機器能否真正習得語言？
章勱聞
2024-03-15
過去一年注定會成為人類歷史的重要章節(jié)——在經(jīng)歷了信息爆炸和信息過剩之后,，“語言失控的時代”到來了。準確地說是人類失去了對語言的控制,。去年初GPT新版本發(fā)布時，簡短的介紹最后有一句憂心忡忡的話：“人類已經(jīng)難以分辨出大模型撰寫的新聞?！钡侥甑?，生成式人工智能（AIGC）產(chǎn)生的語言文字已經(jīng)遠遠超越新聞內(nèi)容，變得無處不在,、難以統(tǒng)計,。
要說明一點：失控并非一定導致災難，更重要的是看能否適應這種變化,。就像人類未曾能夠控制微小尺度間病毒的來去,，也從來無法阻止宇宙尺度上天體的運行，我們只是適應了這些規(guī)律,。同樣,，生成式人工智能雖然還在誕生的早期，但是它讓我們窺見一種可能：人類也許從來不是語言唯一的主人,，而只是臨時看護了它的成長,。要理解這一點，首先要思考一個問題：機器能否真正習得語言,？
回到18年前的冬天,，在牛津北郊的學生宿舍里，我在一臺二手的ThinkPad上處理著導師購買的33萬篇《紐約時報》語料,，試圖通過機器學習讓算法能夠生成新聞背景,。那一年，俄羅斯的“庫爾斯克號”核潛艇發(fā)生事故,，沉入了海底,。我立刻做了實驗，發(fā)現(xiàn)算法對潛艇災難的歸納與媒體報道高度相似,。
我的導師是后來DeepMind的研究成員之一,，他提醒我：實驗的成功可能緣于新聞文體的特殊性，而并非算法,。這也加深了我的疑惑：我們似乎總是在存量信息中尋找規(guī)律,，比如“新聞第一段總是存在各種事實要素”等。這似乎是在靠經(jīng)驗和概率提升運氣,，而并非真正讓機器學會語言,。
這其中涉及到的專業(yè)叫“自然語言處理”。當時在同一間公寓里,，另一位學者在研究“二語習得”,，也就是人類如何學習母語之外的第二外語。我們交談之后,，感覺兩門學科有相似之處,，也存在類似的問題。
最近，在和獵豹移動董事長兼首席執(zhí)行官傅盛的對話中,，他忽然讓我理解了這種聯(lián)系,。傅盛的觀點：之前的機器學習更像二語習得，而今天的生成式人工智能則接近母語學習,。簡單理解：人類學習第二外語學習必須“錨定”一種母語,，是一種關聯(lián)經(jīng)驗的過程。作為對比,，母語的習得則是人腦“沉浸”于客觀世界后獲得的整體印象,，其過程更為“神秘且偉大”。
生成式人工智能的顛覆性在于：硅基智能一次性地完成了沉浸式的母語習得,，而且接受了人類現(xiàn)存的上百種語言,，以及語言所承載的人類知識和信息的總和。這種過程究竟創(chuàng)造了一個什么樣的事物,，我們還在試圖理解,，但是可以肯定其能量遠超我們的想象。
舉個例子,，最近讀到一段質(zhì)量不高的文字,，講述了亞馬遜創(chuàng)始人杰夫·貝佐斯和一位Kindle早期設計師之間的恩恩怨怨。英文存在大量模糊的語言和跳躍的邏輯,。我嘗試用一個國產(chǎn)大模型來翻譯這段話,。結果發(fā)現(xiàn)AI不僅完成了英譯中，還補上了一些原文缺失的背景和邏輯關系,，比如這位設計師離職后的故事,。這種跨語言文化、深入到事件背景的梳理恰恰就是以前人類編輯的工作?，F(xiàn)在,，機器不僅完成了文字創(chuàng)作，而且在速度和質(zhì)量上遠超人類,。
這個大模型是中國90后的人工智能天才楊植麟開發(fā)的“月之暗面”,。很顯然，暫且忽略機器是否有“意識”和“情感”這些問題,，人工智能至少已經(jīng)從錨定人類的認知框架,，跨越到了“母語學習”，直接認識了客觀世界,。試想一下,，未來它們將會取代多少人類的腦力勞動？
發(fā)刊前,，我做了一個實驗,，讓“月之暗面”閱讀了兩篇中英文的年度盤點,，請它摘引一句對人類最有啟示的話。它選擇了拼多多創(chuàng)始人黃錚的一句意味深長的直接引語：“簡單和常識的力量是無窮的,?！保ㄘ敻恢形木W(wǎng)）
原文刊載于1/2月刊《財富》（中文版）雜志。
財富中文網(wǎng)所刊載內(nèi)容之知識產(chǎn)權為財富媒體知識產(chǎn)權有限公司及/或相關權利人專屬所有或持有,。未經(jīng)許可，禁止進行轉(zhuǎn)載,、摘編,、復制及建立鏡像等任何使用。
