走进新“人–机”时代

2023/05/04

 相信每个人都因为最近技术风潮的涌现感到兴奋,但大多数人也可能感到无所适从,因为这真的开启了一个全新时代。上一次这样激动人心的时候,还是在文艺复兴时期。两者的共同点是,因为信息的自由流动造成知识的平权,进而使整个人类社会回归到“人何以为人”的话题。


从表面看,机器的进步是技术的进步,但实际上催生的结果是人的升级。就像机器学习、GPT、大语言模型、基础模型的主体,看似是“人工智能”,但应该是“人”。


在“人–机”时代,机器能学习很多知识,那么机器向谁学习、怎么学?人又如何通过机器学习的结果来反思到“人原来是这么学的、原来我们还有好多功能未开发出来、原来我们的心性还有另一个层面的提高”?这些都是机器的进步给人类打开的新大门。


我是一名工程师,也是一名管理者。我要给我的团队员工安排很多培训、交流,让他们能够赶上这个时代,但这个过程真的很难,难在大家都在谈理论、名词,而真正去尝试的人少之又少。这其实决定了我们能否把思维范式从马车范式变成汽车范式。如果是马车范式,即便读很厚的一本汽车使用手册也无法学会开车。同理,我们凭什么认为在这个时代来临时,只听听朋友圈的介绍和宣传,或只是简单试一下就可以掌握它?我们应该和这种新型的机器能力随时随地相伴,只有这样才能真正理解它,否则都是在空谈。


有时,我们一觉醒来,感觉世界变了,但世界真的变了吗?有可能没有变,这可能是冰山一角效应,即只有当泰坦尼克号撞上去,潜藏已久的冰山才被发现,这个冰山其实在下面待了很久,只不过人类的觉知能力有点差。过去几年,人们在机器学习、人工智能里惊叹各种新技术的出现,但实际上,技术路径的发展并不像突然从石头中跳出的孙猴子,即便是,这个“孙猴子”,也是经过万年的天地灵气孕育出来的。


这道门刚刚被我们打开。机器在向我们学习,学习我们的知识、行为、语言方式和思维方式。人们认为这个过程是非监督的学习,但其实并不是。人们低估了自己的语言结构,这种结构的上下文存在概率的距离,而机器学的恰恰就是这种概率的距离。我们要拥抱和应用这个特点,就像冰球选手格雷茨基说,“如果不击这个球,成功率永远是零。”他还说过另一句话,“要滑到冰球可能呆的位置,而不是追在冰球屁股后面跑。”如果我们每天都在见证历史,就相当于每天在冰球后面跑,而如果知道冰球大致的方向,大概率我们也不会认为自己在见证历史,而是实现历史。人是主人翁,不是被改造的客体,是在努力奉献知识、语言、行为,让未来的机器智能可以成为人们忠实的Copilot。


那下一步怎么办?只能干,遇到不懂的怎么办?只能学。很多人都学过高等数学,其实,新一轮技术进步的技术范式并没有超出人类所学的高等数学、线性代数、微积分,等等,只不过我们把这些知识忘得差不多了。想要投入到人工智能研究,不得不把高中、大学的课本重新读一遍。


关于如何做,祖先早已探索出来了,就是“学、问、思、辨、行”。而怎么去进步?则需要“智、仁、勇”,即“好学近乎知,力行近乎仁,知耻近乎勇。”同时,还要与时俱进,且能适应环境的复杂性。当今时代是一个复杂性时代,人们总在说,要在不确定的时代找到确定性,但站在另一个维度看,这是盲人摸象的过程,所谓的“确定性”可能只是大象的一个鼻子。所以我认为,应该是在不确定的时代,适应不确定性。


我认为,对机器进行神化或妖魔化是人对自己主观能动性的极度不自信。我们可能高估了知识的难度,但低估了人思想的深度,戴维斯·斯诺登曾说,“你思考的比你能说的要多,你能说的比能写的要多。”而现在机器大部分学的其实只是你能写的功能,还和人说的、想的差距很远。人们会怀疑机器比人更擅长重复性的工作,但其实正是这样,才让人学会思考。


接下来说两点建议。第一这不是一场转型,仍旧是一场改革。中国历史上一直在改革,只不过这一次改革的对象和工具有些变化,但是做的事还是涉及到衣食住行、喜怒哀乐,以人为主体的内核没有变;第二拥抱变化、树立目标。要在行动上义无反顾,入手时循序渐进,要不断实证机器“能或不能”做什么。


在人机关系中,人来利用机器,机器来弥补人的弱点。之所以让机器成为人忠实的Copilot,是因为在这个关系中,人是主体,如果不以人为本,那么就会被机器代替。语言是思想的边界,技术是思想的实现。大家都在关注Microsoft 365 Copilot怎么用,实际上真正重要的是微软Graph,Graph是一个把所有知识集大成的核心,我们在用这些大语言模型时,需要先梳理出来想让它做什么。大家都知道,ChatGPT的下面是GPT、大语言模型、Transformer、数据,但是人才、文化、环境、数据、知识呢?少了其中的哪一个因素都出不来这个功能。所以,细看全是知识,再细看则全是人的问题。在“人–机”时代,不要用后视镜来开车。


有一个思想实验,是假设通过算法从人类语言中提取的人类知识类似于从植物中提取出的植物精油。如果机器能抽取人类的知识,那如果有两间公司、两个组织、两个人,就会产生两个花园。谁能更好地利用这个机器进行知识的提炼和使用,才是最核心的话题。


(韦青 微软(中国)有限公司首席技术官)