太狂妄了！学生AI写论文、代考！纽约、加州紧急按下暂停键，但真的有用吗？

有个网红博主说，几百几千年后的历史书记载2022，首先列出的事件不会是新冠疫情，也不会是俄乌战争，而是ChatGPT的诞生。

最近ChatGPT这个“聊天机器人”已经把世界搞得天翻地覆了。因为它拥有堪比人类的流畅写作技能，还能惟妙惟肖地模仿知名作家风格，许多学生都开始用它作弊写论文，甚至《华尔街日报》的一位记者成功地使用ChatGPT通过了AP英语考试！

△《华尔街日报》记者用ChatGPT作弊通过AP考试

《大西洋杂志》有文章惊呼说：

马斯克也在推上发文调侃：“一个新世界来了，家庭作业再见！”

无奈之下，纽约教育部只能发布禁令，在公立学校的网络和设备上禁止访问 ChatGPT。最近，洛杉矶、巴尔的摩也加入到这个行列。

但另一方面，也有不少人觉得，限制 ChatGPT 并不是真正的解决方法，应该及早让学生学会使用人工智能这个工具，将来才能不被它替代。

△ChatGPT一本正经地回答“人工智能难以完全取代人类”，你信吗？

毕竟，最近微软已经发布消息，要把ChatGPT整合进Office里！想象一下，以后你输入几个指令，word就会帮你写工作周报，ppt帮你做一份ppt……

ChatGPT这样的人工智能迅猛发展，究竟会对十几二十年后进入职场的孩子们产生哪些影响？我们该如何了解和利用好这个工具？

我们请来了北美工科博士、自己就写过好几篇人工智能论文的专栏作者舒己怀，和读者们透过这热闹的人气，一起把这件事看清楚。

ChatGPT这样的“生成式人工智能”

究竟牛在哪里？

ChatGPT的厉害之处，就在于它是一种“生成式人工智能工具”，简单说就是具有“创作能力”的人工智能。

它可以通过利用现有文本、音频或图像来创造全新的或类似的内容，对处理和创造文字和艺术内容为生的白领，无疑是一个很大的挑战。

该技术被顾特纳(Gartner)列为2022年顶级战略技术之首。

其发展速度可以从下图里窥得一斑，以下列出的这些AI工具都是一年多前不存在的，如今，很多公司都订阅了收费的人工智能的服务，相信2023年更是人工智能技术更进一步突飞猛进的一年。

以下，我们来列举一下生成式人工智能工具的三种应用：

而由OpenAI 11月份发布的ChatGPT 和Dall-E 一样都是GPT（生成型预训练变换模型）的，只不过是ChatGPT是基于GPT-3.5 的大的语言模型。

ChatGPT则有 1750亿个参数（Dall-E 2 有35亿个参数）。由于语言信息的学习复杂性，ChatGPT在GPT-3.5之上，而且有多层的有导师的学习和加强学习用来微调，还有在此基础上通过近端策略优化算法进行进一步微调。这些微调过程中既有人工智能助手也有和人为的参与。

这么庞大规模的规模和完成巨大学习任务的庞然大物的产物在总体智商测试中达到了83分。但是Psychology Today 给出的语文测试中达到了惊人147分。

ChatGPT 可以用来聊天，搜索，翻译，写代码，甚至参加某些考试。

△ChatGPT的语文智商高达147，比我们大多数人都高

面对ChatGPT，谷歌都冒出一身冷汗，因为这款机器人可能威胁谷歌的存在。

教育界也受到了学生用它来作弊写作业的压力，因为从浩瀚的语言库中写出一些无需新意的东西是一件不难的事情。这也从另一面说明了现在教育和媒体的问题。教育不寻求学生独特的观点。而媒体也是为了缩减成本，变成了闭门造车的搜索和宣传工具。

加拿大环球邮报则更客观地说，ChatGPT 和其他人工智能工具将彻底改变学生学习的方式（How ChatGPT, other AI tools could change the way students learn）。要想客观了解ChatGPT的优劣和影响力，我们必须从它的来龙去脉谈起。 

对待ChatGPT不用如临大敌

它语文超牛，但数学不及格？

人工智能（AI）这词语是由MIT的John McCarthy和卡内基梅隆大学的Marvin Minsky在1956年夏季在达特茅斯学院举行的会议提出的：

早期阶段里，尽管理论上的前景很吸引人，吸引了很多人和研究，但是由于缺乏数据和算力，最初的应用是几乎都是模式识别和参数优化这种简单应用。

计算机的算力一直在稳步提升的同时，移动(手机)互联网的普及在2010后产生了大量的用户数据，这是人工智能发展的一个重要条件。再加以云端计算让训练和移动应用可以在不同的终端完成，让人工智能可以获得很好的应用。

