Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
這不光是我
我其實剛剛開始的時候
我聊過很多就是這方面的研究
然後甚至做大模型的人
大家都非常的意外
原來我們之前做的東西
並不是在一個錯誤的方向移動
我一直聽業界的朋友說
大家也在想說下一步
我怎麼樣讓將領派來得更快的
一種是
對 你這個標準要求
你就想打那個神獸
打那麼多獸
我給你天天寫代碼寫這麼好了
還要要求我有音樂素養
結果發現其實還是有音樂素養
對 沒錯
對 你想想
我覺得這不就是很有意思的事情
就以前我們為什麼要有產品經理
產品經理要寫這個PRD
不就是因為你所有設計出來的
這個工具都是應該是
按照你設定好的去工作的
結果突然有一天會發現
我們並不知道
自己設計出來的這個工具
它有哪一些可為不可為的
我們自己完全沒有一個
不理解它的這個目標
但這個回過頭來說就是
一方面我們可以說
我們就應該從AGI的角度
可能我們就應該接受
House Nation
就是AGI的一部分
但是我想可能從如意這邊
你們在實際這個
我們能夠實際的應用的場景中
可以說House Nation對你們的影響
可能一個短期一個長期
尤其是又在跟
好像我們前面提到的
Yes 就是你把House Nation
盡可能多去掉了以後
可能你犧牲了就是它的這個範化
這個Creativity的能力
那在具體的這個應用中
你們是怎麼做這樣的一個平衡呢
我覺得首先肯定應用裡面是
大家都不能接受House Nation
就是大家都覺得這是一個工具
或者說這是一個Bot
然後你如果去做一些
很奇怪的事情
看起來就像是這個
比如說如果是一個客服
就像是這個公司做了
一件很奇怪的事情
他們
這是我們當時的話題三
就是蘋果怎麼調對的
這是因為蘋果
一點不確定性都不能接受
對 它不能接受
從應用角度上肯定是大部分人
或者現在我相信大部分人
都是不太能接受
House Nation的出現
只是說這個程度不一樣
有些人說我能接受10%
有些人就說我只能接受1%
甚至有些人說我完全不能接受
但是程度不一樣
但是這個問題
大家不會有疑問就是說
這件事情是好的
大家都覺得這個東西是
在應用上是一個不好的
要去要解決的問題
越少越好
那我們就可以說
如果解決它的一些思路
就是我自己認為
解決這個東西的思路就是
你一把這個問題
拆分成一些
兩個思路
一個是拆分問題
還一個是讓這個問題
提供一些context
讓它直接去reference這個context
那我先說拆分
就是今天有一篇文章講的
就是說比如說你問GPT
比如說9231
到底是不是一個質數
他可能會說是
因為它可以拆分成X乘以Y
但是你要問他X乘以Y等於幾
是不是等於9231
他會說不是
它不等於9231
是不是一個合數
你也可以反過來說
他也可能也說是
但這就是他們認為就是說
他在做這種推斷的時候
是一種Hellucination來源
更多就是說
因為它先生成了一個詞是yes
所以它之後所有生成的東西
全都會向這個yes去移動
因為這樣整個句話才通暢
這跟人很像
對吧 你做了一個論點之後
你最後很多時候你都會
想方設法把它收圓
想方設法把它圓回來
對對對
但是和人稍微不一樣的地方就是
人們是雖然我先說了結論
但是我實際上先想了我的東西
只是先想後說
他更說是先說後想
這個是我覺得一個區別
那解決這個問題
其實就是說明什麼呢
說明你可以把這個問題
給它拆解開
所以先讓它去做一些想
然後就先引導它去做一些思考
比如說然後再讓它做結論
我覺得這種是一種
減少Hellucination的一種方法
是很有道理
因為比如說我把這個問題拆開
拆成9231
它比如說可以被那個
它怎麼拆分 它怎麼被成
或者是不能被成
然後成完以後你問它
你確不確定它可以被成
你可以讓它自己去批判你自己
然後最後你得到一個結論
它是不是一個質數還是一個和數
它有可能就會獲得一個更重大的答案
