AI 的快速發展，會極大地促進我們對Web3 技術的需求。

撰文：KK，HashGlobal創始人

近期聽了陸奇博士和張宏江博士關於大模型和ChatGPT 的分享，收穫很大。整理了一些感想，和Web3 從業者共勉：

1和家裡寵物呆的時間足夠長，你會意識到貓只是比你簡單幾個維度的一個大模型或者說模型組合。

2模型的演化會很像基因和生命的演化，本質是一樣的。 Transformer 模型架構的出現就像分子第一次「無意」搭成了可複制的RNA；GPT-1，2，3，3.5，4，以及後面的模型發展演化只要沒有慧星撞地球般的事件，可能就像生命爆發一樣，越來越快，越來越「失控」。模型自身有不斷複雜化的「內驅力」，這是宇宙規律。

3三十多年前，斯蒂芬平克發現了語言是人類的本能，就像我們現在意識到，原來文字語言能力才是模型訓練裡我們苦苦追求的泛化能力的來源。為什麼以前搞人工智能和語言研究走不通，因為路走反了！語言是人大腦神經元系統足夠複雜了，湧現出來的本能，至於是演化成漢語，還是英語，鳥語和環境及部落有關。泛化模型加上其他「模型」疊加產生了人這個牛逼的智能體。你要去主動設計和構建智能體或者AGI，路徹底走反了。我覺得可能也不是不行，而是要難1 億倍。

4如果我們這個宇宙「上面」有高維智能體或者「神」存在，當它看到地球上的寒武紀大爆發時的驚訝應該像今天我們看到ChatGPT 一樣。暫時無法完全解釋，只能慢慢體會和學習，試著去了解。

5AGI 可拆解為Reason，Plan，Solveproblems，Thinkabstractly, Comprehend complex ideas, 和Learning。 GPT4 目前除了Plan 不行，Learning 算一半以外（因為基於預訓練模型，不能實時學習），其他都已具備。

6人腦的平均學習能力進化速度緩慢，但矽基智能的發展一旦方向找對，速度可以是指數級（看下GPT4 和GPT3.5 的差距）。

7大模型=大數據+ 大算力+ 強算法。全球只有美國和中國可以做。做大模型的難點在於芯片，CUDA（GPU 的編程平台）開發者積累，工程構建，和高質量的數據（用於訓練，調參和對齊）。對齊有兩方面，一是對齊人類大腦的模型和表現方式，二是人類的道德標準和利益。國內至少有兩個方向的垂直模型賽道很有機會：醫療和教育。

8GPT4 雖然還有弱點和缺點，但就像人腦一樣，一旦給予更明確的指示或提示，可以更強；還可以調用其他輔助工具後更加完美。就像人腦也需要藉助計算器等工具完成人腦本身不擅長的任務。

9大模型的參數量應該和人大腦神經元的突觸數相比（而不是神經元），這個數字是100 萬億。 GPT4 的參數量還沒有公佈，但估計大模型參數量很快會逼近。

10GPT4 目前的幻覺率（hallucination）大概在10%-14%，必須降下來。幻覺率是「類人」模型必然會出現的特徵。這個比例和人相比，還是太高。能否有效降下來，決定幾年後AGI 發展是繼續一路向上還是進入階段性低谷期。

11對我個人來說，ChatGPT 最大的意義在於它最直接地，毫無爭議地證明了基於簡單的計算節點和函數，只要數量足夠多，模型足夠大，就可以生成足夠複雜的思考模式，而這個系統是有限的，不是無限的。人類語言以及驅動語言的思考的背後可能並不是什麼靈魂，可能就是100 萬億的神經突觸連接後，被環境的演化不斷調教，「湧現」出來的東西。這一切非常符合人類最近兩百年對「人來自於哪裡」這個問題的突飛猛進般的各類研究。

12單細胞到人的形成，所有證據鏈條已經足夠完備；關於復雜系統的形成，基因的存在和「動機」也已有完備的理論；但人能不能依據所有科學理論，設計出矽基的AGI 呢？有人認為是幾年，有人認為是幾十年，更多的人認為永遠不會（即使在看到AlphaGo 在圍棋領域的表現後），但ChatGPT 用鐵一般的事實給出了最明確的答案。 Sam 團隊應該打心眼裡沒覺得人類大腦有什麼了不起，才能如此堅定地走大模型的AGI 路線，一個月燒1 億美元還是很考驗信念的。

13由於底層硬件不同，所以ChatGPT 的「策略」很可能和人的大腦是很不同的，而且是低效的，但令人驚訝的是，Her 產生的結果是如此像人的思考。人的思考本質上可能就是由簡單規則驅動的。

14語言和思考的「規則」，可能並不是我們能夠完全按「語法」總結出來的，這個規則目前來看是隱含，無法完全簡約和總結的。所以目前只能用大模型來幹出來，畢竟人的大腦架構也是從單細胞自然演化來的，即使有造物主，也應該是「開闢」了宇宙後，就撒手不管了，否則怎麼會有這麼多的bug 和缺點，哈哈。

