本期影片傳送門:「大小馬聊科技42(上）」
話題1、ChatGPT 顛覆百度谷歌？
話題2、馬斯克讓位，特斯拉朱曉彤什麼來路？
話題3、迪拜魚龍混雜，跌落神壇？
大小馬聊科技，用毒辣視角，聊科技熱點。
每週聊3個科技熱點，我是小蛋泥，我是大衛，我是電動 Emma。
ChatGPT 顛覆百度谷歌？
最近 ChatGPT 非常火，我看各種人都是特別的吹，但是我在節目開始之前，我想先唱唱反調。我總結了三點 ChatGPT 無法取代像我們這種比如播客創作者的原因。保住飯碗。
第一點我覺得 AI，就像 ChatGPT，它是沒有創作能力的。播客創作是需要創造力，還有獨特的想法，這些其實是人類才有的能力。AI 就只能依靠這些已有的資料進行分析，無法產生新穎的想法。第二點就是 AI 像 ChatGPT，它是無法理解人類語言和文化的。播客創作者是很需要和觀眾產生共鳴，這就需要對人類的語言還有文化產生深刻的理解。
第三點 AI 其實是比較缺乏這種人性的，我覺得大家比較喜歡播客的原因之一是因為它能夠展現人性，而且有的時候能感覺到人類的這種溫暖，還有鼓勵。但是 AI 其實就無法感受，也更無法表達人性。以上三點就是我總結的 ChatGPT 無法取代像我們這種創作者的原因。你們覺得我這三點總結的怎麼樣？
也無法取代郭德綱老師。
我想起我最近就在書店裡面隨便翻一本書，有一本特別那種成功學的，說的富人跟窮人的區別，其中一個就是面對新技術的時候，窮人找問題說這個技術這不行那不行，哈哈哈。富人就會馬上能看到它未來會有什麼應用。
我這三點就是找這不行那不行的，哈哈哈。
補充剛才蛋泥第一點講的。實際上我們在宗教哲學的角度，被造物實際上是很難揣摩造物主的意圖的，它永遠無法超越造物主，或者說它不能像造物主一樣思考。你知道雷德利斯科特拍的經典電影異形，裡面就有工程師創造了人，人創造了人造人 David，然後人造人創造了異形，這裡面就是一種造物主和被造物之間的關係。當然以後我們可以再講，言而總之，我覺得 AI 作為一個被造物，它只能在部分場景上像人，但是它沒有辦法像人一樣有這樣的想象力，或者這種認知能力，甚至是情感能力。
是的，如果大家覺得我之前的這三點說的還不錯的話，其實你們就掉入我設定的一個小陷阱了。其實以上三點回答都是 ChatGPT 幫我回答的。我問了一個問題，給大小馬聊科技寫一段文稿，描述 AI 為啥無法取代播客創作者的原因，它就給我列了 3 點。我覺得這三點說的還真挺巧妙的，確實還挺像人講的。
這個創意呢我澄清一下不是來自於我，我是看科技大博主 MKBHD，他也做了一集有關 AI ChatGPT 的影片，他也用英文問了給 MKBHD 寫一個文稿，聊聊 ChatGPT 怎麼是無法取代他？
我相當於又用中文重新問了一遍它，這個結果大家剛才也聽到了，確實還是挺讓人驚豔的。相當於我問它，它為什麼無法把我們取代。但它說的這些原因很多程度上已經把大部分人的回答都能取代了。邏輯性是非常強的，也說明我們還要更加努力，如果不好好再去努力，真的是要被它的這些回答取代了。
其實這種 Chatbot（聊天機器人），它在回答開放性問題的時候，我覺得就是 so so，因為這裡面很多片湯話，就像剛才那個問題，因為它是個開放性問題，它不是一個非常嚴謹的問題。所以只要它的回答撓到了小蛋泥的癢癢，小蛋泥就覺得回答的挺好。就好像你路邊找一個算命的。
對，他說你這輩子大富大貴，你就覺得好準。但是回答具體問題的時候，比如讓 Chatbot，我問它如何解釋光的波粒二象性，它解釋的就不好，甚至是沒有達到維基百科照著抄的水平。它其實不知道從哪總結了一個欄位任何物質都是什麼。其實這不是任何物質，光的波粒二象性只在光上面。所以你看這種具體的問題，它其實就容易回答錯。
而且我想補充一點，ChatGPT 它這次相當於刷屏，我覺得不只是 OpenAI 它今年第一次刷屏了。之前它還做過一個叫DALL·E。
相當於你輸入一段文字，它自動給你生成那種比較炫酷的圖片，精美度特別強。真的感覺是 NFT 創作者的福音。
