接到諾貝爾獎(jiǎng)通知時(shí)，杰弗里·辛頓（Geoffrey Hinton）立刻想起了好友特倫斯·謝諾夫斯基（Terrence Sejnowski）。他們?cè)s定——一人得獎(jiǎng)，獎(jiǎng)金同享。在 1985年，他們共同發(fā)明了玻爾茲曼機(jī)（Boltzmann machine），為這一輪深度學(xué)習(xí)的熱潮奠定了基礎(chǔ)。

謝諾夫斯基謝絕了辛頓的好意，于是這部分獎(jiǎng)金被用于設(shè)立一個(gè)名為 Sejnowski-Hinton Prize 的獎(jiǎng)項(xiàng) ，鼓勵(lì)腦科學(xué)的研究，每年在 NeurIPS 會(huì)議上頒發(fā)。謝諾夫斯基從 1993 年起擔(dān)任 NeurIPS 基金會(huì)主席至今。

交集開(kāi)始于 1979 年，倆人在一個(gè)“小型”研討會(huì)上結(jié)識(shí)。彼時(shí)，業(yè)界普遍認(rèn)為的“光明未來(lái)”是基于“符號(hào)主義”的人工智能，愿意相信“聯(lián)結(jié)主義”的人寥寥。后來(lái)，這一小撮人逐漸從角落走向臺(tái)前的故事也在深度學(xué)習(xí)復(fù)興后被反復(fù)提及。

謝諾夫斯基和辛頓在討論視覺(jué)網(wǎng)絡(luò)模型，拍攝于1980年

謝諾夫斯基開(kāi)創(chuàng)了計(jì)算神經(jīng)科學(xué)（Computational Neuroscience）這一全新的學(xué)派。通俗理解他的研究路徑，將物理學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)等學(xué)科中的方法用于分析神經(jīng)科學(xué)家獲得的高度復(fù)雜的數(shù)據(jù)集，理解大腦的計(jì)算資源，并構(gòu)建大腦和行為之間的關(guān)聯(lián)模型。

因此，去年謝諾夫斯基（與 Haim Sompolinsky，Larry Abbott一起）獲得 The Brain Prize——被譽(yù)為“神經(jīng)科學(xué)界的諾獎(jiǎng)”。同時(shí)，他們對(duì)于大腦里一些活動(dòng)的解讀，也在為 AI 發(fā)展提供理論基礎(chǔ)。

特倫斯·謝諾夫斯基在爬山

近期，果殼與特倫斯·謝諾夫斯基進(jìn)行了一場(chǎng)對(duì)話。在他的新書(shū)《大語(yǔ)言模型》（ChatGPT and the Future of AI: The Deep Language Revolution ）中，謝諾夫斯基憑借其深厚的學(xué)術(shù)積淀和前瞻視野，勾勒出人工智能，尤其是大語(yǔ)言模型從何處來(lái)，向何處去的宏觀圖景。

他自詡技術(shù)的樂(lè)觀派，但也承認(rèn)對(duì)人工智能的未來(lái)有太多難以預(yù)測(cè)。

以下對(duì)話經(jīng)果殼編輯整理。

“當(dāng)我意識(shí)到他們都在錯(cuò)誤的方向上解釋大模型是否智能”

過(guò)去幾年，就連專業(yè)的認(rèn)知科學(xué)家也難對(duì)“AI 真的理解它在說(shuō)什么嗎？”這樣的疑問(wèn)達(dá)成一致。謝諾夫斯基提出了一個(gè)很有意思的觀點(diǎn)，每一次人類與 AI 的對(duì)話，都是一次 AI 對(duì)人類的“反向圖靈測(cè)試”——AI 答得越好，說(shuō)明對(duì)話者提問(wèn)水平越高。人們之所以有這樣的分歧，原因在于過(guò)去那套基于自然智能的傳統(tǒng)認(rèn)知框架已經(jīng)不再適用。深度學(xué)習(xí)被稱為“黑箱”。大語(yǔ)言模型本質(zhì)上是高維空間中的新函數(shù)，推動(dòng)基礎(chǔ)數(shù)學(xué)的建立和突破，將深入對(duì)大模型智能以及自身大腦（這個(gè)復(fù)雜太多的系統(tǒng)）的理解。

