編者的話

過去一年注定會成為人類歷史的重要章節(jié)—在經歷了信息爆炸和信息過剩之后，“語言失控的時代”到來了。準確地說是人類失去了對語言的控制。年初GPT 新版本發(fā)布時，簡短的介紹最后有一句憂心忡忡的話：“人類已經難以分辨出大模型撰寫的新聞?！钡侥甑祝墒饺斯ぶ悄埽ˋIGC）產生的語言文字已經遠遠超越新聞內容，變得無處不在、難以統(tǒng)計。

要說明一點：失控并非一定導致災難，更重要的是看能否適應這種變化。就像人類未曾能夠控制微小尺度間病毒的來去，也從來無法擺脫宇宙尺度上天體的運行，我們只是適應了這些規(guī)律。同樣，生成式人工智能雖然還在誕生的早期，但是它讓我們窺見一種可能：人類也許從來不是語言唯一的主人，而只是臨時看護了它的成長。要理解這一點，首先要思考一個問題：機器能否真正習得語言？

回到18 年前的冬天，在英國牛津北郊的學生宿舍里，我在一臺二手的ThinkPad 上處理著導師購買的33萬篇《紐約時報》語料，試圖通過機器學習讓算法能夠生成新聞背景。那一年，俄羅斯的“庫爾斯克號”核潛艇發(fā)生事故，沉入了海底。我立刻做了實驗，發(fā)現(xiàn)算法對潛艇災難的歸納與媒體報道高度相似。

我的導師是后來DeepMind 的研究成員之一，他提醒我：實驗的成功可能緣于新聞文體的特殊性，而并非算法。這也加深了我的疑惑：我們似乎總是在存量信息中尋找規(guī)律，例如“新聞第一段總是存在各種事實要素”等。這似乎是在靠經驗和概率提升運氣，而并非真正讓機器學會語言。這其中涉及到的專業(yè)叫“自然語言處理”。當時在同一間公寓里，另一位學者在研究“二語習得”，也就是人類如何學習母語之外的第二外語。我們交談之后，感覺兩門學科有相似之處，也存在類似的問題。

最近，在和獵豹移動董事長兼首席執(zhí)行官傅盛的對話中，他忽然讓我理解了這種聯(lián)系。傅盛的觀點是：之前的機器學習更像二語習得，而今天的生成式人工智能則接近母語學習。簡單理解：人類學習第二外語學習必須“錨定”一種母語，是一種關聯(lián)經驗的過程。作為對比，母語的習得則是人腦“沉浸”于客觀世界后獲得的整體印象，其過程更為“神秘且偉大”。

生成式人工智能的顛覆性在于：硅基智能一次性地完成了沉浸式的母語習得，而且接受了人類現(xiàn)存的上百種語言，以及語言所承載的人類知識和信息的總和。這種過程究竟創(chuàng)造了一個什么樣的事物，我們還在試圖理解，但是可以肯定其能量遠超我們的想象。舉個例子，最近讀到一段質量不高的文字，講述了亞馬遜創(chuàng)始人杰夫·貝佐斯和一位Kindle 早期設計師之間的恩恩怨怨。英文存在大量模糊的語言和跳躍的邏輯。我嘗試用一個國產大模型來翻譯這段話。結果發(fā)現(xiàn)人工智能不僅完成了英譯中，還補上了一些原文缺失的背景和邏輯關系，比如這位設計師離職后的故事。這種跨語言文化、深入到事件背景的梳理恰恰就是以前人類編輯的工作?，F(xiàn)在，機器不僅完成了文字創(chuàng)作，而且在速度和質量上遠超人類。

這個大模型是中國90 后的人工智能天才楊植麟開發(fā)的“月之暗面”。很顯然，暫且忽略機器是否有“意識”和“情感”這些問題，人工智能至少已經從錨定人類的認知框架，跨越到了“母語學習”，直接認識了客觀世界。試想一下，未來它們將會取代多少人類的腦力勞動？發(fā)刊前，我做了一個實驗，讓“月之暗面”閱讀了兩篇中英文的年度盤點，請它摘引一句對人類最有啟示的話。它選擇了拼多多創(chuàng)始人黃崢的一句意味深長的直接引語：“簡單和常識的力量是無窮的?！边^

章勱聞

《財富》（中文版）執(zhí)行主編