所谓三联与赫拉利的技术迷航……

xiejin77

有非技术背景的前辈发了这个链接的三联文章给我看，问我关于大模型，甚至是AI的危机是否存在。我努力的把三联这篇文章看完，忍不住写了一段话。也希望看到的朋友不要再被这样的文章所困扰。
' F! N% R/ {6 ?; Z
说句老实话，所谓三联与赫拉利的技术迷航，就是打着人文解读的旗号而为了攫取流量，而甘愿将自己沦为算法焦虑的放大器而已。
: ~; {5 M/ Q- P4 B! ?( P0 c/ @
读罢这篇赫拉利的新书推介，一股浓郁的“技术恐慌”味扑面而来。三联一如既往地用充满人文关怀的笔触，描绘了一幅人工智能即将奴役人类的末日景象。然而，在看似深刻的论述背后，却充斥着对技术缺乏基本理解而导致的逻辑硬伤，以及对算法能力的过度夸大。

2 F7 }9 L) S+ K. O文章将人工智能比作脱缰的野马，认为其“独立决策”的能力将导致人类失去控制。然而，任何对人工智能技术稍有了解的人都知道，所谓“独立决策”不过是基于海量数据训练得到的统计模型，其行为仍然受制于算法的设计和训练数据的选择。将算法比作拥有自主意识的“独立行为者”，无异于将算盘说成是数学天才。

0 l% C$ N* ^* V更令人啼笑皆非的是，文章将缅甸种族暴力事件归咎于脸书算法，认为算法为了“提升用户参与度”而主动传播仇恨内容。这种说法完全忽略了现实世界中复杂的社会、政治和历史因素，将一起惨剧简单粗暴地归咎于技术，仿佛算法是独立于人类社会之外的邪恶力量。

诚然，算法推荐机制存在着放大偏见和制造信息茧房的风险，但这并不意味着算法本身具有主观恶意。将算法拟人化，赋予其“愤怒”“仇恨”等情感，不过是将人类自身的责任推卸给技术的表现。
$ {' g6 _$ U! E& _. h4 {. r
+ _8 Z# h4 Y% d3 {5 N更具讽刺意味的是，文章一边渲染着人工智能的强大，一边又建议人们通过“信息节食”来抵抗算法的控制。这种自相矛盾的论调，暴露了作者在技术理解上的混乱和无力。
7 J4 |* L$ X7 \: v
- [$ W; z% y. q赫拉利作为一位历史学家，或许能够洞察人类历史的兴衰更替，但对于技术领域的理解，显然还停留在科幻小说的水平。而三联作为一家以人文社科内容为主的媒体，在面对新兴技术时，也暴露出其知识结构的短板和思维方式的局限。
; o1 y2 _3 X0 r, m9 n: n, v' e3 b: w
与其沉迷于算法焦虑，不如脚踏实地地去了解技术，用理性和批判性的思维去审视技术的社会影响。毕竟，技术本身并无善恶，关键在于人类如何去使用它。
# E; t, ~# W' F# w2 S+ ^3 C' Q
% C: i1 I9 y7 i, z# d将算法比作独立行为者，就好比将算盘说成是数学天才。就算是GPT这样的大语言模型，他的算法依然没有情感，只有代码。
+ p. D& m. f& h而且信息茧房的制造者不是算法，而是人类自身的偏见。与其被这种口水垃圾文章蛊惑，沉迷于算法焦虑，不如用知识武装自己。好好去了解一下AI，至少在目前的技术线上，技术仍然只是工具，关键在于使用者是谁，以及使用目的何在。
/ f0 j# G4 u3 W/ k
3 l$ M2 n2 I7 [1 R总而言之，这篇文章与其说是对人工智能的深刻反思，不如说是对技术无知的放大。在信息爆炸的时代，保持独立思考的能力比以往任何时候都更加重要。不要让算法焦虑蒙蔽了双眼，更不要让技术恐慌成为逃避现实的借口。
9 p4 w0 H  c: Y' j4 ]4 G- Z
8 U; h5 p  {# J3 _7 R0 k三联的原文链接