這就是減少了它的Hellucination
把它這個問題拆開
這也是另外一個就是
整個就是現在大元模型的一個發展
就是說叫Chain of Thought
先讓你去做思考
先去做思考
最後得到答案
那我覺得這種是一種
解決Hellucination的一個思路吧
另外一個思路就是說
我插一句吧
就是剛剛你的例子就讓我想起來
我其實前段時間輔導我妹數學
我就是覺得就是
人的習慣並不是Step by step
然後我們是經過了
非常嚴格的訓練以後
才去做這件事情
就是什麼是我已知的條件
什麼是問題
然後我根據已知的條件
如何一步一步地推導
一步一步推導就是說
已知的推導出
加上一些東西推導出來已知的
就是每一步我們都能確定
這一步一定正確
然後才會繼續往下
但是這不是一個天生的思考習慣
它是培養出來的
和大魔形可能需要這樣的培養
從此也說出來
就是很多時候
人類覺得簡單的問題
其實不那麼簡單
包括怎麼樣子確定一個信息的真實
這個其實是一個挺難的事情
對 我們經過了背後的很多訓練
大員魔形我相信
它的這個思考能力是在的
但是它需要這些人
需要人去教他或調動好
需要引導的一個過程
其實你剛才講的那個例子
就讓我影深想到
你剛才說的你
教你妹妹學數學
我覺得是一個很難得的
我覺得其實你想想
我們人類大部分的所謂的
一些最好的練習
我們所謂的這種專業的
這種訓練本質都是把一些
你想所有專業的服務
什麼諮詢 對吧
什麼律師 審計
所有這些本質
不就是把一個抽象的問題
但是它用這種
但是用一些這一些
Best practice的方法
把它給固化下來
比方說像這個諮詢
你怎麼定一個這個Strategy
為什麼要搞那麼多Framework什麼的
其實這個跟我
比方說我最近
因為接觸很多這個Startup
我就很明顯感覺
其實在因為在矽谷
我覺得這個所謂的
創業的這個所謂方法論
本身已經被教育得挺完善了
而什麼是一個創業方法
你想我們這樣聽到了什麼
你要先有一個MVP 對吧
然後你要去測試你的這個
Product market fit等等的
不也就是一個拆解的一個過程
而你會發現其實
其實人學這個
其實並不是那麼容易的
因為很多時候它是比較反直覺的
有時候人是很想說
根據我的直覺
一下就衝到那個
去把這公司給Skew up的程度
這也讓我想到最近
我應該是聽一些
我以前聽業界的朋友說
大概在想說下一步
我怎麼樣讓這個
讓將領派來的更快的一種
就是說我怎麼樣把
全世界這些專家的這些能力
不只是他們的知識
因為我們講到很多時候
講到Information retrieval的時候
講到知識
其實他們更重要的是
Ian Sun是怎麼思考的
對吧
Aliya是怎麼思考的
就是她怎麼把這些專家的
這個思考方式
如何交給大無形
我覺得真的如果有了這個的話
這個真是非常的
就更可怕
就每個人
我就在等它開放了
上面那一步的時候
去認真教教它
然後我就可以將領了
這也就是人類老師
經常最應該教你的東西
不是教你知識
而是教你一些方法
和思維的方法
這個方法我怎麼教呢
關注我的視頻
真的
現在我們看到就是
教這個方法論有什麼
從最簡單的可能
就是一些prompt的這個方法
到可能更深層方案有什麼
現在有什麼一些比較好的
這個做法
我覺得還是回到那個
就是Chain of thought
就比如說他們去做的時候
就是給了你一個問題
然後讓人去寫
一步一步你是怎麼得到
最後答案的
然後讓模型生成的時候
你也去生成一步一步
是怎麼得到最後答案的
其實這就像
因為我相信
Chain of thought這種模型
他們肯定用了很多
這樣的訓練方法
已經在當中了
那我們只是說
可能需要更多的專家
更多的領域
去做更複雜的一些思考的方式
這種東西
甚至有些人就是說
你甚至可以使得Chain of thought
去做這種Chain of thought的思考
你就直接就在你的
Prompto最後加一個
