关于Chatgpt的所思所悟

关于最近看到的各种有关chatgpt的热火朝天的讨论、以及自己的所思所悟。我也有一些关于chatgpt的看法，随便写写。

1、chatgpt 是类似于一种模电转数电的进步。

模电转数电是指我们自然届的一些连续信号被采样后可以作为计算机等机器可以处理的离散值。说起来有点玄乎，其实举个简单的例子就是，我们的照片其实都是各种像素组成的，每个像素的表达范围就是0-255而且全是整数， 而大自然中的颜色和亮度可不会这么配合，精准的控制照射在每个物体上的光强度以及调色都是一个个整数。是我们把它四舍五入的约束到了整数上。然后各种软件，美图秀秀等就可以在此基础上进行处理。

简而言之，模电转数电让自然信号可以在计算机中被处理，而chatgpt 是可以让人的信号(意图)被计算机所处理。

想想现在的世界，计算机实际上已经是在处理人的信号了，但是中间夹着一个有着极高门槛的环节就是翻译 ----- 把人的意图描述成机器可以理解的形式，比如编程。所以翻译这件事的工作量基本都是放到了人这边的，然后一步步放到机器那里，比如编程语言大概经历了机器语言 -> 汇编语言 -> 面向过程的语言 -> 面向对象的语言 ->脚本式语言。是一步步从靠近机器的理解侧进化成靠近人的习惯的。

举个简单例子，比如x86架构的机器语言（太长可以跳过）：

section .data
msg db '超出范围', 0

section .bss
num1 resw 1
num2 resw 1

section .text
global _start

_start:
mov eax, 3
mov ebx, 0
mov ecx, num1
mov edx, 2
int 0x80

mov eax, 3
mov ebx, 0
mov ecx, num2
mov edx, 2
int 0x80

mov ax, [num1]
add ax, [num2]

cmp ax, 100
jg greater_than_100

mov eax, 4
mov ebx, 1
mov ecx, ax
mov edx, 2
int 0x80

mov eax, 1
xor ebx, ebx
int 0x80

greater_than_100:
mov eax, 4
mov ebx, 1
mov ecx, msg
mov edx, 12
int 0x80
mov eax, 1
mov ebx, 1
int 0x80

能看明白上面一大坨在干什么吗？那我换成python 你再看看呢

def add_two_numbers(num1, num2):

result = num1 + num2

if result > 100:

print("超出范围")

return result

你是不是发现现在的脚本式语言，一个非程序员也可以看明白在干啥。而且上面的机器语言可能要一个培训一个月的人调试1个小时才能实现，而python这个估计从头学一个小时就能完成了

而现在chatgpt 将这一进化历程直接推到了接近终点，因为上面的那些代码我都是这么写的，而用了不到一分钟。

你看看还能更简单么？

2、chatgpt 一个很好的人类常见知识的总结与调用接口

记得我曾经在哪里看到过一句很有道理的话，就是人类的伟大之处在于生生不息的传承，每一代人结果前辈的接力棒去完成未竟的事业或者攻克未知的难题。而很容易实现这一过程的重要环节是什么？是教育。 大概率这也是为什么我们每个人在生命的前20多年都只在专注于受教育这一件事，如果读个博士的话，有可能一直到30岁。其实感觉这是一个效率极低的过程，而且还引发了各种社会问题。效率低想指的是全国大概15万所小学，在校生近1亿，小学到初中共9年，一代又一代人，大家学的知识很多还都是非常非常基本、经历了数百上千年都不太有变化的知识，比如“人之初，性本善”、比如“牛顿三定律”，而且配备了大概30:1的教师资源。而且这些教育的产出，也只是一个比较普通的具有基本文化水平和逻辑思维的人，然后作为生产力投入到社会的建设中去。 这个投入产出比很低、过程中的冗余度都是很高的，这是觉得效率低的一方面。此外社会问题，也就是各种教育资源不平等、学区房的竞争、教辅机构等各类层出不穷围绕着教育这一件大事产生的周边问题。我感觉如果教育于个人的价值，如果是分两方面，基本知识的摄入+基本能力的构建。 那么基本知识的摄入这一部分是完全可以想办法省略或者提高效率的。

