认知被AI暴击的瞬间
01:31:01 Share

听众朋友们大家好欢迎来到新一期的文理两开花今天聊啥呢今天和魏老师我们聊一个最近也是比较火热但是其实也是和我们前几天因为不是给大家发了一个问卷吗就是问问大家最近比较关注什么我们有一些备选的话题但是挺有意思的是得票最高的是一个特别宽泛的一个话题就是认知升级的几个瞬间

因为这个其实也是从一位听众的问题而来的但是这个得票这么高但是这个话题不太好选因为它特别的宽泛

而且我觉得我自己活到这把年纪好像也有几次认知的升级大大小小生活工作中政治生活中都有很多比如新冠这三年就是集中的认知升级但是也有一些认知升级了然后又打脸升完了又降回来的时刻所以好像还是挺难总结出一个具体的话题的所以我们觉得还是按时间顺序剪一个最近的

就是最近对你的所谓的认知吧也好或者说对一些新的事物的一些认知有一些跟以前不同的看法那么就想一想还是聊聊这波 AI 热最近大家可能也都非常深刻的感知到了由 ChatGPT 引起的这波 AI 的热潮那么就是刚才我们录音之前我还在刷手机还是有很多文章在刷屏都是在聊这个 AI 的

所以说我们干脆今天就再还是再聊一下人工智能然后关于自己对人工智能这件事然后和人和机器之间的关系等等我们的认知是不是升级了以及我们可能还会聊到大家比较焦虑的一些问题比如说是不是该担心自己有可能被取代了然后我们之后该如何面对这些 AI 的飞速进步嗯

好啊,那我们今天就聊一下 AI 这件事是啊,其实 AI 这个话题我记得小跑老师应该是其实说过很多次了就是觉得说我们是不是应该聊一期 AI 我觉得也是挺有意思的,因为自己肯定也关注 AI 但是呢,这个我觉得聊起 AI 来呢可能跟前面我们聊 Crypto 或者金融科技

或者货币等等这些东西就不太一样了因为什么呢因为我们这文理两开花一般是从文理两个角度去讨论但是 AI 的这些个基本原理应该说我还是掌握的但是最新的进展以及

具体的非常精细的算法呢现在也已经超出我的这个知识范围了所以呢我觉得这个在 AI 面前呢我应该就

就也变成一个文科生了所以我觉得聊起 AI 来可能今天就更是轻松聊我想可能就说说自己也是各种的感悟或者了解的一些背景情况就很难从特别深入的算法层面像比如金融科技或者会计学或者 crypto 之类合约这样的层次去聊了

当然了肯定还是要努力站在一个理科生的角度就是能够给比我更不懂 AI 的人做一些小白痴的普及对对对开玩笑啊 OK 就就先说这么多吧嗯好好那我们就开始我们我觉得首先从一个比较有意思的点开始就是我想和魏老师去盘点一下最近尝试过的 AI 的工具

我最近有点上头就是自从这个 ChatGPT 火了之后呢先是用了它后来呢一个是用了之后觉得很神奇很上头另外一个也是 formal 吧看看大家最近其实也出了很多推荐啊等等的然后我就试了很多很多的 AI 工具但是大部分可能还是这个内容制作方面的

所以说我就是首先呢先给大家盘点一下我最近都试了什么工具然后也推荐一些比较有意思的所以我试的这些工具呢其实还是挺广的就是包括 ChatGPT 的一些替代品因为大家可能包括国内用的也不是很顺手然后它自己又有一些 bug 所以我找了一些替代品然后其他的呢还包括内容创作啦写论文的做视频的做音乐的等等都试过一遍

所以总体赶脚呢是其实不是只有 chatgpt 和 meetjourney 这些我们可能就是大名鼎鼎的吧大家都能说出来的名字其实有很多很多很多就是所以说如果你觉得哪些工具暂时不能满足你的需求你其实可以继续找就是大概率能够找到一款能够解决你自己问题的工具比如说在这个写作方面就是写内容方面那 chatgpt 呢其实它有很多问题

比如说他总是当机啦有的时候犯傻然后有时候给你一些很奇怪的答案而且呢他其实对于某些特定的需求他的定制化我觉得可能还是稍微有点不太够就比如说有一个跟他很类似的这个写论文的神器叫做这个 Quilbot AI

其实它是定制化的专门是写论文的所以它的这个整个界面呢还有它的这些功能方面就是特别适合写比如说你要写一篇这个正式的论文或者是写书或者是写一些有这个大纲的东西那它真的是还是蛮好用的而且它有一个功能叫做 co-writingco-writing 的意思就是说你先写几行字然后后面它跟着你一起写然后你写两句它写两句然后你再写两句它再写几句

就是感觉挺有意思的而且这个 Quibon 呢它其实是有订阅费用的那么它这个定制化什么程度呢就是我先试了几天然后我就取消了这个订单取消的时候它让你选你为什么取消的原因其中一个是因为我毕业了就是

毕业了不用再写论文了所以就不用你了所以就这个定制化程度还是挺高那么另外还有很多其他的替代那么有的是回答问题回答的特别好那有的是更适合写一些广告文案啦或者是比如说你是 YouTube 博主啦然后你会写一些你的视频的一些文案它用的都挺方便还有一些是使用非常方便比如说我最近很喜欢用的一个叫做 Merdin 的

其实它是跟拆 GPD 是一样的但它呢就是它支持大部分的这个浏览器的 extension

所以说你在你的浏览器上只要装一个 Extension 然后呢你用的时候不管你在什么网页上在什么文件上你只要按一个 Ctrl 加 Q 就随时可以呼唤神龙它就跳出来然后你就可以问它问题然后你只要用了它一次你在开这个 Google 浏览器的时候 Google Search 的时候它就会自动在这个 Google 的这个 Search 的这个条下面它有一个 Merlin Search

意思就是说你就是你想知道的东西除了这个问一下 Google 你还可以顺便问问我就觉得很方便很有意思

其他还有一些内容很优秀所谓内容优秀的意思就是说它的这个出品的质量非常高它不会像拆 GPT 它可能有一些句子还是有一些前后逻辑的不通顺比如说 JasperJasper 是我试过的就是它的出品的这个语言的逻辑还有语言的质量最高的

但它的问题是它特别的贵可能一个 boss 版的就是一个就是入门的那个版本的一个月可能要四五十美金还是门槛挺高的那么这些呢就是跟内容相关的后面我会把这些我推荐的这些工具我们做一个这个 list 然后放在 show notes 里面让大家看一下

后面呢除了内容还有很多其他的比如说有个叫做就是编曲的 AI 工具叫 Sound Raw 这个很神奇你就是你写一些你自己对这个音乐曲风的一些感觉然后可能会选几个大概的音调他就会自己给你编曲然后我前两天用 AI 做了一个视频就是用他写的这个 BGM 还是挺符合那个曲风的

其他的还有比如说有一个叫 MURF 这个 MURF 这个 AI 它是一种生成人生的一个软件就是说你可以把你自己的声音录进去然后跟它对话几轮它就可以按照你的声音来生出一种就是你的跟你的声音适配的一个文本转声音的这么一个自动的程序

这样呢就可以达到什么效果比如说你输进去一本书然后那么它可以自动读书就是比如说像得道那样的读书软件它有的时候有一些书它可以用罗帕尔的声音来给你读其实一样的你也可以把自己的声音录进去然后它就用你自己的声音来读

其他的还有比如说视频的话也有很多但我我自己是用一个叫做 invideos 的一个这个 AI 软件做了一个视频它的基本功能原理就是你自己写文本比如说你写几行剧本它就可以自动给你生成就是符合语境的一个视频但问题是它现在不支持中文所以说我试着用中文写了几行字想试试它结果它就给我生成一个很诡异的视频

然后这个视频呢因为里面提到了上帝和神仙所以他这个提到上帝和神仙和欲望的时候他就用库克和这个苹果来代表所以觉得 AI 的世界中好像苹果就是代表神和欲望其他呢就比较多了我就不一个一个的立举了给大家写到 show notes 里面后面还有教你写代码的然后还有帮你剪辑播客的反正是应有尽有我觉得对这个 creator 对这个内容创造者真的是福音

所以说试了这么多工具我总体的感觉就是有两个我觉得它应该是变成就跟当年的 Word 还有 Excel 一样的工具其实你用的并没有坏处唯一麻烦的可能是你得花点时间学习一下适应一下而且你必须要有些想象力就是说知道该怎么做才能和自己的想法结合再有呢就是大部分都是有订阅费的所以还是有点小贵另外一个当然就是还是会有翻墙的问题

所以另外的一个感觉呢就是其实你 never settle 吧其实你可以不停地找就是总有一款适合你因为它现在的这个品种还有这个应用场景还是非常非常多的嗯对那这个呢就是给大家总结了一些试用的一些感想吧然后先到这里魏老师最近有没有试用哪些工具然后对这一波 AI 热有什么感觉