Think out loud step by step
對
他就會去做這麼做
然後你可以跟他說
你就是說
Think out loud step by step
then answer
他就會去做這樣的事情
這也是
這又回到剛那個就是說
這也是一種幫助解決
Helucination的一種方法
但是實際上
雖然解決了Helucination
可能也會讓它效果更好
但是實際上同時
你也生成了更多東西
同時也變得更貴
這也是他的一些其他的問題吧
我們肯定希望他最開始
一下就能告訴你
正確的答案是最好的
對
我剛剛那句話
聽上去是玩笑
其實不是玩笑
就是我的視頻
因為很多東西
都是可以直接給大家結論的
甚至可以包裝一下結論
把這個結論變得很動聽
然後可以被更多人的
一下子理解
其實大家也想到
就是要那個結論
但是我會花更長的時間
去解釋我的思考過程
推理過程
什麼東西是事實
什麼東西是我的假設
然後什麼東西是我
如何得到這個結論的
我覺得這個習慣挺重要
包括在佈置工作的時候
我也會盡量把context目標
然後我是怎麼想的
但是我的思考只是一個舉例
你應該去在什麼角度上去
perspective很重要
去思考這個問題
我都會盡可能多地說
但是對
不是所有人都appreciate這一點
我覺得
包括我在使用GPT的時候
就很明顯能感覺到
所謂的prompt
就是你怎麼樣子跟人
講一件事情講得越來越清楚越好
我就覺得很多人分享的例子就是說
你跟我幹一件A
我說這種老闆本身就是最容易煩的
就是他其實根本就沒有講
他到底要幹嘛
他問的問題都問不清楚
他講的東西講不清楚
情況下
他說大萌新給他的答案不好
對
然後我說那我給你演示一下
我怎麼問
然後果然就簡單多加幾句話
背景我是一個什麼樣的人
我需要得到一個什麼樣的答案
我要拿這個問題幹什麼
萌新馬上就給你一個非常好的
這個可用的answer
對
我在使用的過程中也會發現
就是我會先跟他去講
尤其code interpreter
我讓他做分析的時候
分析完了以後我會發現
其實我更好的解決這個問題的思路
是什麼
然後我重開一個chat
然後我再把這個
按照這個思路再去做
然後再重開一個chat
然後再去refine我的思路
我發現用他去refine我的思路以後
再去一步一步和他一起做
每次效果都會提升很多很多
那在就是
我覺得剛剛其實還聊到
就是你們所做的這個
就是在大家實際落地的這個過程中
就是剛剛也提到
就是你怎麼把這個
就是怎麼把他
我們所期望的他的這種泛化能力
這個推理能力跟他在
就是你要落地的時候避免他的
你要控制他的一個可靠性中間
怎麼達到一個這個balance
但是我在想這個問題的時候
我又在想當你做這個
我在想這個問題的時候
我又在想當我已經有了一個
那麼具體的場景和任務的時候
可能本身這個東西就
它就不是一個
也許我們就不應該期待
用大模型的這種方式來去
來去給它解決
所以說是不是就像我們剛才討論的
任何我們現在已經能夠
很好的去定義的一個場景
就是都不應該是我們去
第一個想到用應用大模型的這個場景
可能更多的都是在
我現在沒有看到的這個地方
我覺得也是幾個思路
就是一方面就是
如果你有一個固定的
像decision tree這樣的一個設定的話
那我相信這東西一定是更可靠的
就是沒什麼好說的
就一定是更可靠的
然後你一定能得到你想要的結果
如果你的問題
就適用於這種情況下
你就應該去怎麼做
而不是應該去為了使用大模型
而使用大模型
但這並不代表
就是說所有的這種
就是説task都是可以被用
這種decision tree的方式去表達的
甚至就是說你認為這個東西
是按一種decision tree的方式去表達
但也許它在執行過程當中
並不一定要去完全
按照你給它提供的這個tree去完成
你允許它去做一些推斷
或者去做一些判斷
比如説你幫助別人去reset password
你可能就是說如果是這樣的話