果殼：說(shuō)到寫(xiě)書(shū)的契機(jī)，你說(shuō)在 ChatGPT 出來(lái)后，看到了很多“褒貶不一”的使用案例，這讓你意識(shí)到“他們都在錯(cuò)誤的方向?qū)ふ抑悄艿暮圹E”。你認(rèn)為像現(xiàn)代物理學(xué)的基礎(chǔ)奠定是將“力”等模糊概念轉(zhuǎn)變?yōu)楣揭粯樱?strong>描述 AI 是不是智能的前提是對(duì)高維空間的數(shù)學(xué)理解。那么，目前我們?cè)谶@條正確的道路上進(jìn)展如何了？

謝諾夫斯基：在過(guò)去的幾年里，ChatGPT 的出現(xiàn)就像一個(gè)外星人，突然降落在地球上，會(huì)講流利的英語(yǔ)同我們交流。唯一肯定的，它不是人類。

怎么定義它？它是什么？全世界所有心理學(xué)家，認(rèn)知科學(xué)家，語(yǔ)言學(xué)家，各抒己見(jiàn)，不能彼此認(rèn)同。有人說(shuō)它很智能，似乎能理解語(yǔ)言；另有人說(shuō)，它只是記住了很多東西，然后再吐給你。

很多跡象表明，不同的人輸入不同的提示詞得到不同的結(jié)果。我一下子頓悟了，也許這是跟人類的不同之處。它的智力是可變的，這取決于誰(shuí)在提問(wèn)？換句話說(shuō)，它反映了使用它的人的智能。而人類智能是固定的，是垂直的，你是物理學(xué)家但不意味著你擅長(zhǎng)文學(xué)或政治。

為什么聊天機(jī)器人表現(xiàn)時(shí)好時(shí)壞？

那么我們從大家無(wú)法達(dá)成一致的這個(gè)事實(shí)中得到什么？在我看來(lái)，如果他們爭(zhēng)論，AI 是否理解自己在說(shuō)什么？那就意味著我們不理解“理解”這個(gè)詞本身。不同的人對(duì)“理解與否”有不同的解釋方式，我們必須超越語(yǔ)言層面（定義理解）。

你對(duì)“球是如何投出去的”有直觀的概念。要想深入地解釋這個(gè)現(xiàn)象，需要將物理現(xiàn)象公式化。

神經(jīng)網(wǎng)絡(luò)就是一個(gè)有著數(shù)萬(wàn)億參數(shù)的巨大方程。誰(shuí)會(huì)比數(shù)學(xué)家更了解方程呢？

未來(lái)人們談?wù)摽山忉尩娜斯ぶ悄軙r(shí)，不會(huì)用語(yǔ)言描述。我們需要深入挖掘，從根本層面上去真正理解。

AI 和腦科學(xué)是 two-way street

玻爾茲曼機(jī)引入了統(tǒng)計(jì)物理學(xué)中的玻爾茲曼分布概念，為神經(jīng)網(wǎng)絡(luò)帶來(lái)了隨機(jī)性的特征。通俗地解釋玻爾茲曼機(jī)的開(kāi)創(chuàng)性，它是最早能通過(guò)看大量圖片后總結(jié)出“香蕉是黃的彎的”規(guī)律并在下一次識(shí)別出來(lái)，以及做多任務(wù)排列優(yōu)化以達(dá)全局最優(yōu)的神經(jīng)網(wǎng)絡(luò)。辛頓曾說(shuō)，“當(dāng)時(shí)我們覺(jué)得這個(gè)學(xué)習(xí)算法太優(yōu)雅了，確信大腦就是這樣工作的。”玻爾茲曼機(jī)雖然不是典型的多層神經(jīng)網(wǎng)絡(luò)，但具備一些多層網(wǎng)絡(luò)的特征，而這是上世紀(jì) 60 年代末（感知器 Perceptrons）未被解決的難題。

