探索app广告位：让您的品牌走进人们的生活！

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>田(tian)淵(yuan)棟(dong)：關(guan)於(yu)GPT-4的(de)壹(yi)些(xie)感(gan)想(xiang)

新(xin)智(zhi)元(yuan)報(bao)道(dao)

作(zuo)者(zhe)：田渊栋

編(bian)輯(ji)：桃(tao)子(zi)

【新智元導(dao)讀(du)】對(dui)于研(yan)究(jiu)者們(men)而(er)言(yan)，GPT-4的出(chu)現(xian)意(yi)味(wei)著(zhe)什(shen)麽(me)呢(ne)？

OpenAI昨(zuo)天(tian)發(fa)布(bu)了(le)GPT-4，試(shi)用(yong)了一下(xia)確(que)實(shi)很(hen)不(bu)錯(cuo)。

在(zai)我(wo)主(zhu)要(yao)关心(xin)的故(gu)事(shi)生(sheng)成(cheng)方(fang)面(mian)，與(yu)ChatGPT生成出來(lai)的故事相(xiang)比(bi)，GPT-4文(wen)筆(bi)更(geng)佳(jia)細(xi)節(jie)更多(duo)，更擅(shan)長(chang)生動(dong)具(ju)體(ti)的描(miao)繪(hui)，情(qing)节也(ye)開(kai)始(shi)出现一些有(you)趣(qu)的轉(zhuan)折(zhe)。當(dang)然(ran)，ChatGPT有的問(wen)題(ti)，比如(ru)說(shuo)缺(que)乏(fa)整(zheng)体布局(ju)謀(mou)篇(pian)能(neng)力(li)，角(jiao)色(se)不突(tu)出，敘(xu)事展(zhan)开比較(jiao)無(wu)聊(liao)，續(xu)寫(xie)段(duan)落(luo)會(hui)很快(kuai)歸(gui)于一個(ge)平(ping)庸(yong)的結(jie)尾(wei)等(deng)等，在GPT-4上(shang)面仍(reng)然存(cun)在。

從(cong)它(ta)的性(xing)能报告(gao)上来看(kan)，与GRE verbal接(jie)近(jin)滿(man)分(fen)相比，GRE写作只(zhi)有4分，大(da)學(xue)預(yu)修(xiu)英(ying)語(yu)写作也只有2分（3分及(ji)格(ge)），而且(qie)从GPT-3到(dao)4沒(mei)有進(jin)步(bu)，不知(zhi)道是(shi)不是和(he)這(zhe)些问题有关聯(lian)。

但(dan)不管(guan)怎(zen)么说，GPT-4已(yi)經(jing)能幫(bang)我们幹(gan)很多日(ri)常(chang)工(gong)作了。自(zi)从2013年(nian)深(shen)度(du)学習(xi)开始爆(bao)发以(yi)来，僅(jin)仅過(guo)了十(shi)年，我们就(jiu)有了如此(ci)強(qiang)力的工具，其(qi)进化(hua)速(su)度可(ke)以说是超(chao)出想象(xiang)。

2017年我在為(wei)什么有些学數(shu)学的看不慣(guan)甚(shen)至(zhi)鄙(bi)視(shi) Deep Learning？这个回(hui)答(da)裏(li)面写了一些大膽(dan)的猜(cai)測(ce)，比如说“漫(man)漫长夜(ye)里瞎(xia)摸(mo)，太(tai)陽(yang)還(hai)没有露(lu)頭(tou)”，现在看起(qi)来这些预测还是大体正(zheng)确的，只是想不到，这一天会那(na)么快到来。

一个技(ji)術(shu)，一旦(dan)變(bian)成像(xiang)微(wei)積(ji)分一樣(yang)的通(tong)用工具，那接下来帶(dai)来的巨(ju)大变革(ge)，是可以预期(qi)的。

如果(guo)再(zai)把(ba)眼(yan)光(guang)放(fang)得(de)长遠(yuan)些，將(jiang)来会发生什么事呢？

我在2020年左(zuo)右(you)也有一些思(si)考(kao)，放在自己(ji)的科(ke)幻(huan)小(xiao)说里了。總(zong)的来说，如果这样的趨(qu)勢(shi)发展到極(ji)致(zhi)，再加(jia)上連(lian)实物(wu)產(chan)品(pin)的制(zhi)造(zao)都(dou)可以就地(di)取(qu)材(cai)完(wan)全(quan)自动化，那最(zui)後(hou)的结果就是「所(suo)思即(ji)所得」：只要能構(gou)思出一个東(dong)西(xi)，它就会以极低(di)的成本(ben)出现在自己的面前(qian)。

大部(bu)分重(zhong)復(fu)性勞(lao)动，只要可以被(bei)機(ji)器(qi)无限(xian)制复制，其價(jia)值(zhi)就会降(jiang)到近乎(hu)为零(ling)，成为和水(shui)和空(kong)氣(qi)一样无所不在的公(gong)共(gong)品。

