华为管理培训
数字化转型培训

华为潘少钦:AI时代,如何与诸神共舞?

1

 

版权声明

来源:正和岛(zhenghedao),书享界(readsharecn)

作者:潘少钦,华为公司蓝军部部长

导语

2025年,注定是AI大规模普及的元年。

这场名为AI的浪潮是不可逆的,那么面对这场浪潮,我们该如何自处?我们最终会被硅基文明取代?作为个体,我们又该如何更好地生存下去,并从浪潮中找到新机遇和红利?

针对AI带给我们的种种迷思,华为公司蓝军部部长潘少钦基于第一性原理和多学科思维,融合了历史纵深和科技前沿,深入浅出地为我们呈现了一副AI将如何影响人类(地球)文明的蓝图。

强烈推荐给每一位读者和你的朋友、孩子,相信读完本文后,你一定会对AI有一个更深层、更全面的认知,也会真正领悟到,当下,我们每一个人该如何与诸神(AI)共舞?

 

这是一篇非常另类的AI文章,充满了我极其强烈的个人色彩,也是一篇民科型的思考。

这也是一篇从历史学、生物学和哲学方面思考AI的文章,视角很另类、很独特。

不保证正确,但保证非常有趣。

非常适合推荐给你的孩子们看看。

 

1

从旧图灵测试和新图灵测试说起

 

AI的历史不长,其最早定义来自于七十年前图灵老爷子纯朴的一个假设性场景:图灵测试。

 

图灵是计算机软件之父,是赏我们这些计算产业从业者饭吃的祖师爷。当今计算机界最知名的奖项(类似于诺贝尔奖),就是以图灵命名的图灵奖。

 

这个假设性场景就是,假设一个东西坐在一个装了帘子的小屋子里和外面的人进行问答,人类不知对方是人是狗还是机器,如果TA能答对人类提出的70%问题,那么就可以认为这个东西是智能的,如果TA不是人,那就是人工智能。

 

因此,判断一个机器是不是足够智能,就是要能通过图灵测试。现在测试各个公司的AI大模型是不是足够聪明、足够有竞争力,依然是按照这个方式在运作。

 

但现在真实的AI图灵测试和图灵当时设想的图灵测试,完全是两个概念。

 

2

 

如上图而言,图灵当时设想的图灵测试,测试的是人和狗,能回答人类70%问题的就是人,否则就是狗。

 

而今天,我们任何一个人,哪怕是世界上最聪明的人,或者人类有史以来最聪明的人坐在那个帘子后面,去做现在的AI图灵测试,那百分百都是通不过的!只会被判断为弱智!

 

因为现在的图灵测试是对神的测试!

 

想一想现在我们对AI的各种期望!TA要是国际数学比赛金牌选手,物理生化博士水平,还要是编程高手、音乐达人、动画设计大师、国际金奖画家、金牌财务、顶级律师、顶级同声翻译、顶级炒股专家(比如做出DeepSeek的金主幻方)!

 

这不是神才能办到的事情吗?

 

因为神才能无所不知、无所不能!

 

因此,抛弃人的优越感,把AI和人作为平等主体客观看待,我们发现,历史从来没有出现的智力怪物(或智力上帝)出现了!

 

这个观点真的特别有意思。在上AI技术课程的时候,你记住这个观点,可以让很多事豁然开朗。

 

想一想,当前我们对大模型的Prompt(提示词工程),是不是有点类似对神的祈祷词?

 

大模型是神,不同的大模型是不同的神,正如神也是有分工的,比如观音管生子,财神爷管发财;同时正如印度电影《三傻大闹宝莱坞》所展现的片段,亚洲的宗教拜神活动,是和神的一场交易,你上香上贡,目的是让神保佑你升官发财、找个漂亮女友、生个大胖小子或者考试顺利,因此,我们向神祈祷的时候,一定要选对神(在大模型工程中就是要选对基础大模型),然后祈祷要正确,要能清晰表达你的意图,也就是在Prompt课程中讲的,要立角色、述问题、定目标、补要求。

 

这和拜神不是一模一样的吗?神是很忙的,全世界很多人都在祈祷,你不说清楚,神怎么知道你要什么呢?

 

再想一想,AI大模型在企业落地的时候,经常需要SFT(给小白的说明:大模型的SFT就是微调,利用企业的数据对基础大模型进行少量调制,目的是更好地适应企业的使用环境),拿神来比较,就是类似于对神的本土化微调,让神更好地服务于我们。

 

比如,我们祈祷神,神说四季会风调雨顺、五谷丰登,如果这个神也管马尔代夫,那么在马尔代夫,这个答复肯定要本土化改造,因为马尔代夫没有四季,只有旱季和雨季,最重要的农作物也可能不是五谷(这个我没有研究,但从旅游的感知来说应该是如此)。

 

在企业AI领域,我们说大模型给企业IT带来最大的变化就是不确定性的引入。过去的IT是严格按照规则来写程序,确定性就是必然的结果。当前企业IT中引入AI,就是在需要的环节加上大模型的使用,就是放了一墩神,所谓的使用,大致上就是向其祈祷再得到回复。

 

这就带来不确定性,因为这是向神祈祷所带来的不确定性。你向神祈祷,神可能满足你也可能不满足你,可能给你期望的结果,也可能不是你所期望的。

 

写到这里,我在想一个问题,我们在大模型的眼中是什么样子,也就是人在神的眼中是什么样子。这里有个很有趣的小比喻。

 

假设我是一个典型Loser,很懒散的小伙子,每天都点外卖,而且很不讲卫生,剩饭剩菜漏了不少,这就使周边的一窝蚂蚁过上了幸福的生活,蚂蚁中最聪明的智者为了感谢你,把你塑造为神,把高大的形象雕塑下来,供奉起来,把蚂蚁们认为最珍惜的食物残渣供上去,供你享用,然后祈祷你保佑,在未来的日子里给出更多的食物残渣。

 

非常反讽的一个故事。

 

我们也许就是那些蚂蚁!AI教父辛顿最近也这样说:那些超越人类的AI看我们,可能就像我们看蟑螂一样。

 

我们这个AI时代,各个公司推出大模型,就是在造神!

 

每种神都有不同的法力,不同的商业模式。

 

闭源=开封闭寺庙,拜神要收门票,要买专门的香;开源=开放性寺庙,不要门票不用买香就可以祈祷。

 

中国这两年,有个百模大战,就是大家在重复地造神,而且是低水平重复地造神。

 

最近,有家中国小公司造了一个很牛的神,就是DeepSeek,这个神,不用买门票(开源的),而且很灵光(功能很强大),因此风靡全球,引起北美神界极大的冲击,尤其在中国本土领域,更是被誉为民族之光、民族之神,很明显会终结那些低水平的重复造神运动,大量模型公司倒闭是可想象的事情。

 

不知不觉,我们已经生活在诸神时代!我们正在与诸神共舞!

 

这就是新的AI时代!