哎呀刚才小跑使用了这么多工具啊上头快的我基本没有了除了这个 chat gpt 之外其他的用一些图片软件改改头像这个甚至都不太确定他们是不是 gpt 这个家族改的改的很清楚然后我想就还是从理科生的角度来说说这一轮的这个人工智能突然又火起来的这个情况呗嗯对就像刚才小跑老师说的啊其实

包括 ChatGPT 在这一轮的 AI 或者 AIGC 突然火起来它是从文本的使用文本的识别和生成可以这么理解或者叫文本的理解和生成从这一波起来的

这一点确实很重要因为在此之前我估计大家可能也都知道比如说 AI 的场景至少比如在我国大量的用于摄像头人脸识别大概就这些东西就是说上一代的人工智能大概做到这个程度然后当然还有那些什么 AlphaGo 什么的到时候我们可以再聊然后这一波 ChatGPT 出来大家就觉得我一下子惊艳了对吧

对吧就是自然语言的处理和生成以前好像达不到这个程度突然一下就厉害了这一波实际上是从 2017 年 Google 推出了一篇可以说是神作神文标题也特别有意思特别简单 attention is all you need

就这么一句话就是你所需要的一切就是注意力然后他们在这个文章里呢就发明了这个 attention 这个概念以及 transformer 这个算法这个背景肯定了解人工智能或者看这段历史的肯定都知道我们就不详细说了然后呢我就在解释这个概念之前反正下编几个八卦吧好吗那个第一个我觉得挺有意思的就是

可能大家都知道就是变形金刚实际上就是 transformer 然后我甚至怀疑 google 他们写这篇文章把这个算法叫 transformer 可能就是致敬变形金刚来的因为变形金刚 5 就是在 2017 年应该是下半年上映的然后变形金刚 5 上映完了之后 6 不是一直没拍出来吗后来就断档了也宣布不拍了就烂尾了

然后 Google 这篇 attention is all you need 这篇论文就是在 2017 年 6 月 24 号发布的大概就是变形金刚刚拍完然后可能也传出来消息不拍了的这么个情况下所以我自己也发明个八卦就是说有可能他们管这个算法叫 transformer 说不定就是致敬变形金刚对吧

然后这是一个八卦然后回到开头说的那个就是说 attention 和 transformer 这个概念我觉得是非常的好但是目前网上

大部分文章其实都还是比较偏技术的就是这个技术已经我自己也没法去完全掌握而且也没法用特别小白式的语言去描述但是我想起来一个特别有意思的事儿就是因为人工智能它隔些年就有一个大的突破比如 5 到 10 年差不多有一个大的突破以前是这种

最基本的这种模拟神经网络比如什么卷积神经网络 CNN RNN 然后后来呢前些年呢比较流行的就在 Transformer 成熟之前吧比较流行的就是那个 GAN 就是 G-A-N 就是 Generative Adversarial Network 对吧我们就翻译成这个生成式对抗网络然后这个就跟天书一样因为你从你无论从中文还是英文你都不理解这是个啥意思对吧然后我自己 GAN 还是能听懂

对我自己就又编了一个小段子就是说知道他干嘛干就完了就是看到 GAN 这种单词的时候就已经没有太多的精力去研究底层算法了就想一下知道他厉害就行了干就完了然后现在最新的又是

Attention Transformer 的这套体系出来然后这套体系呢确实有个非常有意思的点等会儿晚点可能我们还可以再聊就是 Attention 这个词它就是它的本意就是注意力嘛所以这个概念最早发明出来其实是用于图像识别的就是它模拟的是人类就是我们的眼球看到一张图的时候肯定先去看到那个重点嘛嗯

抓重点那个图所以他们就管这个就是图像的这个特征给它抽象一个概念算法体系就是叫做 attention

然后结果呢这个东西在 Google 这篇论文出来以后呢就直接把它用于这个语言的识别和生成这件事就挺有意思了就是一个本来用于图像识别的算法现在用于语言理解和这个生成这是不是意味着搞不好真的是发现了人类思维的本质啊

就你可以有这种联想对不对就是你看因为这一波的这个 AI 的兴起就是所谓 AGI 嘛对吧就是 Artificial General Intelligence 就是想要做通用人工智能以前的人工智能是有下棋的对吧有摄像头的有做机器人平衡的就是好像都是各干各的然后

大家老想说我们弄成一个通用的人工智能不就真成机器人了吗对吧那这个东西咋实现呢也没人知道就大家就在探索结果这一次呢发现说一个图像识别算法可以同样适用于语言的理解和生成哇这是不是真的发现人类思维本质了就有这种感觉这其实是这一波我认为就是在人工智能领域其实是个很重大的一个影响嗯

外界我们一般不是太关注这个事但实际上很多人工智能的学者现在颇有一点点这种兴奋的感觉其实主要是在这儿就是说我们这个 Attention 和 Transformer 这套机制会不会真的就是跟人类大脑的思维的这个逻辑真的是匹配的这是第三个点吧

然后为此呢还有一个特别神奇的一个地方就是 Google 在他的这篇论文里呢

它实际设计的这个模型呢就是它这套 Transformer 的体系呢是有一个 Encoder 和 Decoder 的一个序列就是编码器和解码器嘛对吧然后呢这个它所用到的 Encoder 和 Decoder 的数量呢都是 6 个也就是说一个信号经过 6 次编码然后怎么怎么处理再经过 6 次解码然后就得到比如说它的含义或者它翻译成另一个语言的这么一套体系然后呢很多人就发现说特别有意思的是

這個腦科學的最新的成果呢就是大腦皮層啊一共有六層就是這個大腦皮層這六層呢其實是解剖學上看出來就是這六層都是不同的東西你知道嗎物質啊蛋白啊結構啊什麼全都不一樣的

按理说 Transformer 的这 Encoder 和 Decoder 它其实无非就是一段算法你可以这么理解或者一个模型它跟大脑六个皮层按理说那肯定是没啥关系对吧但是 Google 他们这篇文章也许这些研究者们就有意的说是不是在致敬人脑它就选用了六层

encoder 和六层 decoder 的这么一个东西所以我觉得这几个怎么说叫迹象吧就是说非常有意思的是不是有一些暗示就是说是不是这一次我们真的找到了人类思维的规律现在是有这种说法当然这个就是也算是一个背景或者八卦吧

所以我是觉得就是说因为我自己就看整个这个过程和这些论文和这些历史就大概就这么几个感觉就是说 AI 确实是隔几年它就热一次对吧先是深蓝然后 AlphaGo 然后又是什么人脸识别图像生成现在又是 Attention 加 Transformer

chatGPT 是不是真的这一次就厉害了呢这个是有可能我估计下一段时间里可能大家会集中探讨的一个话题嗯

我就先说这些先说这几个八卦吧嗯嗯嗯这这八卦挑的非常好就基本上把这个近几年发生的重大的一些变革就串起来了我听过老师讲的时候我觉得特别有意思因为我不是人工智能我并没有研究的太深我只是喜欢看这个人工智能这方面的文章虽然也不知道他这个算法讲的是啥然后这个这些技术到底是进化的到哪儿

其实我也看过很多文章包括也看一些纪录片就主要是他说很多人都觉得这个他一直是在找这个人脑和人工智能之间的一些差别他大家总是试图在找到那些就是人工智能不能够取代人脑有特殊功能的地方我这个记不太清楚我记得有几点就是说人脑比如说他有一些逻辑思维的能力有一些就是偷懒的能力

比如说他可能就不是说严格的按照这个具体的数字啊或者具体逻辑的顺序来推理他只是就找个大概他就能够从这个记忆中找个大概的东西来然后来帮助你认知你面前的这个东西对然后刚才魏老师讲的那个干和 attention 我就叫干了和那个 attention 还有 transformer

因为我之前曾经试图想做一个跟这个市场的 narrative 相关的这个 NLP 的一个模型但是那个一会如果有时间再如果有机会说到再说吧但是大概的意思就是说因为想做那个模型所以就研究了一下这个 GAN 和 Tension 这个 Transformer 也遇到但是完全没看懂

所以我当时我还记得看到这个 GAN 的时候我就觉得哇这个 AI 厉害了就是因为之前就是做 NLP 的时候我们可能需要花大量的人力物力还有财力去找人去贴这标签嘛就是其实大部分的像这些 NLP 的模型就早期它是通过

比如说东北或者说北方找很多人然后就是给大家一点点钱然后大家每天的工作就是不停的阅读很多文章然后贴标签然后我看到干我就觉得哇这种干的这个理念呢就很像这个周伯通左手互搏因为他所谓的这个对抗网络其实就是就像无间道一样无间道里面两个角色是吧一个坏警察一个是一个是真卧底一个是假卧底

