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。
/ N) H2 ~  ?) g4 U8 g
+ v, r. g7 g4 m. R# Z' _" H  q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。
! m; p$ F. U" Z( S3 K
+ r& j' ~  A: n5 T; F8 x# I! O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。
1 r6 C+ W7 U# Q. a+ c* @) h
8 c% t; e$ f% B/ w1 {2 W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。

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。
& S4 V6 U, S8 S" X9 b  @
- H- Z! S/ \) A1 F$ r/ Q# k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。
! ]" f5 i2 G  M5 g4 P& {/ O
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 W, s* D/ X6 W9 A% u( Y0 z9 \6 @- x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。
$ J* E, F& A* H7 m, E$ T
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。

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。
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。
/ v  C5 l6 v- [. d' y% D7 I
1 D% S1 p$ r4 ~' _: W8 G# J! B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。

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。
4 F7 g. K' ]$ S/ h% `8 c8 I4 y
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。

' w1 \* a+ L/ R5 H& ]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”。

2 {* E. f" J) O2 v- u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。

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
1 ]" ^+ ]- k. {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 ...

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。
/ `; @) B) H: T# ~5 o9 e2 d
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。

& s$ j0 p# c. X( x1 P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 ...

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
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 ...

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。

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。
4 U! M" p- Y* |1 i) p
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。
' t! R$ z. Z7 b9 |3 l& G9 s
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
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
如果大 ...

6 y& M" ]  [3 Z8 T; q' M1 K% X% L
, z9 f4 E( l' I# ~' i3 r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。
! W, M5 e* g! r& d9 h8 D( f" j
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。

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.
* H, ~. X7 j* w# U) `
AI 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：
, @, c/ |& Y) _4 I% e$ ?我:  A
AI:  B
我:  B
AI:  C
! k" L6 r! |$ Z& n- p我：X

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。
( ~7 D4 i  T9 @5 M% b
5 Q$ u9 p% z9 |" w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

% @% R; V' b# l9 H; |% D4 c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。

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。
4 A9 d( j0 X5 \2 F4 M
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：
3 h3 T& _" F2 @2 @0 T' `

“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。
8 j7 x3 H* o- Z2 a
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。
4 _: I% y3 r* {4 M7 E
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。

1 J5 f8 F6 r" n$ v/ j/ A