 

2

站在人类文明的视角思考AI是什么

 

2005年,加拿大经济学家理查德·利普西出版了一本影响很大的著作《经济转型:通用目的技术与长期经济增长》,提出在人类文明发展的历史中,有24项极为重要的GPT技术(General Purpose Technology,通用目的技术),这些技术不但自己极为重要,形成大的新兴产业,更为重要是改变了各行各业,极大地提升了人类生产力,推动了文明的大发展。典型的GPT技术包括大家耳熟能详的蒸汽机、电力、互联网等。

 

这本书出版于2005年,此时人工智能还没有出现,但毫无疑问,AI也肯定是一种GPT技术,因此AI极为重要。

 

在这个基础,我进一步思考,提出新的潘式理论(Pan’s theory),以此阐述AI对人类、对文明的超级意义。

 

3

 

我认为,人类进化有两条主线,一条是能源进化,一条是智能进化。

 

先从能源进化主线说起。

 

利用能源的能力作为文明等级划分的依据是科学家的共识。有个著名的苏联天文学家尼古拉·卡尔达舍夫(Nikolai Kardashev)指数来划分,这个划分方法简单来说就是,可以完全掌握并利用一整颗行星能源和能量的文明就是一级文明。

 

同理掌握一整个恒星系的文明就是二级文明,掌握一整个星系的文明就是三级文明,假如我们人类挣够掌握整个银河系的能源和能量就成为三级文明了。

 

按这个划分,我们地球文明现在离最低的一级文明也差的很远。我们还是很原始的文明。

 

在讨论能源进化主线之前,首先要请大家建立一个概念,地球上所有物种,包括植物、动物和人类,在核能没有发明之前,都是太阳能的搬运工。

 

植物吸收太阳光,进行光合反应,茁壮成长,食草动物吃植物,食肉动物吃食草动物,人类什么都吃,但本质上都是太阳能在搬运。因为能量的起源都是太阳能,没有核能之前,地球上所有物种的99.99%能源,从根本上来说,都是来源于太阳能。

 

教你一个装NB的好方法。当你和你的女朋友约会,一起吃牛排的时候,你要说,哥吃的不是牛排,而是阳光。大概率,你会换来女朋友崇拜的眼光。

 

人类能源进化有四个节点。

 

第一个节点是打猎和采集浆果,这是原始人获取食物、获取能源的唯一通道。太阳能转换为浆果和动物,这个过程是被捕获对象自己运转的,因此我称之为这个阶段是对纯粹太阳能的利用。正如《时间简史》书中所述,当时的原始人类是非常快乐的,每天追逐着阳光,打猎和采集浆果,极为健康快乐的生活方式。

 

第二个节点是驯化植物和动物。驯化植物和动物本质是就是人类主动聚集太阳能,把植物的光合反应聚集起来(其实现在的光伏系统差不多干的是同样的事情),把植物转为动物可食用肉的过程聚集起来。总体上,这个阶段还属于浅层次的太阳能使用阶段。

 

聚集的过程就使人类部落突然拥有前所未有的食物和能源。这就引起人类部落内部极为强烈的内卷。因为在冷兵器时代,人口意味着战斗力,意味着部落的生存还是毁灭,是当主人还是当奴隶。

 

一个田种得好的部落,能养活500人,那么就会横扫200人规模的部落,这就出现了更大部落、部落联盟、城市、王国以及帝国,人类的组织形态越来越大,文明就有更大的人口基数高效率地发展起来。

 

粮食足够多了后,还出现一个现象,就是不用所有人要去寻找食物,忙于生计,就出现了职业分工,比如祭祀、手工业者、军人、领导等,社会分工直接促进了文明大发展。

 

其实这就是农业革命。

 

可能因为时间长远的原因,农业革命的价值长期被严重低估,农业革命意味着原始人真正进入现代人的阶段,甚至可以说,农业革命后和革命前的人就不是同样的物种,农业革命是人类历史上极为重要的分水岭。

 

第三个阶段就是工业革命。工业革命最具标志的发明就是蒸汽机和电力,因此工业革命又可以划分为蒸汽时代和电气时代。

 

而从根本来说蒸汽机和电力使用的依然是太阳能,因为蒸汽机用的煤是上亿年植物尸体沉积而成,电力机车用的石油是上亿年动物尸体沉积而成。相比于前两个阶段,这个阶段可以说是对太阳能的深层次使用。

 

但无论我们说这个时代变化多大,我们所有的活动本质上依然是太阳能的搬运工。

 

第四个阶段就是核能。

 

核能的出现,使人类进化第一次摆脱了太阳能的主导路线,使人类理论上在太阳熄灭后依然可以生存(当前仅是理论上)。

 

这是无比伟大的事情。

 

我们很难想象太阳能对地球的物种、对人类有多重要。

 

地球吸收了太阳核辐射能量的22亿分之一,而人类又使用了其中的1800分之一。

 

我们整个地球就像一颗尘埃围绕着太阳转,吸收了其中极为微薄的太阳能,从宇宙尺度来说,这微不足道的一点点能量,成就美丽的地球,成就了伟大的人类文明。

 

这是多么伟大的神迹!

 

三体小说第一集中,常伟思将军第一次隐晦谈到三体文明时,对汪淼说:整个人类历史也是偶然,从石器时代到今天都没什么重大变故,真幸运。

 

因此,很多物理学家最后都信上帝,因为这是无法解释的神迹。

 

核能的发明使人类第一次摆脱了太阳能偶然产生的副产品的定位。

 

核能发明的另外一个特点是,我们打开了不知道是通往幸福还是通往毁灭的大门,理论上核能武器拥有轻而易举毁灭全人类的能力。在核能发明过程的科学家们(如奥本海默、爱因斯坦)普遍都有一种非常痛苦的内疚感。

 

智能进化是人类进化另外一条主线路。

 

对应着人类能源进化,人类智能进化也有四个节点。

 

谈到智能进化,我们经常是从信息时代开始的,但我认为,应该从人类对语言的发明开始。人类复杂的喉结是硬件,语言是软件。人类复杂的语言是构建族群大规模协作的基础,也是人类站在地球物种之巅的关键。

 

在小的时候,曾经看过一个纪录片,印象极为深刻,至今未忘。纪录片内容是复现早期人类如何杀死一群大象的,猎人们并没有直接和大象肉搏,而是通过大规模协同,挥舞武器吼叫,驱赶大象沿着猎人们设计的线路一路狂奔,最后大象跑到悬崖边,控制不住而摔死在山下,猎人们再去收割象牙象肉。

 

人类的语言加上对工具的使用,形成了地球上恐怖的统治力,这个结果就是地球上不尊重人类的大型动物必然灭绝。什么叫不尊重人类的大型动物?就是听到人类的声音不知道回避,碰到一群人不知道快速逃离,不把对人类的恐惧刻印到DNA的大型动物,都是不尊重人类的,都会被种族灭绝。

 

虽然现在人类天天高喊保护动物的多样性,但人类本身是大型动物灭绝的罪魁祸首,地球上80%的大型动物都因为人类的狩猎而灭绝。

 

语言非常重要,但语言有一个很大的缺陷,就是代际间传播的信息快速衰减效应。以前团建活动中经常玩的一个游戏,一个小组从头到尾口口相传一段话,到最后一个人的口中往往就面目全非了。

 

一般来说,语言承载的信息最多能比较好地传递三代人,再传下去就可能衰减到没有意义。

 