其實這次相當於又搞了語言的人工智慧處理，我覺得也確實還是有挺多亮點的。我們之後也跟大家再去講講。我們自己也是專門問了幾個挺有意思的問題。Emma 也可以跟大家講講那些比較好玩的問題，可以跟大家分享一下。
我剛剛開始隨便問了 4 個問題，有兩個是比較感性的問題，兩個是比較理性的問題。很明顯能夠感覺到它面對理性的，而且是很特定的問題，解答還是算比較專業而且很有章法的。其中讓我覺得最厲害的一個問題就是我問它 B 站要怎麼樣才能吸引更多使用者，扭虧為盈。
這個問題它是非常有邏輯，我覺得它最厲害的一點就是它的表達是非常的緊湊的，而且邏輯性也很強，什麼該先說，什麼該後說，讓你很容易就接受它說的這些觀點。
它的回答到時候我們也會放到小丹尼知識星球。
哈哈，這就不用放星球了，直接放到影片，哈哈哈，不能啥都想撈錢了。
感性的問題我覺得是更有意思。它的回答第一個就是我問它，我說麻煩解釋給我男朋友聽，經常親親抱抱舉高高一個女生很重要。
我的天，這個問題如果你要我去自己解釋，我覺得我沒有它回答的好，可能因為它 train 的是直男理工男，把它 train 出來，所以它的回答先從女性荷爾蒙，再從女生普遍不像男生那麼普性，還有透過身體距離和情感距離的聯絡這幾方面來分析，反正特別到位。我看完這個回答，我就覺得它簡直就是女生跟男生溝通的橋樑。
我也嘗試問了一些感性的問題，但是我感覺確實像大衛說的比較片湯話，有點像直男的回答。比如我問它：媽媽和女朋友掉水裡，你要先救誰？它答案是如果你的媽媽和女朋友掉水裡，你應該儘快採取行動救援他們。而不是應該問先救誰，哈哈哈。而是應該先採取措施解決問題。比如你可以打電話報警，儘快去救援，反正就比較片湯話。
與此同時，我還問了一下谷歌這個問題，谷歌的回答就比較創造性。答案當然是先救女朋友，因為媽媽有爸爸來救我，反正就這種，可以啊谷歌，哈哈哈。
還有當然是先救媽媽，因為母親是有法律賦予扶助必要時救助的義務。如果是先義務而不作為，則構成不作為的犯罪。但是對女朋友沒有這樣的規定，不救助也不會構成不作為。反正谷歌的回答相對來比較豐富一些，也比較有創造性一些。
其實就是一套結構化的語言。我經常給朋友開玩笑，結構化的語言是什麼？情況就是這麼個情況，具體什麼情況還得看情況。這就是典型的結構化語言，但你聽完之後什麼都沒有聽。
我想知道它回答不一樣的思路的背後是什麼產生的？大衛你不是看了很多相關的論文嗎？你能不能給大家解釋一下？
實際上這回用到的，它為什麼叫 ChatGPT？因為它的全稱 GPT 叫做 the generative pre-trained transformer，實際上它是一個 transformer 的神經網路。
而且在我知道之前給大家講 FSD 時候講過監督學習和無監督學習，對吧？
實際上這裡邊用到的叫做 reinforcement learning，就是強化學習。強化學習實際上是跟監督學習和無監督學習，你可以理解為是並排的另一種機器學習的方法。強化學習你可以理解為它有一個懲罰和獎勵機制，而且這種懲罰獎勵機制實際上在心理學上是非常符合生物的本性的。
比如你到了一個陌生的環境，作為一個有理性的人或者一個有機體，你可以判斷出什麼東西是比如冷的，什麼東西是熱的，特別熱的時候你就會躲，或者特別冷的時候你就會躲。所以它未必是一個最好的結果，但它是一個相對來說理性的結果。
這裡面就有一個叫做補償機制了。所以當訓練強化學習的模型的時候，實際上還需要做一個獎勵機制。你可以理解為獎勵機制就是一群標註員，或者一群叫 labeler，它去 correct 它每次的 answer。
如果大家一下子沒有 get 到我說的，我就給大家舉個更簡單的例子。就是你每次在登入谷歌的時候，它有一個驗證，這個驗證叫 captcha 或者叫 recaptcha，它上面就會請你選擇出圖片中九宮格當中的腳踏車，或者九宮格當中的交通燈。
這種就是一個你作為 labeler 對吧，標註員你去做驗證，其實機器本身是有一個差不多答案的，你再會給它做二次驗證，這樣它反向結果就會越來越準。
