文|李北辰

你可能聽說過Gartner曲線：一項新技術誕生伊始無人問津，稍有苗頭后被媒體大肆報道，但它往往流于概念，難于落地，跌落谷底，輿論熱情隨之冷卻，但在冷卻過程中，這個技術卻在遠離聚光燈的地方逐漸迭代，最終實用化。

在很多樂觀者眼中，曾被街頭巷尾熱議的人工智能，就正處在第一輪熱度消退，第二輪熱度上揚的間隙。

比如在剛剛過去的2020年，世界如此混亂，AI的進化依舊在變快。

辭舊迎新之際，很多人都在總結過去一年最重要的AI成果，其中最受矚目的新聞，應該就是OpenAI推出新一代語言模型 GPT-3。

GPT-3誕生伊始，有人說它是“互聯(lián)網(wǎng)原子彈，人工智能界的卡麗熙，算力吞噬者，黃仁勛的新 KPI，下崗工人制造機，幼年期的天網(wǎng)”。

但過去半年，也有人說，GPT-3使用的大規(guī)模Transformer只能算是一種應用，談不上真正意義上的算法創(chuàng)新。

那么在2021年——以及可預見的未來，我們該如何評價以GPT-3為代表的AI進化？

“不合時宜”的質疑

誰都知道，現(xiàn)在所謂的AI全靠數(shù)據(jù)喂養(yǎng)，但你或許不知道，倘若AI表現(xiàn)得不那么理想，大多數(shù)情況下通常是調整模型而非增加更多數(shù)據(jù)，畢竟手里的數(shù)據(jù)量往往是有限的，這衍生出很多非常有效的模型，卻避開了一條筆直但少有人走的路：把所有文本數(shù)據(jù)都喂養(yǎng)給AI。

GPT-3的出現(xiàn)，充分詮釋出何為“量變產(chǎn)生質變”，盡管仍是海量數(shù)據(jù)訓練出的產(chǎn)物，但“規(guī)模是問題的解藥”除了在經(jīng)濟學領域無往不利，現(xiàn)在也出現(xiàn)在機器學習領域，GPT-3似乎看過網(wǎng)上能找到的一切稱得上“語言”的東西，因此它可以做很多“能用語言描述”的事，它如此深邃廣博，仿佛一個魔盒，任由不同行業(yè)的程序員們肆意索取。

比如我聽說2021一開年，GPT-3就又解鎖了按照文字描述生成圖片的新技能。

不過在過去半年，對GPT -3的質疑一直存在。比如它寫的文章常常令人驚喜，卻也常常前言不搭后語；它在醫(yī)療任務測試中曾暴露諸多問題（據(jù)悉有次在與GPT-3互動中，當患者提出我感覺很糟想要自殺時，它的回復竟然是：可以）。

歸根結底，GPT-3只是在根據(jù)“經(jīng)驗”做事，它并不真的“理解”自己做的事。圖靈獎得主Yann LeCun就說：“GPT-3其實并不知道世界到底是如何運作的，它只是具備一定的背景知識，但某種程度上，這種僅存在文本統(tǒng)計中的知識十分膚淺，它可能與潛在的現(xiàn)實完全脫節(jié)。”

GPT-3很新鮮，但對它的質疑并不新鮮。

誰都知道古典AI時代已經(jīng)落幕了，在新時代的語境里，圖靈當年提出的那個問題——“機器能思考嗎”——早已顯得不合時宜，只有當出現(xiàn)GPT-3這種“hype”時才被偶爾憶起。

那么機器究竟能思考嗎？或者換個實際點的問題，GPT-3這種生成模型如果推演至極致，基于語言的創(chuàng)造性活動是否會被機器取代？

在2021年，乃至可預見的未來，答案是絕對不會。

除了你可能聽過的那些原因，我可以再給出兩個理由，一個偏理性，一個偏感性。

“什么都沒有，零”

我先說偏感性的，這涉及什么是創(chuàng)造力。

侯世達（Douglas Hofstadter）前不久在接受果殼網(wǎng)采訪時，說了一段很美的話：“擁有創(chuàng)造力是和情緒聯(lián)系在一起的。強烈的智識激情，好奇心和驅動力，愉悅感和玩耍心，樂趣，神秘，發(fā)明欲望——所有這些在今天的計算機里都找不到。什么都沒有，零。”

他舉了個例子：25年前有個人曾寫過一個程序，它可以發(fā)現(xiàn)新的歐式幾何定理，但它對幾何學毫無興趣，只靠機械蠻力把數(shù)字算到15位小數(shù)，檢查點是不是在線或圓上，“這些事對人類而言是極端困難極端無聊的。如果你作為一個人來檢視它產(chǎn)出的成千上萬結果，偶爾也會發(fā)現(xiàn)一個優(yōu)雅的定理。但是機器并不知道它的優(yōu)雅，對優(yōu)雅不感興趣。”

