一、ChatGPT究竟是什么
1.大变局：一个新智慧形态的产生
正如iPhone在2007年开启了智能手机时代，ChatGPT在 2023年开启了人工智能时代。很荣幸我们赶上了这个历史时刻。那怎么理解这个新时代呢?要想知道 ChatGPT 究竟是什么，我们必须先考虑更大的问题：AI究竟是一种什么智能?
GPT 的全称是Generative Pre-Trained Transformer(生成式预训练变换器)，就是基于Transformer架构的、经过预训练的、 生成性的模型。
当前所有 AI都是大数据训练的结果，它们的知识原则上取 决于训练素材的质量和数量。但是，因为现在有各种高级的算法，AI已经非常智能了，不仅能预测一个词汇出现的频率，更能 把握词与词之间的关系，有相当不错的判断力。 但是，AI最不可思议的优势是，它能发现人的理性无法理解的规律，并且据此做出判断。
AI基本上就是一个黑盒子，吞食一大堆材料之后突然说“我会了”。你一测试发现，它真的很会，可是你不知道它会的究竟是什么。
因为神经网络本质上只是一大堆参数，而我们不能直接从那些参数上看出意义来。这个不可理解性可以说是 AI的本质特征。事实是，连OpenAI的研究者也搞不清GPT为什么这么好用。
我们正在目睹一个新智慧形态的觉醒。
2.开悟和涌现：AI能力的三个境界
《荀子·劝学》中的一段话，正好可以用来描写 AI能力的三重境界。
第一重境界是“积土成山，风雨兴焉”。参数足够多，训练达到一定的积累，你就可以做一些事情。比如AlphaGo(阿尔法围棋)下围棋。
第二重境界是“积水成渊，蛟龙生焉”。模型再大到一定程度，就会涌现出一些让人意想不到的神奇功能。比如，AlphaGo Zero不按人类套路下围棋，大语言模型的思维链。
第三重境界是“积善成德，而神明自得，圣心备焉”。这就是 AGI了，也许它产生了自我意识，甚至有了道德感。
3.底牌和命们：AI能力的局限
我们已经知道大语言模型有“开悟”，有“涌现”，有思维链，所以才有现在如此神奇的各种功能。但我们还需要进一步理解GPT：它跟人脑到底如何对比?它有什么限制?有没有它不擅长的东西。
GPT是语言模型，它是用人的语言训练出来的，它的思维很像人的大脑，而不像一般的计算程序。
不论人脑、GPT还是计算机都处理不了世间的所有计算。
更致命的是，到目前为止，GPT的神经网络是纯粹的“前馈”网络，只会往前走，不会回头，没有训练，这就使得它连一般的数学算法都执行不好。这就是GPT的命门——它是用来思考的，不是用来执行冷酷无情的计算指令的。
4.数学：AI视角下的语义和智能
语言模型并不是用“语言”推理的，它是用语义向量来推理的。一切语义都是关系，一切关系都是数学。
不论你输入的提示语是哪种语言，模型只在乎其中的语义。它真正处理的是向量，所以思考过程会从神经网络中同样的地方走，结果当然就是一样的。这就如同我的大部分物理专业知识是用英文学的，但是你要是问我一个物理问题，用中文还是英文对我没什么区别。我说不清自己是用英文还是用中文思考物理的，我就是直接思考。
AI并不是用语言思考的，它是用语义思考的———它是用语言表象背后的本质思考的。
二、当AI进入人类社会
1.效率：把AI转化为生产力
我们此刻正处在人工智 能的“中间时代”(The Between Times)，也就是未来已经到来，只是还没有带来很大效益。他们认为，通用技术要真正发挥生产力效能，需要经过三个阶段。
第一个阶段叫“点解决方案”( The Point Solution ), 是简单的输入端替换。 比如，用灯泡比蜡烛方便一点，用电力做动力有时候会比蒸汽动力便宜一点，你可能会有替换的意愿。你的生活方便了一点点，你的成本降低了一点，但是仅此而已。
第二个阶段叫“应用解决方案”(The Application Solution), 是把生产装置也给更换了。 以前的工厂用蒸汽做动力时，都是一根蒸汽轴连接所有机器， 蒸汽一开，所有机器都开动。改用电力之后，工厂发现，如果每台机器都有独立的电源，那就完全可以用哪台开哪台，岂不是更省钱?