你做這個如果是這樣的話是做這個
並且我可以提供一篇文章
就講我的password到底會是什麼樣的
或者我提供一段code
這篇文章是什麼樣的
那可能用戶在問的時候
和你交流的過程當中
他遇見的一些情況
不是你在寫的e-files當中
或者是他提供了一些額外的信息
你就不需要去專門做一些模型
去説我要提取這個信息
放在這個地方去做這件事情
然後去完成
我覺得這還是兩個好處
第一個好處就是
你的問題如果描述得很清楚
或者他一些解決方法的例子的話
也許他解決的是整個這個問題
而並不是你去設定的這麼幾個例子
另外一個就是你可能讓整個設置
這套workflow或者這個東西變得更簡化了
原來你可能要設計的東西是
不光要設計這個workflow
我要設計一些
比如説name entity的一個extraction
我要設置一些東西如何把東西
這個entity和這個entitylink在一起
有很多這樣的components
可能這些東西就會被簡化
也會降低一些
automation的那個
叫什麼entry barrier吧
有什麼補充
就補充或者總結兩個點吧
就是一個
我覺得兩個在我在使用的過程中
非常有用的點
一個就是去幫助我完成那些
TDS work
就是我說我要幹這個
然後寫段sql
然後給我寫了
然後改一改就好了
雖然可能有問題
但是它極大地看待我的效率
但是更大的驚喜
或者serendipity的這個時刻
都是在於它告訴了我完全不知道的東西
比如説我當時做一個分析
分析這個網站的用戶的session journey
然後它就説我們做這個東西
應該用3K diagram
然後我不知道3K diagram是什麼
然後我一查
然後發現果然就是我需要的一個東西
就不使用它的話
我自己的認知範圍
就是不會想到那個東西的
就是你剛剛説的
真正的值得做的
在一個確定性的東西下
它一定有一些重複的工作
因為大圓模型它有re-sign的能力
再加上它能調用算力
現在直接用xjpg的這個方式
未必能特別好地做
但是API加上一些東西
我相信能把很多TDS work
給很好的解決掉
但是另外就是它
因為它的背後的那個智能
我相信它能告訴我們很多不知道的東西
那我好奇
盧毅你有沒有經歷過哪一個
就是剛説的serenitypity的這個時刻
就大模型就驚艷到你的這個
因為你在這個這行做了那麼多年
我想驚艷你可能更難一些
這個事實說下
我當時跟你們吃完飯的時候
我也有點想在聊這個問題
就是7月跟我們的模型評估什麼什麼
有相關
因為我一開始接觸模型的時候
更多的是
最開始是lstm
像是這樣的模型
然後是bert類型的模型
然後bert變得更好了
robert類型的模型
T5
然後後面是opt
就變得更大
就説我們當時覺得
一個billion已經很大了
是啊算大
一個billion很大了
因為我如果沒記錯的話
可能是bertbase就是500million個
然後你就説兩個那麼大
兩個呢
然後後來又會再下
就是說後來就説那個
有更大
比如説我們現在還有
他們hugging face
還有他們做的那種bloom
就覺得好的
但是就在使用過程當中
多少的還是會出現一些glitch
就是會覺得
我可以讓你去完成這些事情
可以做這些事情
但是我覺得我並沒有覺得
很
怎麼説呢
我能夠把它作為一個人去對待
去看這件事情
然後真正開始使用GPT的時候
一開始聊天
其實並沒有特別的那種感覺
你說GPT3
GPT3.5剛出來的時候
就是剛跟他聊天就覺得很酷
然後沒有什麼特別
我真正用的時候就感覺
我當時也
我是非常
怎麼説呢
我不能説是technology later adopter
也是反正就是
對這種東西有很多
質疑
懷疑
有很多hold back
就是很多hold back
因為我就想
我看到了這麼多大模型
我用了這麼多大模型
為什麼你出來這個東西
也沒説比別人怎麼樣
為什麼它就一定會更好呢
然後但是我後面