果殼：你去年拿了腦科學(xué)領(lǐng)域非常重要的一個(gè)獎(jiǎng)。因?yàn)槟銊?chuàng)建了“計(jì)算神經(jīng)科學(xué)”這個(gè)研究領(lǐng)域。你能講講最近的研究進(jìn)展嗎？

謝諾夫斯基：我從物理學(xué)轉(zhuǎn)向神經(jīng)科學(xué)時(shí)，計(jì)算神經(jīng)科學(xué)并不存在。那時(shí)候，我們做實(shí)驗(yàn)非常困難，非常昂貴，而且數(shù)據(jù)不多。所以我們基本上用傳統(tǒng)的物理學(xué)方法，寫(xiě)方程式。

40年來(lái)，神經(jīng)科學(xué)家開(kāi)發(fā)了更好的技術(shù)，更多的數(shù)據(jù)。因?yàn)橛辛撕Ａ繑?shù)據(jù)，我們得以用機(jī)器學(xué)習(xí)技術(shù)來(lái)測(cè)試想法。“大腦獎(jiǎng)”頒給我們，因?yàn)槲覀円庾R(shí)到了采用新方法研究神經(jīng)科學(xué)的重要性，在此之前"計(jì)算神經(jīng)科學(xué)"學(xué)派并不存在。

過(guò)去幾年，基于我們?yōu)榇竽X神經(jīng)網(wǎng)絡(luò)模型寫(xiě)下的方程，人工智能發(fā)生了變化，從上個(gè)世紀(jì)基于邏輯和規(guī)則的公式變成大量相互連接的節(jié)點(diǎn)所組成的計(jì)算模型。

人工智能取得進(jìn)步的方式不是靠編寫(xiě)計(jì)算機(jī)程序。而是像人類學(xué)習(xí)一樣，每當(dāng)遇到新的例子，大腦吸收新的信息，整合到原有的知識(shí)庫(kù)里。

視覺(jué)皮層與卷積網(wǎng)絡(luò)在圖像對(duì)象識(shí)別上的比較

ChatGPT 對(duì)我的研究產(chǎn)生巨大影響。從某種意義上來(lái)說(shuō)，它是大腦的簡(jiǎn)化版。大腦有 1000 億個(gè)神經(jīng)元，你無(wú)法記錄，你只能記錄其中的一小部分。但對(duì)大語(yǔ)言模型，能訪問(wèn)每個(gè)單元、每個(gè)連接、每個(gè)輸入活動(dòng)模式。我們可以有“干凈”的訪問(wèn)權(quán)限。這樣我們就能嘗試研究它是如何工作的。

人工智能受到大腦啟發(fā)，現(xiàn)在我們反過(guò)來(lái)。我受到大模型如何解決問(wèn)題的啟發(fā)，提出關(guān)于大腦實(shí)驗(yàn)和模型的新想法。

果殼：人工智能幫助科學(xué)研究已經(jīng)成為普遍共識(shí)。談?wù)勀阏J(rèn)為 AI 仍存在哪些局限性？

謝諾夫斯基：讓我們回到 2018 年，我寫(xiě)第一本書(shū)《深度學(xué)習(xí)》時(shí)，有點(diǎn)像站在當(dāng)時(shí)對(duì)今天做預(yù)測(cè)。寫(xiě)那本書(shū)時(shí)因?yàn)槲覅⑴c了深度學(xué)習(xí)算法早期開(kāi)發(fā)，我能從一個(gè)局內(nèi)人的角度講述我們一路發(fā)展深度學(xué)習(xí)的起源故事。在一次圖書(shū)簽售會(huì)上，有一個(gè)讀者當(dāng)時(shí)問(wèn)了一個(gè)問(wèn)題，“你怎么知道深度學(xué)習(xí)不是一場(chǎng)‘泡沫’呢？它是能識(shí)別圖像，但是你們?cè)趺粗肋@將產(chǎn)生一些重要影響呢？”