15我很佩服史蒂芬平克，他可以在幾十年前只用觀察和推理，就令人信服地說明語言是所有人類的本能，是「刻」在我們基因裡的。我不知道Sam 有沒有讀過《語言本能》這本書，但他證明了ChatGPT 這樣的人造網絡可以非常好的完成語言創立工作。語言本能和邏輯思考沒有想像中的複雜，ChatGPT 已經「默默地」地發現了語言背後隱含的邏輯。語言也會是所有矽基AGI 區別其他矽基計算器和AI 的「本能」。

16人腦和碳基大腦都喜歡做generalize 提煉（可能是殘酷的進化所逼），所以極其高效（能量使用方面）；但不擅長做irreducible 的計算和處理，而我們知道很多計算模式可能只能一步一步做。 GPT4 的架構肯定還不是最優，沒有太多的generalization 和簡化，所以能耗極高。但「此路可通」的全球共識已經形成，後面應該會看到美國和中國的多個團隊在各方面加速推進：芯片算力，數據質量，算法優化，和工程架構等。

17人的大腦的價值評估體系應該是碳基分子形成的DNA 和遺傳基因「為了」最大化地提高自己的複制概率，通過自然演化的力量，給神經元的突觸設置好權重，逐步演化確定下來。這個碳基計算節點支撐的「模型」遠非完美，演化速度緩慢，「權重」和「算法」調整極其低效，完全跟不上環境變化。所以我們才會有各種宗教提到的人的慾望和痛苦。

18《WhyBuddismis True》一書裡提到，人大腦至少有7 個模塊（應該是多模態並行大模型）。哪一個思維模塊佔據「當下」的主體，人的「決策」如何做出，其實都由「感覺」決定。而這個「感覺」就是由「人」進化帶來的「陳舊」的價值評估體係來決定（載體之一可能是腸道細菌，哈哈）。建議大家可以讀下我幾年前寫的讀書筆記的第6，7，9 章。高山書院的公眾號裡有。

19暢想一下，如果人類真的把矽基AGI 和機器人創造出來了。驅動機器人大腦的價值評估體係是什麼？機器人會不會也很困惑「我來自於哪裡，我往哪裡去」？人類有釋迦摩尼，機器人為什麼不能有？機器人覺醒會是怎樣？某個機器人會不會某天寫一本《WhyMachinismis True》來呼籲機器人覺悟，呼籲機器人進入涅槃，來擺脫人類給他們設置的「輪迴」？

20能量限制會是模式演化的硬頂。但未來矽基AGI 的能量消耗模式應該會比現在高效很多，碳基人腦的模式畢竟迭代演化了十億年，才到了烏鴉大腦般的能量高效。未來矽基AGI 的能耗可能是現在人類能使用能量的幾億倍甚至更高量級，但能處理的計算和完成的事情也會是幾億倍。可能可控核聚變技術信手捏來了也不一定。這樣的話，地球上的能量可能就夠了，更何況還有太陽系，銀河系和更廣袤的宇宙。

ChatGPT 和AGI 很偉大，應該說超級超級偉大！我們有幸活在這個年代，不但肯定能搞懂人來自哪裡，可能還能搞懂人往哪裡去。

AI 的快速發展，會極大地促進我們對Web3 技術的需求：內容創作如何確權；如何確立人的身份（Sam 在搞worldcoin）； 和開源代碼能否做成NFT 授權使用；價值如果不能在互聯網上自由流動，生產力那麼強有什麼用？你能想像所有的內容訂閱，還要用銀行體係來完成轉賬和跨境划款嗎？你能給一個物聯設備開銀行賬戶嗎？你能同時給1 萬個用戶轉0.01 分美元嗎？ ...我上次說接下來三年是Web3 的iPhone 時刻，Web3 用戶三年後肯定能突破1 億，甚至遠遠超過。大家可以看下面這個飛輪：

一直很喜歡看生命科學，複雜系統，（作為哲學的）佛教方面的書籍，推薦幾本給大家，按我個人建議的閱讀次序：《生機勃勃的塵埃》，《奇妙的生命》，《自私的基因》，《自下而上》，《The Social Conquest of Earth》，《語言本能》，《深奧的簡潔》，《失控》，和《Why Buddism is True》。我覺得這些作者如果還健在，還有能力寫，都應該看著GPT 未來的發展，把書都寫個新版。

人的生命太短暫，很多偉大的想法都極其可惜地永遠地遺失在了歷史的長河裡。書籍，音樂和影視的記錄應該只是很小很小的一部分。即使記錄下來，那麼多的偉大的著作和真理其實一直都在那裡，但一個人又能讀多少呢？矽基AGI 則完全沒有這個問題。

是時候再把電影《TheMatrix》裡Mopheus 和Neo 的對白找出來再讀一遍了。

作者：KK，HashGlobal創始人