然后他就是一个是不断制造假卧底然后另外一个是黄色这个黄色不断地去识别到底哪个才是真卧底哪个才是假卧底然后曾志伟又根据黄色判断的结果回馈然后再改良他那个制造假卧底假警察的能力最后这个真假警察就难辨了我就觉得我当时是用这种方法来试图理解他

然后 attention 和 transformer 好像就把人类引以为傲的这种逻辑思维能力它也完全被取代了而且它可以抓重点它不再是全局的都关注我觉得现在我觉得确实是 AI 的进步还是非常大的至少是在一个一个的解决我们曾经认为它不能够实现跟人脑相同效果的东西还是非常有意思

紧接着就想问魏老师一个问题你在看了这么多论文和你这么多年对 AI 的深入思考之后你有没有对 AI 的认知升级或者说哪些想法有改变的地方当然是有应该说还是触动蛮大的其实要说认知升级可能也经历过那么一两次

至少是一两次吧最早我印象还很深的啊就是第一次感受到最强烈的这种认知层面的这种变化其实就是 AlphaGo 因为我自己是下围棋的啊就是在我可以理解的那种状态下我很清楚知道就是当初 IBM 的那种深蓝它就是一种比较普通的就是

加大就大力出奇迹那种你知道吧就是就我们说机器笨其实不就是大力出奇迹吗对吧我只要有足够多的机器我有我记录足够多的棋谱我就可以战胜卡斯帕罗夫那个就是还是大力出奇迹的年代其实就是还是我们自己认知的那种比较早期的人工智能

然后到了 AlphaGo 的那个年代大家正式宣布说 AlphaGo 要跟李适时去下棋的时候我作为一个围棋爱好者当时还是下意识地认为 AlphaGo 可能会输的

为什么我想刚才说我站在人工智能面前可能我更像一个文科生就是我还相信人类智力的荣耀还在那个阶段然后呢我有很多的朋友就是搞你跟我一样是搞计算机的嘛就是那种可能怎么说就是更加理工之难的那种人就是在那个时候就在下棋之前都纷纷表达说这是绝无可能

你知道吧就是斩钉截铁就是李士实是绝对不可能有任何赢的机会的就是说到这个程度而我还是在想着说哎呀我说人可能还是很厉害因为围棋太复杂嘛就大家会这个等会我们可以聊人脑的这种特征啊就其实在围棋这个事情上就体现的特别清晰就是我就觉得这么复杂的东西人类的这种抽象能力可能还是挺厉害的因为虽然当时已经看了这个 AlphaGo 的那个论文就是所谓

这个叫做一个是价值判断函数一个是蒙特卡罗搜索就是所谓随机下至终局的这种能力一想就是说你随机下至终局那就是说白了你还是要一手一手去下你还是要面临所谓 365 次方的信息爆炸的困难所以你可能不一定能赢得了人

当然结果出来呢就是说完全不是那么回事对吧所以呢在那个时候应该说还是挺受触动的所以从那个时候看呢就是说人工智能它的核心就包括等会我们说别的发展方向也是一样就是它已经能够通过算法去足够的降低这种大规模的这种

计算的成本了对吧就我们知道就是大力出奇迹是不可能的嘛对因为围棋大力出奇迹都是出不来的所以算法的层面已经能够足以

把计算成本降低到一台机器或者说若干台机器就能在围棋上赢人那就是说这件事应该就不是大力出奇迹了确实就是神经网络还是跟人的思维方式可能会有接近之处这个是当时应该说这认知升级在当时还是存在的就是属于被阿尔法高打脸的那种

就是就跟那个夏威夷的人一样对吧就是在阿尔法购彻底击溃理事时还有后来击溃科捷之前大家都还抱有一丝幻想说哎呀这个人类还这个智慧的荣耀还是存在的后来就发现不行彻底打脸这应该算是第一次对这个算是最主要的一次吧因为灾难以后你对这件事的认知改变了那

后边的这种认知水平提升了以后它就没有特别巨大的提升可以说但是这一次的 chat GPT 或者说 attention transformer 的出现

我觉得可能人就整个人类啊并不是说我们个人对于人工智能的这个认知可能又要面临一次升级就是刚才说的那个八卦就是就是 attention transformer 这套算法是不是真的抽象了神经元和大脑皮层的这种运行机制实际上呢以前的 GAN 或者说再往前 CNN RNN 这些东西他们的逻辑本身也是神经网络嗯

他们本身也是神经网络就是这一条就是 AI 的这一条线一直都是用这种算法单元来模拟神经元的这条道路一直是这么走下来的但是始终确实没有突破到今天的 attention 加 transformer 的逻辑上所以这个算法可能再观察一段大家真的有可能还会再面临一次认知升级就是说他有可能

又是一个新突破就是跟当初的 AlphaGo 的这种偏向于专用 AI 的形态还是不一样的也就是说某种程度上可能达到 AGI 这也是大家现在最热闹的词就是大家看到了 Attention 加 Transformer 这套东西的能力之后大家对于 AGI 都充满了信心我觉得这个应该说算是第二次认知升级因为在此之前

我自己的观点也是说这个等会咱们可以换个话题聊就是说在很多垂直的领域机器

人工智能超过人那实在是太情而易举了对吧人脑在某一个任何一个垂直领域跟机器相比都是个废物但是人脑有这个 general 的这个 intelligence 这方面机器还是很难那这一次有可能会打破大家的这个想法会带来新的可能性我觉得这确实是个面临第二次人质升级的一个机遇嗯嗯

对我觉得从干到 tension 到 transformer 这三件事我自己的理解是他其实把这个机器学习的这件事的效率提的越来越高成本越来越低因为干他你可以自己左右互搏你就不用找别人跟你练武然后提升你的武艺你自己跟自己练就行然后

然后你也不用那么多的标签然后 attention 其实就是又升了一级他学会了人类的抓重点的能力从全局到重点又一个效率的提升然后 transformer 就是你可以用自己的 attention 和 self-attention 然后来就是用他们之间相互影响然后你甚至可以 get 到一些特别模糊的东西

我就觉得好像一步一步的在深入这个人类的这个领地之前大家可能对 AGI 信心不足可能是因为如果要是所谓的 AGI 就是通用的人工智能就是说你要把机器造的跟人一模一样那人是刚才魏老师提到一个非常综合的这个思考能力就是你不止

你要是达到人的这种综合的效果可能不只是需要计算机科学对吧你可能还需要生物学什么神经科学什么物理学各种学科交叉融合才能够达到像拥有所谓人类职能的机器

但是他这个现在的这种进化的这种发展的这个速度我当然不懂了我就是觉得好像比预想中的要快在一步一步的攻克人类的领地对呃我想补充一点啊就是在进入别的话题之前其实我想重点说的一个就是其实 attention 加 transformer 这套东西其实还是 google 发明的啊嗯 google 呢

他其实最早作为一个搜索公司其实就发明了一套这个搜索算法其实就是用简单的说就是认为全世界的网页就排在那像一个矩阵一样然后两个网页之间有个关系然后我们可以对他们的关联关系进行加权然后算出权重来然后就能够知道你

搜索出来的关键字呢我把哪些网页给你放在最前面其实就是这么一套算法然后你在看这个 attention 和 transformer 的这个文章的时候呢你会感觉一种浓浓的 google 的味道就是他用了完全一样的思路用矩阵因为 attention 就是你可以理解为一个句子如果是 self attention 就是一个句子跟自己的关联

对然后玩一个矩阵把这个排成矩阵之后两两之间的关系做加权从变成一个数值实际上本质上就是通过这套逻辑就实现了 attention 的这种概念或者说实现了这种人工智能的这种处理方式所以其实有时候真的是基础的算法可能

就在那就是怎么说用一点中国人喜欢说的要不然就叫大刀之剪要不然就叫什么万法归一反正就这种东西就是说这套逻辑其实 Google 是最擅长的它其实一直也没有脱离它的擅长点所以应该说对于整个的人工智能的

这个贡献和他当初对于这个信息检索的贡献我觉得都是都是一脉相承的对另外刚才这个魏老师这个两个升级的瞬间我觉得特别有意思我想聊一下我的任职升级我的任职升级完全跟魏老师是相反的我觉得这个就是完全不懂 AI 的人会会有这种奇怪的升级

就是刚才魏老师是说就是所谓的升级是开始也是从这个 AlphaGo 开始觉得可能人类还是有一些这个所谓的智慧智慧更高的一个层面但是然后呢是因为 AlphaGo 被打脸然后自己的认知升级了但我是完全反过来

我是首先对 AI 有莫名的恐惧就是觉得人类一定会被 AI 就是颠覆掉其实都不用说 AlphaGo 了我就觉得任何只要是 AI 的进展就是可以跟人类做相同领域的东西人类都完全没有机会所以我的认知升级是开始从一个特别莫名恐惧的一种状况现在慢慢升级到了不再怕 AI 了我是一个