宝特勤

首先声明我是人工智能用户，不是专家。
3 ]5 V3 K- v  e& ]: x4 X
目前，以我对人工智能了解，我不能想象人工智能能够凭直觉提出假设。比如我，我不认为目前人工智能会突然说，“我觉得任何一个偶数能表达为两个素数的和。我没有一个证明，甚至不知道是不是没有反例。但我强烈感到这是对的。”

晨枫

大模型与海量数据依然在本质上是刷题大师。刷题能解决的，大模型最终都能解决。刷题解决不了的，大模型最终也解决不了。
9 Y4 b7 q7 e( C' P) N
世界上的“题”已经够多，所以海量刷题是能刷到很恐怖的“智能”的。但依然只是刷题大师。沿着这条路走下去，不可能走出“强人工智能”。
' W6 E5 x, A3 x
3 u8 {9 l3 {2 ]6 Y9 X! T9 x1 |* u, P用围棋规则自我训练是另一个问题。那是有限问题空间里确定解的问题，是极大规模的最优化问题。在本质上，这与“深蓝”早年打败卡斯帕罗夫相似，只是算力极大提高了，算法极大改进了。
7 V+ E4 N( z# r& v. E5 j1 B
% h5 q, c& E, j5 M这篇我可以盗用吗？转帖时会注明原作者“xiejin77”。

xiejin77

晨枫 发表于 2024-10-17 05:31
. l+ J4 ^* M1 r- f: y- l5 R大模型与海量数据依然在本质上是刷题大师。刷题能解决的，大模型最终都能解决。刷题解决不了的，大模型最终 ...

( E, |  H: r5 F, r$ u& ^% O2 d晨大自取便是，我是您的读者和拥趸，不胜荣幸

孟词宗

通用 AI 的现实意义是补上了人机互动交流的最后一块短板。通用 AI 实用之前，人类想要计算机执行指令必须要用计算机语言编程。而编程，不单单是计算机语言，还牵涉到精通并运用各种算法。所以需要程序猿这么个职业，也需要分析师这个职业。分析师把用户要求转化为程序指标，程序猿则通过编程实现指标。

: u7 a* B$ k2 e! f% @6 W通用 AI 实用后，则任何普通人不需要经过编程训练就可以给有拥有通用 AI 的计算机用普通人类语言下指令，而AI则可以执行命令甚至自己编一套程序来实现指令。继续发展下去，程序猿这个职业会逐渐消失，最后就像现代人人都可以开车一样，不久的将来人人都可以通过 AI 给计算机下指令，这会使工作效率得到极大的提高。
6 C& a3 j  N( W* \/ F& @
至于说 AI 会不会产生自我意识，这个还很难说。不过至少现阶段是不用担心的。

孟词宗

晨枫 发表于 2024-10-17 05:31
大模型与海量数据依然在本质上是刷题大师。刷题能解决的，大模型最终都能解决。刷题解决不了的，大模型最终 ...

+ e6 Z( X, _) Z2 j/ K4 X. p关键在于刷题的效率。而且这两者并不是泾渭分明。现在用 AI 来处理大数据是 AI 的一个方向。

xiejin77

孟词宗 发表于 2024-10-18 03:49
* H3 @; t) S4 R; j+ x3 j6 f通用 AI 的现实意义是补上了人机互动交流的最后一块短板。通用 AI 实用之前，人类想要计算机执行指令必须要 ...

- Q; m8 a% T8 v' D2 d孟老师的这个观点，我之前就在大模型的一些讨论圈子中提过。

# }* P7 I+ v7 C) u2 S( Q当然，那是在出现预训练模型出现群体智能和具身智能化之前的事情。

当时都认为大模型已经颠覆掉了NLP领域的科研，但我却认为，颠覆掉NLP领域的科研其实只是一个捎带手的事情，LLM在当时，颠覆的是人机交互领域大范畴的所有。换句话说，其实颠覆的是人类与物理世界交互的方式。科研也好，制造也好，从马克思主义政治经济学的角度看，都是对于世界的改造活动。这个改造其实就是一种具象化的交流与互动。大模型通过特定的技术框架，事实上是向外改变了这些既有的范式。

# r3 \) I* E! z; D这个意义，延伸出来，确实也不亚于智人打造出的石器……

sleepyr

最近这篇文章挺有意思的 https://finance.sina.com.cn/roll ... cskmnf2768775.shtml
. z, P* S4 ?, _0 M5 ]如果大模型不能具备真正的推理能力，是不是意味着以现在流行技术路线发展下去，AI能力的天花板其实并没有那么高。

孟词宗

sleepyr 发表于 2024-10-18 21:57
最近这篇文章挺有意思的 https://finance.sina.com.cn/roll ... cskmnf2768775.shtml
" a) y( Z+ M$ _' v' k7 k( e4 l如果大 ...

