[玩一個總結] Model the World

這是一個寫作計畫 在第一季FunClosure《玩一個總結》的節目裡面，我們簡單的觸碰了"了解自己"以及"了解世界"這兩個主題，主要想要在這個世界裡找到一個自己的位置，一個能夠舒展並自在的地方，以及一個可以運用自己能力的施力點。

距離上次創作，在經過了疫情三年之後的現在，世界變得更不同了。除了世界的緊張局勢，包括戰爭以及經濟上的動盪，更有了ChatGPT、MidJourney以及Apple Vision Pro等科技的面世。在這個時間點，我腦中漸漸成形的主題是關於人與人之間如何溝通，以及我們溝通的媒介相關的種種事情。

我想要找到那個溝通抽象概念的方法， 因為在人與人之間的溝通當中，我們時常在心裡面有著對同一個詞彙不同的理解，進而導致花了很長時間討論，結果卻是無效的溝通。

我想要從一個一般人的角度去探究這個問題，也希望可以透過這個過程，一點一點的去接觸相關的主題，並且慢慢的擴張自己的知識地圖。我也邀請在各種情況下閱讀到這個內容的讀者，能夠和我一起從零開始去建構對這個世界的了解（建構這個世界的模型）。 這次的寫作計畫的題目叫做：

Model the World

這個世界是一個真實存在並且有其運作方式的整體 而當我們想要為這個世界建立模型的時候，我們只專注在我們(觀察者)在意的內容 在這個後ChatGPT的世代，或者說在OpenAI透過這個大型語言模型(LLM)，向全世界的人證明了機器學習是能夠以讓人信服的程度了解這個世界之後，在某種程度上，改變了我對自己和整體人類的了解。

似乎能夠從另一個角度去思考每個人對於“了解一件事”這件事背後的共通性，或者更機械性的運作方式。 這邊想要引用Kevin Kelly在這個訪談之中提到的

Playing chess was more mechanical than we thought. Playing the game Go is more mechanical than we thought. Painting a picture and being creative was more mechanical than we thought. And even writing a paragraph with words turns out to be more mechanical than we thought

在過去，我們對於作畫以及寫作這種創造力活動的想像是人類獨有並且難以複製的，也是為什麼我們會感到讚嘆和珍惜那些作品。而在AI發展至今，忽然讓我們意識到，在某種程度上，創造力是以比想像中更機械化的運作方式。

創造力 = 機械化 + （更多並不能描述的部分）

在這邊描述的機械化是一個中性的詞，作畫以及寫作中機械化的部分只是創造力當中的一個部分，就像是任何技藝肯定有他機械化的部分。

但也因為機械化，讓我們知道有被自動化的可能，這已經足以帶來恐慌。

不管是畫師們抗議著自己的畫被用來訓練算圖模型，還是影視編劇出來抗議，都是整個社會對於這個外來物(對社會來說)產生的過敏反應，因為儘管對很多人來說ChatGPT只是純然的帶來好處，它卻不可避免地造成社會結構上的變動。

當然，我們之中也存在著樂觀看事物的角度，就像是下圍棋(Go)這件事，當人工智慧玩家已經能夠超越圍棋大師，並且讓很多人感到震撼和沮喪，人們還是能夠可以享受下圍棋帶來的樂趣。下圍棋對於人類來說是極具挑戰性的這件事並沒有被改變，也因此完成挑戰後得到的成就感也依然存在，甚至多了更多練習的方式。

不管是恐慌或者樂觀（我可能兩者都有），我想說的是，這個大型語言模型僅僅是透過極簡單的目的—預測下一個字—就能夠在擁有海量訓練資料的情況下，建立了人類社會對於這個世界的了解。

Model the World，為這個世界建模，並不是要完整的去復刻這個世界，而是像我之前提到的，能夠針對我們關注的部分，建立模型，進而讓我們能夠使用這個模型。

使用這個模型來做什麼呢？

就如大型語言模型能夠為我們的語言以及對世界的了解建模，我們能夠通過與這個模型互動，不管是透過聊天界面，或者任何其他方式，讓我們從不同的角度去認識這個（模擬出來的）世界，這是其中一種使用方式。

在這個寫作計畫中，我想要做的是針對更微小的主題，以一般人可以理解的方式，去建造用來溝通抽象事物的模型。

有點像是將各自心中的"對事物的理解"抽離出來，成為"圖像"，一張能夠代表這個理解的圖像，讓溝通的人不再是各自對於事物有一個了解，而是有一個共同的討論主題(Subject)。