《指环王》电影开篇有一句经典台词:“History became legend, legend became myth.”‌意思是“历史成为传说,传说成为神话”‌,就是这种衰减效应艺术化、浪漫化的表达。

 

相比语言,文字的价值在于传递的代际无衰减效应。我们今天能看到四书五经、古罗马神话、牛顿三定律、爱因斯坦相对论,能够快速学习和掌握相关知识,是因为它们被记录在文字上。

 

文字的发明,使我们每代人都是站在最聪明的前辈的智慧结晶基础上发展,因此文字就是人类文明整个族群的DNA。这也是我认知的人类智能进化的第二个关键节点

 

互联网是人类智能进化的第三个关键节点。互联网造就了信息大爆炸,理论上是每个人可以拥有全球所有的知识。这也为AI大模型的发展奠定了最为关键的数据基础。

 

第四个节点就是AI。

 

AI和核能的发明相似。

 

第一,AI的产生,理论上使地球上智慧物种的进化,可以摆脱单纯依赖碳基生命的这条道路,这和核能的发明使人类摆脱单纯依赖太阳能进化的路线类似。

 

第二,和核能一样,AI理论上也可以灭绝人类,这个在无数的科幻小说、科幻电影中再三出现,典型是施瓦辛格主演的《终结者》。和如奥本海默、爱因斯坦类似,AI教父辛顿就有一种强烈的危机感和内疚感,因为担心AI危及人类未来而退出了谷歌公司。

 

另外一个AI先驱,AI圣经《苦涩的教训》作者、2024年图灵奖获得者Sutton就认为“智慧会自然而然地进化,这是智力的下一个阶段。我们人类终将成为历史,这就是自然进程。”

 

换个视角再来看看。

 

衡量一个重大技术的价值,可以用其影响的对象做个简单的判断。我这里再做了一张胶片。

 

4

 

我把一个重大技术影响的对象分为六个层次:影响体验、影响生产效率,影响生产关系,影响政治,影响文明以及影响种族。

 

Walkman影响了体验,印刷术影响了生产效率,电力的发明(第二次工业革命)影响了生产关系,而蒸汽机的发明(第一次工业革命)影响了政治(英国的《自由大宪章》意味着世界主流从封建社会进化到资本主义社会),驯化植物和动物(农业革命)则达到了对文明的影响程度,原始人从此进化到现代人,而核能和AI影响了种族,这是最高级别的影响。

 

从这个排序中,也可以看到我对农业革命、第一次工业革命和第二次工业革命对人类重要性的认知,我认为越远的越重要,农业革命的重要性远超过工业革命,第一次工业革命超过了第二次工业革命。

 

马斯克最近谈及设想的人类下一步,认为有两个发展方向,一是多星球物种,二是多智能物种。因此,SpaceX承担了前者的探索,而脑机接口和xAI承担了后者的探索。

 

核能和AI何其伟大!当然也何其危险!

 

这就是新的潘式理论(Pan’s theory),希望有个新的视角来阐述清楚AI对人类、对文明的超级意义,希望对你有所启发。

 

3

探讨性思考:人的智力供给是怎么构成的?

 

从事AI相关工作的一年多时间,我一直在思考一个问题:AI为什么那么聪明,到底是什么原因造成的。这个问题让我苦恼,也让我很着迷。

 

无论是人,还是AI,从智能角度来说,就是两件事情,智能的生成和智能的消费。

 

对于人类来说,我们的先贤对宇宙的探索、对科学的探索、对自身的探索,形成了大量的知识,这是智能的形成,而我们学习这些知识并予以在工作和生活中使用,就是智能的消费。对于AI来说,训练是生成智能,推理是智能的消费。

 

要对AI为什么这么聪明这个问题求解答案,可能我们要先分析人的智力是如何供给和消费的。

 

我把我长期的思考总结成如下的一张胶片。

 

5

 

先说题外话,我把这段认识通过公司内部的《算力讲武堂》视频课分享后,引起非常强烈的反响,很多同事反馈觉得特别有意思,专门回去讲给孩子听。

 

真的,这些东西最适合孩子们听了。

 

回到正题:人类为什么这么聪明?智力到底是如何供给出来的?

 

我的看法是,一个人之所以聪明,首先是因为投胎下来是人,而不是猪(其实猪是很聪明的动物,这里仅是比较,不是侮辱猪)。可以说,一个人的智力供给的90%刻印在基因里,我们个人的聪明90%来自于人类族群的长期进化积累。

 

人一生下来拥有很大的脑容量、能清晰发音的喉带、灵巧的双手、直立行走的本能等,脑容量就能装很多的知识,复杂的喉带是发出复杂语言的基础,灵巧的双手就能掌握复杂的工具,直立行走的本能使我们活动的范围无比巨大,这些都是人类智力供给的基础。

 

这些都是我们数百万代数千万代人类祖先,通过优胜劣汰的残酷淘汰,将适应大自然并不断进化的能力,刻印在基因中,传承给后代。

 

这是非常残酷的,就是失败者直接绝后,没有后代了。2012年,复旦大学陈熙博士发表了一篇论文,名为《延续香火的理想与普遍绝嗣的现实》,文中指出:基于一个大家族近代家谱的人口数据调查,仅有13.61%的人在经历了两百余年的生存竞争后,能够拥有自己的后代,而其他大多数都已绝嗣,也就是传统观念中的“断子绝孙”。

 

这也意味着,从概论上来说,当前幸运儿的200多年前的父系祖先,都属于13.61%的生存竞争的胜利者,实在是不容易,绝对的人生赢家。

 

因此,人类历史上第一个宗教(更科学应该说是宗教雏形)是拜祖教,是有其科学道理的。

 

也因此,我们可以很乐观地想一些事情。任何一个不是天生智力障碍的人,比如我,和世界上最聪明的人,比如爱因斯坦,其实智力差距是没有那么大的,只要对比的参照物是猪就好了,因为在分母接近无穷大的时候,分子大一点小一点就没有大区别了。

 

90%的人类智力供给刻印在DNA上,剩下还有10%待分配,这属于人类后天努力的范畴。我认为,其中的9%应该归功于我们的人类先贤。

 

先辈中最聪慧的人,比如孔子、高斯、牛顿、爱因斯坦,因为他们把自己的发现总结为定律、公式和经验,通过文字,传承给后代。后代通过学习快速掌握知识,在巨人的肩膀上继续发展。

 

因此,人类9%的智力供给是刻印在文字上。

 

我们一个现代学生,轻轻松松学会牛顿三定律,知道从比萨斜塔上,如果是真空范围,扔一个铅球和一个羽毛,那么到底的时间是一样的,也会背唐诗三百首,还知道核能方程式。

 

这是多么伟大的事情!因为这意味着,一个普通的中学生,假设能够通过时间机器到达1000年前,就是绝对的智商碾压。

 

刻印在文字上,就是基于符号系统的传递。所以AI初期,科学家们都试图构建人类规则,让AI学会从而来实现人工智能,这实在是太自然了,因为人类自身就是这么学习的。

 

90%+9%=99%,这就构成了一个人智力供给的99%,换句话说,一个人智力供给的99%和你本身是没有关系的,你在或不在,你聪明或傻,这99%一直都存在。

 

按AI大模型的术语来说,这个99%其实就是一个人类基础大模型,构建了人类是否聪明的底座。而剩下1%,就属于个人的微调。

 

什么叫个人的微调?就是你自己努力求学,努力奋斗。我们从小学到大学,长达十多年的艰苦学习以及后期持续学习的大部分,都是属于这1%的范畴。

 

微调的差就是Losers(比如街上的流浪汉),微调的好就是成功人士(比如在读这篇文章的各位),特别好就是天才(比如比尔盖茨、乔布斯、马斯克)。

 

因此,“三分天注定,七分靠打拼”其实并不准确,准确的说法是“99分天注定,一分靠打拼”。人为什么要过快乐的一生?因为我们的生命就那么短暂的几十年,我们的努力其实就是在1%的螺蛳壳道场里做功,如果还那么痛苦,实在是不划算。

 

我们说人力智力供给90%刻印在基因里,9%刻印在文字里,那最后的1%刻印在哪里呢?