我的答案是，從采用這項(xiàng)技術(shù)的科學(xué)家那里，影響已經(jīng)發(fā)生。比如 DeepMind 解決了上個(gè)世紀(jì)生物學(xué)中最大的問(wèn)題之一，通過(guò)氨基酸序列預(yù)測(cè)出蛋白質(zhì)的三維結(jié)構(gòu)。人們?cè)?jīng)試圖用物理學(xué)進(jìn)行模擬，但非常困難，所需要的計(jì)算量遠(yuǎn)超當(dāng)時(shí)任何一臺(tái)計(jì)算機(jī)能做到的。

每一個(gè)從事神經(jīng)網(wǎng)絡(luò)工作的人在三年前就明白它將產(chǎn)生的巨大影響，直到 ChatGPT 出現(xiàn)才讓大眾意識(shí)到了這一點(diǎn)。但就像互聯(lián)網(wǎng)早期，我們已經(jīng)意識(shí)到它將產(chǎn)生巨大影響，但不知道到底會(huì)如何發(fā)展，現(xiàn)在我們也不知道 AI 會(huì)走向何方。

很多人擔(dān)心超級(jí)智能，擔(dān)心 AI 威脅到他們的生存。事實(shí)上，這是技術(shù)無(wú)人看管的后果。因?yàn)槿魏渭夹g(shù)都有好壞影響之分就像核能，我們最好謹(jǐn)慎地開(kāi)發(fā)，因?yàn)槟切┴?fù)面也會(huì)發(fā)生在 AI 上。

果殼：那么哪些你在當(dāng)時(shí)做的預(yù)測(cè)在今天實(shí)現(xiàn)了？

謝諾夫斯基：在那本書(shū)里我說(shuō)，AI 將讓人類變得更聰明。世界國(guó)際象棋冠軍是馬格努斯·卡爾森，在挪威的一個(gè)小鎮(zhèn)長(zhǎng)大，他通過(guò)和電腦對(duì)弈來(lái)學(xué)習(xí)象棋。AI 發(fā)掘了他的大師潛力，讓象棋“民主化”。我們必須弄清楚如何使用 AI，即便開(kāi)始時(shí)這是一條緩慢增長(zhǎng)的學(xué)習(xí)曲線，但是人類在 AI 的幫助下會(huì)做得越來(lái)越好。

每一次公開(kāi)演講，我都會(huì)被問(wèn)到一個(gè)問(wèn)題，“我會(huì)失業(yè)嗎？”因?yàn)樗麄兘?jīng)常在報(bào)紙上讀到。報(bào)紙經(jīng)常寫(xiě)有誤導(dǎo)性的內(nèi)容。不如我們?cè)俅巍耙允窞殍b”，想想工業(yè)革命。AI 正在改變科學(xué)，改變職業(yè)，無(wú)論你的工作內(nèi)容是什么，必須適應(yīng)新技術(shù)。