然後我就想去做一些
解鎖方面的工作
然後就覺得確實不行
我當時還跟朋友試了一個東西
就是說你們能把一個單詞
反過來拼
能
對 一開始不行
是不可以的
然後對 現在又可以了
一開始我就覺得
你這樣可能是因為
tokenizer有些問題
然後類似這樣的東西
我就覺得當時就有一種
不屑的這種感覺
到後來我覺得更多的是
用它去做一些
比如説跟coding相關的
我需要做這樣事情的時候
我發現它既然能夠生成
竟然比我想的還要好
那時候我就覺得非常的意外
我覺得前兩天
我還試用了一個東西
我就覺得為什麼我做這種事
我不能用Google去搜索
我相信Google一定是更好的
就是能夠
知道這種感覺嗎
對吧
然後我就搜索了一段時間
我當時做的事情也很簡單
就是我有一台Linux的機器
我想從我的Mac上面
remote進去
但是我不想SS進去
但是我不想輸密碼
然後如何能夠設置那電腦
使得我SS進去的時候
不用每次都輸密碼
然後我就搜
然後
他輸了這個task
對 下一個key就行了
下一個key
然後下一個bash
你要生成一個SS key
然後你就把你的publy key
copy到它的一個特別的位置
用什麼SS copy ID什麼之類的
當時我搜了大概一天才
對 我搜了好長時間
然後我就覺得非常的frustrated
然後我就說
我就用GBT試一下
然後他就把這step by step
發給我了
然後我入了三個command
然後就結束了
那個時候我覺得
這當然不是第一次
但是像類似這樣的這種時刻
就讓人覺得非常的意外
就是想到
其實這種模型
原來背後它只是為了生成
下一個token
它竟然能夠做到這個程度
就讓人覺得實際上是很意外的
我覺得不光是我
我其實剛剛開始的時候
我聊過很多就是這種方面的研究
然後甚至做大模型的人
大家都非常的意外
就是說竟然能夠做到這個程度
原來我們做的這些事情
原來我們之前做的東西
並不是在一個錯誤的方向移動
而是我們真的是不夠多 不夠大
做的東西不夠細
還有細節沒有夠好
不夠ambitious
我覺得就是ambitious
就是你一定要相信這個general
就是人聰明了可以解決一些問題
大家不相信這個
大家說我必須要教他做好這個
他才能做好
對 我覺得
其實你很難去責怪當時那一刻的事情
我不責怪大家
因為這真的很難相信
就是說我們只是通過這些
我們所謂叫
Code and code boring tricks
就可以完成這件事情
我覺得是需要這樣說
很強的信仰
去完成這個
我相信他們裡面肯定有哲學家
就是這件事情從哲學上一定是make sense的
但只是沒有任何的神經科學 認知科學
能證明這個事情在人生上
也是這樣子的而已
有一個Amazon過去Open ed的人
他就是一個researcher
他一直是學哲學的
其實我發現有不少學習
學習哲學的人
以前其實真是學哲學的
其實這個其實剛才你們講的就是這樣
我想到你看即使是這樣
我想現在可能
現在可能被他的能力經驗的人
已經越來越多了
但是我們今天還是會聽到大家說
他是可以很好不一定
但是這個就真的代表他理解了
就是當時
這個代表是否就代表intelligence
對
就很想我覺得在
我相信這裡邊沒有任何一個人
能說得清楚理解是什麼意思
對
我想我仔細想過
就是我之前兩三年前出了
出了一系列關於摩世的那些
為什麼沒有理解
因為那個時候就是很簡單
就是應武學舌
然後大家就說
那你如果真的能做到
應武學舌的話
那你其實也就理解了
人可能也就是這樣子的
但是我認識到
或者說我的belief
就是這不是真正的理解
然後這件事情
最好的被summarize
by David Hume和康德的debate
就是純粹理性批判
就David Hume是一個經驗主義
對吧
然後就是或是純粹理性
經驗主義他說只要你這個人
我們現在所有的行為
都是我們經驗的一個集合
或者說就是我們對世界