而且慢慢觉得人类其实还有一点点的空间就是我这个升级其实是跟我的工作相关的就是其实我对机器的这种焦虑很早很早以前就有了主要还是因为我是做高频交易的

因为我们是直接是要跟几种不同的机器打交道吧所以我们就是在这一行大家经常会所谓这个做交易的这一行大家经常会有很很早以前就有恐惧就是机器会代替交易员那么我这种焦虑呢我们其实讨论过很多次就

就是当时呢是觉得人脑当然是很伟大的存在但是它有很多很多的缺点其中一个最大的缺点就是速度的问题尤其是那种需要 strategic thinking 的那种信息处理就是有一点点策略化的这种信息呢在里面的这种信息处理其实这是最容易被机器钻空子的地方所以它就是集中具体体现在交易这个 trading desk 上

比如说那种需要速度的信息处理比如说我们曾经还大概想了一下还算了一下比如说下棋吧那下棋魏老师喜欢下围棋就是我喜欢下国际象棋就是比如说下棋中一个马吃后的一个 checkmate 如果是非专业选手的话你可能需要大概 900 毫米的时间要反应你才反应出来这个是 check 但是专业选手的话比如说他的国际围棋分是大概 2000 左右

跟卡尔森差不多的那个分你可能只需要几百毫秒而已就是四五百毫秒你就能够反映出来但这件事如果是用 AI 用机器来做它只要用微秒级就是连秒都毫秒都不到了那个级别它马上就可以反映出来

所以说我们就是受了那个的启发然后就觉得像这种交易类的操作类的东西就更别说了比如说像日内交易那如果是被动做事或者说执行类的交易比如说银行的一些 Trader 资金部等等那这种执行类的交易呢

就是这种它主要的工作也就是下单撤单那下单撤单最熟练的交易员最熟练的老炮可能也得需要几百毫秒大概两三百毫秒但是机器现在撤单下单其实已经达到这种纳米秒的级别了就比如说一秒一秒的十亿分之一用这种纳米秒来做计量单位了

所以就是这种时间差因为做交易呢大家有可能知道就是他其实赚的钱都是打时间差的钱也就是说时间差其实是全世界最简单粗暴的一种赚钱方法就是比谁快你要是提前定位到那个 signal 然后你提前做了这种执行的交易执行的这个动作的话你就会把这个时间差的钱赚到

但是现在这种时间差的这种赚钱简单粗暴的赚钱方法已经不是人类的游戏场了所以说机器已经能够把这个人类赚到的所有你能想象到的时间差的这种空隙呢已经全部提前支取了所以我们就讨论过很多次就是结论呢就是在交易这一行人类是完全没有机会的

当然了我说的交易不是指交易策略不是像文艺复兴那样的量化算法等等在非交易类的量化比如说像什么择时啊等等那些策略找因子这些东西就是 AI 它到底能不能做得比人更好其实还是有争议但是我觉得也是早晚的事所以呢我们就做了一个挺有意思的思想实验就是

就是我们想了就我们假设有一个机器人的这个交易员对就是机器包括执行的自动化的程序和 AI 的算法因为它可以找到市场的这个买入卖出的信号然后呢另外一对是人类的交易员就假设这两对站在同一起跑线上大家在同一个市场然后同一个时间就是交易同一个交易品种

机器呢 AI 它我们假设这个机器人对它可以提前一到两秒钟因为提前一分钟有点太夸张我们就假设它提前一到两秒钟它找到或者预测到了这个市场的价格信号然后它就提前下单也就是说它抢跑人类交易员这个组大概一到两秒钟但是呢

但是呢这个 AI 对对这个硬件冷兵器它非常非常的普通比如说它用的是非常普通的交易引擎然后它用的这个网络 network 也很普通然后它的服务器也没有直连交易所所以它可能跟交易所还有一段距离那么而人类这个交易员队呢是纯粹靠人类的交易员和人脑和肉眼察觉这些价格信号然后它起跑会很慢所以说它已经比 AI 慢起跑一到两分钟了

但是人类这个队伍它的冷兵器非常强大而且它的这个 server 这个服务器是直连交易所的也就是说和交易所的机房是在一起的所以它就有巨大的这个优势所以说在这种信号时间差不大就是不是非常巨大的这种前提下呢其实人类还是能够强跑几毫秒的因为它有这些冷兵器的这些帮助

那么再往下做这个思想实验就是说假设人类的队伍和机器的队伍两个人就是两个队伍都把他们的服务器放到了交易所也就是说人类没有这个强跑的辅助因为大家都离交易所很近在这种前提下人类还有没有胜算那么在目前的情况下人类还是有胜算

因为这个有一个叫做暗电缆的东西也就是说当然这个是交易所的设置就是说如果你有暗电缆的话其实你有单独的赛道那么其他的所有的这个下单撤单等等都是在一个赛道里所以说你就像有了一个机场的贵宾通道你不用再跟别人抢这个交易赛道所以说还有一点点胜算虽然不是很公平

那再假设再假设人和机器一人一条赛道我们不用跟任何人比的话那么如果说人类交易员对我们可以搞到一些比如什么微波站地面上的微波站然后隔着空气直接下单或者再夸张一点我们用什么中微子穿透地球的曲面下单因为现在做高频交易的人都在研究这些东西

就是那可能还有点空间但是人类能够用冷兵器和硬件就是比拼的最高的战场可能也只能到这了它是有一个上限的你再比拼如果是机器能够因为机器它提前预测或者定位到架构信号的空间也是很大的

如果说机器或者说 AI 它越来越进化它这个预测到市场的价格变化会越来越比人类快的话那我觉得我们觉得就是人类交易员还是没有机会

所以说未来很有可能就是机器和机器之间的较量比如说人已经完全出局就是完全没有人类这个下单找信号的这么一种状况下那你大家各自就训练自己的 AI 机器人就去抢其他机器的时间差比如说你可以把自己的机器训练成

可以试单啊可以做一些这个 bluffing 啊就是跟这个 21 点玩这个 21 点一样然后你可能还需要你的机器做一些什么反向工程啊之类的找一下对手盘的算法也许能把对手盘的算法推算出来

那么就是用算法来解读市场上的虚实啊等等等等所以说机器 AI 和 AI 之间的交易的较量其实它的空间是非常大的也会非常非常有意思但是到了那一天其实那就完全没有人类任何事了因为你的算法你都是两个 AI 之间在互相揣测对方的算法然后找到先手的这么一个状况

所以说我们之前就是觉得至少在交易行业人类是完全没有机会的其实就是和 AlphaGo 差不多的感觉所以之前是非常非常恐惧的

但是后来尤其是最近我就觉得没有那么怕 AI 了我觉得可能如果没有尝试这些工具或者说没有一直在关注这个 AI 领域的发展你可能会越来越恐惧但是现在呢尤其是刚才魏老师提到的这个 AlphaGo 就是灭杀人类之后其实像这种棋牌类的东西它早就不再是人类的游戏了因为其实我比较喜欢国际象棋嘛所以最近我在看那个 Chess.com

就是现在的这个国际象棋的这个比赛呢就是其实人和人之间的比赛已经很少了如果大家喜欢看这些在网上看别人下棋现在其实最流行的是算法和算法之间就是大家看这两个算法之间在下棋就是最近有一个很就是很火的一个算法叫做 MittenMitten 就是一个小猫

然后也不知道是谁研究出来这个算法然后呢就是大家现在比较关注的一个比赛就是 Meet'em 和这个 AlphaZero 之间的比赛 AlphaZero 其实也是 Google 的所以现在的这个国际象棋这个这个这个赛场上其实都是 AI 和 AI 之间或者是人加上 AI 之间大家就是属于这种 Free Stop 这么一个下棋方式所以说最近其实几年前吧好像好多年前有这么一个案例

就是说因为现在的 chess 这个 alpha go 出现之后它就有一种叫做 freestyle 的这么一个比赛方式就是说你可以选择你跟 AI 对弈或者是你跟 AI 组队对弈或者是就是 AI 跟 AI 对弈然后好像很多年前就有两个人可能是美国的一个业余的选手就是他在这个评分上可能才只有 1000 分左右都排不上号

但是他们俩呢就写了一个程序然后呢开发了一个人机结合的策略就是说他可以判断出什么时候用 AI 下这步棋好还是什么时候用人下这一步棋然后做出判断好所以它是一种人机结合赛博格的形式呵呵

来下棋结果他居然赢了很多的 Grandmaster 和这个 AI 的程序所以说就是这个案例呢其实也是很多年前发生的但是我就看到这个案例我突然就是觉得其实未来还是属于赛博格就是说人和机器之间可能不是一种对抗或者说比赛的关系