關(guān)于機(jī)器人，人們以前和現(xiàn)在都低估了一些困難

大語(yǔ)言模型僅模擬了大腦新皮質(zhì)的功能，而大腦其他更古老的部分，才是負(fù)責(zé)自主行為和生存本能的關(guān)鍵。在人類大腦中，負(fù)責(zé)目標(biāo)導(dǎo)向行為發(fā)起的關(guān)鍵結(jié)構(gòu)叫基底神經(jīng)元；長(zhǎng)期記憶的形成靠海馬體和睡眠紡錘波；多巴胺在內(nèi)的數(shù)十個(gè)神經(jīng)調(diào)節(jié)系統(tǒng)共同調(diào)控人類的情緒狀態(tài)；以及人作為一個(gè)“有機(jī)整體”，人的大腦是通過(guò)分布式控制實(shí)現(xiàn)對(duì)身體多自由度的協(xié)調(diào)。大語(yǔ)言模型需要繼續(xù)從人腦中找答案，實(shí)現(xiàn)自主性和與物理世界的交互。不過(guò)人類對(duì)大腦依舊了解甚少，比如“我們不知道大腦如何自發(fā)產(chǎn)生意識(shí)和想法?！敝x諾夫斯基說(shuō)。

意識(shí)在大腦中的哪個(gè)位置躲避著我們的探尋？

果殼：我前段時(shí)間參加一個(gè)人形機(jī)器人發(fā)布會(huì)，對(duì)方想做消費(fèi)級(jí)市場(chǎng)。當(dāng)下我突然想到多年前看過(guò)的一個(gè)電影叫 A.I. Artificial Intelligence—一個(gè)機(jī)器人男孩試圖代替人類男孩的故事。我想問(wèn)問(wèn)您對(duì)人形機(jī)器人目前進(jìn)展的看法，以及你未來(lái)會(huì)給自己家買一臺(tái)嗎？

謝諾夫斯基：他們讓機(jī)器人看起來(lái)很花哨，但我告訴你我所知道的。

人形機(jī)器人能做的還很有限，比如像人類一樣拿起一杯水喝，像貓一樣在桌子上跳來(lái)跳去。動(dòng)物是很優(yōu)雅的，因?yàn)樗鼈冞M(jìn)化了數(shù)百萬(wàn)年才進(jìn)化出做出這些驚人動(dòng)作的身體。

90年代，日本研發(fā)了一個(gè)機(jī)器狗叫 AIBO。你和它玩，向它扔球，它有狗的外觀，會(huì)學(xué)狗吠。但是人們逐漸對(duì)它失去了興趣。

現(xiàn)在同樣的命題給到兩只腳的機(jī)器人——機(jī)器人的適應(yīng)能力，像人一樣與世界互動(dòng)，依然差得遠(yuǎn)。未來(lái)，AI 與機(jī)器人技術(shù)結(jié)合會(huì)讓機(jī)器人至少在互動(dòng)上更貼近人類。但是現(xiàn)在機(jī)器人真正擅長(zhǎng)的在汽車裝配線。

上個(gè)世紀(jì)，人們大大低估了視覺(jué)和機(jī)器人技術(shù)等問(wèn)題的計(jì)算難度。我給你講個(gè)真事兒，是我從馬文·明斯基那里聽(tīng)說(shuō)的。

1960年，當(dāng)MIT獲得第一筆DARPA資助時(shí)，后者提議建造一個(gè)打乒乓的機(jī)器人——即便在 60年后，我們都沒(méi)有一個(gè)能完全打乒乓的機(jī)器人。

MIT 拿到了錢，然后他們意識(shí)到他們忘記索要為機(jī)器人編寫(xiě)視覺(jué)程序的錢。他們認(rèn)為“視覺(jué)”是一個(gè)微不足道的問(wèn)題。然后把這個(gè)項(xiàng)目分配給了一個(gè)研究生。我天啊，計(jì)算機(jī)視覺(jué)過(guò)了 60 年直到神經(jīng)網(wǎng)絡(luò)才讓其有了進(jìn)展。后來(lái)我問(wèn)明斯基，他說(shuō)：不對(duì)，本來(lái)想交給本科生來(lái)著。

我們對(duì)于“困難”有糟糕的直覺(jué)，因?yàn)槲覀兒雎粤诉M(jìn)化論。對(duì)于人類來(lái)說(shuō)，“看”這件事，很微不足道。他們認(rèn)為可以為視覺(jué)編寫(xiě)程序，靠人力勞動(dòng)將程序越寫(xiě)越長(zhǎng)，在一條錯(cuò)誤的道路上投入了數(shù)十億美元。

