以我對(duì)AI領(lǐng)域的淺薄了解，我認(rèn)為AI是這個(gè)世紀(jì)的基礎(chǔ)科學(xué)，進(jìn)而作為一種科學(xué)基礎(chǔ)。AI的一個(gè)非常革命性的影響，除了各種各樣的實(shí)際應(yīng)用之外，還在于更新了我們對(duì)于“思維”“認(rèn)知”“知覺”等經(jīng)典的心理學(xué)概念的認(rèn)知。也就是說，AI從底層重新定義了思考，而且已經(jīng)有充分的事實(shí)證明，這種“重定義”是可行和有效的，它的意義甚至已經(jīng)超越了過去100多年來所有心理學(xué)家在這個(gè)領(lǐng)域所做的努力。
現(xiàn)在流行的AI應(yīng)用都屬于“人工神經(jīng)網(wǎng)絡(luò)”或者說“機(jī)器學(xué)習(xí)”這個(gè)技術(shù)路線。而人工神經(jīng)網(wǎng)絡(luò)從數(shù)學(xué)上來看，它就是一種計(jì)算。人工神經(jīng)網(wǎng)絡(luò)所用到的計(jì)算主要涉及微積分、線性代數(shù)和概率統(tǒng)計(jì)這三個(gè)比較基礎(chǔ)的數(shù)學(xué)領(lǐng)域，也就是說，一個(gè)理工科的大學(xué)生必然會(huì)學(xué)到的科目。人工神經(jīng)網(wǎng)絡(luò)的計(jì)算所用到的數(shù)學(xué)知識(shí)或許并不算特別“高端”或者“復(fù)雜”，但是所需要的計(jì)算量卻非常大。所以芯片在AI中的影響是決定性的。但是一個(gè)心理學(xué)家可能會(huì)問，我們既然已經(jīng)看到AI的“學(xué)習(xí)”和“思考”只是一種計(jì)算，或者說，“暴力”計(jì)算，而我們作為萬物之靈的人的“學(xué)習(xí)”和“思考”是不是與此不同呢？人的“學(xué)習(xí)”和“思考”難道可以還原成微積分、線性代數(shù)中的某種操作嗎？實(shí)際上，其實(shí)也并沒有什么不同（當(dāng)然在細(xì)節(jié)上會(huì)有很多不同）。在日常生活中，我們經(jīng)常會(huì)說：“讓我想一想?！?/span>但是，我們?cè)谑褂谩跋搿边@個(gè)動(dòng)詞的時(shí)候，并不知道“想”從最根本的意義上意味著什么。也就是說，當(dāng)我們?cè)凇跋搿钡臅r(shí)候，我們的大腦里發(fā)生了什么呢，我們其實(shí)并不知道。更不用說，我們感到某個(gè)“靈感”出現(xiàn)的時(shí)候，我們更加不知道它是怎么來的（即經(jīng)歷了什么樣的過程，靈感被“制作”了出來？）。
甚至在體育運(yùn)動(dòng)中，人也無時(shí)無刻不在“想”，但我們都沒有察覺。在籃球場上，隊(duì)友把球扔向了你，你穩(wěn)穩(wěn)地接住了，而你之所以能接住，是因?yàn)槟愕拇竽X（在眼睛的幫助下）準(zhǔn)確且精確地“計(jì)算”出了籃球最可能的落點(diǎn)和時(shí)間點(diǎn)。我們的大腦之所以能實(shí)現(xiàn)這些“想”，除了歸功于“計(jì)算”之外，我們還能如何去解釋呢？
所以，從這個(gè)意義上講，思考即計(jì)算，計(jì)算即思考，不論對(duì)于人腦還是電腦來說都是如此。這種看法實(shí)質(zhì)上就終結(jié)了某些長期以來困擾著人們的“辯題”。如，“AI會(huì)思考嗎？”顯然，AI的計(jì)算就是思考?；蛘?，“人是理性的動(dòng)物嗎？”沒錯(cuò)，大腦就是一臺(tái)強(qiáng)大的計(jì)算機(jī)。然后，我們來談?wù)劊趺窗讶四X和電腦更好地“連接”在一起。
當(dāng)我們使用各種“大模型”應(yīng)用時(shí)，不論我們向它們提出了何種問題（標(biāo)準(zhǔn)的說法是“prompt”，提示詞），實(shí)際上都是在給它們提出了一道“計(jì)算題”。任何一個(gè)prompt，其實(shí)都是一道計(jì)算題。只是這道計(jì)算題的“表層”，可能并不是數(shù)字。在我們的傳統(tǒng)經(jīng)驗(yàn)中，“15 X 23 = ?” 才叫計(jì)算題，或者解一道方程才叫計(jì)算題。但是大模型的強(qiáng)大能力，允許我們用日常語言（不論是中文、英文或者其他）來造出一道計(jì)算題，甚至也可以用圖片或其他形式的信息形式來制造計(jì)算題。但不管這個(gè)“表層”是什么樣，對(duì)于大模型的內(nèi)部來說，它們也都是在做計(jì)算而已。