拿ChatGPT来说，它的超大的规模，海量训练与巨大的数据就需要仰仗微软Azure强大的计算平台。所以有传闻微软会和OpenAI联合用ChatGPT起来对付谷歌，包括强化搜索引擎Bing和把ChatGPT集成到office系统里，包括邮件和报告写作。

但是简单地说ChatGPT是通过利用现有文本来学习创造的类似的语言，本质上是一种模仿和关联，是一种对巨大的语言数据库的开发和利用。

很多人一开始都用ChatGPT去模仿一些陈词滥调，比如一些八股文一般的发言（比如年终评价和政府发言人等），也有人用它模仿考试内容或者作业类的文章写作，他也可以编出一些已经有模板的程序。但最重要的是和我们的自然语言联系起来，利用已有的程序。

比如我们在电子表格中需要对一组数据做出处理，过去的办法是我们用公式或者程序实现。现在有了ChatGPT 加持，就可以只需要我们的自然语言就可以完成。这样我们就避免了我们记忆不必要的公式或指令。

人工智能也可以被用来分析我们已有的语言风格，帮助我们更好地分析现有地语言风格。对ChatGPT不能盲目崇拜，如临大敌，也不能嗤之以鼻，更好的办法是合理地使用之。

OpenAI的CEO说的：

言外之意，尽管现在依然初级，假以时日，提高后的版本会很厉害。

但是我们要知道，ChatGPT是窄功能的智能（ANI），就是只可以完成狭隘的功能，无法完成牵扯多种技能的工作。而事实上我们目前职场上即使是简单工作，比如说普通的技工都需要多种技能。

所以ChatGPT是很难对大部分现有工作形成挑战的。只不过ChatGPT威胁的是我们看重的语言能力和沟通的单项能力。如果有其它方面的知识，不用多久人工智能就可以和人在一般情况进行比较流畅的对话。但它不具备广泛的知识，也就是说它是一个偏科的机器人。

偏科到什么程度呢？如果你问它，一辆车从A到B需要2小时，五辆车从A到B需要多久。它会回答10小时。这个语言词汇智商达到147的庞然大物，数学和其他学科的变通能力是很差的。

只有到人工智能达到AGI（人工通用智能）的时候，才能与与人的智力相比。目前的估计这个时代至少要再过20-30年才可以达到。

而通向人工通用智能的道路上，由于要通向不同的狭窄的范畴，其关键的学科也被认为不是计算机学科，也不被认为是脑科学，而是哲学和其他更加底层的学科。

由AGI（人工通用智能）开始后逐渐走向ASI（人工超级智能），超过人类的智能。

目前的人工智能仍然在人的设计和辅导之下进行。其实看了AI解决问题的方式，包括强项和弱项，我们不得不回头对我们现实生活和里面的问题所进行重新评估。

人工智能仍然是庞大的，辛苦的，昂贵的，和偏科的简单工具。但是其优势就是其可复制性，不知疲倦，可以不被情感和各种偏见困扰，不会死亡。但是我也为我们的大脑深深地感到惊奇。

AI能够赶上我们，特别是在效率上赶上我们，是距离很远的。我们平时所从事的工作，很多都是涉及很多领域，技术上高度耦合的，需要各种智力上的判断的。

拿工程学科来说吧。一个工程师所具备的重要的能力包括：

这些都是AI远远不能比的。假如一个工程师只是被培养成了工具，没法建立问题的架构，做出判断和建立解决方案，那么他的价值就会大幅度缩水。反之他的价值仍然是巨大的。

再拿艺术与设计来举例子。人工智能可以学习艺术家的风格，可以高效率地进行各种技术处理，也可以把这些艺术与自然语言进行对应。但是无论艺术和语言，都是对心灵的一种反思和沟通。

