你以为真的听懂了你的话吗？
本文就从的学习机制来解答这个问题。
需要chat账号可家薇芯：
1/6、多年以后……
多年以后，面对长长的领失业救济金队伍，人们将会回想起2022年12月，不是因为大感染，而是初次体验。那时，人们感受到的，还不是旧世界的行将崩塌，而是对新世界到来的惊叹。
请允许我用这样一个烂俗的开头，因为大部分人可能都低估了对未来生活的改变，以为不过是一个更智能的搜索引擎，只有这句话才是最恰当的表达。
当然，如果觉得太悲观，或者机器代替人类的思路太俗套，我们也可以给自己的晚年换一个喜剧的结局：
多年以后，面对不需要上班就能领到工资的银行卡，人们将会回想起2022年12月……
对于人类到底是悲剧还是喜剧，并不取决于技术本身，而在于我们每一个人如何对待它，但毫无疑问的是，这将是人工智能诞生以来，人类的工作第一次真正接近被大规模替代的时点——不是部分工作被替代，而是大规模被替代的开始。
为了消除这种深深的恐惧，我很想知道到底是如何学习的，于是花了几天时间看了一些技术资料，大致理解了机器学习的过程。
没想到恐惧没有消除，反而多了几份敬意，敬意是送给算法的设计者，这真是一个天才的想法，而恐惧是我再次确信，不是少数专业工作者被替代，而是大量的普通白领。
这一篇文章，我想从的底层逻辑——“学习方法”入手 ，谈谈我为什么这么认为。
不过，在介绍核心内容之前，我先简单谈一谈跟以前的AI有什么根本的不同。
2/6、决策式AI和生成式AI
我们比较熟悉的AI已经成功应用的领域，包括人脸识别，自动驾驶、精准广告推送、风险评级，这些领域都有一个共同点——判断与决策，所以称之为“决策式AI（ Model）”.
而应用的是另一个领域：生成式AI，首先要理解文本的要求，判断自己的任务，检索相关的内容。这些跟决策式AI并没有什么不同，只是多了一步，它还要生成全新的内容，需要预测对方的理解偏好，将回复内容变成流畅的文本或有意义的图片、视频。
决策式AI使用的是“条件概率”，一件事发生后，另一件事发生的概率，对于某些特定的场景，即使是最复杂的自动驾驶，输出的决策数量也是有限的；
而生成式AI更多使用“联合概率”，即两件事同时发生的概率，以此将各种文字或图像视频元素组合在一起，进行模仿式创作、缝合式创作。
比如说，要表达“70%相信”的意义，系统需要对“非常”、“极度”、“几乎”、“认可”、“同意”、“信任”、“信仰”这些词不同组合后的概率排序进行判断。
所以，相对决策式AI使用在有限的固定场景而言，生成式AI的应用范围宽广的多，未来的想象空间也更大，GPT需要调用上千亿个参数，海量算力的支持。
所以2022年以前，生成式AI看上去很笨，更多是辅助我们做一些内容，比如根据文字转语音，语音转文字。图像层面，大家最熟悉的是各种美颜神器，还有自动抠图、换脸等图像智能编辑、视频智能剪辑。
但2018年GPT这个革命性的算法诞生之后，经过GPT-1、GPT-2、GPT-3三代进化，生成式AI终于进入“专业化、个性化定制内容终稿”阶段，达到替代部分专业内容生产者的目标。
GPT是如何实现这一伟大的进化的呢？下面我把这个机器学习的过程，尽可能用非专业术语描述出来。
3/6、是如何学习的？
生成式AI的难度，在于对人类语言的理解，人类语言含糊、复杂、多义，还有大量象征、隐喻和联想，如何让使用0和1的机器理解呢？
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，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。
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：
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、算不算“懂王”？
要回答这个问题，先来看一看训练的两个目标：
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，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，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，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，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，很快就要意识到的恐怖之处。
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，大规模替代人类工作的担心并非杞人忧天。
首先，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，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，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——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“与 Bing 搜索”，边完成你的这项工作，与单纯靠输出的方案不同，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。
首发于“思想钢印（ID：）”微信公众号。
323AI导航网发布
相关文章
