人工智能潜能显现-知识生产者面临新课题

上半年，ChatGPT的横空出世让人们对人工智能的潜能刮目相看，同时也引发了一场关于职业生存危机的广泛探讨。这款强大的工具不仅能够通过律师和工程师资格考试，写出足以通过大学考试的论文，甚至还能“理解”笑话。它擅长回答各种问题，组织生动的语言，模仿多样化的语言风格。而当大语言模型与图像生成AI技术相结合时，即便是毫无艺术训练背景的人，也能通过简单的指令“创造”出令人惊叹的艺术图像。

对于知识的“加工”和“消费”者来说，大语言模型结合生成式人工智能的能力无疑是巨大的福音。海量语素数据、深度神经网络和强大的计算能力，将互联网上的知识“压平”后再通过人机互动进行“整装”，使得知识加工变得更加便捷迅速，消费也变得更加简明清晰。

技术乐观主义者认为，随着机器生成内容的能力不断提升，未来许多原本需要人类动脑实现的工作或许都将被机器取代，就像搜索引擎取代了图书馆的馆藏卡片、计算器取代了珠算一样。确实，对于大量重复的文字工作或机械的列举、整理工作，即使AI不介入最终决策，也能提供显著的生产力，辅助人类进行知识的加工和消费。

然而，这也引发了一个新的问题：在人工智能如此强大的背景下，读书还有用吗？高校和研究机构的人员是否会被取代？大语言模型和生成式人工智能为未来的知识“生产者”带来了一个绕不开的课题：何为知识？如何生产多样、公正、真实的知识？

人工智能的“学习能力”确实令人惊叹。现有的大语言模型和人工智能应用都以机器学习为基础，通过大量的数据训练预测模型，并在预测的准确度和普适性上找到平衡。这种预测基于现有知识的语言模型，也基于现有语言之间的联系。因此，人工智能能够发现数据之间的潜在联系，甚至“学到”一些现实中不存在但很可能发生的联系。

然而，这也带来了一个问题：如果现有知识的基础是不足的或是有偏见的，那么在此基础上建立的新知识也会产生偏差。自机器学习的AI投入大规模应用以来，学者们就不断揭示这些模型内在的偏见，如性别歧视、种族歧视、有违伦理的输出等。开发者虽然用各种方式去弥补这些偏见，但大部分问题都潜藏于数据生产和训练过程中，而AI的偏见实际上是对社会偏见的反映和放大。

因此，知识生产者在与机器紧密合作的过程中必须保持警惕。AI提供的便捷和可延展性可能会让人们更容易忽视没有被数据化、电子化的、非主流的、经验性的知识，从而错过形成新观点、新视角的可能。新的知识往往产生于对新材料的挖掘、不同观点之间的碰撞以及对现有知识的重新解构。大语言模型虽然为知识的展现提供了许多可能，但其内在的逻辑和架构可能与这种生产方式相悖。

在使用ChatGPT等工具时，笔者发现它们有时会“一本正经地胡说八道”，比如列举一本不存在的书或一篇没发表过的论文。领域越是狭窄、专业，“胡说”的可能性就越大。因此，对于知识生产者而言，如何活用人工智能去挖掘现有知识库的模式和联系，但又对机器的“幻视”保持警惕，是非常重要的技能。与AI“对话”也将成为一个新的技能，需要知识生产者和技术从业人员合作，从技术的底层或中层入手，更有效地与机器对话，理解和对抗“幻视”。

此外，对于新知识、新视角、新材料的研究，各个领域独有的结构和诠释在当下依然是十分关键的。大语言模型和生成式AI的预测模式依然倾向于单一和重复，训练材料少的领域能力就越有限。因此，想要实现机器和人的能力的结合，就必须从数据的生产根源上着手，用准确、多样、公正、新颖的数据训练AI模型，建立良性的人机互动模式。

大语言模型和生成式AI的问世给研究人员带来的挑战只是一个开始。与其担忧“取代”，不如在更加审慎的目光下寻求磨合与发展的可能。未来，知识生产者需要不断提升自己的技能，与人工智能共同进步，以应对这个不断变化的世界。