而是大家可能有一个最终的宿命就是你一定要这些 AI 的发展你要把它看成是你的工具或者是你的身体组成的一部分你要试图把自己变成赛博格就人机结合交易员也是一样所以说这个发展刚才讲的有点长了就是因为前两年对我的震撼比较大但是我现在就没有那么怕

所以我的这个认知升级好像跟魏老师是反过来对这可能就是对不懂 AI 的人之前可能太过恐惧然后你稍微学习一点你可能就没有那么恐惧小跑刚才说的这个挺有意思不过从我们的角度来讲我觉得确实你说的这个 80%的角度其实不是害怕 AI 只是害怕机器我觉得这两者还是区别蛮大的

对就是说因为当然这跟我们刚才说的那个观点也没有冲突就是说越是简单粗暴的领域或者 level 肯定机器比人的优势大得越多嘛

比如你说高频交易具体到下单那个层次早就已经人就不能参与了但是当你说到让机器去猜测对手盘的策略或者什么的可能就有 AI 的能力在里边了那么也许某个时间点上机器猜的还没有人准然后后来 AI 又厉害了于是他猜的又比人准了总之就是说 AI 的进步

其实确实就是向着 AGI 的方向发展那么 AI 就是让机器向 AGI 的方向发展它就一定表现越来越差

对吧其实你刚才说的越来越不害怕它本质上体现的其实是这么个因素也就是说在那些能够秒杀人类的场景下不管是高频交易还是下围棋还是下国际象棋包括你看 AI 也是最早很轻松的攻克了国际象棋然后差不多过了 20 年整才攻克了围棋

对吧那就是因为国际象棋的算法空间比围棋小非常多嘛所以机器在那个上面就比人类厉害很多所以其实你刚说的这个就是你从你的视角来看的这件事我觉得是很有意思的是对的就是证明其实机器在不断挑战人类的

那它越接近人类通用的智力它的表现一定越差你其实就提出了这么一个现象这个问题而实际上这个问题当然是客观存在的所以我们现在会看到 ChatGPT 聊天的时候我们就说我去这么傻对吧就是让我们肯定不会说出这么傻的话 ChatGPT 号称人类人工智能的最强因结果说这么傻的话为什么就是因为

机器在向他更加不擅长的领域在进发所以还没达到人的 AGI 的角度所以你说的让你越来越不怕的感觉我觉得是可以客观存在我觉得这个道理是对的只是我们反过来说

当你认知到说机器已经能做到这么厉害了以前他们只不过能下国际象棋而已在这个角度这个方向就又转了 180 度对吧就是说你以前只是会下单后来会下国际象棋后来会下围棋现在会下会下什么会下套就类似于这个意思你就会认为他是在进步所以这两个方向我觉得其实都是客观存在

就是一个很有意思的一个角度的差异对吧我的感觉就是这样挺有意思的对对刚才我怕说太长就有些细节没说就是高频交易做事里边它有两种策略一个是被动做事那个就是纯粹执行另外一个是主

主动的机子就是你可能会需要一些你的策略就以前是用人就这个人他这个做事商呢他如果说做了好多年他就有一种感觉他知道市场的空间他其实也是一种预测能力吧就是很短很短的几微秒几毫秒的时间这个市场可能会往哪走他是一个势能一个动能的感觉

然后现在有一些这个交易公司他开始用 AI 来来预测就是说这件事如果人来做的话效率还是不高而且他很有可能预测错但是 AI 的话他有可能在很短的时间几微秒几纳米秒他知道这个市场一定会往下边走因为动能是能到了这儿所以

所以就有人用这个那就是如果大家以后都是用 AI 做这个主动做事的话我就觉得也挺就之前是挺害怕的但是后来就觉得他经常不是很准他那个信号可能还是一个做了 20 年的做事的一个老交易员他的这个洞察可能更准确我不知道也许是 AI 还没有达到那个程度还是我们的水平不够还是他已经能达到那个程度嗯

所以说现在呢可能主要是慢慢的觉得他其实也不像人做的那么好而且还有一种情况也是最近发现的就是说

因为市场上现代的市场是机器越来越多就是其实大部分都是量化的这个程序算法纯粹的人其实已经很少了所以说现代的市场对比大概五六年前有一个特点就是说大家可能会发现在市场上它经常会出现一些闪崩的情况但是它是一个在极短时间内的闪崩因为之前大家一说黑天鹅那就是闪崩可能一崩崩个几天就是那种感觉但实际上现代的市场上由于有太多的这个算法

它经常会发生一种叫做 Ultra Fast Flex One 就是超快的黑天鹅闪崩的那种现象意思就是说在微秒内的闪崩就是因为它闪崩的太快然后它又恢复了所以以至于你在盘面上根本看不到那这种就是大家可能觉得黑天鹅几十年几年才发生一次其实它天天都在发生只不过你看不到而已

那这种情况的造成的这种情况的原因呢就是现在有太多程序了就是程序它其实跟人一样有个 bug 就是他喜欢扎堆就是程序呢因为他要判断对方程序的这个大概的一个算法所以他们经常会扎堆的一起走因为他们预测的这个信号都是差不多的那么如果说扎堆的话呢就经常会发生这种暴涨暴跌然后闪崩的状态

所以说我好像之前还看过一个数据就是平均每天其实能发生几千甚至几千一万次都有可能发生只不过是跟着过我们不在一个时间尺度对

对所以就是怎么说呢就是其实跟郭威老师说的是一模一样的就一方面还是在如果他是越靠近人的思维的方向至少在目前为止你还是会发现很多他不靠谱的地方所以就没有那么害怕然后另外一个也是你在不断的看到这些他可以被你利用的地方所以就也没有那么害怕

对那下面呢就正好说到这里其实刚才我们也提到了很多相关的点就是人脑和这个 AI 它们之间的差别到底在哪里那就是说人脑和 AI 脑的工作方式和特点和区别它究竟有什么显著的差别呢魏老师有没有观察过这种结果对我自己的感觉其实这个问题我相信肯定每个关心认知或者关心

AI 的人可能都想过很多我自己的感觉其实我想从一个看上去不相关的角度来去论述就是关于能量的问题我先举一个例子我不知道大家有没有关注过小时候我们会看到一个问题说人为什么不能像鸟那样飞

如果像人像鸟一样有一个跟自己身高差不多或者有半个身高的那么一个大翅膀然后那忽山忽山的我们是不是也能飞起来呢对吧然后后来呢就看到一个蛮简单的解释就是说因为我们没有那么大的能量就是一个鸟呢它在这个日常的这个进食啊大概要相当于它体重的一到两倍

就是他要吃那么多东西那他的那套身体结构那套基因能够让他把那些东西转化为能量支撑他的肌肉有那么高频率的活动对吧那

你就算是鸟的翅膀它有它独特的构造但是你没有那么大的能量你做不了那么多功就我们最标准的物理学就是一个鸟它能够飞到一个那么高的空中去它需要有那么多物理的功人就没有这么大能量所以人如果要想飞得先保证一条就是你也能一天吃自己的体重

一到两倍的东西然后把那个能量转化到你的胳膊臂膀的那个肌肉上你才能够带起来那个翅膀才能够飞对吧所以其实每一个生物体它就是它基因决定了不同的特征所以人脑就是这么个东西就是我们以前看这个这也说到国际象棋就是我们看国际象棋的大师说大致上一盘棋下来

相当于一场拳击赛消耗的能量那这已经不少了对吧因为这个拳击赛你知道这个还是消耗能量还是很大的对吧出拳那么大力量那都是看得见的那些物理工而人脑的思考下一盘棋能够消耗那么大的能量已经很厉害了对不对

但是其实那才多点能量对吧就是你有见过一个人说我下一盘棋瘦 10 斤吗没有那就证明他没消耗那么多能量对不对如果他消耗有那么多能量他的体重都应该下降很多对吧所以其实他根本没有消耗但是下棋的人都很瘦对是这样的

所以它的日常代谢比较高嘛对所以你会看到一个短时间内它消耗不了那么多能量我觉得人脑就有这个特点就是人脑就进化成了这样一种东西就是刚才我们说的那种 AGI 的那种模型也就是说它能够在非常短的时间内消耗非常小的能量能够做出思考和判断

对吧这件事就是为什么刚才我们说的那个话题不管是你高频交易还是国际象棋还是围棋还是人脸识别图像识别你用的都是

远超过人脑消耗的能量那么多的东西对吧然后呢你在某个局部达到比人脑强很多这正常呀对吧能量守恒就是这样你找到了适应那个点的算法对对我觉得刚才交易的那个其实确实不典型因为交易和判断还是要分开

但是国际相企的算法围棋的算法以及人脸识别的算法确实它就是在那个独立的方向上你找到了一个好的算法然后消耗比人脑大的多的能量能够做到比人脑强很多这就是机器的特点然后人脑的特点呢我们就反过来说就是它以消耗很小的能量用很短的时间