但这并不容易，因为这意味着你必须对机器进行改造，什么机床、 钻头、金属切割器、压力机，都得根据独立电源重新设计。这是需要时间的。
第三个阶段叫“系统解决方案”(The System Solution ), 是整个生产方式的改变。
蒸汽时代的厂房，因为要用到蒸汽轴，所有机器都必须布置中央轴附近。用上电力，你可以随处安装插头，机器可以放在工厂里任何一个位置，那么你就可以充分利用空间，没必要把所有机器
集中在一起。这就使得“生产流水线”成为可能。这已经不是局部的改进，这要求生产方式和组织方式都得到系统性的变革。
AI也会是如此。到目前为止，我们对AI的应用还处在点 解决方案和一定程度上的应用解决方案阶段，并没达到系统解决方案阶段。这就是为什么AI还没有发挥最大的作用。
2.经济：AI让调配资源更有效
现在的趋势就是，从个别公司在个别任务上使用AI到系统性地使用AI，再到整个社会围绕 AI展开。AI会让我们的社会变得更聪明。 如果将来到处都是 AI，我们就可以忘记 AI——我们只要模模糊糊地知道什么行为好、什么行为不好，而不必计较背后的数字。AI会自动引导我们做出更多好的行为， 也许整个社会会因此变得更好。
3.战略：AI商业的竞争趋势
AI确实是前所未有的变革，但是商业的逻辑并没有变。
克里斯坦森说，一项技术变革哪怕再激进，只要改善的是传统的商业模式，就不会发生颠覆式创新———只有当这项技术改善的不是传统指标时，才会出现颠覆。
4.社会：被AI“接管”后的忧患
会不会被 AI抢工作都是小事了，现在的大问题是 AI对人类社会的统治力———以及可能的破坏力。华尔街搞量化交易的公司已经在用AI直接做股票交易了，效果很好。可是 AI交易是以高频进行的，在没有任何人意识到之前就有可能形成一个湍流，乃至引发市场崩溃。这是人类交易员犯不
出来的错误。 美军在测试中用AI操控战斗机，AI的表现已经超过了人类飞行员。如果你的对手用 AI，你就不得不用 AI。那如果大家都用AI操控武器，乃至进行战术级的指挥，万一出了擦枪走火的事儿，算 谁的呢?
再进一步，根据现有的研究案例，我完全相信，如果我们把司法判决权完全交给AI，社会绝对会比现在公正。大多数人会服气，但是有些人输了官司会要求一个解释。如果 AI说只是我的算法判断你再次犯罪的概率有点高，可我也说不清具体因为啥高，你能接受吗?
理性人需要解释。有解释才有意义，有说法才有正义。如果没有解释，也许……以后我们都习惯不再要求解释。 我们可能会把AI的决定当作命运的安排。
任何情况下，真正的 决策权都应该掌握在人的手里。为了确保民主制度，投票和选举都必须由人来执行，人的言论自由不能被AI取代或者歪曲。
三、置身智能，你更像你
1.决策：AI的预测+人的判断
决策=预测+判断。
预测，是告诉你发生各种结果的概率是多少；判断，是对于每一种结果，你在多大程度上愿意接受。把决策权交给 AI会让人很难受。AI再厉害，我 们也不愿意把它奉为神灵——这一节说的正是让AI最好老老实实扮演助手或者祭司的角色，拍板权还是应该在人的手里。
2.教育：不要再用训练AI的方法养人了
AI式教育最大的问题是学生缺乏自主性。什么都是别人要他做，而不是他自己要做。机器天生就是被动的。人最不同于机器的特点就是想要主动。从小受气、在家和学校处处被动的人，等长大后真可以主动了，往往不会往正事上主动
3.专业：代议制民主和生成式AI
民众跟政府的关系很像人和AI的关系：民意就是prompt，政府操作就是生成，选举就是选择。
现代公司中股东大会和董事长不过问公司日常事务，也是 “prompt——生成——选择”关系。 让专业的人做专业的事，而真正的老板可以提 prompt 和做选择，这不但是 AI时代的新风尚，也是一种理想的做事模式。
4.领导技能：AI时代的门槛领导力
怎样培养门槛领导力呢?查特拉思说有4个途径：静心沉思， 自主思考，具身智能，增长意识。关键在于，这些都不是AI能有的智能。
5.独特智能：人类的具身智能与自主思考
AI时代的商业要求你认识自己、认识你的团队、认识你的客户，要求你有情感智能和存在智能。具身智能，是通过身体去体察自己和别人的情感。门槛领导力还包括抒发情绪，这也需要身体。有时候团队需要你讲几句话来鼓舞人心或者感染气氛，你怎么说好呢?
