人腦，是一個(gè)復(fù)雜且高度優(yōu)化的“大模型”。 很多朋友問我，怎樣才能用好大模型？我說你把人腦也當(dāng)做一種大模型（雖然大模型本身就是在模仿人腦的運(yùn)作原理），平時(shí)你是如何記憶、理解、思考和輸出的，那你就會(huì)對(duì)大模型的運(yùn)作機(jī)制了如指掌。 我把大語言模型當(dāng)成我的外掛系統(tǒng)： 一是它的無限知識(shí)庫，基于它數(shù)據(jù)庫的無限性，彌補(bǔ)我知識(shí)獲取的有限性。 二是它的超強(qiáng)計(jì)算力，調(diào)動(dòng)各個(gè)板塊知識(shí)的算力無限性，解決我精力有限的問題。 *這里講的大模型專指使用大量文本數(shù)據(jù)訓(xùn)練的大語言模型（LLM，Large Language Model）。 大腦是有保護(hù)機(jī)制的，一旦用腦過度超出負(fù)荷，就會(huì)開始頭疼宕機(jī)。 有了大語言模型，就像是鋼鐵俠有了賈維斯?？苹闷倪壿嬙谟趶拈L(zhǎng)期角度，預(yù)測(cè)未來人的可能性，以及人與科技的關(guān)系。 人的天花板不是AI的天花板，AI的天花板更不是人的天花板，雙方配合才能突破天花板。 很多人把智庫系統(tǒng)當(dāng)成搜索工具，當(dāng)大模型當(dāng)成小助手，這樣的話可就真的大材小用了。 一個(gè)懂行業(yè)、懂領(lǐng)域、懂大語言模型的人，如果再利用好大語言模型這個(gè)全球級(jí)知識(shí)庫和超級(jí)計(jì)算機(jī)運(yùn)算能力，可想而知天花板有多高。 我們完全可以踩在巨人的肩上，拾級(jí)而上。 大模型是我的庫，是我的外掛超級(jí)算力系統(tǒng)，是我隨意可以克隆出來的巨擘，細(xì)分領(lǐng)域?qū)＜?。只要我跟大佬的能力越近，我的行業(yè)理解越深，領(lǐng)域研究越深，執(zhí)行能力越強(qiáng)，我就可以在這個(gè)基礎(chǔ)上做指數(shù)級(jí)增長(zhǎng)。 大語言模型涉及神經(jīng)科學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、語言學(xué)等等，這是它存在的底色。 大語言模型的本質(zhì)并非文字本身，要把文字理解成特定的程序代碼。你每次的問問題，都是一次敲代碼。它每次的答復(fù)你，也是基于對(duì)于代碼的理解。 字詞就是一個(gè)個(gè)代碼，關(guān)系也是一段代碼，而非像人的神經(jīng)元理解一樣，可以做到直接調(diào)取它的語義。你可以把提示詞、知識(shí)庫、訓(xùn)練當(dāng)成是代碼，而非文案的邏輯。 接下來我嘗試用通俗的大白話進(jìn)行理解，希望對(duì)你有用。 一、知識(shí)庫準(zhǔn)備階段大語言模型的知識(shí)庫基于機(jī)器掃描和處理，人腦的知識(shí)庫基于過往工作和生活的日積月累。 1. 收集信息大語言模型相當(dāng)于是一個(gè)超級(jí)知識(shí)庫，把所有公開半公開在書籍、論文、期刊、文章、網(wǎng)頁都掃描了一遍。 在量的層面直接吊打人腦，但人腦掌握了核心的非公開資料，一是本身存在于腦子里，二是這些資料本身未公開出來。人腦是定制化的，是更深度的，是非范式的。 2. 