其實這個 ChatGPT 它的模型也是這樣的。它剛開始是做了一個強化學習模型，強化學習模型更多的你可以理解為是一個非常粗糙的初代模型。它第二步是做了獎懲機制之後再訓練，才把機器做得更加的像人。還有第三步，實際上就是用矛攻盾了，我有一個最強的矛和一個最強的盾，它之間互相攻擊，用了這麼一個 PPO 的東西， PPO 叫做 proximal policy optimization，它其實也就是我再用一個 AI trainer，再去跟我原來機器去，比如說胡攪蠻纏，讓它從當中再去給出一個新的結果，所以它經過了三個步驟。
早期的搜尋引擎，實際上簡單來說就是一個監督學習的過程，後面引入了無監督學習，做了分類器。無監督學習特別適合做分類器，做推薦。
監督學習特別適合做給出一個你已經差不多有結果的結果。比如我拿汽車去訓練神經網路，讓它識別汽車，拿蘋果去訓練，讓它識別蘋果，對吧？無監督學習，你在這一群離散的這些點當中，給我剝離出你認為。比如說我們把人虛擬成一個點，什麼樣的人更適合買這個產品，你把它在 best feed line 上，你說 best feed line 上面這部分人適合買這個產品的。
那麼強化學習實際上我剛才講的是第三類，但是它需要做一些 human feedback，人類的補償機制，不斷的再去跟它，相當於人類是強化學習當中的自然環境，我們在幫它做這種獎懲的選擇。但是我們作為從嬰兒長大的過程中，我們周遭的環境，比如爸媽、託兒所的老師，我們的自然環境就是獎懲機制。所以大體就是這個意思。
大衛剛才說的它這些獎懲機制其實也是促進 ChatGPT 一直在不斷的進步，也是會不斷的改進它答案的結果。我們釋出影片或者是音訊之後，其實大家再去輸入它的問題，它的答案可能已經很不一樣了。
比如我之前看一個網友問，他問 ChatGPT 把大象裝進冰箱總共分幾步？它一直說大象裝進冰箱不人道是不可能的，因為冰箱通常都比較小，大象是非常龐大的動物什麼的。
但是等到我去再問了它把大象裝進冰箱需要幾步的時候，剛開始說這是不可能的，因為大象體型太大無法裝進冰箱，但後來說如果你非要把它裝進冰箱，需要的步驟可能是就給我列了 12345 五步。最後還說我們強烈的建議你不要嘗試這樣做，因為這樣既不環保也不人道，可能會對大象造成嚴重傷害。反正我覺得這個回答都是已經很周全了，真的是像領導講話一樣滴水不漏。
回到剛才小蛋泥談的，有一個人叫做喬治伯克萊，他實際上是一個英國人，經驗理論的提出者，他是個大哲學家。大家也知道勒內笛卡兒，法國大數學家，他也是個非常有名的哲學家，他提出的一種觀點就是叫做邏輯論。實際上，無論是我們在如何鬥機器人的時候，它都逃不開一個範疇，而這個範疇在哲學範疇之內就是它已經是被定義過的了。
回到剛才小蛋泥講的這個問題，如何把一個大象放到冰箱裡？如果這個問題你問笛卡爾，笛卡爾首先就會說什麼是大象對吧？什麼叫放，就放這個東西是什麼意思？所以機器是在我們人定義的哲學的 ontology， 就是哲學的本體當中進行的一個判斷。而人是非常崇高的，人作為被造物，當然機器是人的被造物，它無法理解人所創造的語義環境下的為什麼是這樣子，對吧。就剛我講的什麼叫做放，什麼叫做放進冰箱，冰箱又是如何定義？你怎麼定義冰箱？是我眨眼睛它存在，還是不眨眼睛的時候它存在，對吧？上升到另一個維度了。
我還挺好奇的就是 ChatGPT 如果問到一些問題，比如是你們專業的領域的時候，我不知道它的回答你們感覺表現怎麼樣，反正我的感覺表現不太好。比如我問它蔚小理和特斯拉的三季度財報對比，我換著方法問它都沒有一個比較明確的答案。
還有比如給我幾個關於這期影片聊 ChatGPT 的好標題，哈哈哈，它給的那些標題都是特別正經的，比如 ChatGPT：人工智慧聊天機器人，這種肯定完全沒流量。
哈哈哈，完全不夠標題黨對吧。其實很像網友經常批評我的『一聊到我的專業領域，小蛋泥就露怯了，就不行了』