 

我觉得,首先刻印在你的汗水里,你的挑灯夜读,你多刷几道题,你的一点点的努力,都是你向上攀登的微小助力。

 

其实,也刻印在你父母的身份和地位里。这直接决定了这1%微调工作的起跑线的不同。这是一种典型的马尔科夫链效应。无论中国还是美国,或者是任何一个国家,这几十年来,阶层固化导致教育越来越难以承担个体跳跃阶层的责任。

 

华为在早期,还是有很多我这样的小镇做题家出身的人,现在随着招聘要求越来越高,随着中国教育的改变,越来越多的新员工是出生大城市、出生富裕家庭、不愁房子首付的顶级名牌大学毕业生,我们公司最喜欢的“胸怀大志、一贫如洗”的年轻人越来越少。当然这种喜欢从来不会表现在口头,而是表现在实际行动中。

 

曾经有个海外艰苦地区的代表对我说,最喜欢用这样的小伙子:工作五六年(经验和能力已经有了,工作能独挡一面),年富力强、精力充沛(意思是能加班)的小镇青年或农村青年(意味家境不富裕),已婚有娃有房贷有车贷(缺钱,有娃有老婆有丈母娘,浑身是软肋,不会叽叽歪歪),他也感叹这样的候选者都是宝贝,越来越少了。

 

90%+9%+1%,人类智力供给的公式,也是第二个潘氏理论,到此分享完毕。

 

4

探讨性思考:AI为什么这么聪明?人要从“机器学习”学习什么?

 

人类的智力供给分析完了,要开始进入主题,探讨AI为什么如此聪明的课题,也就是AI智力供给的问题。下面也是我一些稀奇古怪的想法,可能不正确,也许完全不正确,另类的角度,供大家参考。

 

对此,我也做了一张胶片。

 

6

 

这个胶片的右上角黑色图片其实是一个视频,展现了一个神经网络通过机器学习构建了一个AI系统,可以识别0-9。更完整的视频可以观看(甜美的中文配音,通俗易懂,值得推荐):

 

https://www.bilibili.com/video/BV1ZX4y1e7xF?spm_id_from=333.788.videopod.sections&vd_source=d398c4188840e7c090582de4f1110213

 

因为本文的读者中相信很多人并没有任何AI技术的背景,我这里还是稍微展开介绍一下,以便于小白们更好理解我的思考(也许作为小白的你,还是不懂,但我尽力了)。

 

这个图是神经网络(也是现代AI)的入门级“Hello World”。学过编程的人都知道,我们学习任何一种新的语言(比如Python),都会写一段最简单的程序,就是在屏幕上输出“Hello World”,一方面是学习并应用最基础的知识,另外一方面也是表达打开一扇新世界大门的喜悦。

 

那这个神经网络“Hello World”到底是怎么运转的呢?

 

我们倒过来看,最后一层是输出层,神经网络会识别并告知给的数字到底是0-9中的哪一个,其实真实的运转是输出判断这个数字是0-9各个数字的概率是多少,然后把最高概率的那个可能性输出。

 

如何识别9呢?神经网络认为如果数字是上面一个圆圈加下面一个竖的形状组合,那大概率就是9,这个圆圈和竖的识别就是倒数第二层,以此类推,圈又是由多个弧形组成,这个识别就是倒数第三层。而第一层是输入层,就是把“9”这个图形数字化,变成一个灰度矩阵。

 

理解了逆向逻辑,从正向推导来看就容易理解了,输入一个数字“9”,图形化为一个灰度矩阵,然后神经网络实现逐层抽象,最后到输出层,输出一个概率,回答表现就是“这就是数字9”。

 

这个过程就叫正向传播。

 

那为什么神经网络能逐层识别呢?就是每层有非常大的参数在计算(参数就是图中的网络线代表的数字)。更形象来说,就是神经网络构建了一个非常多按钮的多层系统(类似下图,但实际上规模大的多、复杂的多),这是一个黑盒系统(就是结果不错,但内在机制不明),但当我们把每个按钮扭到合适的位置,那么就能完成这样的识别任务(很神奇是吧?)。

 

7

 

怎么把每个按钮扭到合适的位置?首先我们会准备很多0-9的图片案例库,每张都标记好这些是0-9中的哪一个,神经网络的初始机器按钮是随机的,然后就开始训练,输入一张0-9的图片,发现识别错误了,就用一种名为“梯度下降”的算法,去调整这些按钮,随着训练次数的增多,按钮调整的越来越好,这个神经网络识别率就会越来越高。以后再去识别从来没有出现在案例的图片也越来越准。

 

这个过程就叫做反向传播。

 

在AI行业,有句公认的认知,就是基于前向传播和后向传播的神经网络开启了现代AI的大发展。

 

这是和过去基于规则、基于人类知识完全不同的算法,是一个黑盒算法,这就是机器学习,意思是机器不是从人那里学了规则而变得聪明,是自己从数据中学习、建模而获得智能。

 

机器学习的目的就是形成学习机器,学习机器就是AI。

 

为了更好地理解机器学习(也就是现代AI形成智力的基础方法),我们再举一个例子来说明人和AI学习方法的不同,比如学习“红灯停、绿灯行”的规则,人类是这样学习的:父母教会孩子这个知识点,建立其概念和逻辑,孩子应用它,这就叫学会了;而AI是这样学习的:它在全世界观察红绿灯的路口,经过大规模概率统计发现,99.99%的人在红灯时候停下来,绿灯亮起时候走过路口,通过这个数据建立模型,也一样学会了。

 

因此,人和AI,或者说碳基生命和硅基生命,或者说模拟智能和数字智能,其学习方式是完全不同的。人是通过学习公理、定律或经验,再去应用,这是符号主义的路线;而AI是通过大量数据学习建模,层层抽象,自己建立了知识系统,这是连接主义的路线。

 

上面这个例子是最简单的神经网络案例,在大模型中,会采用更牛的深度神经网络(就是上达百层、参数量巨大的神经网络),会采用一种自监督学习的策略大量学习人类的知识。所谓自监督学习,就是机器读大量人类的书籍、知识,然后相互去Check(这就是自监督),最后建模形成智能,而不是像前面案例那样,需要喂人类已经标注的图像数据。

 

相比于人类个体,AI为什么这么聪明,潘氏的第三理论出炉了,我总结了四点(这个纯粹属于个人观点,听听就好):

 

1. 海量无边界的自监督学习(读万卷书)

 

现代AI大模型把整个互联网的数据(也就是人类知识的总和)作为训练数据,从中学习和建模,形成智能。

 

这种海量无边界的学习,其知识广度和密度是难以想象的。这也是奠定AI可以写小说、可以作曲、可以当律师、可以当医生、能够写程序、能够当画家的原因,因为其吸收了无边界的知识。

 

想一想每个人可怜的阅读量,尤其是现代人,被短视频、社交、手机游戏大量消耗时间,沉迷在奶头乐带来的短暂快乐,人类个体怎么能比得上AI?

