LLM，把世界变成超级计算机

作为曾在 AI 公司做过产品经理的人而言，面对大语言模型展现出的 AGI 曙光，情绪是激动而复杂的。

AI 公司的经历，让我受益良多：

对神经网络，深度学习，机器学习，强化学习，算法模型等概念有了更全面的认知；了解了符号主义，行为主义，连接主义，玻尔兹曼机，反向传播等人工智能发展历史；对算法，算力，数据的核心价值有了更深刻的理解；对算法特性与应用场景的边界问题更加敏感。

但当时 AI 行业的状况，却扭曲了我对 AI 最原始的憧憬与畅想。

客观来讲，那会儿的 AI 只能算是用深度学习的方法增强了一些特定任务（比如模式识别）的实现效果，与理想中的 AGI 相去甚远。

好比是通过复杂的训练，得到了一条可以执行缉毒任务的警犬，或是一只马戏团的猴子。他们有一点聪明，但是总归不是人。

在我离开 AI 公司之际，我甚至有点悲观地认为当前范式下 AGI 已经成为不可能实现的愿景，甚至把 AI 归为信息发展的支线，而非主线迭代。

但这种悲观在短短 18 个月后被打破——2022 年 11 月 30 日，ChatGPT 发布。

这次 openai 可能带来了一个婴儿，或者是一个弱智，anyway ，起码是一个人了。

我是在 2020 年 gpt-3 发布之时了解到 openai 暴力美学的理念，在 2022 年 12 月份注册 ChatGPT 正式体验。我尝试用 ChatGPT 做了很多事情：

帮我润色一篇文章，启发我做产品功能的灵感，帮我设计一个调查问卷，做一些数据分析与统计，学习新的技术原理，流程与法律的合理化建议，解释一些生僻的词句比如“摈落蹄筌，方穷至理”，发送图片识别一双运动鞋的品牌与系列，甚至我有尝试完全通过 ChatGPT 来创作一部中篇小说。 [ GPT 科幻小说] 深渊梦境：第一章：末日之前我们聚焦某个算法模型可以做什么，在无数次被 ChatGPT 提示“You've reached the current usage cap for GPT-4”之后，我怀疑有什么是 LLM 模型不能做的。

现在分析，评论 ChatGPT 与 LLM 的文章浩如烟海，但我想从一个不太一样的视角来分析一下 LLM 将会带来的影响——LLM ，正在把世界变成超级计算机。

在我的观点里面，大语言模型本质上像编译器。

传统的编译器将高级编程语言编译为计算机可执行的机器语言，进而降低编程的难度，可以让更多的人参与到编程工作中来。而编程，几乎是过去我们建造数字化的唯一手段。但在今天，掌握高级编程语言的仍然是少数人。少数，意味着稀缺的资源，昂贵的成本，以及缓慢的进度。人类的编程力成为现实世界与数字世界的瓶颈。大语言模型跟编译器有着高度的相似性——都是把人类更容易掌握理解的语言，解释，转化为机器可以理解运行的底层代码。大语言模型则有希望将自然语言变成“超图灵完备语言”，这将使数字化程序的开发得以结构化，量化，并大幅降低成本。

随着 LLM 将现实的物理世界不断地编译成数字化的世界，整个世界将变成一台超级计算机。而 GPTs ，显然已经在预示这一趋势。

另外一个值得关注的趋势是 AI 硬件。

随着 AI 的水平面漫过人类世界越来越多的山头，AI 将以无法阻挡的趋势进入我们的生活。新的信息范式下，必然会出现新的载体形态。文字/印刷术，互联网/PC ，移动互联网/手机，AI 时代必然会出现新的 HMI 理念与新的设备形态。

过去讲产品经理分为软件产品与硬件产品，软件又细分为用户，社区，策略，增长，商业化，内容等等类型。但需要认识到这种细分是在行业高度成熟阶段，产生深度分工的结果。而高度成熟必然意味着红利消退，而我们正身处变局。

LeeReamond

160 天前

产品经理写出来的文章，不像是技术人员写的。你这文章发到今日头条也许不错，发到 V 站不感觉发错地方了么？

就现有的 DNN 的基础网络，这么多年发了这么多文章，当然 trick 是很多，我也很尊敬研究前辈，但是说到底实际上翻来覆去也就 CNNRNNX-former 那几套，X-former 做到 CV 领域以后现在也发现了 VIT 那套纯粹是近视眼，时序更是根本玩不转，这几年文章又回过头去搞 MLP 了。也就单纯在 NLP 的领域，因为语言主要看词汇而忽略顺序特性，再加上全人类知识在语言领域有投影，GPT 换了训练集以后突然一下子 zeroshot 效果很好，给了某些人一种无限增大模型导致无限进化的错觉，是不是因为产品经理上了人家给你准备好的速成班以后过于乐观，啊，我不好说。

我毫不怀疑几年以后会出现工业领域的通用机器人，大幅降低重复性劳动成本。但是所谓通用人工智能，反正我是回复呵呵。要我说啊，别看现在全网各种 LLM 和各种微调，牛皮吹得震天响，绝大部分公司连 Bert-base 都还没上，说的话又有几分能信？