我比較好奇的就是 ChatGPT 對於你們的這些專業領域，有沒有比較好的回答，你們感覺滿意嗎？比如 Emma，你不是學十七世紀的法國文學嗎？我還真問了它一個問題，我問它十七世紀法國悲劇為什麼動人，它的回答太水了哈，有點邏輯，就像你剛才說的大象放冰箱的例子一樣，它說每個人被打動的點不同，有些人是因為這個被打動，有些人是因為那個被打動，所以無法直接給出一個回答說什麼十七世紀法國悲劇是因為什麼打動你？這種非常官腔，非常水，沒有任何的靈氣。
因為機器無法理解被打動，它無法理解被打動這個才是問題。它作為一個被造物，人作為它的造物主，它無法理解人的情感是如何在淚點上，我們是如何被打動的，或者我們的笑點是如何搞笑的。我問過 Chatbot 一個笑話。我說你給我講個笑話，那個笑話一點都不好笑，也許是機器人之間講的搞笑吧，說不定一個 Chatbot給另外一個講，那個機器在抖動咯咯咯咯咯它在笑。
我好奇如果把這個問題問你，Emma，你是怎麼來回答。
我可能會說大家更熟悉的是十六七世紀的英國悲劇，以莎士比亞寫的悲劇為首的，你會看到它主要的那些悲劇都是圍繞男主角發生的，像什麼李爾王、哈姆萊特、邁克白都是男的。
但是法國的十六七世紀的悲劇都是以女人為軸，而且是以愛情為中心。所以你看法國的大名著，這些十六七世紀的大名著的這些悲劇都是以深陷愛情的大女主來命名的。所以它其實跟唐詩宋詞就有點像，我們不是說唐詩之境闊，宋詞之言長。其實英國悲劇和法國悲劇的區別就在這裡。英國它是那種更宏大的，境界和格局都更高的。但法國悲劇它就更像宋詞，很細膩多情的，能夠很容易就觸動你很感性的那一條神經。
所以我看法國悲劇的時候，很多時候會覺得那種好萊塢花 1 個億的特效片都沒辦法做到像法國戲劇這樣一句話就讓你全身都酥了的感覺。所以這個是我覺得法國悲劇很厲害的地方。
我感覺你這回答是更打動女人，不是更打動人。
風格不同，不過確實是它的區別。我對一個事情我感覺很有意思的，我發現 ChatGPT 一出來確實是很刷屏。與此同時我還看到了確實反映出中國人在商業應用方面創新。怎麼掙錢來說還是反應非常快了，很機靈了。比如我一看 ChatGPT 一出來了，各種的相關的應用就搞出來了。
比如我在極客上看到的有那種專門的機器人的回答的賬號，比如它叫 AlphaChat。AI，相當於把那些回答貼到社交網路上，就能跟網友互動什麼的，瞬間也是粉絲也破萬了。以後就可以搞一些商業化什麼的。
最有意思的就是他還有搞了這種 Chrome 的谷歌瀏覽器的外掛。左邊是谷歌的回答，右邊直接顯示出來 ChatGPT 的回答。這樣你就可以兩個互相對比。比如之前我問女朋友和媽媽掉水裡先救誰問題的對比，展示出來谷歌的和 ChatGPT 的回答。
我在谷歌商店還搜了一下這個外掛，確實用的還挺好玩的。下邊一個的外掛就是 ChatGPT for 知乎，就相當於哈哈哈對，這一看就是中國人搞的。
Chatbot 特別適合寫有些知乎上那種片湯回答，或者它適合去做什麼，做那種新聞快訊，你只要給它幾個 www when， where and what，它就很快給你生成一個片湯文章了。
就像我媽，她是做老師的，每年不要寫總結報告，完全就適合，每年都是差不多的片湯話，要換著法子說的。情況就是這麼個情況，具體什麼情況還得看情況。
我覺得你們有沒有想過，其實這種 Chatbot 已經存在很久了，為什麼這一個會那麼火？我自己分析一下。你看它五天就有超過 100 萬人想跟它聊天。我自己分析下來，我覺得是有幾個，一個它其實不像以前的很多 Chatbot 一樣，是很專攻的。
比如以前不是有那種專門給你寫情詩的那種，你給它幾個關鍵字它寫情詩，或者是有一些專門問什麼問題的，但是它從寫程式碼、寫情書、寫論文，甚至是那種比較精準的醫學診斷報告它都能給你出。而且是很接近人的說話能力，也是邏輯性，是我試過那麼多 Chatbot 裡面最強的，他就會讓你覺得它有很多的可能性，它幾乎可以涵蓋所有的型別的那種工作助手。