知識的concernization
然後我們可以產出這個
人不需要思考
然後人就直接能產出
應武學舌
那就代表了人類的智能
但是康德就說不是的
人其實是有先驗認知的
人在一開始就對這個事情
有一個看法
然後我們所有的perception
對…
它叫a priority
這就是一個prior
對 就是我們只不會修正
這個事情而已
就是我們那個東西
代表了人的理性和智慧
Anyway
就是剛才那個問題
是一個哲學問題
但是我猜critique這件事情的人
大多數人是沒有
你真的去問他們
什麼是真正的理解
我猜他們說不出來
那你覺得就這個判斷
對於我們認為這個GBT
是否是真正通往HRI這個路徑
你覺得這個重要嗎
就是這個模型
是不是真正在我們定義的
這個理解中理解這個東西
對於通往HRI這個東西
有多重要
我覺得很…
我先簡單說一說
首先我們到底對AGI
有什麼樣的期待
對
就是…
有什麼樣的期待
就Howie說的是
我其實同意他
就是和張毅說的也是這樣
就是他在人的能想像到的
這方面的task
都能達到高中生以上的水平
他的那版的GBT
或者是我們這版的GBT
那就是了
就是了
這就是一個真正的理解
因為這個真正的理解
在學術界上是沒有一個定論的
然後Sparkle for AGI那個paper
一上來也說了
各種各樣的AGI的definition
和他們覺得比較同用的definition
那就是你和人一樣聰明
然後現在就是
而且比大多數人都聰明
那還不是AGI是什麼
當然是
你覺得需要
薩蒙特曼自己說不是
對
他自己說不是
你覺得跟比如說
需要通過什麼圖靈測試
這樣的東西嗎
他肯定能通過圖靈測試
而且我當時也有一個視頻
去說圖靈測試是不完備的
我們還要在上面
去加上一些其他的
比如說Windows Gradle
Skimmer
然後去完善這個測試
才能讓他
然後他現在肯定也能通過那些
就是任何測人類智能的測試
他都能通過在我看來
起碼比50%的人更能通過
你覺得現在的GBT
還是說你覺得
GBC
就是我們手裡拿到的這版
我們不需要張毅手裡那版
我們只需要我們現在手裡的這版
我相信他比50%的人
都更能通過智商測試
關於人類智商的任何測試
你覺得不是嗎
我覺得我這版
我都一眼裡看到了猶豫
沒有
我其實並不是猶豫
我只是我自己在想
就是我也沒有對AGI
有一個特別好的定義
就是說什麼才是AGI
但我相信他肯定就是說
不管是完成測試
或者聊都是可以被
就是可能在做一些任務的時候
都比大部分普通人要做得更好
就有點像我們現在自動駕駛一樣
你覺得其實自動駕駛
它已經你可以把它認為
已經解決的問題
就是它已經比那大部分的
Average driver要做得更好了
那它是不是就已經解決了
它是不是就是一個已經是好的
這兩件事
一個是它是不是解決了
和一個它是不是被社會接受
社會不接受那是社會的傻逼
那不是它的問題
就是我有一天坐Lift
然後那個司機就特別
開得特別爛
就特別危險
然後隨便轉彎也根本不打燈
我當時覺得我考試
要是自動駕駛的話
我就不用擔心受這個判了
OK
但是很多人
我相信很多人
寧可坐這個人的車
也不願意坐一輛自動駕駛的車
那我正好我也
就問你問題
我也在想就是說
那你覺得一個好的AGI
你需要
比如說我如果能夠設計出一個問題
讓它
讓我能夠識別出
這個是一個機器人
你覺得它還是AGI嗎
或者說你會覺得
影響它成為AGI嗎
我覺得不影響
就是你有一個題目
能讓 能
就比如說我們現在的
人類能做好的
機器肯定做不好的
就是你的那個識別碼
你的那個驗證碼
那個是機器肯定做不好的
那就能看出來
但是我就不影響它
是個AGI
我不需要AGI和人一樣
對 這是我的定義
可以 可以
我覺得我沒有什麼一個
很好的答案
但是我其實就是說
就取決於我們對AGI的期待
到底是什麼
每個人期待不一樣
然後你就可以理解
什麼現在的GP
到底是不是一個AGI
或者說你認為
這麼就很明顯