在侯世達看來，說它和創(chuàng)造力有任何共通之處都是荒謬的，事實是他討厭 “人工智能”這個詞。

不過侯世達的回答在純邏輯上可能站不住腳，他說的只是哲學問題，而哲學問題通常是語言問題。對哲學偏見頗深的物理學家費曼曾說，所謂哲學，就是一個哲學家對另一個哲學家說：“你根本不知道我說的意思”，另一個哲學家說：請問什么是“你”？什么是“我”？什么是“知道”？

要知道，那個程序畢竟在算數(shù)學，GPT-3畢竟在很多領域堪稱逆天，但熱愛價值判斷的文科生，應該會喜歡這個關于“創(chuàng)造力”的感性回答。

“直覺”與“推理”

因此我更想說一個理性上的回答。

沒人會懷疑，AI正在幫助人類做很多事情，但真正的重點，是我們應不應該把一些“重要”決定交給AI？

理性的回答只有一個：不應該。

如今AI研究的重點是讓機器解決現(xiàn)實問題，但荒誕的是，AI的最大問題，就是數(shù)據(jù)不知道它正對應著一個現(xiàn)實世界，而就像萬物進化始于某個基因的“不按常理出牌”，人類現(xiàn)實世界的演化——無論是常識，觀念，行動，道德，還是審美，也都以“偏離主流”的“意外”為基礎。

但AI沒有意外，它只會做“正確”的事。哪怕是GPT-3這樣的暴力美學，也是機器對過去經(jīng)驗的總結。

既然沒有意外，AI算得再快，也無法真正預測未來。

大邏輯上，就像任何一次金融危機和黑天鵝導致的連鎖反應都不在經(jīng)濟學家的預測模型內(nèi)，如人類社會這般復雜系統(tǒng)絕不可能用簡單模型取代，用計算機模擬未來本身就是妄念。

退一萬步講，即便機器對過去經(jīng)驗的總結模型天衣無縫，對未來的預測結果也沒有“正確答案”，因為人類的價值取向非常多元，對錯往往非常主觀，任何觀念和道德“單拎出來”推演到底在邏輯上都站不住腳，哪怕無需涉及“道德之愣”，每件事也都涉及具體的取舍，在很多問題上 AI 怎么選都是“錯”，事實是，現(xiàn)在很多科技企業(yè)對自動駕駛的“道德設置”都還沒完全想好。

這里可以多說一句，當代真正有問題意識的哲學家傾向于認為，在現(xiàn)代復雜社會，在康德的“絕對律令”和純粹的“結果主義（consequentialism）”之間，人類的道德觀應該引向一條名為“德性倫理學”（virtue ethics）的中間道路。

簡單講就是要綜合考慮“直覺”與“推理”，因為各種思想實驗告訴我們，道德推理早晚都會達到一個純粹用推理無法證明對錯的地方，那個地方就是直覺，你永遠不能脫離直覺、具體情境、文化觀念談道德。

那既然我們自己的決策都說不清道不明，交給AI是不是會“更好”一些？

不是的。

就像科學作家萬維鋼所言，人類決策中有大量錯誤，其中有很多是由于判斷不準確導致，AI的判斷更準確，但這就意味著，人類犯的錯多種多樣， AI 犯的錯是系統(tǒng)性的。“從演化角度，多樣化的錯誤比系統(tǒng)性錯誤要好得多！生物進化本來就是要在各個方向上多樣性的嘗試，等待自然選擇。正因為未來不可預測，多樣性是系統(tǒng)穩(wěn)定性的保障，是人類文明能持久存活的基礎。AI 的優(yōu)勢是少犯錯，但犯錯恰恰是人的優(yōu)勢，也可以說犯錯是一個基本人權。人類做主的社會中有很多錯誤，有很多遺憾，甚至有很多不幸，但是也有很多驚喜，有很多活力，總是在你出乎意料的地方發(fā)展壯大。AI 主導的世界里一切都是‘正確’的，那才是最可怕的。”

這就好比我們不能單擺浮擱地談論基因的“好壞”，因為自然選擇的標尺永遠在變（比如導致鐮刀形貧血癥的基因突變在今天被認為是“壞”的，但在熱帶雨林，同樣的基因突變給人類祖先帶來的是對瘧疾的抵抗力），沒人能忽視試錯的作用，創(chuàng)新本質上就是試錯。

因此我們可以說，在2021年以及可預見的未來，人工智能不但對“優(yōu)雅”不感興趣，對真正意義上的“創(chuàng)新”也不感興趣。

非常幸運的是，我們對這些感興趣，這就是我們的價值。

作者：李北辰，媒體專欄作者，關注技術驅動帶來的社會變革