。让那些没有机会的人，也能应对这即将到来的变革。这次的阐述，抛开具体技术细节，少用专业用语，讲解GPT的原理和制造过程，以及涌现的能力和如何面对。
一 GPT的底层原理
尽管它展现的能力很惊人，但实际上没有那么神，它没有意识，没有欲望，没有情绪，甚至都不知道自己在说些什么？它就像一只学话鹦鹉，GPT的功能非常简单，四个字概括，就是单字接拢。
这是一个模型，当你给它一个字的时候，它就会生成下一个字，最初它的回答是随机的，如果你想让它适合你的需要，你就要不断地去训练这个模型，给它输入信息，也就是学习材料，让它学习了你给的学习材料，让它知道你的想法，它就会按照你的想法回答问题。不同的人训练模型，那么说法也不同，同一个问题由于两个人训练的不同，模型就有了两个答案，那么它会如何回答呢？那就是随机性了，这里要说的就是概率了，因此一个问题可以回答有不同版本。
其实不用单字接拢GPT也能回答问题，因为在制作时，就已经输入大量的内容，直接搜索就可以得到答案，之所以要训练GPT，就是要训练它如何正确的回答，同时在它回答没有遇到的问题时，根据自己所学进行回答，举一反三地目的也叫泛化。
很多人都错误的认为，GPT是搜索引擎的升级版，其实不然，搜索引擎不能回答数据库里没有储存的内容，而GPT可以，因为它是根据生产原理，经过不断地学习，它可以回答它没有遇到过的问题，因此它被称为生成模型。
这是它的长版，而它也有搜索引擎没有的短版。搜索引擎不会混淆记忆，但能，为了能应对没被记忆的情况，它会学习语言单位的规律来生成答案。然而这样如果出现了实际不同，但碰巧符合同一个规律的内容，模型就有可能混淆它，最直接的结果是，若现实中不存在的内容，刚好符合它从训练材料中学到的规律，那么就有可能对不存在的内容，进行合乎规律的混合捏造，这就是有人问它实际性内容时，可能看到它胡说八道。
另一个，它的内容无法被直接增删改查，这就导致两个问题，第一，由于我们很难理解它所建构的规律，就无法查看它记住了什么？学到了什么？只能通过多次提问来猜测它的所记所学，这难免在使用时带来安全风险。
第二 由于只能通过两次调整模型（即两次训练），来增加删除修改它的所记所学，这难免在更新的时候降低效率。高度依赖数据，呀就是学习材料，想要让能够应对无数未见情况，就要给它数量足够多，质量足够高的学习材料，否则它给出的回答以偏概全，此外，它的胡编也需要用优质的学习材料来纠正。
看到这里，你会感觉它也没有什么特别之处，那有网上说的那么玄乎，基础结构都很简单，为何能火爆到今天这种程度，还要影响整个社会。上面只是GPT的基础原理，而不是的，在此基础上有三个训练阶段，
二 GPT的三个训练
让机器理解人类语言的难点是，同一个意思可以有多种不同的表达方式，同一个词，与可以用同一个语言描述，在不同语境中，又有不同含义，想解决这个问题，就要让机器学会各种语义关系语法规律，那些表达是同一个意思，GPT的方法是让模型看到尽可能多的尽可能丰富的【语言范例】，我们把这个阶段称作开卷有益。
G 代表生成 T 代表一种模型 P 代表开卷有益
开卷有益就好像在鹦鹉旁边放了一个电视机，把内容都播给它听，让它自己学习，那么多少能够呢？这让我们回忆一下历史，其实研发GPT的公司 之前还做过几代模型。
GPT3最大模型参数到了1750亿，是第二代的116倍，所使用的学习数据更是达到了45TB, 被称为超大语言模型。
当单字接拢模型的规模达到一定程度后，就会涌现理解指令，理解例子，思维链的能力，到此为止已经讲完了的基础原理。
三 未来影响