做到了每一个领域都凑合对吧你让我下围棋我下不过机器但是我也可以对吧我也通过十几年的学习我也成个高手你让我下国际象棋现在肯定是差得更远了但是我也学会了对吧在棋盘上的规则我也下的还不错然后你说让我识别一个照片

那我肯定看得比机器准对吧比如一个化妆的猫我能看出来是猫机器可能看不出来但是机器什么呢机器是一个摄像头摄到的一个图它能够同时识别出 100 个人脑袋对不对然后还能记住谁是谁他们动了以后我还能知道在哪这种追踪人脑就做不到所以其实我是

我自己的結論就是說所謂通用人工智能其實就是通用智能就是要消耗足夠小的能量然後在每一個領域都做的錯誤都錯誤都八九不離十可能都不行都做個四五分的水平

这个就是人脑这种机器的一个最大的特点嗯嗯嗯,目通理论是吧?对,就这样,然后呢,那么为什么

回到刚才说的那个认知升级呢就是在这一次的这个所谓的这个 attention 加 transformer 这套框架出来之前呢大家都追求这个 AGI 那追求 AGI 呢其实本来就遇到一个问题就是原来的神经网络啊包括就是包括上一代就是干这种网络他们要想达到现有的这个就是 transformer 的这个能力的话

其实都要消耗巨大的存储和计算也就是说它也是一个能量的问题对然后恰恰就是这一次的 Attention 加 Transformer 这个新的算法实际上是能够让整个这套机制第一是能并行起来第二是消耗足够小的能量和存储

所以你会看到最近那个新闻就是说大家在这个 Transformer 这套网络上来 PK 嘛这个 GPT3.5 或者 GPT4 现在已经是 1750 亿个参数嘛对吧嗯然后嗯嗯嗯

注意啊是 1750 亿个参数呀好像是够厉害是吧那边又要来一个说那我要跟 GPT 竞争要不我弄个 3000 亿个参数对吧就是这一套算法出来之前他们能达到的这个量级就一下子就突破了那你用跟人导类比那就是达到同样的能力消耗的能量要少很多嘛

对吧这个事情机器它的规律是一样的因为大家都得消耗足够小的能量否则你发明出这套算法没有意义对吧投资几亿美元的存储就为了陪你聊天吗这肯定不行所以其实这一次的突破我觉得在这一点上其实影响是蛮大的啊

这也是为什么大家突然一下子觉得 AGI 又乐观了我觉得其实这跟人脑的客观规律它是有关系的你只有消耗能量足够小你的这套体系才有意义对吧因为我们最终害怕的就是从阿希莫夫开始

iRobot 这种概念它是真的想变成一个机器人对吧就是你不能说每个机器人肚子里都揣一个核电站然后揣着几万 TB 的存储他才能当个机器人对不对所以其实 AGI 追求的也是终有一天就是消耗能量足够小那么达到人的智能才有意义否则的话你想

你就一个 chat GPT 那边又做个啥你全世界不就是三个 SaaS 吗说白了对吧你就全世界就三个 SaaS 吗然后那边呢全世界有 70 亿人

你说这个有可比性吗其实没有什么可比性对吧我只会一个人在我家扫个地擦个桌子你都做不了对吧你得有足够能量消耗足够低的那种机器人你才能够然后达到 AGI 然后来我家擦桌子对吧才有意义对所以我觉得就是人脑的特点最终你会发现核心的特点就是它体积小消耗能量小然后

所用的时间应该说还算比较短对吧所以我觉得人脑跟机器最后差异点还在这这里边我在想一个深层次的问题那就是说如果最终的 AGI 它在能量消耗在体积方面如果仍然比人脑还有那么巨大的差异的话那么你觉得

用机器去追求 AGI 好呢还是在不同的所有的领域发展他们最强的人工智能然后比人脑强几万倍好呢所以我觉得这个其实是未来 AI 发展的一个一个一个终极话题就是未必

追求 AGI 就那么有用因为反正你也达不到人脑的那个特征对或者就算达到了你再造个跟你一样的人有啥用呢对就是人的想法就是那样就是说我追求 AGI 是啥意思呢就是我把它变成一个人形

人行机器然后可以来我家扫个地擦个桌子陪小孩聊两句对吧让大家有个什么因为我家的桌子可能很复杂对不对你没个 AGI 你碰碎个画屏的可能性还是存在的我们追求的实际上 AGI 就是得跟自己一模一样对吧我们追求就那个但是在你达不到能量消耗体积

的时候你弄一个 AGI 的 SaaS 培疗这个东西能有多大用呢对不对而且我刚才说啊这个是要有一个前提的啊就是说如果我放弃 AGI 而专业做培疗的话嗯你理解吧就是我放弃这个这个现在的这套追求 AGI 的方向我专门用培疗作为一个专题的方向也就是语言的识别和生成的话嗯

那可能仍然会比现在的这个 attention 加 transformer 说不定还厉害

就有这种可能性了这个算法没出来之前当然谁也不能说一定会能够做到这样但是现在问题就是在于说你追求的到底是什么东西因为陪聊可能也不是也不能创造商业价值对吧这就待会我们可能讨论的那个话题对所以就是说如果我们是为了解决人的问题的话那我们是不是还是应该把问题列出来然后在每个领域里去发展对应的算法

其实可能解决问题效果更好我觉得这种可能性是存在的这也算是对 AGI 的一个反思吧对 是的这个其实是个灵魂拷问就是就人的人脑的一个好处我觉得就是像魏友老说的他就是喜欢偷懒就是简化认知过程我还记得以前我记得有一个测验大家应该都做过那个小测验就是给你一段文字然后让你你看完之后你告诉我是什么意思

然后或者说试着复述一下,大家都能复述然后你再看一下那段文字,其实它都是乱码就是它的这个文字的这个顺序是颠倒的但是却不影响你的理解能力这个就是大脑在偷懒就是它会按照类似的记忆就是产生这个设置产生结果所以它中间那些就是必须得是 A 到 B 到 C 那个推理过程都省略了但这样就会给人类很大的便利而且其实这个灵魂拷问确实是就

那我们就算是要启用足够的能量要再造一个智能人脑或者甚至是这个电脑能够模拟宇宙那关键是我们要做这件事干嘛呢都有个宇宙了或者说已经有一个人类的大脑为什么要给自己造一个一样的或者说再造一个宇宙

所以确实是觉得魏老师解释的非常清楚可能还是就是以有限的资源专攻某一个领域可能会更有用对对也许说不定现在的这套 attention 加 transformer 的模式

可能就是那个图像识别或者是自然语言生成的那个领域里的那个屠龙道也有可能然后所以最后大家发现说哎呀 AGI 还是实现不了然后别的领域还是去干 alpha go 了然后这个现在这套逻辑就生成文章或者陪聊或者生成图像嗯就比较好这也有可能对那除了这种省电模式偷懒模式还有其他的不一样的地方

我觉得是跟这个模式有关系比如说举个例子就是咱们最喜欢聊的叙事

就是小跑研究最深的叙事的逻辑然后我因为也是在想 AI 的事的时候就想到了叙事这个概念其实我觉得某种意义上来讲为什么叙事的能力或者叙事的力量这么强大其实它就是因为它就是人类思考

模式的本身对吧你刚才所举的这些例子其实是一样的人的思考方式是不能说我每看到一个话题就把我过去 30 年存储的想到的资料都 review 一遍然后把它们算一遍得出一个针对这个话题的一个结果对吧

那个是机器才这么做嘛对不对人是不能每次都这么做不然的话就是能量消耗不足嘛然后时间也不行每次看到一句话都得想三天然后说哎呀我想出一个答案来了是什么对吧所以人有一个特点就是他要达到这么快速的响应和能量这么低的消耗意味着一件很有意思的事情就是他的输入必须也特别少

对吧你看到我们说的 AI 我们刚才讲这个例子就是 Google 发明的这套 attention 的算法跟他发明搜索算法一样他要以一个巨大的矩阵就是一个

学习训练的这么一个训练集为输入对吧然后跟你告诉他的一句话去匹配然后再反给你一段话这是他的一个计算过程所以你会发现他的处理能力还是相当受限的第一你给他发一段话他可能过几秒钟才回你第二经常还说这大家看到了现在经常就是当前处理太多我算不过来对吧如果他是一个极度的快速和数据量非常小的计算

他不需要产生这样症状对吧嗯因为一台机器呢可能处理全球 70 亿人的一个快速的一个输入和输出就完了所以人其实是有一个特点就是我必须把输入也降到特别低嗯然后我就根据这么少的输入

我就瞬间的在我自己的大脑皮层里拎那么几个神经元凑一凑就得到了一个结论这个缩小输入的概念其实就是大家接受叙事的概念我只接受一个叙事

这么小的一个逻辑作为输入然后我就做出判断对吧我不能说每一次做一个判断都要读 300 页论文然后才能做出判断所以其实叙事这个逻辑它作为输入其实就是人的这种思维的本身就每一次我们总是接受一个很小的输入然后就做出判断这就跟下围棋其实也是一样的对吧就是