6.存在智能：人类在AI时代刷存在感的方式
AGI 时代的门槛领导力要求你具备三种能力，它们涉及对复杂事物的处理。
第一个是谦逊的能力。所谓谦逊，就是不那么关心自己的地位，但非常关心如何把事情做好。 第二个是化解矛盾的能力。AGI时代的第三个关键能力是游戏力，或者说互动力。
四、用已知推理未知
1.演化：目前为止的GPT世界观
暴力破解已经让语言模型如此强大，下一步是什么呢?是让它的结构更聪明， 以及对很多人来说更重要的是，对AI的驯化。
2.拟人：伊丽莎效应
我们前面讲了很多AI什么时候、如何才能有情感能力，还有人类的情感能力是不是独特的，以及到那时我们会不会把 AI 当成真人。这些讨论中忽略了一点，那就是至少在比较浅的层面上，人们很容易把机器当真人。
3.共存：道可道，非常道
中文世界有个流行的说法，说对于 AI和人类未来的关系，有三种信仰。看看你相信哪一种。
第一种是“降临派”，认为AI将主宰人类。 比如假设OpenAI发明了最强 AI, 也许是GPT-6, 几乎无所不能, 别的公司再也没法跟它抗衡⋯ ⋯ 于是以 OpenAI为代表的一批精英人物就用最强AI统治人类，甚至干脆就是最强 AI直接统治人类。
第二种是“拯救派”，认为科技公司会找到某种保护机制， 比如在技术上做出限制，确保人类能够永远控制AI。AI只是人的助手和工具，而绝不能统治人类。
第三种是“幸存派”，认为 AI太强了，而且会失控， 以至于根本不在乎人类文明，甚至会对人类作恶。人类只能在AI肆虐的环境中寻找幸存的空间。
凭感觉选择你更相信哪一种可能性意义不大，我们需要强硬的推理。前文探讨了一些基于经济、社会、心理和商业实践的推测性想法，那些想法很有道理，但是还不够硬。正如我在本书前
面所说，我们这个时代需要自己的康德———得能从哲学上提供强硬道理。
所以，未来AI跟我们真正的关系不是降临，不是拯救，也不是幸存，而是“共存”。我们要学习跟AI共存，AI也要跟我们、 跟别的AI共存。 计算不可约性说明，凡是能写下来的规则都不可能完全限制 AI，凡是能发明的操作都不可能穷尽社会的进步，凡是能总结的规律都不是世界的终极真相。
这就叫“道可道，非常道”。
4.价值：人有人的用处
在机器自动化的时代，人到底还有啥用?