存儲(chǔ)信息大語言模型記住并非是語言文字本身，而是將文字（字詞為字段）轉(zhuǎn)換成一個(gè)個(gè)對(duì)應(yīng)的數(shù)字代碼（數(shù)學(xué)的邏輯），并通過計(jì)算這些向量之間的距離來衡量語義的相似性（你可以理解為大語言模型里的知識(shí)就像無數(shù)個(gè)小格子，通過數(shù)學(xué)和概率的邏輯來調(diào)動(dòng)這些小格子，以及它們的排列組合，連貫起來）。 這里要注意，它是基于龐大數(shù)據(jù)庫都認(rèn)可的普適性語義理解和常規(guī)式邏輯關(guān)系。 這種存儲(chǔ)方式首先解決了成本和效率的問題，更少的存儲(chǔ)空間和更少的并行算力調(diào)取成本，使得模型可以存儲(chǔ)足夠的信息量和快速檢索和處理大量文本數(shù)據(jù)。 當(dāng)然，這種記憶方式?jīng)Q定了很難像單個(gè)人具備的關(guān)聯(lián)性和情境性，你可以把人工比喻成更專業(yè)的小模型和在這個(gè)小模型里更強(qiáng)的算力運(yùn)轉(zhuǎn)。在大模型的概率統(tǒng)計(jì)生成之上，帶有了自己的經(jīng)驗(yàn)和情感，而這兩個(gè)恰恰是更高維的信息庫。 人對(duì)信息寬度記憶有限，但對(duì)記憶的豐富度更強(qiáng)，加入了感官理解。 因?yàn)槊看螌W(xué)習(xí)都會(huì)用過往的框架進(jìn)行理解，調(diào)動(dòng)的不是單向的，還有實(shí)踐過程中得到的，這些是基于定制化的，沒有反映到公開的文本環(huán)境中，而是存儲(chǔ)在自己的大腦。 人腦是面和體的吸收，而非線性，是高維多模態(tài)，還通過圖像、聲音甚至肢體語言形成認(rèn)知。人腦是不斷在迭代的，人腦的智能化是用神經(jīng)元，其實(shí)是更高級(jí)的，當(dāng)然，這得是一個(gè)“思考”的人。因?yàn)樗伎嫉倪^程，也是訓(xùn)練的過程，也是迭代的邏輯。 如果把人腦和大語言模型的優(yōu)勢(shì)結(jié)合起來，配合起來，可想天花板有多高。 人不是簡(jiǎn)單地存儲(chǔ)數(shù)據(jù)、單純調(diào)用里面的小格子。神經(jīng)元存儲(chǔ)的邏輯在于，建立了一套更高維更立體的關(guān)系，這里面是加入了我們的理解。加入了我們的記憶（和消化），這些記憶是高度情境化，是強(qiáng)大關(guān)聯(lián)性性的，可以靈活地將不同類型的記憶串聯(lián)起來。 二、理解輸入階段當(dāng)你提問時(shí)，大語言模型會(huì)先分拆問題，將你的問題拆解成一個(gè)字詞（字段），并提取上下文信息（狹義上是對(duì)話窗口，廣義上是智能體的提示詞和知識(shí)庫），以此來識(shí)別你想要的答案。 1. 接收信息比如你問“什么是人工智能？”，它其實(shí)是不能直接理解這句話的意思，因?yàn)樗鎯?chǔ)的邏輯是用數(shù)字向量的形式，而非像人一樣一步到位理解語義。 于是它把你的問題分解成最小理解單元，“什么”+“是”+“人工智能”+“？”。 每個(gè)最小理解單元，甚至包括標(biāo)點(diǎn)符號(hào)，都會(huì)被轉(zhuǎn)換成一個(gè)個(gè)數(shù)字代碼。你可以理解成這是它才能處理的格式。 所以我們的問題一定要足夠簡(jiǎn)單，能刪的部分全部都要?jiǎng)h，保留最核心的字段。 2. 理解信息接下來它的注意力機(jī)制就會(huì)啟動(dòng)，就是找到你這句話的關(guān)鍵詞，也就是它理解的最重要的數(shù)字代碼。 在這個(gè)問題中顯然核心詞是“人工智能”，大模型會(huì)給到這個(gè)詞更高的權(quán)重，以此來回答針對(duì)性的問題。 