不知道为啥最近看到chatgpt的表现之后，我觉得，哎，这件事可能真的有可能了。chatgpt这个大模型就像是一个穷尽互联网知识的吃书虫，并且靠夸张的算力和规模真给记住了，哪怕它是自己硬背，它在表达能力上已经不输人类了。而它掌握的知识远远远远大于一个经历过小学初中的教育的人。更让人振奋的事，它的知识可以被世界上各地的人去调用。 就像世界各地所有的学生，派了一个代表叫chatgpt学习九年教育的知识，等它学完了，各地学生通过某种方式变成自己的即可。这就是互联网思维啊（哈哈哈），可以无成本的复制。 所以关键可能就是以后如何把它的知识变成自己的这一环节，现在嘛，还是靠人家开放接口调用。以后说不定等那位马先生成功了（不是国内的马先生，是那位搞脑机接口的马先生），拷贝一下就完了。

这对教育是多么大的变革啊，以后不需要学习知识，专注于培养能力即可？

3、机器是可以比人更聪明的

以前经常听到一个论调是说因为机器是人创造出来的，所以机器是不可能比人更聪明的，这句话好像马云跟马斯克对话的过程中也出现过。最近眼瞅着chatgpt已经发展成这样了，就开始怀疑这段话的正确性，后来不知道为啥灵光一现，想到一个还合理的解释，老师教出来的学生也可以比老师更聪明啊。再想想其实是教师和深度学习模型训练师的共同点，就是他们不创造知识，是利用已有知识+训练技巧来培养训练对象，这里更重要的是训练技巧，而不是原创新的知识。之前一直以为等深度学习从黑盒变成白盒之后，才会有这么强大的模型出来，现在看来我们只需要创造一个反馈的循环，定义成功的标准，模型就可以自己卷出来了。仿佛又告诉了我们一个人生的道理，一直不停的迭代自己，慢慢等待，等到积累足够，大家都可以一鸣惊人。

此外就是机器在智力水平（这里为了严谨，局限的定义为调用已有知识解决现有问题吧）不能超过人，我理解是不能超过整个人类的总和，但是让这么大规模的人通力协作跟机器比较，也是一个亘古的难题吧，毕竟让几百人通力协作都已经是非常困难的事情了。 显而易见机器在刚才定义的智力水平和知识存储上已经远超过一个平均的人，后续随着它能接入各种专业工具的接口以及具备了迭代更新新知识的能力，肯定还会有更大的发展的吧。毕竟人是没有办法搞个插件以及扩充自己脑容量的，机器还可以继续不停的堆算力和参数。

所以机器调用已有知识解决问题的能力，应当是可以远远超过人的。

4、chatgpt 让人专注于创新以及人本身

我也不太支持一些人要被机器抢工作了，取代掉了诸如此类言论，毕竟有了拖拉机之后人都不用自己耕地了，也没见说拖拉机抢占了人类的工作吧。我反而是保留着一些积极的态度，因为重复性的投入产出比低的内容，从发展的角度而言，势必要降本增效。这是符合发展规律的，是现在推进了一大步，应当感到高兴，对人类整体而言，应当是有益处的事情。

但主要的担忧在于，人本身还有价值么，相比于机器已经没有竞争力了。所以感觉我们应当把精力和时间从冗余低效的事情中解放出来，投入到更高价值的生产环节中去，比如拓展人类知识的边界、回归人性本身向内探求、又或者专注于人与人之间的联系上。一旦这种现象真的出现，感觉会迎来人类社会巨大且飞跃式的进步，比如各种健康问题被攻破、新的社会关系被探索出来、人与自然更加和谐的相处等。

当然上面说的是上限，虽然大家都去前赴后继的投入到创新性以及难题中去，但是真正获得产出的可能还是部分某些方面的精英人士，和我们普通老百姓关系不大。 那么来说说下限，无非就是不想卷，就想躺平，怎么能够吃饱饭。

下限是在被社会进步所不断提升的，回忆起之前的封建社会时期人人辛苦劳作最后可能连面食都吃不上。现在小地方随便打工，一个月只拿两千块钱工资，也能吃得起一两顿肉。而且包括月饼，丝绸衣服，瓷器， 都曾是旧时王家堂前燕， 现在也都飞入寻常百姓家。所以说只要社会进步，并且生产力极大的提升，下限的水平是在不断拔高的，这个是完全不用担心的。

那么想我们这些中不溜的怎么办，不担心温饱、也没过为世界做出不可磨灭的贡献，该如何实现自己的价值呢？感觉也不用担心，那一套发现需求，思考问题，调动可调动的资源去解决问题，然后享受成功的方法论，仿佛依然还是考验着我们的本源难题。不过是题干和边界条件变了又变，一如我们当年高考刷题？

知易行难啊，还是要坐而论道，起而行之。

共勉。

---

欢迎关注公众号：penkpenk

分享打工人上下求索的心路历程