一个是“调用力”。各种自动化工具都是现成的，但是太多了，你得有点学识，才能知道干什么事情最适合调用什么工具，就如同ChatGPT知道调用各种插件。你要想对事情有掌控感，最好多掌握一些工具。
一个是“批判性思维”。既然你要做选择，就得对这个世界是怎么回事有个基本的认识。你得区分哪些是事实，哪些是观点，哪些结论代表当前科学理解，哪些说法根本不值得讨论。你得学着明辨是非。
你可能还需要一定的“计算机思维”。不是说非得会编程，而是你得善于结构化、逻辑化地去思考。 你还需要懂艺术和哲学，这会提高你的判断力，让你能提出好的问题。艺术修养尤其能让你善于理解他人，这样你才能知道，比如消费者的需求是什么，乃至于想象出新的需求。
你还需要“领导力”。不一定非得是对人的领导力，至少需要对 AI的领导力。这包括制定战略目标、安排工作步骤、设置检验手段等。管理 AI，也是一门学问。
此外，你还需要一定的传播能力和说服力。你能把一个复杂想法解释清楚吗?你能让人接受你的观点吗?你能把产品推销出去吗?高端工作很需要这些。
5.智能：直觉高于逻辑
我们意识到，形式逻辑只能用于解决简单的、参数少的、 最好是线性的问题；对于真实世界中充斥的像如何控制磁场线 圈才能得到特定形状的等离子体这种复杂的、参数多的、非线性的问题，终究只能依靠神经计算。
所以我们得到的第一个教训是，直觉高于逻辑。
6.力量：算力就是王道
世间几乎所有力量的增长都会迅速陷入边际效益递减，从而变慢乃至停下来，于是都有上限。唯独计算机算力的增长，目前似乎还没有衰减的迹象，摩尔定律依然强劲。
如果这个世界真有神，算力就是神。 你要理解这个力量，拥抱这个力量，成为这个力量。
五、实战，让AI为你所用
1.咒语：如何让ChatGPT发挥最大价值
GPT 可以说已经是一个自身具足的智能，但是我们跟它交流还是得讲技巧和策略。现在有个专门研究怎么跟AI交流的学问叫 “提示语工程”( Prompt Engineering)。这就如同要想让一个
魔法发挥最大的效力，你得会念咒语一样。
2.重塑：怎样用ChatGPT对话式学习
已经有一些公司提供这样的专门服务——你可以用自己公司的所有内部文档训练一个 AI。以后你要用到公司哪个知识，不用翻找也不用查阅，直接问这个 AI就行。
那我们设想，如果给每本电子书、每个作者都做一个 bot，你可以用跟作者对话的方式直接学习，这岂不是很好吗?
3.生成：怎样用GPT-4编程
事实上，GPT 不但让编程更容易，而且让编程更值得了。因为你现在可以在程序里调用AI！程序里有了 AI，那绝对是画龙点睛，它就活了，它可以做各种各样神奇的事情。
4.解放：如何拥有你的AI助理
ChatGPT 正在演变成我们的AI助理，它对我们的解放是双重的。AI助理让所有界面回归到自然语言。你只要懂得事情的本质，然后会说话就行。它负责把你的意思翻译成各个应用能理解的语
言，你无须看见那些应用，你甚至无须知道那些应用都是什么……AI助理把我们从界面背后解放了出来。
5.场景：用AI于无形
主要有三个应用场景：改写、调研和写作。
六、更大的大局观
1.炼丹：大语言模型是怎样炼制的
炼制大模型主要分四步：架构、预训练、微调和对齐。
第一步是搭建模型的“架构”( architecture )。架构就是首要算法，也是这个神经网络的几何结构。像我们多次提到的Transformer，就是GPT模型中的关键架构。你可能听说过一个用
于生成图像的 AI 叫 Stable Diffusion, 其中的“Diffusion” 也是一种架构。OpenAI在2024年2月推出的文字生成视频模型 Sora, 它的架构则是把 Diffusion 和 Transformer结合了起来。
第二步是“预训练”，也就是喂语料。孩子头脑生得再好， 不学习知识也没用。而AI比人强的一个重要特点就是，你给它学习材料，它真学。
第三步是对经过预训练的模型进行“微调”。负责微调的工程师数量大约是预训练的10倍。微调的目的是让大模型说人话。 微调的主要办法是监督学习。就像大人教小孩一样，你直接告诉他
怎样做是对的，做错了就给纠正过来。
第四步叫“基于人类反馈的强化学习”( Reinforcement Learning from Human Feedback, RLHF )，目的是让大模型的输出内容既精彩又符合主流价值观，也就是“对齐”。
2.惯性：如何控制和改写你自己的神经网络
想要少犯错、不平庸，非常困难，因为你是在跟自己的感性本能作对。你需要比你的一些神经网络凶。
3.狂人：山姆·阿尔特曼的系统性野心
简单说，阿尔特曼想要系统性地改变世界。 他不只是想在某几个领域做一些事情，而是想彻底改变所有人的生活；他不但要进行单点突破，还要把各个突破联系起来，对世界做出一个协调性的、统筹性的安排。 据我所知，阿尔特曼正在做和打算做的事情至少包括以下5项:
1.实现和管理 AGI;
2.用核能、 生物科技和 AI 全面升级现代生活方式；
3.成立一个由企业家组成的超级组织， 改善资本主义经济；
4.建立一个“宪章城市”，测试未来的基础设施和管理方式；
5.给普通人提供全民基本收入。