我們向AI問一個(gè)問題，或許是漫不經(jīng)心的，隨意的，很可能沒有考慮，對(duì)于AI來說，要“算”個(gè)死去活來才能回答你。而AI想節(jié)約資源的話，它必定會(huì)采用某些技巧來不動(dòng)聲色地節(jié)約這些資源，于是它給你的回答往往并不能讓你滿意，或者僅僅是差強(qiáng)人意。而實(shí)際上，這個(gè)鍋主要在你身上，因?yàn)槟銢]有考慮到計(jì)算的資源和成本。
舉個(gè)例子，如果我問AI，“怎樣賺大錢？”你覺得AI能給我一個(gè)滿意的回答嗎？或者說，我能靠著這個(gè)回答來賺到大錢嗎？
顯然不能，因?yàn)檫@個(gè)問題并不是一個(gè)“定義良好”的問題，它太寬泛了。題目越寬泛，需要的計(jì)算量就越大，甚至大到?jīng)]有邊際。而AI不想耗費(fèi)這么多資源，它就敷衍你。它會(huì)給你一個(gè)“不能算錯(cuò)”但是“一點(diǎn)兒都不好”的回答。但是我們又不能讓AI回答一些特別簡單的問題（例如，“什么是貨幣？”），當(dāng)問題太簡單了以后，AI只需要輕松做一些檢索工作就可以了，這樣的話，AI跟以前的搜索引擎又有什么區(qū)別呢？把AI當(dāng)搜索引擎來用，當(dāng)然也可以，但是這肯定沒有發(fā)揮AI真正且獨(dú)特的潛力。
所以這里我們得出一個(gè)初步的結(jié)論，我們最好不要問得太寬泛，也不要問得太簡單，而是要問一些真正能夠“激發(fā)”AI思考的問題。讓 AI 真的“思考”起來。
如果能做到這一點(diǎn)就真的很棒了，正因?yàn)槲覀內(nèi)四X的“算力”不夠用，于是我們希望借用AI的算力，讓 AI 來跟我們一起“思考”。
那么，讓AI更好地“思考”的方法和讓人更好地“思考”的方法又是類似的。
你可以想象你面前有一個(gè)學(xué)生，你想一想，你向他提出什么樣的問題更能激發(fā)他的思考呢？當(dāng)然，有許多種形式的問題都能達(dá)到這種效果。我們把從過去的教育學(xué)、心理學(xué)的實(shí)踐中使用過的行之有效的學(xué)習(xí)方法、思考方法用在 AI 上，是不是就能產(chǎn)生類似地激發(fā)AI思考的效果？答案顯然是肯定的。于是，接下來才是本文的主題，我想介紹向AI提問的三種行之有效的模式，而這些模式恰恰來自于人類的經(jīng)驗(yàn)。從人類的經(jīng)驗(yàn)來看，通過對(duì)比來學(xué)習(xí)是一種十分高效、強(qiáng)大且普適的學(xué)習(xí)方法。這個(gè)方法簡單說就是給你 A、B 兩個(gè)東西，這兩個(gè)東西比較相似，但是又有所不同，通過比較兩者，你認(rèn)識(shí)到它們?cè)谀睦锵嗤衷谀睦锊煌?，于是你就同時(shí)對(duì)這兩樣?xùn)|西有了深入地認(rèn)識(shí)。在對(duì)比中，你很可能會(huì)有一些“發(fā)現(xiàn)”，這些發(fā)現(xiàn)是你在使用對(duì)比法之前很難作出的。因?yàn)閷?duì)比使差異凸顯。這里我舉一個(gè)例子，我們都認(rèn)識(shí) love 這個(gè)單詞，但是我們對(duì)這個(gè)單詞的了解是否足夠深入和全面呢？這就難說了。于是，我們便可以向AI提問，讓它幫我們用對(duì)比的方法來分析這個(gè)單詞，這個(gè)過程一方面能充分激發(fā)AI的思考潛力，同時(shí)也能為我們提供足夠重要的幫助。這里我使用 deepseek 這個(gè)目前比較領(lǐng)先的國內(nèi)大模型產(chǎn)品。這里我分為了兩步，我的第一個(gè)問題是：