對AGI的期待更高
就更高
然後你就可能會說
往這個更高的方向去發展
那也是好事
我覺得我們現在達到了AGI
但是就是
AGI它那個詞本身意義不大
然後我相信GPT
可以讓我們變得特別特別厲害
對 但是或者這方面的做法吧
能讓我們變得很厲害
然後它不是AGI這個詞所能難過的
也許需要一個更高的一個詞
去衡量一些
更精確的詞
更高的標準去衡量這些
這是所謂的
對 更高的標準
AGI不是一個高標準
對 就是因為
我覺得你剛才提到的
要想到我覺得
為什麼大家一直
不願意承認它是AGI
因為講到AGI這個詞
就有點像人
我覺得它太偏向於intelligence了
但是人之所以為人
它是不只是intelligence
我覺得很多人覺得它不像是
意識
對 就是可能覺得
是因為沒有意識
或者沒有一些所謂的
人性的一些成分
或者說人性的一些成分
但是的確
如果我們從一個很practical的角度
而且可能很不幸的
在很多工業社會
或者像工業社會一樣
去管理人的組織裡邊
其實人其實並不需要有太多的
比如最近的社會事件裡邊
所看到的那些人
就是完全沒有人性
對
這個其實讓我想到
一個挺有意思的一個例子
是去年的一個動畫片
叫《萬神殿》
其實是一個
非常有意思的動畫片
雖然說畫風極其差
Netflix非常開朗動畫
它的這個idea
當然是用一個非常血腥的方式
把人腦實際切片的這種方式
然後去上傳這個人
其實有點像我們剛所說的
上傳專家知識的這個方式
比如說
它裡面舉個例子說
有一個人特別會寫
發明IP的這種專利
他就把那個人給
就數字軟身化了
很血腥方式
數字軟身化了
所以在他那個digital的空間裡面
那個人就每天來寫專利
它裡面有一個特別小的插曲
很有意思
就是他在裡面放入了說
讓這個人的一個
他的媽媽每天給他
在那個虛擬的空間裡
任案每天給他打個電話
然後就有人問說
為什麼你要加上這麼一個環節
每天讓他再寫專利不就好了嗎
他說結果我發現
有了這樣的一些
emotional的touch
這種情緒上的一種親情的感知
會提升它的這個
對 提升它的這個創新力
提升它的這個效率
因為就好像我就想到
其實我們很多像
這一些大的什麼
物理學 數學家等等
其實他們
比如說他們還喜歡音樂
喜歡藝術
他們會提到這一些
這些東西給他的一些靈感
有時候我們會想說
是不是AGI就是這個大勇神
他還缺一些所謂的
這個原創能力這些
我就想說是不是在
我們人類所期待
但其實我個人覺得
這真的已經是非常高標準的
下一步就是他們還有這種
這種創造力
我就想說如果說
我覺得我
如果說現在很多人
對於他這個平均的這個能力
完成工作能力上已經OK的話
我覺得可能我們能想像得到
他們下一步可能是這一個
總是 對
你這個標準要求
人就想打那個誰
說打那麼多事
然後天天寫代碼
寫這麼好的
還要要求我有音樂素養
結果發現
其實還是有音樂素養的
對吧
對對對
我覺得也許他現在已經能做到
就是說還有一個就是
我們所謂說它的創造力
更多的是說你創造這個東西
是我們社會能認可的一個東西
那也許這個標準甚至都在改變
就是說我作為一個裁判
你不能讓我去認可
那你不能說
他可能創造了一些東西
然後如果對我來說沒有意義
我就不認可這個東西
我就不認為是這個音樂
甚至有很多
就是人的那種音樂家或者畫家
他可能做了這些東西
當時不被人認可
但他不代表這個東西沒有意義
或者說沒有表達他想要的東西
那你能不能否定他那一刻
就是說他沒有創造力呢
對
我覺得所以這個本身也很抽象
那我們就是說
還是只能說是讓我們
和機器的關係
我覺得這是一個
比較更深層次的一個討論
就是我們應該怎麼去評價
我的位置機器的位置
如果機器的位置
就是為了去滿足人類的這些
需求和慾望的話
那是一種東西
那如果我們把它證為
像你這種方式去要求的話
我們可能要把這個機器的位置
抬得更高一點
就是我和機器是平等的
我才能這麼去要求機器
或者說希望機器
有這麼樣一種行為吧