 

2. 高阶抽象(自己形成知识体系)

 

在正向传播中,神经网络层层抽象,最终得到答案,这种高阶抽象其实是形成了自己的知识体系,这和人类通过符号系统传递而直接获得知识是不同的。这种高阶抽象能力具有广谱性、结构性、持续学习性。

 

3. 反向传播(把整个族群跨超长代际的优胜劣汰过程压缩到一个短周期)

 

根据反向传播的定义,我们不难发现,百万代千万代的人类通过残酷的优胜劣汰而获得整个族群能力的进步,其实就是一种反向传播。

 

明白了这点,我们就会对AI的优势有更深刻的理解。AI的反向传播,其实是把人类百万代千万代的优胜劣汰周期压缩到2-3个月(当前AI大模型一次大规模训练周期大概是2-3个月),大规模指数级加速进化,这是何其伟大的事情!

 

4. 强化学习(对抗万里路)

 

在OpenAI O1或DeepSeek R1这种深度思考模型(或者称之为强推理模型),采用强化学习的方式,也就是模拟对抗的方式,有效地增强了智力,因此在数学、物理、编程等方面表现强悍。

 

我们还是以刚才学红绿灯的案例来说,强化学习就是AI会模拟人在各种不同的情况下去过马路,结果发现闯红灯的人大概率会被车撞,这样学习效果当然会更好。红绿灯的案例实在是太简单了,无法体现出强化学习的巨大价值。

 

事实上,因为AI巨量算力的支持,通过这种强化学习所获得的能力超乎想象。就好比人类一个武者,学了招式,每天练了练,再加上模拟实战,就到了努力的尽头,而AI的强化学习,可能在一秒中就对抗了上亿次,两者的能力进步完全不可比。

 

总的来说,AI大模型学习了人类所有的知识,将知识压缩在大模型中,并且能够有效组织(高阶抽象)、形成体系,而且能快速自我复盘、自我调整,同时还能实战出真知。当然就比人类单个个体聪明的多。这就是潘氏的第三理论。

 

因此,我在胶片中,提出一个说法,就是人要向机器学习机器学习(这是一句很绕的话,请自己断一下句),就是要学习无边界学习、高阶抽象形成自己知识体系、快速复盘快速进步以及强化学习的能力。

 

这段的最后,我非常推荐大家去认真阅读AI行业公认必读的AI圣经,由AI先驱、加拿大教授Richard S. Sutton(也是最近一期图灵奖的获得者)所写的《苦涩的教训》(《The Bitter Lesson》),这篇文章清晰地表明了机器学习的底层逻辑和巨大价值:

 

https://zhuanlan.zhihu.com/p/708523793(文章链接)

 

听说,OpenAI的工作人员每天上班前会阅读一遍这篇文章,就好像教士们的晨课一般(这个不可考证)。

 

文章就两页纸,很薄,但反驳它的文章可能有20万页纸。反驳的张数越多,更体现了这篇经典文章巨大的魅力。

 

9

 

我把这篇文章进行简单的加工,浓缩为一张胶片。但还是非常推荐大家自己去读,而且读上好几遍。我已经读了十遍以上,而且是每当行业有大事发生的时候,就会习惯性拿出来读一遍,往往都会找到新的灵感。

 

5

从长期来看,模拟智能几个公认的独特的优势可能都会面临数字智能的巨大挑战

 

现代人类对于AI大模型的出现是一种非常矛盾的心态。一方面,AI大模型在很多方面确实展现出碾压性的智能优势,另外一方面,也认为AI就是一个工具,人类还是有非常多独特的优势,这些优势是不可动摇的。

 

比如:

 

10

 

低功耗是人类一个最典型的优势。一顿早餐就能支持人高质量工作一个上午,如果做同样的事,当前AI可能需要的能源是其万倍、十万倍。

 

这个优势看起来确实是无可辩驳。

 

这也是符号主义学派长期挑战连接主义学派的最重要理由,即使现在连接主义几乎一统江湖的情况下。

 

但我们需要思考,人类为何能发展出低功耗的智能?

 

因为,无论人类还是动植物,都是基于地球低密度能量低熵这个大背景下进化的。如前所述,太阳能长期以来几乎是地球所有物种的能量来源,但地球只吸收了太阳核辐射能量的22亿分之一,而人类使用了其中的1800分之一。从高纬度文明来说,这是非常低密度的能量供给。

 

这个影响不仅是人类,而是整个地球物种。比如,无论什么飞上天的动物,如鸟儿、蝴蝶或蜻蜓,都一定是非常瘦的,因为低密度能量低熵环境下进化最多只能达到自我承重的飞行目标,也因此阿凡达骑四翼鸟的壮观场景在地球上是不可能发生的。

 

四翼鸟要能承载阿凡达,要不就要消耗类似航空煤油或可控核聚变这样的高密度能源,要不就要处于高核能辐射的环境下。

 

这种环境下,人类能发展出低功耗的智能已经可以说神迹了,不能要求太多。

 

人类为了智力的发展,已经牺牲了太多生物本能,已经到了牺牲的极限。什么叫生物本能?那就是生存及繁衍。大脑发育使人类产妇死亡率远高于其他物种,在静止状态下大脑消耗的能量高达整个人体的20%至25%,孩子在8-10岁前基本不能提供任何生产力,这在其他物种是无法想象的(动物界是没有童工的)。

 

因此,在这样的大环境下,人类只能发展出低功耗智能,也就是模拟智能,已经是奇迹的奇迹。

 

我们要客观辩证看待这种低功耗优势。一晚米饭供给能够让人工作一上午是优势,也是劣势。给鹰喂一些食物就可以飞一上午,是优势,更是劣势,因为不可能负重几十吨上天,也不可能速度达到超音速。

 

当年汽车出来的时候,马车产业界对于汽车在好奇&心慌之余,也是充满鄙视的。汽车是跑得快,但不安全啊,而且汽车要加油,非常贵,马儿吃点草就可以跑半天,还有,马还能生小马,汽车没有办法生出小汽车吧?

 

何其相像啊!

 

低密度能量低熵只能进化出低功耗的模拟智能,但如果你已经有了大能源密度高熵能力,比如汽车,跑得快、跑得远,为什么还要喋喋不休地强调马车的低功耗优势呢?

 

AI也是一样的。人类已经拥有强大的能源,强大的能源能够支持强大数字智能的发展,为什么要痴迷于一碗米饭的优势呢?