在这種(zhong)條(tiao)件(jian)下，「獨(du)一无二(er)」就会成为大家(jia)所珍(zhen)视的价值和意義(yi)。也許(xu)以后，判(pan)斷(duan)人(ren)才(cai)的主要因(yin)素(su)，不再是完成学位(wei)，考试过关，而是看个人的经歷(li)和成就。

「同(tong)样的目(mu)標(biao)下比別(bie)人做(zuo)得更好(hao)」是一种独一无二，「去(qu)往(wang)从未(wei)有人去过的方向(xiang)」也是一种独一无二。这不仅包(bao)括(kuo)同行(xing)認(ren)可的学术成就，比如解(jie)开无人能解的難(nan)题，开創(chuang)並(bing)探(tan)索(suo)一个新的学术方向，更包括独一无二的经驗(yan)、見(jian)解、思考方式(shi)，乃(nai)至三(san)觀(guan)，比如说一个拄(zhu)着拐(guai)杖(zhang)徒(tu)步探險(xian)过南(nan)极的程(cheng)序(xu)員(yuan)，他(ta)/她(ta)对这个世(shi)界(jie)会有什么样的观點(dian)，见解和感悟(wu)？一个曾(zeng)自制火(huo)箭(jian)去往月(yue)球(qiu)但中(zhong)途(tu)失(shi)控(kong)，又(you)奇(qi)跡(ji)被救(jiu)的历史(shi)系(xi)学生，将在自傳(chuan)里如何(he)講(jiang)述(shu)这段经历？

这些与个人特(te)質(zhi)緊(jin)密(mi)结合(he)的話(hua)语權(quan)，会讓(rang)每(mei)个人都能占(zhan)據(ju)人類(lei)社(she)会中的一个独特生態(tai)位，成为「人之(zhi)为人」最終(zhong)的定(ding)海(hai)神(shen)針(zhen)。即便(bian)是将来意識(shi)能夠(gou)上传，数字(zi)孿(luan)生能够实现，这种独特人格仍然是无法(fa)复制的——完全相同的个体，只要变成了兩(liang)个并开始各(ge)自接受(shou)不同的外(wai)界信(xin)號(hao)刺(ci)激(ji)，他们內(nei)部的狀(zhuang)态就会因更新而不同，軌(gui)迹就会开始分叉(cha)，从而再次(ci)变得独一无二。

总的来说，每个人都通过自身(shen)的「道」来證(zheng)明(ming)自己的選(xuan)擇(ze)，又因为过去的选择，来累(lei)計(ji)自己独一无二的特质。无法预先(xian)判断誰(shui)比谁更優(you)秀(xiu)，因为计算(suan)这个判定函(han)数本身，就需(xu)要个体踐(jian)行自己的道路(lu)。而无数的，堅(jian)持(chi)各自方向的人聚(ju)在一起，就会不断湧(yong)现出各种奇妙(miao)的想法，有一些被实践证明正确的，就会影(ying)響(xiang)到他人并且吸(xi)引(yin)到追(zhui)隨(sui)者。而包含(han)这些所有个体的，一个多元包容(rong)的世界，就会充(chong)满前进的动力。

扯(che)远了。

对于研究者们而言，GPT-4的出现意味着什么呢？

我们有两种极端(duan)的选择，其一是关起門(men)来，不聽(ting)不看，沿(yan)用舊(jiu)的思維(wei)惯性去构思研究路線(xian)，繼(ji)续发表(biao)下一篇文章(zhang)；也可以从此百(bai)分百拋(pao)棄(qi)以前的研究思路，撕(si)掉(diao)所有課(ke)本，相信算力为王(wang)，大模(mo)型(xing)大数据就是一切(qie)。

我覺(jiao)得这两种态度都不可取。研究的範(fan)式要有变化，不再是发现特定的知识，而是研究模型学习的机制，尋(xun)求(qiu)其学习能力的本源(yuan)。比如说通过海量(liang)的数据訓(xun)練(lian)，现有的模型可以自动学会很多概(gai)念(nian)。

但模型是如何学会这个概念的，为什么大模型会学得更快更好，它怎样从数据中被发现，被模型抓(zhua)住(zhu)并且在训练中不断被强化？高(gao)級(ji)的概念是如何形(xing)成的？现有的模型如何抓住这些概念，以什么样的机制抓住它们？我觉得这些可能是在长远上来看，真(zhen)正有意义的基(ji)礎(chu)研究方向，也是把”人工智能“这个玄(xuan)学，真正转化成科学的最终出口(kou)。

当然了，这些應(ying)該(gai)说是幾(ji)十年的尺(chi)度上看的，要做这些研究，需要大量的基础知识，充足(zu)的耐(nai)心，擅长接受超出自己认知范圍(wei)内的新生事物，又能把它融(rong)入(ru)原(yuan)本的工作流(liu)和研究思路中去。

这可以算是自己在研究上独一无二的「定海神针」吧(ba)，希(xi)望(wang)能够继续走(zou)下去。

參(can)考資(zi)料(liao)：

https://zhuanlan.zhihu.com/p/614458786返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任(ren)编辑：