然后我們有了像人類一樣的神經(jīng)網(wǎng)絡(luò)模型，可以從圖像例子中學(xué)習(xí)。它在某些方面不如人類那么完美，但正在改變利用到這項(xiàng)新技術(shù)的很多行業(yè)。就像《星際迷航》里的萬(wàn)能翻譯器，翻譯已經(jīng)是一個(gè)被神經(jīng)網(wǎng)絡(luò)解決的問(wèn)題。

最終很多問(wèn)題都會(huì)解決，只是需要時(shí)間和大量的計(jì)算。

果殼：聊聊腦機(jī)接口吧。多年前你的一篇論文促成建立了一家公司 Neurovigil，使用無(wú)監(jiān)督學(xué)習(xí)自動(dòng)監(jiān)測(cè)睡眠。今天哪些腦機(jī)接口領(lǐng)域的發(fā)展，最讓你興奮？

謝諾夫斯基：神經(jīng)科學(xué)家現(xiàn)在使用人工智能，了解大腦以及如何與大腦交流。例如，針對(duì)癲癇患者可以通過(guò)放置侵入式電極定位癲癇在大腦中發(fā)作的區(qū)域。

大腦研究中的層級(jí)

我們現(xiàn)在可以在人不說(shuō)話的情況下解碼語(yǔ)言——我們目前可以看到大腦遣詞造句時(shí)哪些部分正在被激活。因此我們通過(guò)使用 AI 工具解釋翻譯神經(jīng)元中的活動(dòng)模式并將其在大腦以外重建，轉(zhuǎn)化為具體行為。比如，針對(duì)截癱患者我們能從他的運(yùn)動(dòng)系統(tǒng)中獲取記錄，重建機(jī)械臂拾起東西的動(dòng)作。類似地，我們正在取得進(jìn)展，但是處于非常早期的階段。

“super intelligence is a bad term”

果殼：你和 AI 合著了這本新書(shū)，尤其是讓 AI 做了它擅長(zhǎng)的事情，總結(jié)和提煉每一章的關(guān)鍵內(nèi)容。今天無(wú)論是學(xué)習(xí)還是工作，人們都離不開(kāi) AI，你如何看待“由于過(guò)于依賴 AI 導(dǎo)致創(chuàng)作者主體身份被削弱的問(wèn)題?！?/p>

謝諾夫斯基：我在每一章的末尾都用一個(gè)框，表明這是 ChatGPT 的評(píng)論，表明這不是我寫(xiě)的。對(duì)此，我非常開(kāi)放。事實(shí)也是 AI 確實(shí)比我總結(jié)得好。因?yàn)槲疑硖幮袠I(yè)里，反而不是非常清楚讀者想看什么，但是 AI 清楚。

至于 AI 的使用現(xiàn)狀，我認(rèn)為正在經(jīng)歷一個(gè)過(guò)渡期。一開(kāi)始，人們會(huì)非常興奮“哇，我可以用它來(lái)代替我的工作啦！”然后慢慢就會(huì)發(fā)現(xiàn)一些弊端。首先就是你如何聲稱作品歸屬于誰(shuí)。

也有其他人將 AI 作為一個(gè)改進(jìn)的工具。我實(shí)驗(yàn)室里的很多人不是英語(yǔ)母語(yǔ)者。他們?cè)趯?xiě)完論文后，都會(huì)讓 GPT 修改。GPT 的語(yǔ)法比我都好。