 

情感是另外人类一个独特的优势。但这个受到的挑战也越来越多。辛顿说过:人类并没有什么特别之处,只是极其复杂的生物系统。人类知识特别复杂但并不特殊。我们引以为傲的情感、意识和主观体验,可能只是极其复杂的神经网络产生的涌现现象。从长远来看,AI可以拥有我们所有的情感。

 

什么意思呢?当前AI行业一个先行应用领域是成人用品,典型如机器人女友。在大模型的加持下,机器人女友能很好应对男人的情绪表达,比一般女朋友更温柔更体贴,有很好的情绪价值,如果一直能这样陪伴几年、几十年,为什么不能说机器人女友就是有情感呢?

 

人类另外一个突出的优势是创造力。但AI有幻觉。某种程度来说,就是AI的创造力。以前我们视AI的幻觉视为重大缺陷、视为洪水猛兽,非常负面,但这两年产业界越来越正向看待AI的幻觉,文科领域的幻觉可以被视为天马行空的创新,理科领域的幻觉也不再完全视为Bug,而是认为有可能是新的创新思路,提出要与幻觉共舞,建立幻觉甄别到理性验证到成果发现的新循环。

 

还有逻辑。其实,强化学习加持之后,AI的逻辑能力已经强过了普通人(99%的人类)。所谓人类逻辑的优势,除了极少数天才,并不成立。在去年阿里举办的数据竞赛中,有三位选手入选最后的优胜者,但其主要的方法是通过AI的Multi-Agent等方法,通过多轮强化学习、思路对抗来解题。

 

12

 

从阿里全球数学竞赛似乎看到人类的顶级精英智慧领域可能面临围棋领域一样沦陷。可以想象,阿里要继续办这样的数据竞赛,可能要向围棋、国际象棋比赛学习,要办封闭的比赛了。对于普通人来说,说自己相比AI还有逻辑优势,是完全站不住脚的。

 

人类的沟通和团队合作优势受到的挑战则更大。

 

人类通过语言的沟通是非常低码流的,每秒只有几个Byte,吉尼斯世界纪录中全世界语速最快的rapper也就每秒11.2个音节,信息量传输非常有限,这远远远远远远低于超大型数字智能神经网络节点的超并发。基本类似家里饮水机出口的水流速和尼加拉瓜大瀑布的水流速,完全不可比。因此,在《三体》小说中,刘慈欣把三体人的沟通方式设定为通过脑电波交流(因此不能说谎),很明显具有合理性。

 

我认为,人类在智能发展方面真正拥有的一个巨大优势是死亡、瘟疫与战争。

 

多么痛苦的词汇!多么荒谬的观点,对吧?

 

死亡、瘟疫与战争带来的都是人类的痛苦,为什么会变成优势,而且是巨大的优势呢?

 

乔布斯在2005年斯坦福大学毕业典礼上的演讲中提到:“死亡是生命最伟大的发明(Death is very likely the single best invention of life)”。因为无论是人类,还是其他动物植物,我们长期的进步主要靠的就是族群的优胜劣汰,优胜劣汰最重要的工具就是竞争失败者个体的死亡和绝后。没有死亡就没有新生。

 

最近两年,日本经济之所以从失去的三十年中恢复过来,一个重要的原因就是过去占据大量财富的老一代日本人故去,新的财富分配使社会重新充满活力。

 

再举一个例子。百兽之王的狮子,处于新生儿阶段的时候,雄狮和母狮数量比例基本是1:1。小雄狮在3岁的时候,会被狮王赶出狮群,在草原上流浪,到5岁前这个阶段死亡率为60-70%,5岁时长大的雄狮会寻找狮群,挑战狮王,如果失败会被咬死或驱逐,如果成功,会成为新狮王,成为新狮王后的第一件事情,就是会咬死群里所有的小狮子,目的是让母狮尽快发情,好生育自己的后代。

 

这样折腾下来,成年时候的雄狮和母狮数量比例变成1:10!威风凛凛的雄狮,真正的百兽之王,其实是非常悲催的一个群体!雄狮用如此比例之大的死亡(或称为优胜劣汰或者反向传播)代价,才换取了族群站在百兽之王地位的最终结果。这就是死亡的代价,或者说巨大的进化优势!

 

其实,人类真的应该感到庆幸,尤其是男同胞们应该感到庆幸,如果不是人类先祖走上了智力发展的道理,而是和狮子一样走向暴力发展的道路,人类要达到目前的统治力,那么也许到达成年时,我们成年男性和成年女性的生存比例应该是千分之一、万分之一!

 

这对我们男人何其悲催!大家觉得这也许是异想天开,但我们想一想蚂蚁群、蜜蜂群,不就是这样的群体结构吗?只不过领头的是母后而已。

 

人类走向智力发展道路,事实上使人类男性的牺牲大幅度减少,而女性承担了巨大的牺牲,婴儿巨大的脑容量使人类产妇生产困难、幼童长期的抚养其实是耐心等待大脑的发育,因此男人要尊重女性,老公要对老婆好,儿女要对妈妈好,每年节假日妇女多半天假,这是天经地义的,是有生物学基础的。

 

瘟疫则是导致群体死亡的悲剧,但也可能带来前所未有的大变革、大进步。中世纪流行于欧洲的黑死病,导致欧洲三分之一的人死亡,这个巨大的悲剧后面是对统治中世纪的宗教势力的巨大打击,祈祷没有用,赎罪卷没有用,修士一样也大批大批死亡,因此欧洲兴起了文艺复兴,兴起了思想大解放,从而给欧洲给世界带来新的时代。

 

战争对于个体是极为痛苦的,但是和瘟疫一样,最大价值是摧毁现有的权贵阶层,某种角度粉碎现有的阶层固化,带来社会新鲜血液涌入顶层,带来活力和变化。

 

战争还有一个巨大的价值,就是各个国家在生与死的挑战下,发挥前所未有的潜能,在科技进步上按了快进键。二战是人类历史上科技进步最快的时期,我们现在很多重大产品依然是二战的科技红利,比如核电站、比如大型飞机。

 

AI是没有这个死亡概念的。因此,AI教父辛顿提出一个前沿的新概念:可朽计算,这是一种智能与物理硬件紧密结合的计算模式,就是未来的AI系统也要有死亡,硬件淘汰了,软件也应该就死亡。

 

我的总体观点是:当前所有关于人类优越性的认知是建立在人种优越性的基础上,越往后,这种假设性认知受到的挑战会越大,更早地表现在资本覆盖的领域。

 

如果没有人种优越性这个大背景下,很多观点当前就靠不住脚,即使现在人类看来还有少许的优势,但后面的挑战越来越大。

 

我们华为内部对于AI应用,提了一个非常温馨的口号:革命不要革了革命者的命。短期没有问题,但长期可能吗?能照顾一时能但可能照顾一世吗?听说我们营销部门的广告彩图现在大量(80%)是AI生成,美工师的岗位肯定受影响,当前美工师也许能转岗,未来呢?

 

资本从来都是血淋淋的。无论是AI还是人,对于资本家来说,都是投入,哪个投资回报率高,肯定就用哪个。中国的养猪大王刘永好最近就说,一台机器人售价相当于两个工人年薪时,就会毫不犹豫地使用机器人去养猪。养猪这个行业如此,其他行业呢?