我们一眼看棋盘看到的绝对不是

三的 361 次方的那些组合的数然后还要什么蒙特卡罗搜索一个最优解我们就看这个样子大概长这样所以人发明了出来什么我不知道小跑熟悉不熟悉围棋的术语什么形状对吧就是说我看这几个子之间它有这么个形状这个形状我是记忆下来了就比如说围棋上周经常出现说这个形状很难看那就是你的棋下的不好

对吧那你看形状有吧国际象棋也有那你想形状很难看这五个字是个啥它是个叙事嘛对不对我们平时说的叙事那马上联想出是什么样对啊我们平时说的叙事的句式不全是长这样吗对吧什么未来形式一片大好然后这边是

这个地方形状很难看就是这个然后我们就接受这样一个输入然后就得到了这么一个结论所以人就一直是靠把输入也缩减到最低的这种方式才能达到他的能量消耗最低嗯

然后那所以选择相信叙事就是人的一个主动的选择就你没有别的选择了所以为什么就是不相信叙事的那你需要有一个比如说投研机构对吧或者你去这个做认真分析调查花三个月然后得一个结论

对吧那就是另外一套逻辑那对于每一个普通人 99.9%的人而言他除了选择相信叙事他还有什么别的选择吗就不可能嘛所以我觉得是从这个角度来讲呢就是能明白就是说我们好像也确实不用担心

我们为什么这么差会去相信叙事因为我们就是要相信叙事这就是我们的本性我觉得我是这么个感觉不知道这是不是个唯理解说不是完全同意

其实这个我之前看那本书那个 Wilson 就是他专门研究白蚁就是他写的一本就是跟动物相关的就是就是他说他在书里面用了一个词就是他相关性就是说人和白蚁蜜蜂一样都是社会性动物嘛那他其实在他也在书里面写就是说

人要给周围的信息就人类要给周围的信息和环境要赋予意义这个也是人生存的一种必要的技能因为比如说在原始时代这个原始人你根本不知道世界是什么样的世界对你来说就是莫名恐惧所以如果你不把就是你周围能摄取的一定的信息赋予意义然后尽快理解的话你就会越来越无知然后越来越恐惧

所以说其实他也许就是像他说的也就是人这么多年来为了生存发展出的一项技能就是你要对周围的环境的信息摄取要赋予一定意义就像咱们上一期聊的时候这个魏老师提到康德就是那就好像是人对世界的信息处理就是康德似的我一定要解释一定要赋予一定的意义然后可能还要有一定的期望值我才能把这个信息放进我的脑袋里我才知道下面该怎么做

但是这个也像上次我们讲的一样就是人类历史之所以有起伏转折就是一会儿高一会儿低那就是因为人的期望值经常会达不到现实的时候就会发生各种的这个情绪上的变化比如说喜怒什么忧悲啊之类的然后有了情绪之后呢情绪又会吞噬这个反推人类的行动然后历史就这么起起伏伏下来了呵呵

这个就 Q 回了上一期节目对实际上这里边我觉得可以等一下来聊这个话题对就是这里涉及到一个人为什么要选择机器的问题对就是跟我们上一期的我觉得跟这个

价值观或者目的论其实关系很大因为人的这种模式客观的说他的行为跟价值观密不可分对不对但是机器好像没有这个问题我觉得这可能就是人总喜欢做想往 AI 那个方向发展的一个原始动机这个我觉得等会可以聊一下那就先聊吧因为我下面就想问到大家最焦虑的问题了

嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯

然后尤其是现在的 creator 们都很焦虑所以说魏老师是不是觉得这个是一个担心我们是不是应该担心被取代对我觉得其实这里边有一个很有意思的词就是所谓工具人就是说个我自己编的梗就是说现在如果我们很多人越来越像工具人的话你难道不觉得其实是你在取代机器吗对吧

本来我们发明机器就是给自己做工具的然后那些工具性的事本来就是机器干的比人好然后我们现在还都让人来干其实不是机器取代人是人取代机器对不对所以从这个角度来讲你担心的机器取代人那不是应该是

拨乱反正对不对是吧把活还给人家对呀把活还给机器我们讲计算与认知的那一集就讲的这个事就是到现在为止几千年几万年来人在模拟机器这件事做的还凑合但是机器现在已经厉害了

已经可以把他们应该干的事可能都 take over 了那你把这些事还给人家对吧人家不是来取代你的人家就应该干人家那个事对吧你赶快把人家该干的事还给人家也叫他饭碗还给人家对所以我觉得这是一个非常有意思的话题所以我就想回到说你觉得工具人和人的最核心的差别在哪

你有没有感觉其实跟咱们上次聊的这个话题我觉得就是很相关的我自己的感觉所谓的工具人其实就是没有价值观的人就是人我们说的就是就你刚才讲了我们上次聊到康德康德讲纯粹理性批判那就是认知和客观世界对吧但是他讲判断力 sorry

讲这个实践理性批判的时候就是人要行为人要行为就是有价值观有善恶驱动的对不对那你现在如果把人当成工具人那其实你就是说他必须不能有自己的价值观对吧他必须不能够自己根据自己的主观去趋利避害否则他跟你的目标跟你的价值观不一致嘛嗯

那他就不是工具人对吧所以你现在我们现在说很多比如说不管是过来什么环境会把人当成工具人其实就是这些人他不能有自己的价值观必须当工具对吧但是呢我们需要他的智力

就这个人他不能有价值观但他必须有 intelligence 对吧这个才是最佳工具人吗对吧这个才是你的福报对吧这个才是你的福报所以其实我们想说的说人能被取代的那一部分其实就是你的工具性的那一部分就是你没有价值观的那一部分对吧然后我们反思一下为什么我们会喜欢工具人呢

也就是这个原因就是一个活生生的人他一定会有自己的价值观那么多多少少他一定会跟他的使用者你叫雇主也好他价值观有可能冲突对不对这就是他的雇主不喜欢用他的那个地方对吧那这件事情是解决不了的

对吧雇主一定会要使用工具而不要使用人这个矛盾是解决不了的是因为人的价值观会跟雇主冲突包括我们说的 web3 为什么会存在对吧因为价值诉求又不可能三角你不可能把同时把所有人明显相矛盾的这种价值诉求在同一个环境内满足所以实际上就是说你有价值观的人去干没价值观的事

这就是一个客观矛盾这个矛盾是客观存在的它是解决不了的所以那没价值观的事更多的让机器干这不就是我们的理想吗然后把每个人解放出来去干那些根据价值观做判断的事情

这才是人类所谓自我解放的一个目标所以我们怎么能担心我们担心的被机器取代这个逻辑其实本来就不成立我们大概率担心的其实是最简单的道理就是我们没有全民基础收入对吧

可以这么说吧对吧那 JK 罗林人家不就是领着低保血的哈利波特吗对不对就是我们其实如果社会发展到那种真的是人有生存的保障的话那么我觉得人大概率做事业其实无非就是发挥他价值判断的

那个能力而那个能力是一定有需要的因为雇主也需要他的员工做价值判断而不是不需要因为我们刚才解释了不需要的就是工具人这是大家不高兴的确实是没有任何人喜欢自己的老板把自己当工具人对吧都是希望自己的老板会

依托自己的能力做出的价值判断给他而这种需求当然是客观存在的我想举一个例子前一段时间有一个邮件的例子我不知道你看过没有我想说一句话

然后我让 chatGPT 帮我翻成一个邮件然后呢把这个邮件发给对方呢然后对方看完这个邮件说这邮件什么意思呀然后你就会把那句话告诉他听懂这个梗吧网上有这么一个图我觉得这很有意思比如说我举个例子我自己编了一个这个故事就是说

因为前两天我听到有人在说说我们咨询公司或者投研团队会不会被 chatGPT 取代对吧比如说请 chatGPT 帮我分析一下比如说未来三个月之内这两只股票哪个会涨哪个会跌我举例而言这可能不那么贴切然后 chatGPT 就快快给你弄出了几千字的一个投研报告

然后呢那个分析了这俩股票然后最后得了一个结论呢说这个某一个股票会涨吧大概类似这个意思然后呢你作为投研分析师嘛你就把这个报告给了你的老板老板看了一下哎呀很高兴这报告写的真棒啊

说最后结论是啥然后你就告诉老板说结论是某个某个股票会涨中间那一大段中间那一大段是看着让大家高兴的对吧然后再进一步老板说哎呀这个

你觉得是不是这么回事或者你觉得怎么样对吧因为你想你这个报告是你写的你当然不能告诉老板这是差 GPD 写的对吧这个报告是你写的结论都在那了你说你老板问你这句话你能说反的答案吗