没有我们的痛苦喜乐和心灵过程，那这种艺术的原创意义与价值又何在？或者说艺术创作有时的价值就在与创作过程本身。创造也许就是在这些特殊的反思或折磨的过程中诞生的。

什么是设计？设计也是建立在材料基础上的一种多科的融合与优化。用户的心理，体验和情感也是一种AI暂时不具备的能力。

再拿批判思维能力做例子。批判思维的几个步骤：

这第一步就是人工智能不具备的能力，也是越来越显得珍贵的能力。

机器和非人体的能源的“蛮力”毁灭了对辛苦劳作的崇拜, 程序和自动化毁灭了对简单脑力劳动的价值，机器学习、人工智能的出现揭下了学习和智能的神秘面纱。

对于自大和懒惰的人，获得一点点的学习和成长都是艰难的。而这些年的机器学习不但一直没有停止学习，更没有停止一直在演化与进步。

而生成性人工智能工具对我们无创新的劳动是一个无情的打击。这种新的智能，需要我们对教育有一个全新的理解和更新：

👉更新对智能，努力，价值的理解

由于AI技术的发展，各种智能的价值都发生着悄然的变化。在我们孩子的各种智能工具箱的库存里，各样东西的价值都有变化。这些都需要我们和孩子一起做出判断。

很多时候我们对努力是有点上瘾的，如果某天不辛苦都觉得过的不充实。其实这也是一种偏差，甚至是某种程度上是一种自我“欣赏”与欺骗。

作为个体我们要对自己努力所产生的价值要有一个客观的定位与评价。那些高阶的更有价值的劳动应该被重视起来，比如上节提到的：给看上去没有结构的问题建立结构，或划分一个多学科的问题的划分各个学科边界。

我们常说的没有功劳还有苦劳。苦劳不能说没有价值了，只是说苦劳有了替代品。这是不是意味着被替代的苦劳就没有意义了？我倒不这样认为。

技能的开发更多在于个体的成为和对思想的塑造。比如说流行的词语“小镇做题家”有没有意义了？

我觉得关键是我们在做题当中每次都有不一样的感受与理解。没有做过题的人往往是没有对概念的深入理解的。

👉对背景和情形的理解

其实在人工智能的年代里，一些软技能和“文科”技能变得更加珍贵。

除了给看上去没有结构的问题建立结构，或划分一个多学科的问题划分各个学科边界，我发现很多理工科学生没有很强的表达能力，不能叙述或复述自己正在解决的问题，缺乏讲故事的能力，是在蒙头解决问题。

这不但妨碍着和自己关联的部门，也妨碍了自己解决的问题。除了技术，人文和情感的元素也很重要。

还有认知的灵活度问题。如何来识别自己所处的情形和依赖的假设。这种情形和假设有没有发生改变？如何验证，考验，和更新自己的认知。这些事情都是人脑可以相对便宜地完成的事情，而对于人工智能都是相当难和昂贵的事情。

👉学会识别可以被自动化的事情或者说人工智能可以完成的事情

我们的孩子们不能排斥人工智能，要学会对人工智能的使用。要能在繁琐的任务之中，能够识别那些能让人工智能完成的事情。

今天的人工智能工具就像是当初的Word或电子表格, 或早期的搜索引擎，必然融入我们的日常工作生活。

我们要能剥离出这些事情。让自己专注在更高阶的任务中或者进阶当中去。所有这些都需要对人工智能工具的不断关注与学习。

👉专才，通才, 和技术管理者

如果你所从事的工作技能越单一，或结构越清晰化，你的技能或工作被替代的可能性就会大一些。当然作为专才也不意味着你的技能是单一的，你的工作也是需要多种技能。

然而能力的可迁徙性，通才地能够横跨学科，在新兴的跨科的地方寻找到成长机会的能力就变得格外重要。这种找到自己合适的独特位置（niche）可能让你的投入产出变得更好。

而人工智能作为工具更像你的员工或个人助理，脑力劳动者更像一个技术经理。需要你了解“员工”的特长知人善用，你的能力需要一个重新的审视与更新，特别是一些管理能力。

另外也有一个伦理方面的维度。技术方面的进步，导致我们需要从可用性和伦理方面对新技术进行管理。

这也是一个新的机会，需要大量的研究和人打交道。人的职责更多是一种综合性的监督性。

「 写在后面的话 」

霍金说人工智能可能将宣告人类的终结。作为结语，我想说的是从科学技术层面看也许是这样。而从经济与文化角度看也许不是这样。

人工智能很长时间内都会是昂贵的，这些技术将会被一些既得利益的人服务。而普通的人脑仍然会有很大的现实使用价值。

作为家长，我们的孩子需要学习的是持续的价值判断，发现和创造，成为一个心智成熟的终身思考者与学习者。

请回顾一下移动互联网带来的变化。这场改变不仅仅是技术开发者的事情，我们会有不同的参与方式和角色，这个有待我们去探讨和开发。

洪流之中，我们只有被动与主动两个选择，不可能置身事外地逃脱。