备忘录:关于 ChatGPT 的一些个人注记
![](https://assets.matters.news/embed/7a7b17e6-dd40-467c-9aaa-5decb698da11.png)
(供未来打脸、反思的记录)
年后各种事情就开始疯狂涌来(当然,主观地期望通过「大量事情」来完成另一个自我实验也是很关键的一个要素),一天接一天并发地做着好几件事情。最大的感受可能就是:好像又回到了某段学生时代,将自己化作齿轮,埋首于连绵不断的任务,根本没有多余的心思去考虑宏观的问题,甚至没有精力去做自由的阅读和写作。好的一面当然是效率极高、某些能力也在短期内有了快速的自我突破;而不好的一面则是长期面对自己的非舒适区,以至于舒适区的技能、经验累积都开始稀疏。但所谓「代价」可能也是如此。当你没有办法同时结合两个选项时,放弃/拒绝的排他性,就是最大的代价。
同样因为这段忙碌的齿轮转动时期,我得以更多地将 ChatGPT 作为日常工具使用在各种任务中。周围的人在拼命地围绕它构建新的项目、尝试新的想法,而我几乎都只能在忙碌的间隙用余光瞥见一二,然后继续回到任务如山的战场上缠斗。或是因为总是不想做大多数人做的事情(虽然理性上知道应该做正确的事,而不是少有人做的事),或是因为你的 position 决定了你的思考方式,总之在当下这个情景和时间点,自己的叙事逻辑是:作为个人,当然应该疯狂地探索它的可能性。但作为能够改变整个人类生产方式的因素变量,当前还不是后发先至承接时代的时候。
之前的一个片段思考是:
如果回到网络刚诞生的 ARPANET 的时代,第一次意识到「信息」可以如此容易地在一个节点组内相互传播,会去构建什么产品呢?而围绕它又会向 VC 兜售怎样项目呢?是经过包装的升级「电报」服务,或是几个人的信息交换小组?又或者是更多想象也更多工作的点对点交互游戏?
但似乎无论怎么想,也难以想到会是抽象的 http protocol 以及伴随而来的 html 才是网络时代的打开方式。那些直观的、所见即所得的应用,几乎都在用新的工具解决旧的问题。可是,新的生产力工具有它自己创造出来的新需求和新问题,它有它的领土去耕耘。就像移动互联网的初期去折腾如何让小尺寸的屏幕展示网页那般拙劣。可移动互联网有它自己的 on the road 的问题去解决,且这些问题才是让它独领风骚的根本所在。
如今,在 ChatGPT 面前,似乎又遇到了同样的路口、又开始了同样的循环。
而如果回顾 PC 和智能手机的发展历史,仅有 ChatGPT 的时段似乎也在对应着创新涌现的早期历史。就像第一台计算机刚出现时,也是一家独大、一掷千金。但所谓的计算时代,并不是以这样的大型机的出现而开始涌现的,它只是序章。又像是智能手机的开始,当只有 iPhone 依靠精良的设计和不俗的价格而独立存在于市场时,那不是移动互联网的涌现时期,它只是序章。这些「大教堂」式的开头,以当下仅有的历史材料来看,都不是涌现的开始。
真正的涌现,来自于价格更低、功能更少但组合更为自由的、能够引领「集市」的竞争对手的出现。PC 是 IBM 大型机瞧不上的边角料,也因为 IBM 的瞧不上才阴差阳错地将最关键的「芯片」和 OS 的模块大方地解耦、外包出去,从而得以让各种 PC 组装成为可能。但凡 IBM 想要垄断 PC 的制造环节、不再以开放标准的形式让市场得以容纳更多的参与者,计算机的涌现恐怕会来得更晚一些。
对于智能手机也同样如此。如果没有 Android 的开源做基石,各种更为廉价的手机厂商将不复存在。进而,容许「比 PC 圈层多得多的人群得以进入到移动互联网」这件事也不再可能。作为一个体量是时代的需求,一家公司是无法承载的。
如果以此历史为前提和参照,对于 AI 时代来讲,真正的重头戏可能在于比 ChatGPT 花费成本更少、效果一开始不够惊艳但却得以自由实现/组合、进化更快的小模型的突然出现。各种应用的边界能够因修改、调试模型而得到根本性的改变和定制化。此时的创新涌现才会在真正意义上出现,各种基于新的生产要素的全新应用,才会因此而生长出来。