deepseek一下子給了我10個(gè)近義詞，這已經(jīng)有點(diǎn)超出了我的預(yù)期，而這個(gè)問題是給下一個(gè)問題做鋪墊的，下一個(gè)問題是：這個(gè)對(duì)比是非常詳細(xì)的?？赡艽蠖鄶?shù)英語老師來回答，也很難做到這么詳細(xì)、細(xì)致吧！顯然這個(gè)對(duì)比式的問題有效地激發(fā)了AI的“思考”?；蛟S對(duì)它來說，比較兩個(gè)單詞的計(jì)算量“剛剛好”，就好像是在“計(jì)算”這兩個(gè)單詞的“交集”和“并集”。這個(gè)問題并不是寬泛的、不著邊際的，又不是單調(diào)的，只是單純的知識(shí)檢索?；卮疬@個(gè)問題，既需要檢索和調(diào)用知識(shí)，同時(shí)又需要一些“分析”，一些“思考”，甚至一些“推斷”。而從AI給出的答案又確實(shí)加深了我們對(duì) love 和 affection 這兩個(gè)單詞的認(rèn)識(shí)，我們知道了 love 包含的感情更深，也往往包含著承諾在內(nèi)，而 affection 則不是如此。因而 affection 用在寵物身上似乎就很合適——這里就涉及到單詞的使用場景，自然導(dǎo)向了用法層面。在用法上我們就比較清晰了：在什么場合用 love 更適合，而在什么場合用 affection 更合適。這就是對(duì)比式學(xué)習(xí)的效果，而 AI 恰好又善長對(duì)比，真是一拍即合。
從人類的經(jīng)驗(yàn)來看，“遠(yuǎn)距聯(lián)想”可以說是創(chuàng)造力的標(biāo)配。一個(gè)善于遠(yuǎn)距聯(lián)想的人，應(yīng)該說是創(chuàng)意滾滾，而很多重要的知識(shí)和發(fā)現(xiàn)也來自于遠(yuǎn)距聯(lián)想。對(duì)于AI來說，遠(yuǎn)距聯(lián)想也正是它們所擅長的。這種計(jì)算題也是計(jì)算量剛剛好，同樣也是把A和B連接起來，只是對(duì)比學(xué)習(xí)中，A和B是相近、相似的，而在遠(yuǎn)距聯(lián)想中，A和B可能原本看來毫無聯(lián)系，或者說，之前沒有人做出過這樣的聯(lián)系。
當(dāng)我們向AI進(jìn)行遠(yuǎn)距聯(lián)想式的提問，我們就會(huì)發(fā)現(xiàn) AI 真的不同于搜索引擎而遠(yuǎn)超搜索引擎，因?yàn)檫h(yuǎn)距聯(lián)想的答案往往是無法在搜索引擎中搜出來的（因?yàn)楹芸赡苤皼]有人做出過類似的聯(lián)想，或者即便做過類似聯(lián)想但是也沒有公開發(fā)表在網(wǎng)上）。而要回答遠(yuǎn)距聯(lián)想式的問題，就需要 AI 既能檢索和調(diào)用相關(guān)的知識(shí)，又能做出恰當(dāng)合理的分析和推理，甚至還要充分調(diào)用“想象力”。從這個(gè)意義上說，這真是很好地激發(fā)了 AI 的思考能力。在這個(gè)問題里，“A=綠巨人”，“B=MBTI”，我把 A 和 B 放在一起，看看會(huì)發(fā)生什么。同時(shí)我們要注意，我們不需要向AI解釋“什么是綠巨人”和“什么是MBTI”，因?yàn)锳I自己會(huì)查找相關(guān)的知識(shí)，因而我們就只需要問這樣一個(gè)簡短的問題就足夠了，下面是deepseek的回答：
使用這種方式能得到很多有趣而新鮮的知識(shí)，我又試驗(yàn)了一個(gè)問題：
電影《沙丘》中對(duì)香料的采掘和交易涉及哪些經(jīng)濟(jì)學(xué)知識(shí)，是否存在不符合經(jīng)濟(jì)學(xué)常識(shí)的地方？在這個(gè)問題里，“A=《沙丘》”，“B=經(jīng)濟(jì)學(xué)”，把 A 和 B 放在一起，會(huì)是怎么樣的呢？這里 AI 給出的答案也是比較詳細(xì)的，而且一點(diǎn)也不“虛”，因?yàn)檫@里面提到了諸多專業(yè)的經(jīng)濟(jì)學(xué)概念，如“壟斷”“外部性”“公共物品”等。但我還稍微感覺不盡意，便又追問了一下：