你不可能说反的答案对吧你说我认为另一个股票会长老板说那这是怎么回事你报告不是写的 A 股票会长吗现在我问你你又说 B 股票会长所以其实你你也是要说 A 股票会长的那就说明啥说明其实你得到了这个信息之后它已经影响了你的价值判断了对吧就你其实是用自己的价值判断告诉老板说这个股票

會長不管這是不是事實是不是在 GPT 分析出來的其實不重要為什麼因為在那個場景裡老闆問你這句話的時候不是問

那个文字白纸黑字写的是不是 A 因为那个老板已经看见了对不对他其实是在问你的价值判断说你是不是真的认为这件事情是这样所以我们把整个这个报告扔掉这个过程仍然会存在对吧你就是不给老板看这个报告你不用 chat GPT 去写这个报告你自己写

那些都不重要因为那些文字都不重要最终重要的是你通过价值判断得出来股票 A 会涨而老板到底抽哪个对然后老板依靠的是你的价值判断而已不然老板看那个文章没有意义你知道吗他把他文章所有的信息都输入进去然后老板如果自己做出了一个判断判断是 B 他又不用再要你了对不对所以其实老板最终他就算是可以用

chatGPT 然后自己去生成一个报告然后看结论他也不一定相信那个他可能还是要再问问几个人说你们觉得哪一个股票会涨那他其实是相信的是价值判断而已

所以我是觉得说大家都担心说将来有了 Chad GPT 老板是不是说一句话进去说哪个股票会长老板就相信所以我们就失业了这个不一定因为老板未必只相信这种数据分析他往往还是会相信他人的价值判断因为什么因为你们的经历偏好

对吧认知水平可能是类似的所以老板相信别人的价值判断会比相信 chatgpt 的分析我觉得可能重要所以最终我认为这种所谓的淘汰本质上是不存在的就是你要去把你日常的工作当中的这个数据分析或者逻辑推理等等这些东西和你的价值判断

要剥离开我觉得这个可能是人面临这个 chat gpt 或者说 AI 时代到来之后人可能要接受的一个巨大挑战是因为人的思维方式他不是这样的他当然都是根据一堆数据分析得出的价值判断所以最后你怎么能够有效的

在更多的信息基础上做出一个独特的价值判断这件事我觉得是个挺有意思的话题但这个事可能短期之内想不了那么明白因为 AI 刚出来就是我们怎么能够形成一个特殊的价值判断让它变得有意义从而让它让你在你的老板面前或者让你在工作单位在社会面前变得有意义的这件事情我认为是未来的一个重要的话题

对对魏老师分析这段特别精彩特别有意思我觉得确实是尤其是像投资研究这个投研这个领域以及数据分析类似的领域实际上它有一个问题在里面就是就假设我们还是讲这个投研报告那它其实里边的一些相关性一些数据其实还是人赋予它的

那么你这个 PE 和这个市场的这个趋势怎么结合你才判断这只股票或这个行业它会涨其实你拿到的数据或者你的 supporting 的就是你写的那一大段其实那也是之前的一个分析的经验赋予它的意义就是大概 PE 到这个值就是它就太便宜了或怎么样其实它都是人的价值判断在里面

所以这一大段你就算用它写了然后第一首先第一它的相关性不一定有第二你是之前人赋予它的这个意义那么你最后其实老板之所以还要问你因为老板知道这些数据也不一定可靠就是市场很有可能不按照这些数据走

就是还是有很多对这个金融行业我觉得是会有很多这样的情况然后刚才魏老师说的我觉得现在有点想不起来的但是很多点都特别有感触尤其是像工具人的那一块嗯所以我其实就是觉得大家现在应该担心的可能不是 ai 或者说 ai 会取代你的工作或者说自己能力的问题可能更应该担心的就是像魏老师说的 ubi 的问题就是不是说 ai 的出现一定会造成社会问题

但是如果它造成了社会问题一定是这个社会的治理出了问题就是从这个社会保障以及这个政府治理的层面上它没有做到如果说 AI 有大批就是大批替代现有员工然后让因为公司还是主力的我觉得这种失业的情况还是会出现的但是如果这个情况发生的太快太突然而这个社会的保障也没有完全建好的话那是会出现社会问题的

但这个问题不是 ai 造成的而是我们现在的社会体系和治理等等还没有跟上这个技术革新发展的速度那么在一个自由市场竞争的这种设定之下它是会出现问题的当然如果我们都是吧已经有一个共同富裕的这个大指标的话那可能不会出现这种问题嗯

对我最后再补充一点点我就是就是觉得也是就扣题了吧忽然刚才我们开始讲那个盘点 AI 工具的想法就是因为我反而是会觉得嗯

可能会取代一部分工作但是也会创造出很多新的工作因为大家都已经知道有这个 prompt 这个 master 的这种工种的出现就是就是因为 chat gtp 出现之后就有很多公司他会高薪聘请那些你能够输入特别准确的关键词然后呢能让这个 chat gtp 给我一个最理想的结果的这么一个工种

我觉得这个就是人的价值因为不管是 meetjourney 还是拆 GBT 如果你想要他给你一个完全符合你心意的答案其实比较难关键就在于你怎么样有创造性的告诉他就是你心目中的形象或者是文章或者其他作品我最近在一个网站叫做 feverfever 就是一个他有很多兼职工作的一个网站

然后我发现他们出来了一个新的工种就是一个新的工作的类别叫做 AI 创作者他的意思就是说那这些人他会在这个网上 post 一些自己的工作就是我可以用 meet journey 帮你生成你想要的这个就是准确率最高的图其实他也没做什么主要的这个图还是 meet journey 画的只不过他给你输出了最精准的描述然后让他让他输出来了这个画最符合你的这个想法而已

嗯所以我觉得未来的可能性还是很多的其实也没有必要太悲观嗯对这个我接着这个话题说一下刚才可能那段例子说的有点长其实还是回到那三个批判上面就是你会发现这个我们担心的就是 AI 取代了纯粹理性说白了就这个事嗯

但是就像你刚才举那个例子我们现在可能有了一个更好的一个 prompt 工种这个意味着什么你能够提出更好的语句让 AI 给你更好的结果然后你就会发现这个结果的取舍还是让人来判断这个判断就落在另外两个维度一个就是价值判断

我要不要去根据这个去决策去行动对吧比如举个例子现在大家都说 chatGPT 都能编程了对吧你只要给他足够好的提示他能够给你出一段代码来但是你别忘了这个代码还需要测试然后还需要投到外边去给人用

那包括甚至还要经受黑客的攻击所以最后实际上这个代码的价值还是要由外部的人的环境来判断对吧然后另外一个呢就是关于这个你刚才说的那个画的更好的图也是一样嘛你有很高的 prompt 的能力画出那个图来是你喜欢的或者

你知道是老板喜欢的然后这个不就落在了这个判断力批判也就是审美上面对吧因为人的审美又没有客观标准对吧所以你能够得到的更好的审美是大众更喜欢的或者是老板更喜欢的反正这就是你的审美的能力所以这些东西大概率其实反而是人的一个机会了所以就是

我刚才想说的那段话总结起来就是说其实人过去这么多年来他就一直把这种机械的或者计算的这种行为或者这种工具的行为跟他的价值判断和他的审美的判断混在一起的

没拆开对吧就上次我们不是聊计算性的时候专门聊过有书法机器人你知道吧就是书法机器人它是完全可以根据参数写出那个书法来所以绘画机器人也是一样可以做出一个更好的画来而人类以前只不过是把书写和绘画的过程跟他的审美判断的驱动连成一个过程而已嘛

可能将来如果 AI 强大到现在的程度可能就是逼着人要去把这两个过程要拆开然后机器去负责计算性的那部分过程然后你通过你的 prompt

去给机器输入然后给你反馈出来符合你价值判断和审美判断的结果然后让你去选择所以你看其实就是等于人逼着自己要把这两个过程拆开所以其实你刚才说的 prompt 工种

它其实大概率真的就是未来人工作的很重要的方式因为它就意味着你其实把那个过程和那个结果的判断拆开了所以就真正把人解放出来了我们很快就要遇到真正的自己了以前都不知道以前都当工具人了都不知道自己是啥样呢对

嗯那好啊我们今天也一个半小时了没想到今天聊了这么多我还以为就是八卦很快就聊完没想到就引起了自己很多的想法那么今天我们就聊到这里最后本来是想再给大家推荐点书但是算了吧我写在这个 show notes 里面因为刚才讲的很多内容也是最近我看了一本书叫 genius maker 中文翻译成深度学习革命其实

他的内容远比这个名好玩的多我也是看了这个英文版我才发现但没关系的我给大家写到 show notes 里然后大家如果嗯有什么 AI 的想法可以跟我们在群里或者是在其他的地方留言讨论嗯好感谢大家今天谢谢大家那我们下次再见好再见好的好拜拜拜拜