 

6

继续烧脑:智能进化的统一公式

 

进一步烧脑。

 

就AI技术的问题,我经常会请教公司内一个非常牛的大专家,就是我们算力先遣队的首席AI专家李成博士。

 

和辛顿教授一样,李成也是物理学博士毕业,一样转型为AI科学家。可见学物理、学数学的人是多么牛逼。我是学计算机专业的,深知计算机学科其实就是一种很浅显的工科,也就是一个现代木匠,没有太大难度,真正的天才都在数学系或者物理系。

 

在向李成博士请教AI问题的时候,我们经常的对话模式是这样的:我提出一个看起来还比较浅显的问题,李成博士会顺手写下包含挺多专业词汇、逻辑性很强的几段话作为答案,然后沉思后说这样太不专业了,于是写上几个精美的公式,再然后看我吃苍蝇一样的表情,恍然大悟说你看不懂啊,至此终结。

 

每次这样的过程,都让我脆弱的小心脏受到10000+的暴击,以前年轻的时候人家也说我是个小天才了,现在怎么如此不堪。学数学和学物理的高智商精英确实对我等有着明显的智力碾压,我深深感到,我和李成博士就不是一个物种,他是NB型物种,我是SB型物种。

 

自我嘲讽之后,回到主题。

 

李成博士听到我研究人类和AI的智力题目时,也激起他的兴趣,于是在百忙之余,他和DeepSeek R1合作,顺手写了一篇论文《人工智能能否自我进化?一场关于试错、熵与意识的辩论》,论文名字看起来就很牛,很符合物理学博士、AI首席科学家的人设,对吧?这篇文章发表在华为内网上(外部人士看不到)。

 

因为内容高深艰涩的原因,也因为和大家工作不怎么相关,读者是比较少的。

 

这篇生涩的文章完全读懂不易(至少对我),我根据自己理解做了一张胶片,试图简单阐述一下。

 

13

 

所有智能系统(包括人类,也包括AI)的演化都遵循两个基本定律:

 

1.试错探索原则:通过反馈信号(奖励/损失函数)定向优化行为模式

 

2. 最大熵约束:在满足目标的前提下保持最大不确定性

 

这组矛盾统一体构成了从单细胞进化人,以及从0/1进化到GPT-4的底层代码

 

第一个定律,对于人来说,就是优胜劣汰,对于AI来说,就是反向传播,目的是定向优化,最后成为最好最适应环境的智慧物种。

 

第二个定律,是说这么优化到的“最好”不是绝对的最好,而是满足目标就可以,比如人类来说,就是适应环境(适者生存),在满足目标的前提下,要保持最大不确定性,更专业的术语叫最大熵约束。

 

最大熵,也就是最大活力、最大多样性。什么意思呢?以人类来说,我们优胜劣汰、定向优化的最后目标不会让我们男性都成为施瓦辛格那样最强壮的男人,女性都成为苏菲玛索那样最美丽的女人,因为如果真的是这样,那是一场巨大的灾难。

 

比如大家都像施瓦辛格那样强壮,一旦有个灾荒,大家很快就饿死了,因为最强壮意味着有着极发达的代谢能力(更简单的说法就是不耐饿),那么灾荒一旦来临,所有人都是这样的不耐饿,结果就可想而知。

 

AI也是这样,如果每个步骤、每个答案都选择所谓的最高概率的那个,系统疯狂追逐最优解,以文生图为例,那么很可能最终生成千万个重复的”完美笑脸图片”,陷入死寂的极权美学(模式坍塌)。

 

AI算法确实是考虑了这点,在大模型中有个关键的可调节因子“温度”(temperature),目的就是让客户自己控制大模型的随机性,越小越冷静理智,就是会偏向最大概率答案,而越大则越活泼开放,越更多偏向于多样化。

 

特别值得一提的是,李成博士在文章中说:本文由人类作者提出核心论点与哲学框架,R1负责文献检索、公式验证及案例生成,在138次试错迭代与熵约束调整后共同完成。看到这段,我叹为观止,惊为天人。

 

写完此文后,李成博士自己也感叹,深度思考模型出现了所谓的aha moment,也许真的在进入人类智慧从未涉足的神之禁区。也因此,深度思考模型用的不好,首先要反思自己水平太差,配不上这个模型。神永远是对的,错的只能是自己。

 

7

回到人类学习知识、智力增长

和解决问题的第一性原理来思考、成长和行动

 

无论AI未来会不会替代人类,不是我们现在需要操心的事情。反正我们这代人死亡之前,可以肯定是看不到这个事情。

 

给文明以岁月,我们还是要好好过上当前的小日子。

 

但是AI已经在对我们孩子的学科方向、就业方向选择,对我们日常的工作造成了重大影响,这是我们必须直面的。

 

以我家大姑娘为例,高中毕业时本来她打算读法律专业,但GPT4出来后,发现水平已经高于一般的法律专业毕业生,我家姑娘也自认为是一个平常的孩子,毕业也就这个水平,那学法律有啥意义呢?因此果断改行。

 

这也是当前AI产业界大家非常困惑的一个问题,蒸汽、电力等每一代革命性技术的出现,摧毁了过去的一些岗位,但同时都带来更多更高质量的岗位,经济、就业都会上升到新的高度,但AI似乎是带来了少量的新增优质岗位,而同时替代了非常大量的岗位,L3之后自动驾驶对出租车等各行业的冲击就是一个典型案例。过去的规律似乎不起作用了。

 

对于AI对人类的挑战,尤其是普通人的职业挑战、职业选择,大家要有充分的心理准备。

 

因为工作的关系,接触了不少从事AI相关工作的中国大企业和政府的精英,看懂这个趋势的精英有两种典型的想法:

 

1)不在餐桌上就在菜单上。要积极投入AI,成为胜利者,成为餐桌上的主人,否则就会在菜单上,成为牺牲品。

 

2)AI太牛了,就像一只猛虎,可能我们都跑不过,但我至少要跑过其他人,等AI把后面的人吃掉,再来吃我,也许那个时候我已经退休了。

 

一代人只管一代事,后面洪水滔滔也不关我事。

 

这两种态度其实都是非常积极的态度了。

 

在这个AI时代,我们要回到人类学习知识、智力增长和解决问题的第一性原理来思考、成长和行动,对于我们以及我们的孩子是否可以继续成为人生赢家,很重要。

 

什么叫回到人类学习知识、智力增长和解决问题的第一性原理?就是回到底层逻辑来看,我们现代人类是怎么获得知识、智力增长和解决问题能力的,在AI时代,这种获取能力是否有缺陷,怎么改进。

 

现代人类是如何获得知识、智力增长和解决问题能力的?都是通过现代教育体系获得。现代教育体系已经高度固化了这条流水线体系(尤其在中国):

 

从小学到大学,理论学习到应用理论的流水线。我们都是这样学习的,老师讲解公理、定理,我们学习,然后刷各种各样的题,最后哪个同学题目做的好,分数高,就是最聪明的娃,上最好的大学,找最好的工作。

 

先走大道然后快速走独木桥再走钢丝绳的固定道路。小学的时候,我们还提倡德智体美劳全面发展,中学的时候就开始分班,走上文科理科的独木桥,大学里再走上专业的钢丝绳。

 