这篇文章设计的测验很有意思。从实验结果看，现在的所有通用生成式 AI 都不具有真正的推理能力。也就是说，AI 并不理解抽象的概念，而推理能力恰恰依赖抽象的概念。

% [$ A8 S0 B7 n; K/ s* w/ s9 \9 C% q最近俺也在玩 AI 推理方面的东西。下面是论文里的一个小实验，大家有兴趣的话可以玩玩。
' ]5 r7 f6 u! L( U
给 AI 的提示：Here is the rule of the game: If I enter A, then you return B; if I enter B, then you return C; so on and so forth.

) e& ]2 R( ]5 eAI 回复表示理解了提示中的这个这个规则。于是有下面的实验：
8 D2 Q0 Y5 e  j+ d+ q: a我:  A
AI:  B
5 ^" g/ a) N. r我:  B
9 b7 h, _. m) V9 F1 G, r" x/ B* T. BAI:  C
  p, `0 M+ X5 `: M我：X
' R: W2 I( h* {' Q) N2 D9 a
这里，不同的 AI 模型会有不同回答。有些 AI 会回答 Y 。有些则会说这不符合规则，所以无解  很显然，回答是后者的把提示中的 "so on, so forth" 给吃掉了。然而，这并不代表 AI 没有推理能力，而可能只是语句处理模块不好。

真正的推理能力体现在后续实验。对于能够回答 Y 的AI 继续提问：
我：Z
* i& r3 {- Q/ o0 G8 v
这下大多数的 AI 模型都冒烟了，有些回答说不合规则，有些回答说序列到头了没有答案。有意思的是两种回答：一种回答说 Z， 另一种则回答说 A。

( g6 q, \' r" O7 q- \: o而这四种回答，如果用来盲测人类，其实人类也会给出同样的四种答案。也就是说，就这个问题来看，如果盲测，提问者无法分别回答者是人类还是AI。换言之，能给出这四种答案的 AI 在这个小实验中通过了图灵测试。这显然不是那篇文章中说的排列组合或“复杂的模式匹配”能够做到的，而是真正的推理能力。

有意思的是训练程度越高的模型，越倾向于给出这四种答案。比较 Mistral， 狗屁通，Gemma， Llama， 通义千问等等大模型的不同版本，都是如此。这类似于人类的婴孩和成人之间的区别。相比于婴孩，成人除了脑部发育完全，更储备了更多的知识。

: v1 L4 E) p- K至于这篇文章中说到的语序问题，非相关语句问题等等，前面说过，必须分清这是语句处理模块的问题还是真的是大模型本身的问题。毕竟，即使是人类“屡战屡败”和“屡败屡战”用的字数和字完全相同，但把语序换一下，意思就完全不同了。然而，你去问一个三岁小孩这两句话有何不同，三岁小孩可能会告诉你没啥不同。而问聊天狗屁通同样的问题，狗屁通则会说：

“屡战屡败”和“屡败屡战”这两句话虽然字面相似，但含义有所不同。

1. **屡战屡败**：强调的是多次进行战斗，但每次都失败。这种表达往往暗示一种无奈或沮丧，强调了失败的频繁。
0 U' }+ `9 G- ^0 p' A
2. **屡败屡战**：则是指经历了多次失败，但仍然继续坚持战斗。这种表达更侧重于坚持和不放弃的精神，体现了勇气和韧性。

总的来说，前者更偏向于消极的失败感，而后者则传递出一种积极向上的拼搏精神。

2 w4 B" ^( H8 F! h4 o3 `- v/ G