OpenAI昨天發(fā)布了GPT-4，試用了一下確實(shí)很不錯(cuò)。

在我主要關(guān)心的故事生成方面，與ChatGPT生成出來的故事相比，GPT-4文筆更佳細(xì)節(jié)更多，更擅長生動(dòng)具體的描繪，情節(jié)也開始出現(xiàn)一些有趣的轉(zhuǎn)折。當(dāng)然，ChatGPT有的問題，比如說缺乏整體布局謀篇能力，角色不突出，敘事展開比較無聊，續(xù)寫段落會(huì)很快歸于一個(gè)平庸的結(jié)尾等等，在GPT-4上面仍然存在。

從它的性能報(bào)告上來看，與GRE verbal接近滿分相比，GRE寫作只有4分，大學(xué)預(yù)修英語寫作也只有2分（3分及格），而且從GPT-3到4沒有進(jìn)步，不知道是不是和這些問題有關(guān)聯(lián)。

但不管怎么說，GPT-4已經(jīng)能幫我們干很多日常工作了。自從2013年深度學(xué)習(xí)開始爆發(fā)以來，僅僅過了十年，我們就有了如此強(qiáng)力的工具，其進(jìn)化速度可以說是超出想象。

2017年我在為什么有些學(xué)數(shù)學(xué)的看不慣甚至鄙視 Deep Learning？這個(gè)回答里面寫了一些大膽的猜測，比如說“漫漫長夜里瞎摸，太陽還沒有露頭”，現(xiàn)在看起來這些預(yù)測還是大體正確的，只是想不到，這一天會(huì)那么快到來。

一個(gè)技術(shù)，一旦變成像微積分一樣的通用工具，那接下來帶來的巨大變革，是可以預(yù)期的。

如果再把眼光放得長遠(yuǎn)些，將來會(huì)發(fā)生什么事呢？

我在2020年左右也有一些思考，放在自己的科幻小說里了。總的來說，如果這樣的趨勢發(fā)展到極致，再加上連實(shí)物產(chǎn)品的制造都可以就地取材完全自動(dòng)化，那最后的結(jié)果就是「所思即所得」：只要能構(gòu)思出一個(gè)東西，它就會(huì)以極低的成本出現(xiàn)在自己的面前。

大部分重復(fù)性勞動(dòng)，只要可以被機(jī)器無限制復(fù)制，其價(jià)值就會(huì)降到近乎為零，成為和水和空氣一樣無所不在的公共品。

在這種條件下，「獨(dú)一無二」就會(huì)成為大家所珍視的價(jià)值和意義。也許以后，判斷人才的主要因素，不再是完成學(xué)位，考試過關(guān)，而是看個(gè)人的經(jīng)歷和成就。

「同樣的目標(biāo)下比別人做得更好」是一種獨(dú)一無二，「去往從未有人去過的方向」也是一種獨(dú)一無二。這不僅包括同行認(rèn)可的學(xué)術(shù)成就，比如解開無人能解的難題，開創(chuàng)并探索一個(gè)新的學(xué)術(shù)方向，更包括獨(dú)一無二的經(jīng)驗(yàn)、見解、思考方式，乃至三觀，比如說一個(gè)拄著拐杖徒步探險(xiǎn)過南極的程序員，他/她對(duì)這個(gè)世界會(huì)有什么樣的觀點(diǎn)，見解和感悟？一個(gè)曾自制火箭去往月球但中途失控，又奇跡被救的歷史系學(xué)生，將在自傳里如何講述這段經(jīng)歷？

這些與個(gè)人特質(zhì)緊密結(jié)合的話語權(quán)，會(huì)讓每個(gè)人都能占據(jù)人類社會(huì)中的一個(gè)獨(dú)特生態(tài)位，成為「人之為人」最終的定海神針。即便是將來意識(shí)能夠上傳，數(shù)字孿生能夠?qū)崿F(xiàn)，這種獨(dú)特人格仍然是無法復(fù)制的——完全相同的個(gè)體，只要變成了兩個(gè)并開始各自接受不同的外界信號(hào)刺激，他們內(nèi)部的狀態(tài)就會(huì)因更新而不同，軌跡就會(huì)開始分叉，從而再次變得獨(dú)一無二。

總的來說，每個(gè)人都通過自身的「道」來證明自己的選擇，又因?yàn)檫^去的選擇，來累計(jì)自己獨(dú)一無二的特質(zhì)。無法預(yù)先判斷誰比誰更優(yōu)秀，因?yàn)橛?jì)算這個(gè)判定函數(shù)本身，就需要個(gè)體踐行自己的道路。而無數(shù)的，堅(jiān)持各自方向的人聚在一起，就會(huì)不斷涌現(xiàn)出各種奇妙的想法，有一些被實(shí)踐證明正確的，就會(huì)影響到他人并且吸引到追隨者。而包含這些所有個(gè)體的，一個(gè)多元包容的世界，就會(huì)充滿前進(jìn)的動(dòng)力。

扯遠(yuǎn)了。

對(duì)于研究者們而言，GPT-4的出現(xiàn)意味著什么呢？

我們有兩種極端的選擇，其一是關(guān)起門來，不聽不看，沿用舊的思維慣性去構(gòu)思研究路線，繼續(xù)發(fā)表下一篇文章；也可以從此百分百拋棄以前的研究思路，撕掉所有課本，相信算力為王，大模型大數(shù)據(jù)就是一切。

我覺得這兩種態(tài)度都不可取。研究的范式要有變化，不再是發(fā)現(xiàn)特定的知識(shí)，而是研究模型學(xué)習(xí)的機(jī)制，尋求其學(xué)習(xí)能力的本源。比如說通過海量的數(shù)據(jù)訓(xùn)練，現(xiàn)有的模型可以自動(dòng)學(xué)會(huì)很多概念。

但模型是如何學(xué)會(huì)這個(gè)概念的，為什么大模型會(huì)學(xué)得更快更好，它怎樣從數(shù)據(jù)中被發(fā)現(xiàn)，被模型抓住并且在訓(xùn)練中不斷被強(qiáng)化？高級(jí)的概念是如何形成的？現(xiàn)有的模型如何抓住這些概念，以什么樣的機(jī)制抓住它們？我覺得這些可能是在長遠(yuǎn)上來看，真正有意義的基礎(chǔ)研究方向，也是把”人工智能“這個(gè)玄學(xué)，真正轉(zhuǎn)化成科學(xué)的最終出口。

當(dāng)然了，這些應(yīng)該說是幾十年的尺度上看的，要做這些研究，需要大量的基礎(chǔ)知識(shí)，充足的耐心，擅長接受超出自己認(rèn)知范圍內(nèi)的新生事物，又能把它融入原本的工作流和研究思路中去。

這可以算是自己在研究上獨(dú)一無二的「定海神針」吧，希望能夠繼續(xù)走下去。