我想說(shuō)的是，你使用方式不同，決定了它是否能成為一個(gè)有效工具。

從它問(wèn)世到今天，包括紐約州在內(nèi)很多地區(qū)視其為一種作弊方式。禁止學(xué)生使用它。這就是問(wèn)題所在，你如何執(zhí)行？你怎么辨認(rèn)是學(xué)生還是 GPT 完成的？然后呢，給學(xué)生趕出學(xué)校嗎？我認(rèn)識(shí)一位老師，她十分清楚“打不過(guò)，就加入吧”這一點(diǎn)。她給學(xué)生布置完文章后，會(huì)打兩個(gè)分，一個(gè)分給學(xué)生的提示詞，一個(gè)分學(xué)生如何修正 AI 給出的結(jié)果，學(xué)生是不是檢查了幻覺(jué)，是不是加入了自己的觀點(diǎn)和敘述風(fēng)格。

果殼：教學(xué)生使用日新月異的工具，也是教育的一部分。

謝諾夫斯基：沒(méi)錯(cuò)，這才是未來(lái)，指導(dǎo)學(xué)生而非一味禁止。我認(rèn)為，在我們學(xué)會(huì)如何正確使用之后，未來(lái) AI 才和我們是合作伙伴關(guān)系。

上個(gè)世紀(jì) 70 年代，當(dāng)計(jì)算器出現(xiàn)在學(xué)校時(shí)，有人反對(duì)說(shuō)，學(xué)生用計(jì)算器就不會(huì)算術(shù)了。往后 50 年呢？學(xué)生們還是得學(xué)算術(shù)，如果對(duì)數(shù)字大小、平均值等等這些沒(méi)有概念的話，你用不好計(jì)算器的。

果殼：有人曾經(jīng)問(wèn)過(guò)你，AI 最有可能在哪個(gè)領(lǐng)域出現(xiàn)“killer app”？你的回答是“教育”，因?yàn)槿斯ぶ悄芸梢詾槊總€(gè)人提供個(gè)人導(dǎo)師。大模型對(duì)齊依靠人類標(biāo)準(zhǔn)和反饋。尤其針對(duì)教育，如何避免 AI 導(dǎo)師帶有人類標(biāo)注者的平均偏見(jiàn)？

謝諾夫斯基：從某種意義上說(shuō)，這已經(jīng)發(fā)生了。大模型的數(shù)據(jù)庫(kù)來(lái)自靠互聯(lián)網(wǎng)接受的所有文本，它吸收了一切包括人類偏見(jiàn)。同時(shí)它在變得越來(lái)越好。

人類在將 AI 與“理想人類”做比較。為什么不與普通人比較呢？我們的目標(biāo)當(dāng)然是希望 AI 越來(lái)越好。世界各地的各種文化間彼此不同，你在哪里長(zhǎng)大，說(shuō)那里的方言，吸收那里的文化價(jià)值觀和禁忌，你必須從模仿中學(xué)習(xí)，從父母、學(xué)校和社會(huì)的反饋中學(xué)習(xí)。這就是所謂的對(duì)齊對(duì)吧？這在每種文化中都是不同的。所以對(duì)于人類來(lái)說(shuō)，就不會(huì)有一種普遍的對(duì)齊。

也許批評(píng) AI 像不像理想人類這個(gè)要求太高了。我們需要努力讓 AI 更加本地化，而不是用普遍性標(biāo)準(zhǔn)來(lái)衡量。

作者：馬文

編輯：臥蟲(chóng)

配圖來(lái)自 ChatGPT and the Future of AI: The Deep Language Revolution 和 The Deep Learning Revolution

Guokr

12月17日晚19點(diǎn)，國(guó)民休閑品牌斯凱奇冬季鞋服專場(chǎng)直播來(lái)嘍！

老爹鞋、跑步鞋、戶外鞋、健步鞋、兒童體訓(xùn)鞋、衛(wèi)衣衛(wèi)褲、運(yùn)動(dòng)外套、長(zhǎng)短羽絨服、休閑包、帽子等全場(chǎng)89元起，性價(jià)比拉滿，還有福袋等直播間專屬福利，點(diǎn)好預(yù)約，準(zhǔn)時(shí)來(lái)！

火速預(yù)約直播