同時(shí)它還會(huì)關(guān)注周邊的影響代碼，“什么”表示疑問，“是”表示定義問題。 大語言模型記住的語言模型，是字詞句之間的遠(yuǎn)近關(guān)系，從而決定了輸出的概率。 三、思考處理階段先是信息搜索，在知識(shí)庫的一個(gè)個(gè)小格子之中找到和“人工智能”相關(guān)的信息。 然后是信息關(guān)聯(lián)，將掃描過不同來源的信息做關(guān)聯(lián)，類似與東拼西湊排列組合。 最后是信息組織，根據(jù)你問問題的方式，來決定自己的表達(dá)方式，確?；卮鸬慕Y(jié)構(gòu)和邏輯是你想要的。 大語言模型的思考處理是依托于普適化的模式識(shí)別和概率推理。 人腦的思考一方面是自己過往形成雙重決策系統(tǒng)，一是理性邏輯系統(tǒng)，二是感性的直覺經(jīng)驗(yàn)系統(tǒng)。當(dāng)然，這套系統(tǒng)不同人千差萬別，上限很高，下限也很低。 四、輸出回答這是模仿人腦組織語言表達(dá)的過程。在輸出回答層面，主要分為五大要點(diǎn)：定輸出框架、定專業(yè)程度、定詳細(xì)程度、定表達(dá)風(fēng)格、連貫性表達(dá)。 1. 定輸出框架即使你就是簡(jiǎn)單問“什么是人工智能？”大模型也可能會(huì)做延展，不僅講它的定義，還有技術(shù)構(gòu)成、發(fā)展階段 、應(yīng)用領(lǐng)域、挑戰(zhàn)與風(fēng)險(xiǎn)等。 因?yàn)樵谒乃伎歼^程中，后面幾個(gè)部分和定義這個(gè)格子關(guān)系很近，需要對(duì)這幾個(gè)部分做產(chǎn)出，才能更全面理解定義。 但人腦就不一樣，很清晰你知道你具體要的是什么，你就是簡(jiǎn)單要一個(gè)定義，我根本不需要進(jìn)行贅述，如果你要問其他的，我才會(huì)回答。因?yàn)槲抑滥愕恼Z義意圖，也就是更理解人本身。 2. 定專業(yè)程度即使同樣的觀點(diǎn)，也有不同的內(nèi)容輸出形式。根據(jù)你的場(chǎng)景，看你需要小白級(jí)、入門級(jí)，還是專業(yè)級(jí)的回答。 這個(gè)時(shí)候?qū)Ψ秸{(diào)動(dòng)的就是它另外的小格子，確定用什么樣的方式能讓你更理解。 3. 定詳細(xì)程度你可以明確告訴大語言模型的詳細(xì)程度，是細(xì)化還是詳述，還可以具體到多少個(gè)字、字?jǐn)?shù)區(qū)間、多少字以上。 4. 定表達(dá)風(fēng)格就像寫文章一樣，不同的文章有不同的寫作風(fēng)格。是專業(yè)級(jí)還是大白話，是客觀還是主觀。 5. 連貫性表達(dá)最后，模型會(huì)檢查自己的回答，確?；卮鸬倪壿嬓院驼w性，做到重點(diǎn)突出、前呼后應(yīng)、層次分明，讓人聽得明白。如果不連貫，哪怕每句話都沒問題，但結(jié)合起來就會(huì)顯得非常亂。 總結(jié)開始很重要，重要的是先開始。只有在高強(qiáng)度使用的過程中，才能找到更多的可能性。 用好AI 的本質(zhì)是理解人，當(dāng)你把人腦看作大模型，并不斷反思自身學(xué)習(xí)與思考的方式時(shí)，便能更好地運(yùn)用 AI。 本文由人人都是產(chǎn)品經(jīng)理作者【藏鋒】，微信公眾號(hào)：【策略人藏鋒】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。 題圖來自Unsplash，基于 CC0 協(xié)議。 |
