用了chatGPT之后，我不得不向机器学习

ChatGPT火了之后，有人惊叹这个工具的厉害，也有人讨论它的不严谨。有人认为它未来能带来教育方面的平权，因为所有人可以公平的通过它接触到全世界的公开资料。

也有人认为，这个工具反而会放大大家的信息鸿沟，因为使用者水平的不同会导致使用效果天差地别。会用和不会用的两波人之间的差距，会比它没出现之前更大。

以深蓝、阿尔法狗和chatGPT为代表的人工智能，已经在多个领域战胜了人类。这是事实。

在研究了它们到底怎样战胜人类之后，我发现，自己必须要开始向机器学习。因为它们的训练方法确实能导向更强的实力。

第一个要学习的，就是克服人性的弱点。贪婪、恐惧、焦虑、不安、傲慢和懒惰，都是人性的弱点。这些机器人都没有。

1997年，世界棋王卡斯帕罗夫就曾经被IBM的机器人“深蓝”打败。事后，他曾经回忆过，自己和机器人对决的时候那种不安的感觉。

卡斯帕罗夫是国际象棋界公认的世界棋王，他少年成名，从22岁开始，他连续21年在棋坛封王。有一场经典的比赛证实过卡斯帕罗夫的实力。

他曾经一个人对抗来自全世界75个国家和地区的5万名国际象棋高手。卡斯帕罗夫自己在一边，其他5万人在另外一边。

那5万人可以讨论，商量、投票决定下一步往哪走，一招棋的讨论时间可以长达1天。经过4个月的拉锯战，5万人弃权认输，卡斯帕罗夫获胜。

但是，这位世界棋王在和“深蓝”的对决中，溃败认输。事后，他曾经在TED演讲中回忆了这场比赛。

“比赛之前，我已经和世界顶级选手进行过数百场较量。我能从他们的肢体语言中判断出他们的精神状态，还有下一步会怎么走。但当我坐在‘深蓝’对面的时候，立刻有一种崭新的、不安的感觉。我无法预测它到底要做什么。”

之后，谷歌的阿尔法狗又曾经先后打败过世界冠军李世石和柯洁。柯洁在赛后曾经沮丧的认为，自己的职业生涯就要结束了。

无数人研究过阿尔法狗为什么能够战胜人类。他们发现了阿尔法狗“强化学习”模式。的两个秘密。

第一个就是“左右互搏”，每天自己和自己下棋，自我对弈3万局，不知疲倦。这是人类不可能做到的，人的体力最多支撑对决十几盘。

第二个就是，它每下一步棋都能实现“快速复盘”。快速评估这一招棋走的是好是坏。从而进一步计算这一步棋对全局赢面的影响。还能根据这一步棋，决定接下来的棋要怎么走。这种快速的计算能力和积累，是人类很难做到的。

阿尔法狗成功的这两个秘密，正是人类需要向机器学习的地方。在第一个秘密中，我们并不是要学习机器永不知疲倦，这是不可能做到的。值得学习和借鉴的是，我们需要向机器一样，尽量让自己在对决中克服人性的弱点，弱点越少，赢面越大。

第二个秘密，要学习这种“快速复盘”的能力，尽管我们根本就不可能很快速。但这种思路仍然可以在实际做事过程中给我们很多启发。我们需要尽量快速的盘点每一个动作的得失，以便于调整接下来的动作。

如果我们能够做到这两点，的确可以在实际工作中获得更好的结果。

ChatGPT相比于前几代人工智能机器人，更厉害的地方在于它的RLHF训练方法。这种训练方法翻译过来叫“从人类反馈中强化学习”（Reinforcement Learning from Human Feedback，RLHF）。

工程师们为了训练chatGPT，除了搭建语言模型之外，还要喂给它大量的语料，让它能够自主理解上下文。这样，才能实现给了上文之后，自动生成下文。而且，每一次用户和它的互动和反馈，都是在帮助chatGPT学习和提升。它的理解越来越精准，回复也越来越完善。

就在两年前，它还仅仅只能回答“一年有几个季节”这种基本的事实性问题。两年过后，它已经能在聊天中识别笑话、能写新闻稿和代码，也能给程序找bug了。

而人类，即便在学习能力最强的10-20岁时期，也不可能成长的这么快。更何况，人在一生中还有故步自封的中年和老年时期。相比于机器人，我们经常听不进去别人的劝告和建议。机器人训练中这种快速学习和反馈调整的策略，不正是自我迭代的方法嘛。

人和机器人要如何相处？乐观派认为，机器人永远都只是人类的工具；悲观派也曾经担心人类被机器人殖民和统治。在人工智能技术逐渐成熟的过程中，科学家和工程师们模拟人类大脑思考的方式去训练机器人。

在这两派之外，我想，如果我们能像机器一样学习，不是也会很厉害吗？

（全文完）

感谢阅读，原创不易，转载请注明出处。