反正我覺得危機感比較強的一個客服，愛說片湯話的，另外一個就是領導講話。我覺得都是兩個重災區的行業。與此同時，我還想提一點，雖然 ChatGPT 確實很火，剛上線一週的時候就有超過百萬的使用者去使用了。在中國使用稍微比較麻煩一些，因為它是需要註冊的時候用一個國外的手機號，這樣才能使用，所以可能大家接觸的不是很多，不過我們可以搞個小互動，如果大家對於什麼問題感興趣，也可以在我們播客或者是影片下方留言，到時候我們也可以把答案替大家問完了貼出來。
還有一點我想強調的，雖然 ChatGPT 使用的人數很多，比如一週就超百萬，但是我想希望大家關注更多的一個數據，它到底長期的留存率怎麼樣，包括是不是大家還是一直長時間的去使用。這個其實有點像類似我之前在小丹尼知識星球發過一條，其實在演算法推薦的時代，影片的播放量其實我感覺也越來越不重要，因為很多的內容，它火的是它熱點的本身，而不是大家關注創作者的本身，大家是要區分出來的，到底是一個事件火，還是它的創作者，或者是像 ChatGPT 它工具火，其實還是需要觀察的。
大家可能因為感到了一個熱點，圖個新鮮勁，但是不是能長期使用，其實有點類似之前比如老羅，他做過一個叫子彈簡訊的，也是相當於聊天的方式，大家感覺挺顛覆性的。那會兒甚至都說可能要顛覆微信，但後來證明大家長期使用還是不習慣的。所以這個趨勢我覺得大家還是要觀察一下。
小蛋泥講的，實際上它作為一個技術本身，它的論文也好，它的背後的這些 KNOW HOW 也好，它如何落在一個產品上面。而中國人，其實整個在商業化當中，我們更關注的不是它的原創性本身，而是它如何變成一個商業化產品對吧？如果它落在蔚小理的車上，它可能是一個形態，如果落在你的檯燈上，它可能是一個形態。大家更關心的是它如何讓我日常當中能接觸這個產品，並且實實在在給我創造價值。
不過我理解 OpenAI，你聽它這個名字，它就不像一個公立的機構，凡是打上 open 的名字的，比如之前我們用的很多開源軟體，都是 open 開頭的。OpenCV，對吧？它都不是以最終某個產品形態為目的，而是率先提出一種理論，讓全世界的人基於它去做別的開發。其實某種程度上來講，我覺得這種組織或者這種行為是更加偉大的。
反正我覺得這次它突破主要原因還是它能達到很多之前大家意想不到的效果，比如說能出來這些新的程式碼，又能做這種相對來有些感性的這些回答，比之前的那些谷歌的或者是 Chatbot 已經是進步很多了。
但是我覺得還是需要關注一些它的和人類的區別是什麼的。我覺得作為人，我們作為人也是透過用它，知道它擅長什麼東西，我要給它發怎樣的指令，它是能夠最好的服務於我。
對這種問題，其實在搜尋當中叫長尾和短尾的問題。
早年我不是在百度搜索，實際上日常當中我們用的最多的搜尋都是這種短尾搜尋，就是找車找房子，找人找公司對吧，這種搜尋甚至是不需要用到這麼先進的強化學習來做的。但是你像剛才我們問的悲劇如何，這是非常非常長尾的問題。甚至是如果看 normal distribution，它可能是最往右或者最往左那一尖尖上的問題了。所以這種問題實際上我們再去尋找答案的時候，有很多途徑。
當然，就算 Chatbot 給你一個答案，你也未必相信它。你還是會去再查查資料，看看書評，看看那些名家大師如何的回答。所以我覺得這種回答具體是不是精準已經不是那麼重要了，因為它太長尾了。
這一點我覺得很重要。大家要想著怎麼去利用它能服務自己，能做更多的這種生產力工具。比如我們做影片，它確實是無法去幫你去寫稿，但是它能幫你出一些剛開始的 bullet point，你就可以，結構性的東西。對結構性的這些要點，你可以在此基礎上再去發揮。
建議大家不要像我一樣，剛開始用這種窮人思維去挑毛病、挑刺什麼的，還是想怎麼去能把它用得更好。而且更重要是觀察它之後留存率，或者是大家使用的趨勢，包括它進步的趨勢，我覺得是特別重要的。大衛之前給大家聊的關於它 ChatGPT 的原理圖，比較複雜，到時候我們也是把它貼到我們的影片版，大家如果感興趣可以去觀看。
不要老往你的星球上貼了。
馬斯克讓位，特斯拉朱曉彤什麼來路？
迪拜魚龍混雜，跌落神壇？
更多內容掃碼檢視原文：
