ChatGPT 启示录：知识到底是什么？

        知识是人类对客观世界的认识和经验，人类通过语言来表示知识，句子是语言的基本单位，一句话往往包含主谓宾，主语和宾语可被称为实体，谓语表示了主语宾语间的关系。所以，世界在人类大脑中，就是无数个实体，以及这无数个实体之间的关系。

        似乎实体、关系（也可以称为节点和连接）这种简化模型就是世界的本来面目：

• 人类社会：人是实体，人和人之间的关系（如亲子、上下级、官与民）是关系
• 互联网物联网：电脑、服务器、手机等是实体，局域网、互联网和5G网络是关系
• ChatGPT：ChatGPT 是人工神经网络，神经元是实体，神经元间的连接是关系
•       节点和连接

语言

---

        人类的语言是一种编码和约定，世上没有天然的语言，一个从未听人说话的孩子是不可能会说话的。动物们只能使用动作、面部表情进行交流，而人类具有清晰的发音系统和发达的大脑，可以将世界万物映射成发音，并且生活在群体中的人都认可、并能记住和固化这些发音，于是人类语言就产生了。

        语言是人类进化的产物。幼儿在学会说话之前，已经有了许多手势语，到了一岁左右，开始说单词句，后来说双词句，到了三岁左右就可以进行日常生活的交际，在学龄前就基本掌握了口语系统。

        语言和文字是外部世界在人类大脑中的一种映射和编码，计算机通过0/1对万物进行编码和表示。例如 ChatGPT 中，一个单词可以表示成一个向量（专业说法叫词表示，Word Embedding），GPT-3 中词向量的长度大约是 13000。

 一切都是编码和映射

        一切都是编码和映射，人类用不同的语音语调、不同的文字符号表示世间万物，对应的计算机用一长串数字给世间万物编码。这番操作后，万物就成了大脑可以加工的实体和关系，万物也成了计算机可以加工的实体和关系。

存储

---

        知识和数据必须存储起来，否则无法沿着时间和空间在群体中传播。汉朝之前古人把文字刻画书写在甲骨和简帛上面，或铸造在青铜器上面。竹简分量重，帛价格贵，人们使用起来受到很大限制。当时皇帝批阅竹简奏折是个体力活，成捆的竹简由太监用车拉来，抬着放到御案前堆积成山。之后蔡伦改进了造纸术，使用廉价原料降低了造纸成本，生产的纸张平滑光洁适宜书写，在公元 3至4世纪，纸基本取代简牍绢帛，成为中国唯一的书写材料。

        计算机上数据的储存也是一个演化过程。20 世纪 60年代，人们使用打孔纸带来存储数据，后来储存介质变为磁带、光盘、硬盘。直到现在，个人电脑常用的存储是 DDR 内存条和固态硬盘。

        知识可由实体和关系表示，存储时既要保存实体又要保存关系。计算机的文件系统并不能很好的表示关系，于是发展出了关系型数据库（Orcale、Access、MySQL 数据库等）。关系数据库的理论基础是集合论和谓词逻辑，数据库表中每行每列都可以认为是一个实体，主键和同一行各列之间是属性关系、两个表间的外键也表示着同一、包含等关系。

知识存储

        关系型数据库还是设计过于复杂，不适合超大规模的数据。于是产生了新的数据库，键值数据库和图数据库是最常用的NoSQL数据库。键值数据库中键和值（Key 和 Value）是实体，把两个实体存放放在一起就暗含了他们间是关联的，例如存储 <身份证号，姓名> 这组数据，本身就声明了个人身份证和姓名之间的关系。图数据库（如Neo4j）中，使用节点来存储数据实体，使用边来存储实体之间的关系。

        类比于人类社会，所有知识不可能存放在某一个人的大脑里，而是分散在地球上所有人的大脑里。随着数据规模的增大，计算机数据存储也只能是分布式的。区块链可以认为是一个去中心化的分布式的数据库，数据按时间顺序打包成块并附上数字签名等，一个个块串起来，就形成了可追溯防篡改的分布式账本。

         神经网络

如果说文件、数据库和区块链倾向于存储实体、以及实体间确定性的关系，那么ChatGPT之类的神经网络可以认为存储了实体间的隐含关系。一个用于车牌识别的神经网络，可以认为实体是一张张图片，和一串串数字，这个神经网络存放的是从图片实体到一串数字实体间的关系。英文 - > 中文翻译的深度网络也是如此，它存储了从英文词句空间到中文词句空间的所有关系。

总结

---

1. 世界在人类大脑中，就是无数个实体，以及这无数个实体之间的关系
2. 一切都是编码和映射，人类的语言是一种编码和约定
3. 知识必须存储起来，否则无法沿着时间和空间在群体中传播
4. 文件、数据库和区块链倾向于存储实体、以及实体间确定性的关系
5. 神经网络可以认为存储了实体间的隐含关系