而這個圖像(或者任何其他形式的媒介)，就有辦法成為乘載意義的象徵(Symbol)或者是個標記代號Token。

最簡單的例子就是迷因圖(Meme)，它是一個濃縮了事件脈絡，以及對於某個群體針對該事件態度的象徵。但就像很多中文的四字成語一樣，對於能夠理解的人，成語可以傳遞意義，但對於比較少用或者艱澀的成語，就沒有穿透力以及溝通的有效性。

是的，所以回歸我們的主題：溝通。

不管是在面對政治議題上的兩極化，還是各種假訊息或者錯誤訊息的氾濫，當我們面對一個世界是彼此存在著"各自的真實"，並且彼此的真實之間沒有交集的時候，不管是什麼立場，都沒有辦法進行有效的溝通。這是為什麼，能夠擁有一個可以運用的模型(model)/象徵(symbol)/標記代號(token)是很重要的，也可以說是所有溝通的第一步。

而上面提到的迷因圖以及成語的例子，可以突顯一個現實：

模型的有效與否，在於參與溝通的人是否對那個模型代表的意義有共鳴。

"模型" ...

"意義"...

"共鳴"...

光是這幾個詞，其實就帶著各種不同的抽象意義，而我想，每一個讀者心中，在閱讀上述句子的時候，都其實有非常不同的理解。而這也剛好點出我想解決的問題，如何溝通抽象的概念。

在ChatGPT的風潮之中，有各種關於商業應用或者增加生產力效率的討論，也很多文章在討論什麼樣的工作會被取代。但在這些喧囂聲之中，Lex Fridman的Podcast一直提供給我很多的養分，不管是他採訪的人，還是他問困難問題的方式，還有他對”愛“這個世界的真切態度。

在其中一個採訪中，他與Stephen Wolfram進行了很深入的對談，在這個對談當中，我找到了那個溝通抽象概念的契機。儘管這個影片當中的內容非常艱澀(大概只聽懂了兩成...)，但我還是找到了對我有意義的部分。

那個部分是描述一個有趣的概念，關於如何驗證一個人工智慧對於語言的真實理解是否正確。

就像是很多對AI有疑慮的人一樣，透過神經網路做機器學習的模型並不像傳統的應用程式可以被一行一行驗證，這樣的人工智慧更像是我們人類的智慧，透過不可思議的方式在進行。

一個語言世界的模型就（儲）存在這千百億個參數權重之間，而我們每一個語句輸入到人類智慧或者人工智慧中所代表的意義，就在那網狀結構中的連結之間激起特定區域的反應。而要驗證這樣的智慧，是非常困難的。

在這樣的情況下，應該如何去判斷一個人工智慧是否正確地理解我們的語言呢？Stephen Wolfram分享了一個有趣的嘗試，讓我在思考什麼是能夠被驗證的“理解”。Stephen Wolfram一直致力於在創造程式語言的工具組(WolframAlpha、 Wolfram Language)來讓人可以透過自然語言描述一組運算，以及存取人類的知識。在他的工具組當中，追求的是精確和可以驗證正確性。這正好補足了ChatGPT對於給出不精確答案的缺點，而藉由Plug-in，有辦法透過ChatGPT作為第一層介面理解提問者的問題，接著WolframAlpha來做精確的數學運算，這間接證明了這個人工智慧是否真的理解我們的問題，因為在轉化為Wolfram Language的過程中，那些在神經元突觸中的Token轉換成可以驗證的語言。

因為這個例子，讓我對於抽象問題有了一個不同的理解。像是在進行溝通的時候，我們並沒有去驗證彼此心中的理解是否一樣，我自己常常認為，抽象的事物，本身就有一種無法解釋的特性，可能是我們的語言不容易描述，又或者是彼此沒有相對應的身體經驗去對應。

但是抽象的東西，在每個人的腦中，卻是真真實實的意義，而每個意義，就像是人工智慧裡面的參數/標記代號(Token)代表著對於這個抽象事物的理解。我忽然覺得我找到了一個可以施力的點，找到一個方法，讓抽象的東西不再抽象。

這讓我回想到之前閱讀周欽華寫的一篇科技島讀的文章「掌握複雜系統的利器 — 抽象化思考」裡面提到：

中文將 abstraction 翻譯為「抽象化」不太貼切。這裡的 abstract 比較接近「摘要」，因此翻譯為「摘要化」或「本質化」會更精準。摘要的目標是提綱挈領，找出系統的核心，是具體的；而不是像「抽象」聽起來是模糊、不具體的。但本文還是沿用「抽象化」的翻譯。

而我想透過這個寫作計畫—Model the World—來達成的，就是將我們生活中的抽象的概念「本質化」

預計將來會透過文字、圖片，或者也可能是Podcast的形式，來將這個計劃慢慢延續。

不管怎麼說，我們都在同一個世界裡，儘管每個人都是孤島—

—但是透過有效的溝通，我們能夠找到一個共同的生活方式。

Peace.