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“互聯網原子彈，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”。

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

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？

[[377207]]

“不合時宜”的質疑

誰都知道，現在所謂的AI全靠數據喂養，但你或許不知道，倘若AI表現得不那么理想，大多數情況下通常是調整模型而非增加更多數據，畢竟手里的數據量往往是有限的，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：把所有文本數據都喂養給AI。

GPT-3的出現，充分詮釋出何為“量變產生質變”，盡管仍是海量數據訓練出的產物，但“規模是問題的解藥”除了在經濟學領域無往不利，現在也出現在機器學習領域，GPT-3似乎看過網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；它在醫療任務測試中曾暴露諸多問題（據悉有次在與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“經驗”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，這種僅存在文本統計中的知識十分膚淺，它可能與潛在的現實完全脫節。”

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，這涉及什么是創造力。

侯世達（Douglas Hofstadter）前不久在接受果殼網采訪時，說了一段很美的話：“擁有創造力是和情緒聯系在一起的。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，它可以發現新的歐式幾何定理，但它對幾何學毫無興趣，只靠機械蠻力把數字算到15位小數，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出的成千上萬結果，偶爾也會發現一個優雅的定理。但是機器并不知道它的優雅，對優雅不感興趣。”

在侯世達看來，說它和創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實問題，但荒誕的是，AI的最大問題，就是數據不知道它正對應著一個現實世界，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濟學家的預測模型內，如人類社會這般復雜系統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，現在很多科技企業對自動駕駛的“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 犯的錯是系統性的。“從演化角度，多樣化的錯誤比系統性錯誤要好得多！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，多樣性是系統穩定性的保障，是人類文明能持久存活的基礎。AI 的優勢是少犯錯，但犯錯恰恰是人的優勢，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“優雅”不感興趣，對真正意義上的“創新”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。