一个容易浮现的关于「存在性」的问题是,假设这样的小模型真的存在,那为什么不在 ChatGPT 之前就出现呢?我想,这可能是关于「创新」和「突破」的经典模式。一个无法打破的短跑纪录,会因为第一个破纪录者的出现,而突然出现好几个纪录突破者;一项长年累月无法攻破的难题,会因为第一个粗糙、繁琐的解答的出现,而突然出现一大批更为精练、简洁的解决方案。
如果要从原理上去解释,那恐怕就是「未知」在路径「选择」和资源「投入决策」上造成的重大差别。当没有第一个案例存在时,每一个路口都意味着巨大决策开销,它不仅是“剪枝”的决策路径合并问题,更是关乎每一条路径的尝试都有可能血本无归的资源投入。又或是,假设一条路需要通过 5 个路口、投入 1000 的资源,但因为前面 3 个的选择太过不确定且已经耗尽了 900 的资源,那么最后的两个路口,即便它只会消耗 100 的资源,也会因为「迷雾」这堵墙壁而停滞不前。
可一旦有了第一个成功案例的出现,决策路径将会得以急速地缩减,而资源投入也不再是无法定价的无限风险。你完全可以根据已有的成功案例给出 down to earth 的风险测算和定价预期。于是,果敢的选择、资源疯狂的投入,当然会得到比「第一个」好得多的方案。
以此视角,或许可以得出一个大胆而近乎疯狂的结论:当下的「大众」因为 ChatGPT 的高额成本和技术门槛而选择放弃 model 的研发,只在它之上做应用。但如果以整体进展去考虑(当然同短期个人利益可能又是违背的),现阶段的大众真正应该投入的是小模型的研发(类似于 Android)。应用能够走到哪里、能够魔改到什么地步、又能够迫使 ChatGPT 做出怎么样的妥协与改变,都需要一个「集市」式的竞品出现。只有拥有了可以被群体修改特性的竞品,市场机制才能因此发挥作用,各种杂糅性的、能够依靠系统误差而产生的根本性非线性创新,才能成为可能。
创造试错的一大难点是:你总会局限在自己的已有「经验」和「认知」中,不断地做着「同质化」的试错,虽然你以为是在做「异质化」的尝试。而往往,那最后一步通往「异质化」的关键试错,并非来自于自己的主观构建,而是来自于无数次尝试所堆积出的「系统误差」。这个“背离一切主观臆想、不在主观构建的尝试路径中”的误差所指向的路径,将实质性地把你推向一条异质化的试错尝试,从而产生真正的创造。
在这个视角下,无数次的辛勤主观试错,除了累积需要排除的必要数据外,其实就是在等待系统误差的发生,等待它的降临,将你推向一切经验与认知之外的无人之境。
当然,以上推理的一个更大的前提是,类似 ChatGPT 这样的 AI 是放于 C 端的模块,而不是类似「电力」的集中式资源。我个人更加倾向于将 AI 的能力视作 PC 或 mobile 的模块,而不是单纯的、不可改变、不具备定制化潜力的、仅仅依靠「稀缺」而存活的资源。当然,这种情形也可能是 position 决定头脑判断的产物。Anyway,这就是我当下的局限性历史的个人判断。
另一个补充理由是,对于 ChatGPT 这样的 AI,它并不是实现了智能,而仅仅是做到了人类以为需要智能才得以完成的工作。正如 Stephen Wolfram 的深刻洞见:普通人因为 ChatGPT 的对话能力而以为它拥有了智能。但大家很可能把事情弄反了,不是 ChatGPT 具备智能,而是「对话」这件事情被 ChatGPT 证明,其实不需要智能、而仅仅依靠概率也能做到。
并不期望这篇文字能够正确预测什么,而仅仅将它作为一段真实思考片段,在进程转折点的前夕去记录历史。
近期回顾
![](https://assets.matters.news/embed/f5b91ef4-16db-45cb-984c-fcfc40c4cbd4.jpeg)
喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!