徐小妙儿2024年10月12日发布:喻国明：生成式AI浪潮下学习的革命

在传统文化中，我们一提到“老中医”“老教授”“老书法家”等称谓，就觉得代表着资历、专业水平等。老，意味着有经验。但今天这个时代最大的特点之一就是，经验已经大大地贬值了，用学术性的语言表达就是“去魅化”了，有的时候甚至还会成为一种自我束缚，在现实生活中我们经常看到那些富有经验、自我感觉良好，但实际上困顿于经验中的昔日英雄。所谓“成也萧何，败萧何”。为什么会这样呢？因为时代已变，而且是大变。众所周知，我们现在正处于两大文明时代的交接过渡期：人类文明的发展经历过原始文明、农耕文明和工业文明，现在是正在向着数字文明整体地迈进。所谓“百年未遇之大变局”正是对于这种发展的描述。那么，在这样一个时代有什么突出的特点呢？

创新经济学家熊彼得曾经描述过我们这个时代的特点，他用了两个关键性的语句：一是断裂式的发展，二是破坏式的创新。断裂式的发展意味着我们既有的发展逻辑、发展模式已经难以为继，惯性式的发展和基于以往发展的经验已经不行了，换言之，按照传统经验去画发展的延长线，这个延长线画不下去了。要想发展、要想前进，就必须基于新的生态、新的现实去创造性地思考和实践，而最要命的是熊彼得定义了这种创新创造的一个最为突出的特征是，它是一种“破坏式的创新”，就是说，它是在破坏传统逻辑、传统模式、传统概念的基础上才能实现的一种创新。

如果说，互联网开启了数字文明时代的历史进程的话，最近两年的发展形势与过去二十多年显著的不同是，原来的互联网、大数据、人工智能、5G、VR/AR、区块链等等，只是在特定的局部引发了革命性的改变，但在整体上，我们看到传统的力量仍然盘根错节、维持着传统的格局和状态。但是这两年所出现的元宇宙和生成式AI，则变现出了一种强大的作用于全局和深层次的变革力量，整个数字文明时代的大幕已经系统性地徐徐拉开。首先，元宇宙具象地描绘了数字文明社会的整体样貌、发展目标和价值形成方式；其次，生成式AI“以大模型的概率计算+充满人性偏好的标注训练”，实现了对于人类智能的某种替代和增强。它以其特有的智能化的强大能力作用于人类实践的全域，为人们赋能赋权，为全部的社会要素实现价值连接，用比尔·盖茨的话来说，在生成式AI浪潮下，所有的行业都必须重做一遍。

“重做一遍”意味着传统经验、传统逻辑和传统机制及模式必须在价值逻辑和方法的视角下重新审视并得到必要的改造。那么，我们的教育领域呢？我们的学习方式呢？我们的传播学呢？是否必须重做一遍、重新审视并得到必要的改造呢？答案不言自明。

以学习为例，如果我们把学习的矢量分为向内和向外两种类型的话，我们传统的学习方式是更多地向内发力的，关注和掌握已有的知识、理论和经验法则等等，本质上是以追求既有知识的“标准答案”为目标的；与此不同，是以色列人的教育方式与目标追求：向外拓张式的信息类型，以善于提问为特征。据说以色列的家长在孩子放学回家以后，并不特别关心孩子今天得了什么成绩，而是关心孩子今天在学校提出了什么好问题。这种外向型的知识探求逻辑导引着孩子对于好问题兴趣盎然，并在这种对于问题的追问中不断突破自己的认知疆界，加深自己的认知层次与厚度，细化自己对于相关知识理解与操作的精准性。

应该说，这两种学习类型在过去的时代发展中各有利弊短长，但当生成式AI的大模型问世以后，对于它们的评价明显地有了巨大的不同。大模型下的知识库，有着几乎囊括所有既有知识和信息的巨大优势，如果从掌握既有的知识与信息的角度看，任何人，哪怕再努力，在数量上和丰富性、全面性上，和它都无法相比，它可以像神一样站在更高的维度上超越你。它的存在在相当意义上宣告了我们传统的学习方式和学习逻辑的终结。因此，我们从现在起，必须学会提问题：对于生成式AI的大模型而言，你能提出什么样的问题，你就能得到什么样的结果，你的提问质量不高，你得到的模型输出的东西，质量也必然不高。我常常听到一些说法，觉得生成式AI的大模型好像也没什么了不起，问了几个问题后感觉回答质量很一般，于是便兴味索然。其实，尽管今天的大模型还有很多缺陷，有待升级迭代的发展，但你的这种感受更大的可能是你还没有学会问问题。向生成式AI的大模型提问可是一个大学问，它的背后蕴含着一个提问工程学的逻辑与体系。比如对于传播学，提三五个问题很容易，提100个有逻辑、有结构并且能够善于调动大模型蕴含的资源与算法能力的问题，恐怕很少有人能够做到这一点。因此就有了所谓“提示词工程师”这样的专业人士，有消息称，这一职业现在在美国可以拿到百万年薪，可见善于提问题是一个非常有未来和非常有价值的专业。