像比尔盖茨一些人认为像互联网一样意义重大，但有一些人使用后，感觉并没有那么神，是人们夸大了它的作用。实际上从产品形态和创新意义上来看，确实不够完善，它来自于论文和AI团队的长期积累。但它确实是有里程碑意义的，它的意义并不在于产品和创新，而在于完成了一次验证，让全球看到了{ 大语言模型的可行性 }
{ 大语言模型能为人类做什么 } 只有弄清楚这一点，才有依据判断它对社会的影响。既然是语言模型，那它自然精通语言，可以校对拼写，检查语法，转换句型，翻译外语，对语言组织规则的遵守，已经超越了绝大多数人。有个大学教授发现有个学生的毕业论文是由写的，之所以发现是因为论文的语法过于完美。这位教授表示，在语言组织方面，超过了百分之九十五的学生。
但那又能怎样，无非是多了一个更好的语法检测器，至于影响整个社会吗？精通语言只是大语言模型的一个方面，它真正有价值的在于，在精通语言的基础上，还能存储人类从古至今积累的世界知识。人类自身是一个相当脆弱的物种，跑不过马，斗不过熊，嗅觉不如狗，视力不如鹰，能从众多高等动物中脱颖而出的原因，就是语言中积累的世界知识。
其它高等动物虽然也能通过实践，建构关于世界的认知，获得相应的改造能力，可这些认识仅存在于个体的脑中，会随着个体的死亡而消失。，无法代代积累，但语言的发明，允许人类将个体所获得的认识存储在体外，进而打通了整个物种的过去和未来，即使个体死亡，该个体的认识，也能依附语言，被其他个体继承和发展下去。
作为现代人的我们，并没有在生理上比前人更优越，拥有更强能力的原因，只是语言中积累的知识比过去更多。当人类步入文明社会后，尽管已不必在野外求生，但仍然需要群体协作地创造知识，继承知识和应用知识。满足社会的需求，来维持自己的生计，而这三个环节，全都是依靠语言来完成。
由于大语言模型所能改善的是，群体协作过程中，创造，继承，应用知识时的语言处理效率，所以随着技术的发展，大语言模型对社会的影响范围将和当初电脑的影响范围一样全社会，我们随便就能列出，很多能跟大语言模型相结合的场景，跟搜索引擎结合，帮助用户精准寻找和筛选信息，跟视频会议结合，多语翻译，会议记录与总结，谈话查找……。
稍微留意一下就会发现，的报道主要分布于新闻界，学术界，教育界，商业界和内容生产行业。商业界有动作很好理解，毕竟商人对市场的感知敏锐。前三个领域动作频繁，正是因为它们与语言中的知识密切相关。学术界专注于创造知识，教育界专注于传承知识，而新闻界专注于传播信息，因此受到的影响最大。
这也是为什么，被称为美版头条的数字媒体公司，宣布将使用作为内容创作的一部分后，其股价暴涨三倍，尽管该公司之前曾以经济恶化为由，裁减了百分之十二的员工。大语言模型对教育界的影响更加强烈，主要不是因为学生可以用它来写作业，而是因为它对我们现有的人才培养模式，提出了新的挑战。真正令人担心的是，按照现有模式培养出来的学生，在未来5—10年后，还能不能找到好工作？能否适应未来的就业市场？现代教育技术仍是一种以传授既有知识为主的培养模式，起源可追溯到十八世纪的普鲁士教育。
但在飞速发展的今天，市场变化越来越快，工具更新换代频繁，这种传授既有知识的培养模式，越来越难适应时代。因为无论传授什么既有知识，毕业前基本都会过时，所有人都需要不断学习新知识。因此，自上个世纪六十年代开始，终身学习的理念一直被反复推崇，人们也早就意识到，要将培养模式转变为，以培养学习能力和创造能力为主，这样无论学生毕业多久，工具变化多快，都可以通过高效的学习能力快速掌握新技能，从实践中创造新知识。
但是，要实现这个目标并不容易，首先就需要一个更适合的理论框架来描述现象。因为我们在前面已经看到了，大语言模型也会创新，因此单纯喊出“ 要培养创新型人才 ” 没有实际指导意义，必须要对知识层级做更精细的划分，将更高层次的创新和大语言模型的创新加以区分，明确指出什么样的创新人才才值得培养，又要如何培养，提供相应的培养工具和易于实施的普及方案，并在各方角色的共同配合下，才有可能成功，因此一直推进缓慢。