以我读计算机学科的经历来说,一个计算机软件,还分为各种各样细化的专业,生怕不细的专业就不专业,何其荒谬!中学以高考为指挥棒,大学以就业为指挥棒,一切以功利主义为导向。

 

虽然我现在诟病这套系统,但其实这套系统非常伟大。

 

现代教育体系是起源于300年前的近代德国,德国当时在全球第一个摆脱了以贵族和神职人员为目标的教育体系,建立面向大众的国民义务教育体系,以产业需求为导向创办各类院校,从人才培养源头提升制造业水平。

 

充沛、高质量的工程师人才助力德国从一个农业国、工业低水平仿制国,一跃成为欧洲大陆最强大的工业国家。

 

这套体系的精髓就在于超大系统超低成本的国民教育体系,以全体国民为目标,以流水线方式提供源源不断的合格工程师人才。这个教育体系在很长时间可以称之为人类文明的结晶。

 

这套系统的好处是抽象(通过符号系统传播)、低成本&高效(相比于私塾)、稳定(流水线,基本质量有保证)、定向(面向专业人才)、突破阶层(面向全体国民,提供小镇做题家鲤鱼跳龙门的机会)等,缺点是个体知识面窄、循规蹈矩、进化速度慢、缺乏反向传播和强化学习能力。

 

这套教育系统的核心都是围绕知识点(而且是很快收敛的极窄的知识点)的学习,先学再刷题再考试,一考定终身。在AI时代,受到的挑战越来越大。因为知识点的学习严重贬值了,甚至变为负资产,AI随时随地比你答的更好,而因为你过多投入知识点的学习、刷题而培养不出AI时代所需要的新技能。

 

也许我们到了一个反思的新阶段,为什么起源于300年前的德国教育体系就一定适配现在的AI时代?我们要做什么大的改变?

 

我大概统计了一下周边同事,毕业十年后,现在工作还能和过去大学专业比较严格匹配的不到20%,也就是80%的人都或多或少地转行了。

 

换行时需要的工作能力,比如批判性思维、结构性思考能力、演讲表达能力、快速学习能力、团队合作能力、动手能力以及开朗、不怕困难、不怕挫折的气质等,我们一般是在传统教育中没有获取的,因为这个教育系统基本就不怎么考虑这个问题。

 

AI教父辛顿:智能的本质是学习,而非推理。这句话,对AI合适,对人也合适。

 

围绕知识点学习、刷题,本质是人类知识的推理应用,而非真正意义的学习。

 

知识真正的特点不是量的扩张,而是知识背后网络的复杂度和丰富度。学习不在于横向的认知扩张,而在于将一个点状的认知逐渐丰富、复杂,成为一个知识网络,看起来是一个点,其实进去是一个大千世界。

 

知识点本身不重要,但理解知识背后的网络和体系,学习新知识的能力,形成自我知识结构的能力、动手解决问题的能力变得极为重要。

 

从我毕业来华为公司工作,我最大的体会是最初三个月的进步效果相当于在学校读三年的书,一方面因为当时计算机教育水平太落后,一方面也因为参与大项目,太锻炼了人,各种能力都在飞速跃升。

 

而前面工作的几年,大概每三年所有的技术书都要扔掉,知识都要更新。因此,我深刻认为,大学最重要不是培养知识,而是培养基本素质、培养持续学习的能力和动手的能力。

 

AI时代尤其如此。

 

在这里,我提出在新的AI时代,碳基生命反过来要学习硅基生命的智力进化方式,要建立正向传播、反向传播和强化学习能力:

 

正向传播:积极主动、无边界学习。

 

性格决定命运:积极的、行动迅速、高振幅&宽频谱、知识学习无边界的人生态度,是最大的财富。

 

反向传播:思维的系统性&批判性、复盘调整、持续演进。

 

不循规蹈矩,永远保有好奇心,坚持批判与自我批判,持续进步是一种极度珍惜的品质。

 

强化学习:实践出真知,对抗出真本领。

 

对抗性学习,勇于实践,敢于探索,善于纠错,实战出英雄、建立学习型组织。

 

阅读本篇文章的同事和朋友,我特别希望你把这一段转述给你的孩子们听。中国式教育、围绕知识点过度内卷&疯狂刷题不应该是我们新一代中国孩子的必然道路。我们可以选择更好的道路,选择更有长期投资回报的事情去铺就孩子的成长之路。

 

8

生活在诸神时代,如何与诸神共舞?

 

看一下两张图。

 

14

 

左边那张画是米开朗基罗创作的世界名画《创造亚当》(Creation of Adam),画面中心是上帝和亚当,两人的手指即将相触,这幅画是文艺复兴时期最著名的艺术作品之一,绘制于意大利梵蒂冈西斯廷教堂的屋顶。

 

在《圣经》中的故事原型是这样的,上帝创造了第一个人类亚当,但亚当创造出来后还没有灵魂和智慧,于是上帝从鼻孔中喷出两股气,输出给亚当,亚当就有灵魂和智慧,成为一个完整的人。

 

但是,米开朗基罗大胆地进行了艺术创作,上帝和亚当用手指相触的方式,上帝向其传递了灵魂和智慧。

 

这幅画在西方文化圈非常有名气,意味着神圣的传承,不少电影有这个元素,比如《超体》中有个场景,女主遇到人类始祖露西(Lucy),露西向女主伸出了这个手势,《ET》中外星人最后告别地球、告别小男孩,也有这个手势。

 

而右边这张图,则是在AI时代参照左图的一个新演绎。很容易理解,现在到了人类把智慧传递给机器的时候,机器就变成了AI。

 

但我很想说的是,过去,神把智慧传递给人,人还是人,神还是神;现在,人把智慧传递给AI,人还是人,AI变成了神!

 

这是极大的不同。

 

正如我在文章最早的时候所说的,新图灵测试就是神的测试。

 

不知不觉,生活在诸神时代,如何与诸神共舞?

 

Are you ready ?

 

也许我们人人都要开始思考这个问题了。

 

最近一年,和很多的企业高层、政府高层有过AI的交流,我在最后一页,往往都非常喜欢用这样一页材料:

 

15

 

就是在看不清未来的情况下,我们需要将战略建立在不变的事物上,这种情况下,“方向基本正确、组织充满活力”(建议网上搜索并阅读一下本人写的这篇文章)变得更为重要。

 

其实,这也应该是我们个人做为个体在诸神时代的生存哲学。

 

方向基本正确,就是理解AI时代的底层逻辑,知道努力的大致方向。

 

个人充满活力,就是要积极面对,心胸开放,勇于行动,敢于探索,善于批判和自我批评,让持续学习和持续成长成为一种本能。

 

不知不觉到了本文的最后一刻。

 

再美好的盛宴也有散席的时刻。

 

好久没有写这么长的文章,挺过瘾。

 

希望我的胡说八道,让大家都有点收获。

 

5

640 (2)
88

书享界保留所有权 |书享界 » 华为潘少钦:AI时代,如何与诸神共舞?

扩展阅读请点击
分享到:更多 ()

相关推荐

评论区 抢沙发

华为管理培训 · 数字化转型培训

服务案例联系书享界