所以，今天“学习”的核心含义是培养问题意识，学会提问题。当然也不是不要学习既有的知识，因为，一方面，代表着通用AI技术的大模型目前还仅仅是一个发端，还远谈不上完善和成熟；另一方面，社会和专业领域也处在新旧交接的过程中，既有的知识、经验与传统法则仍然有着强大的价值作用。但从趋势上讲，培养问题意识，学会提问题无疑是第一位重要的，而且是越来越重要的。

于是，关键的问题是，如何培养问题意识，学会提问题呢？其中的关键有以下三点。

一是要注重扩张我们的认知边界

维特根斯坦说过，“语言的边界就是我们的思想边界”。由此我们也可以说，认知的边界便是我们提问和思考的边界。如果你眼中只有自己狭隘的一亩三分地里的那点东西，那你的思考与提问便不过是“豆腐一块”和“一块豆腐”式的颠来倒去。而在大学的学习本质上就是扩张你的认知边界的，你每读的一本书、每上的一门课、甚至一次讲座与讨论都是给你打开通往世界的一个个窗口、一条条路径、一朵朵充满生命力的繁花异草。有了这种跨界的丰富性，我们才有完成对于解决复杂问题的资源可供性。

二是要注重提升我们的认知层次

在山脚下，我们可以听闻鸡鸣蝉唱；在半山腰我们可以见识层林尽染；登顶后我们才会“一览众山小”，感悟山外有山。在认知上，有两个可以拉开的维度，一个是时间维度的拉开，一个是空间维度的拉开。有句话是这么说的：“真理是简单的，真相是复杂的；短期是复杂的，长期是简单的”，拉长时间维度，我们就可以消除那些暂时性的纷扰和迷雾，对于趋势性的和长逻辑的东西看得更真切一点；拉开空间的维度，我们对于问题的判断和解决问题的思路就可以从对于“点”的苛求转而注重对于良好结构的追求。有了这种时空维度上的展开，我们才有可能在更大的时空盘面上认识问题、把握关键进而解决问题，完成对于解决复杂问题的功能可供性。

三是要学会掌握人类智能与人工智能各自的能与不能，擅长与不擅长

这一点很重要，它决定着我们如何运用好越来越强大的AI技术并在这种应用中保证以人为本的核心逻辑不被反噬。迄今为止，生成式AI的大模型是一种以概率计算为底层逻辑的内容生成的范式，知识因为有了以人为本的“标注训练”才能使它具有了人的温度与生活质感的味道，才成为一种具有某种通用性和普适性的AI技术。它对于一个问题的回答本质上是一种缺少创意的，以大数法则和中位数逻辑堆叠起来的文本。因此，它的确可以就已有的知识体系给你一个中规中矩的结构完善的“标准答案”，但它没有激情、缺少创意、很少具有升维的创新能力。如果让它进行传统手机的升级和改造的话，它绝对是沿着传统手机的工艺与性能逻辑画延长线：在原来的基础上通话更清晰、价格更经济、待机时间一个月乃至更长，只有乔布斯作为有创意的人，将其“换轨”到让它成为连接人与世界的综合信息终端的方向上，创造了今天手机的全新生态。人的价值就在于他是一个有着丰富的社会连接属性的有血有肉有激情有偏执的“远离平衡态”的负熵，人类的创新就在于不从众的执着和对一致性的追索。人类之于貌似无所不能的大模型的意义、价值和尊严正在于此。

这就是我们今天的学习所面对的改变。今天的新闻学子是伴随着生成式大模型的崛起而进入新闻传播专业中学习的，将成为第一代“以人为本”驾驭AI技术发展的人类。苹果公司CEO库克在2023年乌镇互联网大会的发言中曾强调：“我们并不担心机器越来越像人类一样去认知和思考，我们担心的是人类越来越像机器一样去认知和思考。”期待年轻的力量在未来的日子里，以自我的努力和智慧为自身的成长、为新闻传播学科的转型发展、为我们时代的进步留下辉煌和值得自豪的印记。

（本文摘编自作者在北京师范大学新闻传播学院2023级新生开学典礼上的致辞）

本文引用格式参考：

喻国明.生成式AI浪潮下学习的革命[J].青年记者,2023(19):83-84.

【2024新奥最新开奖记录】【新澳门开奖号码2024年开奖结果】

【新澳门6合开彩最新开奖网站】 【澳门三肖三码精准100%】

【2024今晚香港开特马37期】 【今期香港开奖结果记录】

【7777788888王中王中特】 【2024新奥马开奖查询】

【新澳历史记录查询结果】 【澳门彩开奖结果2024开奖记录】

【白小姐中特网最快开奖】 【2024新澳今晚开什么】【494949开奖结果最快】

点赞数: 0