但的出现，迫使人们必须要加速这一推进了。因为一个非常现实的问题正摆在前面：5年后，如果学校传授的既有知识，任何人靠大语言模型就能实现，那该怎么办？这个问题可不是只靠禁止学生使用就能解决的，因为未来的大型语言模型只会更出色，更快速，更便宜。
在这种情况下，相当于人人都配有一个熟读人类既有知识的“ 工语嫣 ” ，市场可不会因为学校的禁止而集体不用。另一方面，大语言模型对网络安全也带来了挑战。之前讲过，在“ 开卷有益 ” 阶段，会对海量的互联网内容做单字接拢。然而，互联网内容中，不免存在一些带有偏见，歧视文化和意识形态侵袭等危害性言论。
就有机会学到这些危险性言论的模式，输出不良回答。此外，也会有人刻意提问，“ 如何编造杀猪盘 ” 等问题，用于不法行为，尽管在模板规范阶段有约束，但毕竟不是像人类那样，真正地学会了知识，只是学到了承载知识的语言搭配模式。因此，仍有可能被诱导输出帮助犯罪的知识，从而使防范违法犯罪变得更加困难。
在群体协作时，人们使用的语言难免会泄露工作内容，进而泄露商业或国家机密。如何确保提问的内容不被泄漏，将是各个机构都关心的问题，很可能未来每个机构，都会自己部署大语言模型来确保安全，但这样又无法发挥数据规模效应。因此，如果在保证各机构数据安全的前提下，实现联邦学习，又有了新的挑战。这些安全问题加起来，你就会发现，我国只能研发自己的大语言模型。
总结
四 如何应对
非常强大，但它仍是一个没有意识的工具，不会主动配合人，面对空洞的提问就给出空洞的回答，需要被正确的使用，才能发挥最大的价值。但我们却能看到，很多人专门将用于其最不擅长的领域，突出其缺点，或用最顶尖的标准，凸显其不足。很明显，目的就是要否定它。这种锤了无用，因为它没有手灵活的否定，看起来不可理喻，但实际上却是人类在感受到威胁时的本能反应，因为我们害怕被取代。
然而，很多人却害怕错了对象，把矛头指向了,指向了一个工具。可工具无法取代人，只有会用工具的人取代不会用工具的人。任何新工具都可能引起取代，因为如果自己不用而别人使用，就会失去工具带来的竞争力，最终人们都不得不用。这种囚徒困境与无关，即使让从世上消失，取代现象也会随着其它新工具的出现而出现，也不会因为人的害怕和抵触而消退。
因此，应对的第一步，就是要克服自己的抵触心态。既然时代的车轮无法阻挡，那么抵触新工具，只会让我们更晚接触新工具，更晚获得工具带来的优势。应对的第二步，就是做好终身学习的准备，因为之后，还会有新工具。这一点看似简单，但对于习惯了应试教育的人而言并不容易。
应试教育是一种高度特化的教育。由于最终的考核指标是分数，因此不论教育系统的设计目标是什么，最终学生的行为都难免会被特化为仅服务于分数，凡是不能提高分数的行为，都不被视为学习，即使是提高创造力的行为。这样长期训练的结果是，很多学生对学习词的理解变得片面和扭曲。
每当提到学习这个词时，这些学生就会联想到那种反人性的规训。好不容易熬到毕业了，现在被告知还要再学习，他们情绪上当然要抵触。好在这种抵触，很多人在工作一段时间后，就能克服。因为他们慢慢会意识到，市场和工具的变化究竟有多快，在心态上也开始积极拥抱学习。然而不幸的是，即使心态上不再抵触学习，也还不得不克服过去形成的错误习惯，重塑自己的终身学习能力。
这一步是最困难的，不仅要去掌握抽象层次更高的认识论，符号学，数学建模，批判性思维等内容，还要克服长期养成的习惯，但十多年的应试规训对一个人的影响太深远了，很难一朝一夕改变。每当这些人想学习时，就会条件反射地重拾应试的学习习惯，自己把自己变回教室里等着灌输的学生，会习惯性地等待别人的教授，习惯性地记忆别人的总结，很少思考知识是怎么是来的。比如不少刚到大学的高中生会觉得，实验是浪费时间，不如赶紧列出知识点让他们去记。
