顺势而为——《大模型时代》读书札记

不能说对AI一无所知，但确实是因为ChatGPT才真正开始关注AI。可能的原因是，像我这样的普通人，也可以从中受益，几乎每天都会用到，就算问几个无聊的问题，也蛮好玩。

确实，ChatGPT的横空出世引发了社会各界对AI大模型的极高关注。

在这个时代浪潮下，读读这本书《大模型时代：ChatGPT开启通用人工智能浪潮》正及时。不过，本书的作者尽管努力谋求写得通俗些，但还是挺难懂，我也就挑有兴趣的部分大致读读。

先学习几个基本概念？

什么叫大模型？

人工智能的模型，与通常的模型一样，是以数学和统计学为算法基础的，可以用来描述一个系统或者一个数据集。在机器学习中，模型是核心概念。

模型通常是一个函数或者一组函数，可以是线性函数、非线性函数、决策树、神经网络等各种形式。模型的本质就是对这个函数映射的描述和抽象，通过对模型进行训练和优化，可以得到更加准确和有效的函数映射。建立模型的目的是希望从数据中找出一些规律和模式，并用这些规律和模式预测未来的结果。

人工智能大模型的“大”，是指模型参数至少达到1亿。但是这个标准一直在提高，目前很可能已经有了万亿参数以上的模型。GPT-3的参数规模就已经达到了1750亿。

简言之，大模型是经过深度学习而形成的神经网络模型，因其参数量从1亿、15亿在版本迭代中快速窜升1750亿乃至更大，所以称之为大模型。

什么叫ChatGPT?

OpenAI公司从GPT1、GPT2一直研究到GPT3，在此技术基础上于2022年发布语言模型ChatGPT，然后出圈火了，引爆全球。

①G：Generative生成式；GPT专注单向编码，根据给出的上文，预测下文第一个字是什么，通过反复文字接龙生成内容，这就叫生成式。而它的同族兄弟BERT则是双向编码，捂住句子某处，根据上下文预测捂住的内容。

②P：Pre-training预训练；在海量文本数据里训练一个简单的本事——根据给出的上文预测下一个字，周而复始生成内容。根据预测答案和实际答案的差异生成损失函数，反向传播，让模型达到对训练数据集更好的拟合。这一整个训练过程自己训练自己批改，不需要人类做批注，所以这也叫自回归、自监督的预训练。

③T：Transformer转换器；GPT模型是Transformer家族里自然语言处理模型的一员，Transformer模型很好理解，它可以把人类输入文本转化为电脑理解的数据向量，它是横跨于人类自然语言和计算机机器语言的沟通桥梁，是一切后发的自然语言模型的基础模块。

本书用科普情景剧的呈现方式，揭开ChatGPT智能外衣下的内核：

(1) ChatGPT跟人类聊天时，幕后发生了什么？

(2) ChatGPT靠什么实现了技术和体验的突破？

(3) ChatGPT有哪些世上少有的本事，又有哪些难以克服的缺陷？

(4) ChatGPT技术在未来将会如何发展？

什么叫通用人工智能（AGI）：Artificial General Intelligence？

是指泛化能力极强的人工智能，可以应用于几乎所有场景、领域，并作为更为专业化垂直化应用层的基础。泛化是指用某一数据集训练的模型能够处理全新领域的数据，就像ChatGPT上能敲敲代码做学术，下能辅导功课聊聊天。ChatGPT也算AGI。

本书讲什么？

本书分为四个部分：技术篇、变革篇、应用篇和产业篇，讲述ChatGPT大模型的前世今生和台前幕后，并尝试解读以下问题：

(1)ChatGPT大模型是如何运转的，跟以往的人工智能有什么区别，其热度为何在短期内突然爆发？

(2) 大模型会带来怎样的经济、社会变革，人类史上的三次工业革命有哪些规律和经验值得借鉴？

(3) 大模型会对教育和就业造成怎样的影响，人类跟大模型之间如何互补和协作，它需要人类掌握哪些新的能力？

(4) 大模型有哪些行业应用场景，在应用过程中有什么策略和方法？

(5) 大模型相关产业由哪些构成，其各自的商业模式、发展现状和趋势如何？从人工智能过往的发展经验来看，大模型产业存在哪些潜在的泡沫风险？

本书中，两位专业人士对AI大模型的技术应用和产业变化进行了深入分析。本书虽然花费了大量篇幅聚焦AI大模型在教育、法律、人力资源、企业服务、创意娱乐等领域的具体应用，但是作者对AI大模型的技术演进史、三次工业革命发展史的讨论足见其研究深度，特别是在技术创新与人类社会进步两者之间关系的认识方面，已然超脱技术层面的思考，更显社会与人文属性。

AI带来的挑战

在现实生活中，AI大模型的冲击正在被积聚。例如，作为一种基于大规模文本数据的生成模型，GPT已经对语言学、符号学、人类学、哲学、心理学、伦理学和教育学等广义思想文化领域造成冲击，并将进一步对自然科学技术、经济形态和运行、社会结构，以及国际关系产生进一步的全方位冲击。