哪些諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主的研究能幫助解釋這個(gè)問題？這個(gè)問題的回答比上一個(gè)問題更加詳細(xì)且“有料”。我分析是因?yàn)椤爸Z貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主”比“經(jīng)濟(jì)學(xué)”更明確、更收斂，因而激發(fā)了AI更加深入的思考。現(xiàn)在對(duì)“長文本”的處理可說是各路大模型的一個(gè)主打功能。它確實(shí)有比較實(shí)用的應(yīng)用場景。比如，當(dāng)你想快速了解一本書說什么的時(shí)候，你可以把這本書“扔”給AI，讓它幫你歸納一下。但是我們思考一下，對(duì)于AI來說，這是一種什么樣的“思考”呢？似乎這種思考比較單調(diào)，屬于“捕捉要點(diǎn)”，或者叫劃重點(diǎn)。要知道，讓大模型去“讀”一本書，所需要的計(jì)算量是非常非常大的。實(shí)際上，它并不需要一字一句、仔仔細(xì)細(xì)地去讀，大模型有一個(gè)核心機(jī)制是“自注意力（self-attention）”機(jī)制，當(dāng)然這里“注意力”是一個(gè)類比，不同于人類的注意力。大模型的“自注意力機(jī)制”是一種計(jì)算方法，它能判斷在一個(gè)文本中哪些字詞是更重要的，哪些是不太重要的。當(dāng)面對(duì)一本書這樣長的文本時(shí)，大模型能快速識(shí)別出哪些是最重要的信息。它對(duì)長文本的處理一定是“跳躍”的，不然的話要算得“累死”。基于此我們便可以知道，誠然大模型可以幫我們?nèi)w納一本書，但是這種歸納一定是“粗糙”的，只適合“快速、簡單了解”。這種方式無法替代我們?nèi)プx一本書，它即便給出了解讀或者分析也往往是語焉不詳?shù)?，也一定是“淺表”的。但是，如果我們反過來想，我們不讓大模型去處理長文本，而是就讓它去處理短文本，去分析一百個(gè)字、兩百個(gè)字，它會(huì)告訴我們什么呢？這個(gè)時(shí)候，它愿意給我們的計(jì)算資源就顯得“游刃有余”了，面對(duì)短文本，它可以做出深入、細(xì)致的分析，而這些分析或許就能給我們切實(shí)有用的啟發(fā)。
下面我的實(shí)驗(yàn)是摘取了作家李娟的一小截文字，摘自《記一忘二三》一書的《掃雪記》一文。我的提問如下：以“技術(shù)流”的方式，分析下面這篇文章中使用的寫作技巧：之前我早就提醒過我媽，阿勒泰市是山區(qū)，比不得戈壁灘邊上的富蘊(yùn)縣，冬天雪很大的。她嗤之：“老子活了這么大，什么樣的雪沒見過？”下第一場雪時(shí)，我媽真心地感慨：“別說，老子還真沒見過這么大的雪！”下第二場雪，我媽又感慨：“除了上次那場雪，老子從沒見過這么大的雪！”到了第三場雪，我媽繼續(xù)：“這是老子這輩子見過的第三場最大的雪！”就這樣，不到一個(gè)月，紀(jì)錄刷新了三遍。我讓AI分析的文本并不長，而它的分析的篇幅卻遠(yuǎn)超了這個(gè)文本，這是因?yàn)椋?strong>大模型“背靠”一個(gè)無比巨大的知識(shí)庫。這個(gè)知識(shí)庫超過任何一個(gè)自然的人類。通過這個(gè)知識(shí)庫，它來分析這段文字，就很有可能給出一些我們事先沒有想到的點(diǎn)。我們可以發(fā)現(xiàn)這種方式跟處理長文本正好是相反的，處理長文本時(shí)，可能我們給了AI十萬字，而AI返還給我們一千字。在處理長文本時(shí)，實(shí)際上信息“縮水”了，而處理短文本時(shí)，實(shí)際上信息“豐潤”了。不過，對(duì)于上面的回答，我還有些不滿意，于是我又追問了一下：
這個(gè)回答超出了我的預(yù)期，它不僅很耐心、很細(xì)致，甚至還在最后給出了寫作示例！
天哪，這是一個(gè)多么好的寫作老師?。‘?dāng)然，它的水平肯定比余華或者莫言要差一些，但是已經(jīng)是 available 的足夠好的老師了吧！
而且，這只是一小段文本的分析。如果你采用這種方法，來讓AI分析十段、一百段或者更多文本，再加上你自己勤奮地思考和學(xué)習(xí)，那么你的寫作水平會(huì)不會(huì)出現(xiàn)質(zhì)的飛躍呢？
————————————————————
以上就是我今天的分享。這篇文章的前半部分是關(guān)于大模型使用的“道”，后半部分是大模型使用的“術(shù)”。“道”是指導(dǎo)思想，可以舉一反三，三生萬物，而“術(shù)”是經(jīng)驗(yàn)和實(shí)踐的產(chǎn)物，是直接可用的方法。
希望你也可以從AI中發(fā)現(xiàn)真正的寶藏。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
