大型语言模型导致的错觉

通过自学成才从电报员成为企业家的托马斯·爱迪生，通常被认为是有史以来最伟大的发明家，而在移民美国之前曾在巴黎的爱迪生公司工作过的尼古拉·特斯拉，要不是马斯克的电动汽车公司，几乎没有人记得他。然则，正是特斯拉在交流电技术上的突破，而不是爱迪生的直流电技术，才使得大规模电气化成为可能。直流电的高昂成本，会让爱迪生的城市电气化技术像他的许多其他发明一样，成为富人的玩物。

与许多变革性技术一样，在OpenAI于2022年底发布ChatGPT引发狂热之前，人工智能已经发展了几十年。更好的算法、手机等辅助设备，以及更便宜、更强大的云计算，让这项技术的应用变得更加广泛，却几乎无人关注。

ChatGPT和其他大型语言模型的神奇魅力让人们产生了一种错觉，以为生成式人工智能是一项全新的突破。ChatGPT在发布五天内就拥有了100万用户，两年后每周用户数量达到3亿。微软、Meta和Alphabet等高科技巨头在人工智能产品和数据中心上投入了数十亿美元赌注，很快就忘记了早先对虚拟现实和增强现实的热情。

2024年，投资20亿美元研发Blackwell人工智能芯片的英伟达成为全球最有价值的公司，其市值在两年内增长了9倍。该公司首席执行官黄仁勋预测，未来几年将有1万亿美元投资于使用此类芯片的数据中心。所有这一切，都让苹果公司对人工智能的谨慎、观望的态度显得古板过时。

但在光鲜的外表下，大型语言模型和许多已有几十年历史的人工智能模型一样，无非是使用“模式识别”和“统计预测”来产生输出，这意味着它们的可靠性取决于未来是否与过去一样。这是一个重要的局限。人类可以用想象力解释历史证据，预测未来可能发生的不同情况；人类还可以通过相互之间的天马行空的对话来改进自己的预测。人工智能算法则不能。

这一缺陷并非致命。因为遵循自然规律的过程自然是稳定的，所以未来在很多方面都与过去相似。只要有明确的反馈，人工智能模型就能通过训练变得更加可靠，而即便底层过程不稳定，或者反馈不明确，统计预测也能比人类判断更具成本效益。由谷歌或Meta算法提供的不知所云的广告仍然优于盲目的广告。对着手机口述文字可能会产生错误，但仍然比在小屏幕上打字更快捷方便。

不过，如果仅仅因为大型语言模型可以像人类一样交谈，就认为大型语言模型是一个巨大的飞跃，那就太痴心妄想了。根据我的个人经验，大型语言模型应用程序在做研究、编写摘要或生成图形方面简直一无是处。尽管如此，有关“深度求索”的报道还是在金融市场掀起了轩然大波。

“深度求索”声称，它只仅靠低端英伟达芯片就实现了OpenAI和谷歌水平的人工智能性能，训练和运营成本只有后两者的几分之一。如果消息属实，高端人工智能芯片的需求将低于预期。正因如此，“深度求索”的消息让英伟达的市值在一天之内缩水了约6000亿美元。

诚然，特斯拉在取得交流电突破后的诸多所谓发明都是夸大其词，但是节俭的、打破常规的创新可以带来变革。看看马斯克的低成本可重复使用火箭，即可略知一二。印度成功执行火星任务的成本仅为7300万美元，比好莱坞科幻电影《地心引力》的预算还低。

如果得到证实，“深度求索”的技术对于大型语言模型的意义，就如同特斯拉发明交流电对于电气化的意义。它无法克服回顾性统计模型不可避免的局限性，但可以让这些模型的成本效益足够高，从而得到更广泛的应用。