他们已经懒得思考事物之间的关联，只想快点看到老师的总结。很多人意识到要学习使用时，脑中闪过的第一件事也是找本书或买个课，觉得没有这两个东西自己就学不了了。去年我们组织了建构社群，想要帮助人重塑终身学习的能力。可在社群里也会发现，即使成员在认知上已经明白，不能脱离实体地去记忆符号，仍会在习惯上一次又一次地犯错，不得不反复提醒。
能感觉到习惯了应试教育的学生，就仿佛是动物园养的狮子，从小到大吃的都是送到嘴边的食物，以至于不认识野外的食物，忘记了如何自己获取食物，独立生存的能力逐渐退化，难以回到野外了。但即便再困难，也必须要克服，必须要完成对终身学习能力的重塑。因为过去那种学个知识，干一辈子的年代，已经逐渐远去。
经历了多次科技革命的我们，也正处在一个加速时期，新工具的出现速度会越来越快，取代现象也会越来越频繁。只有学习能力才是应对未来的根本。或许我们的后代，可以生下来就处在全面培养学习能力和创造能力的系统中，从小就训练，适应快速变化的学习能力和创造能力。但对于转型期的我们来说，只有靠自己，训练自己的终身学习能力，来应对随后加速变化的市场和工具。
最后，所掀起的浪潮，已经不仅仅涉及个人，还关乎各国未来在国际中的地位。美国前国务卿认为，这项技术的进步，将带来新的认知革命，重新定义人类知识，加速我们现实结构的改变，并重组政治和社会。2月20日，法国负责数字转型的代表发声，确实存在歧视和操纵等风险，但法国不能错过这一波人工智能的新浪潮，应通过明确规范和加强管控来降低风险。
3月5日，我国科技部长也表示，要注重科技伦理，趋利避害，并提到科技部在这方面的重视和布局。近期我国的各领域学者也都针对，举办了非常多的研讨会，现在大家应该能明白，到底是不是炒作了。再次强调，大语言模型所影响的是，知识的创造，继承，应用。这三个环节所构成的学习系统，是任何生命系统得以延续的根本，决定着一个细胞个体文明，认识世界和改造世界的能力。在整个人类史以及整个生命史中，凡是学习系统的升级都会伴随生命的跃升，无论从单细胞生命到多细胞动物，还是从智人的崛起到多次科技革命，看过学习观演化史部分观众，应该都能理解这一点。
在去年五月发布的视频中，我提到人类正处在下一次跃升的进程中，但还缺少一项能升级学习系统的技术，而大语言模型很有可能就是这项技术。因为它正在改变人类，群体应用知识的方式和继承知识的方式，甚至可能在未来形成人机合作的科研，改变人类创造知识的方式，若真能如此，那么人类必将会因此步入下一个文明形态。
中国措失过三次工业革命，这些年我们一直在实现民族的复兴，不能再错过这一次。未来的大语言模型能够让每个人更快地获取承载知识的符号，会降低继承型人才的竞争力，，不过每个人的学习能力和理解能力，将成为驾驭这项技术的瓶颈。如果个体的学习能力没有相应地提升，就无法充分发挥这项技术的优势。
所以，如果我们全都加强对学习能力和高层次认知能力的训练，就能让我国在未来的国际竞争中获得优势。总的来说，的出现，确实带来了各种各样的问题和风险：存在准确性和可解释性的缺陷，存在科技伦理安全和结构性失业的冲击，存在民族文化和意识形态的侵袭。但这些问题和风险，所有国家都要面对，一样会有害怕和抵触的情绪，我们应该利用这一点，率先克服抵触心理，反过来抓住的机会，率先研究大语言模型的改进和配套技术的重组，率先培养终身学习能力和推动教育改革，率先做好科技伦理的约束和换岗转行的防备，主动输出我们的文化和价值观。
以上对的讲解结束，建议读完全部。
相关文章