继蒸汽机、电力和计算机之后，这一次，大模型又带来了新的变革时代。怎样应对短期的冲击？如何创造长期的收益？脑机协作能否取长补短而不是两败俱伤？基辛格说：“随着我们逐渐成为技术人(Homo technicus)，我们有责任明确我们物种自身的目的。能否找到真正的答案，取决于我们自己。”

从未来前景来看，AI大模型具有巨大的潜能，但也存在未知的风险，如何驾驭这项新技术需要做好充分准备。首先应该正确地看待AI大模型的工具价值，通过持续的深度学习促进AI大模型进化迭代，使其融入到更广泛的应用领域。其次，在法律、制度、技术规范等方面做好充分准备，构建更加前沿的科技监管体系，促进AI大模型有序规范健康发展。最后，让AI大模型最终回归人的价值，以人为本，而不是用AI取代人。

我个人在ChatGPT的体验

最初是在一个作家协会的组织关于ChatGPT的专题研讨会上了解到的。其中有探讨一个问题：有了ChatGPT，作家是否会失业？

会上一众作家分享了各种风格各种内容的ChatGPT作品，进行分析点评，甚至事先有人将ChatGPT写的文章交由并不知情的作家进行评价打分等等。

结论是作家不可能消失，但ChatGPT对写作很有帮助。

我也尝试用ChatGPT写诗，但根本无法接受。后来尝试用ChatGPT对诗作点评，感觉不错，有助于对诗的理解。

几乎每天使用的，就是内容创作。

主要是英文信函的写作、翻译，以便与老外沟通交流，非常有帮助。

我有在加国工作的华人朋友，付费购买了ChatGPT，因为有了ChatGPT的加持，工作质量与工作效率大幅提升。

（回想以前工作时，写一封英文邮件，那可是一个字一字地写，还要查字典，反复审核修订才发出去，很有可能表达极不规范准确。可惜那时没有ChatGPT！）

之后一个应用就是知识查询。

例如：有次在院子的草地上碰见一只乌龟静静地趴在草地上，但见屁股尾部有一堆新土。很是好奇，就问询ChatGPT，得知是乌龟在产蛋。后来在老外邻居的指导下，致电爬行动物保护中心将龟蛋收走，两个月后小小乌龟被送了回来。

想说明一点的是，本书在谈到应用时，并没有更深入谈到医疗行业的作用，我觉得这个领域相当有市场。

平时我们去看医生，仅一位医生在那坐阵，判断应是有局限。而ChatGPT在一个领域的深度与宽度是普通人无法比拟的。

新近看到一篇文章“ChatGPT救命！4岁男孩3年求医17位专家无果，大模型精准揪出病因。”“怪病”缠身3年求医无果，最终竟然被ChatGPT成功诊断！这是发生在一名4岁男孩身上的真实经历。

就想起八月中一次朋友聚会，说到一位大哥，是在8.9号一起在餐厅吃饭后就不舒服，一直发烧，8.20进医院，不想8.22晚上就走了，才61岁，亲友无不悲痛万分。

人走了无法挽回，我突然想到，如果问ChatGPT会是什么结果呢？

我的问题：请问一下，我有个朋友在一家餐馆吃饭后，就很不舒服，之后一直发烧，请问会是什么病？

ChatGPT的回复：

我不是医生，但我可以尽力提供一些一般性的信息。如果你的朋友在一家餐馆吃饭后感到不舒服并且之后一直发烧，可能有很多原因。这些症状可能与食物中毒、食物过敏、感染或其他健康问题有关。

一种可能性是食物中毒，这通常由食用受污染或不洁净的食物或水引起。食物中毒的症状可以包括腹泻、呕吐、腹痛、发热等。

另一种可能性是食物过敏，这是对某种食物过敏反应的结果。过敏反应的症状可以包括皮肤疹、呼吸急促、肿胀、发热等。

感染也是导致不舒服和发烧的常见原因，这可能与食物中毒或其他因素有关。感染通常伴随着发热、寒战、乏力等症状。

如果你的朋友持续感到不适和发烧，我建议他们尽快咨询医生以获取专业建议和治疗。医生可以进行必要的检查和诊断，以确定具体的病因，并提供适当的治疗。不要忽视这些症状，特别是如果它们持续或恶化。

但想，如果这位大哥能够尝试用ChatGPT，及时就医，是否可能挽回一命？

结语

展望未来，世界正进入AI大模型加速变革时代，如何适应新的不确定性、如何捕捉新的发展机遇、如何促进科技向善是我们发展AI大模型必须要回答的问题。

每个时代都有其不同的风景，我们正好赶上人工智能的浪潮，那就顺势而为，趋势永远大于优势，对于AI，不落后于时代，不负时代就好。