微软CTO韦青亲述：ChatGPT背后，暴露的全是人的问题

ChatGPT怎么突然就火了？

他说，“山中方七日，世上几千年。当你埋头在屋子里面，研究最新技术进展，比如现在的最火的ChatGPT，出门一看，好像满世界的人都把它当成了很新鲜的事情。其实ChatGPT3.0算是一个比较大的突破，但它两年前就有了。它的结构、基本原理也存在很多年了。”

这轮技术到底是什么？ChatGPT真的会思考吗？

他说，“这轮技术，大概率就是把我们的知识进行提炼……机器是不会想的，想这个词是人类自己发明出来的。如果你硬把这种能力视为“想”，不能说错与对，但它会误导你对机器的判断、理解和定义。”

ChatGPT究竟是怎么做出来的？

他说，“Sam Altman（OpenAI CEO）那批人就是坚信大模型大力出奇迹，就能够表征人类的知识，就这么简单。”

……

ChatGPT的本质是什么？是否将替代人类工作？我们人类又该如何与之共存？

今天，我们邀请韦青老师，微软中国CTO做客混沌。他将利用工程师的底层视角，为大家揭开人工智能的冰山一角，探寻ChatGPT为何全球爆火。

韦青老师说，“大家有没有感觉到，每天好像都是见证时代的一天。由于我们的工作背景，在技术领域、在微软，能看到更多现象，我想跟大家讲，首先看到任何现象，先不用感到惊讶。帷幕刚拉开一角，舞台尚未完全展开。”

以下为课程笔记：（篇幅所限，本文内容仅为课程十分之一，请前往混沌APP听完整课程！）

授课老师丨韦青 微软中国CTO

编辑丨混沌商业研究团队

支持丨混沌前沿课

比真还真的时代

1. 我们需要通过ChatGPT理解什么？

GPT是现在最热门的话题，但GPT3模型两年前就培训出来了。GPT4的出现让人惊艳，但去年8月份它就已经被训练出来了。

什么意思？ChatGPT实际上是冰山一角。当我们看到某些现象出现的时候，某种意义来讲，这件事已经结束了。而这个时代才刚刚开始，ChatGPT现象会层出不穷。

再追逐冰山已经没什么意思了，我们要尽快通过浮起的冰山，去理解我们可能进入了一片冰山丛生的海洋。

从一个本质性的构成来讲，人类对世界的认知已经经历了三个阶段：农业时代是物质构成的。有地、有粮、有人就等于有权力，有生存的空间；工业时代如果你有能源、有动力，比有粮食还具备竞争力；到第三阶段，人类发现信息也是构成世界的一种本源性的存在。思想受什么影响？信息。

无论是麦克卢汉，还是鲍德里亚的理论，都已经强调了信息、电子信息的出现，可能会使人类社会的结构、边界、性质、方式都发生变化。

麦克卢汉最出名的理论是地球村。请想象一下，在父母辈的时代，朋友大部分是单位的同事，来自家族、村子、单位。仅仅过了几十年，现在你的朋友圈还受公司约束吗？

鲍德里亚的观点是，如果人类无止境地或者完全泛滥地利用数字化信息技术，我们很快就会进入一个比真还真的时代，那些由人工智能生成的照片、文字，你觉得它是真的吗？

鲍德里亚说的“比真还真”的时代，它已经来了。

······

篇幅所限，

本文内容仅为课程十分之一。

点击海报，前往APP看课！

2. 语言是思想的边界，技术是思想的实现

这几个月太热闹了，或许先不需要这么快下结论。当你埋头在屋子里面，研究最新技术进展，比如现在的最火的ChatGPT，出门一看，好像满世界的人都把它当成了很新鲜的事情。

ChatGPT3.0算是一个比较大的突破，但它两年前就有了。它的结构、基本原理也存在很多年了。

语言是思想的边界，这是维特根斯坦说的，但我要给他再加一句话，技术是思想的实现。

我们忽略了一点，能够把技术开发出来，先得有一个思想。ChatGPT，实际上它只是一种提取已经被沉淀、被记忆的知识的一种交互方式，底下什么？是基础模型。像谷歌的BERT，Facebook的LLaMa。

为什么GPT现在那么火？它背后是OpenAI的技术信仰，再加上微软的Satya（微软CEO）、Kevin Scott（微软CTO）这些人的技术信仰的结合。这些人都相信，靠大量的语料和海量的计算，能够产生出对于知识的沉淀和应用。

Sam Altman说，GPT走出的第一步，是拿把人类知识先沉淀下来。就像先把玫瑰花蒸馏成玫瑰精油。

但精油太浓了，你要使用的话，需要调和。所以第二步，就是用Instruct（指令）的方法，用提示词的方法，把精炼的玫瑰精油，滴到沐浴露中去。

但是，这件事没被证明可行之前，某种意义上是完全要靠信仰支撑的事情。有多少人敢这么做？又要花人力、花时间、花海量的金钱，结果可能竹篮打水一场空。某种意义上，它的成功也可以理解成幸存者偏差。

我认为你要赞叹的，不应该是ChatGPT的模型多么伟大，而是它背后耐得住寂寞、怀疑的这种定力、决心、信心，这已经是一种技术信仰了。

我们有没有对于工具、对于数字化技术的技术信仰？这才是我们应该问自己的。

认知达到信仰的层面，才能够选一条没有人走过的路。尽管今天还走不通，但你就认为这条路可以走，因为第一性原理告诉你，这样做是对的，只不过人类的技术还没有发展到那一步，还证明不出来。

另一个例子是SpaceX。它成功了，大家都觉得太牛了。但当马斯克后来接受媒体采访时，他哭了。他说当时我认为火箭可以回收，但NASA、所有大咖级人物、科学家都跟他讲，这条路是走不通的。

OpenAI是一样的，我们认为它在2023年1月忽然出名，怎么可能？它背后有太多的辛酸、坚持、疑惑、摇摆，只不过坚持下来了。

3. 现在的机器并不具备真正的思想力

这一轮技术，大概率就是把我们的知识进行提炼。知识哪来的？是我们的所作所为、所写所说，落成的文字、视频、语音，经过数字化之后，被机器去提炼，建成一种模型，变成知识沉淀下来。

为什么大家觉得它很神奇呢？因为没有任何一个人有这种能力，能记住人类所有的知识。

有些人觉得，机器会涌现出一些思想能力。确实，它会表现成思想能力。但如果你知道它的算法是如何做出来的，你还是会形成自己的判断。

我要想先声明一下，每个人都会对这种现象产生不同的解读。我的解读是，现在的机器并不具备真正的思想力，是把人类知识记忆之后的一种使用能力。

机器是不会想的，想这个词是人类自己发明出来的。如果你硬把这种能力视为“想”，不能说错与对，但它会误导你对机器的判断、理解和定义。

4. 做一个思想实验，这轮技术到底是什么？

如果我们发现了，可以通过蒸馏的方式，从植物中蒸馏出它的油性。请问，花园甲跟花园乙的拥有者，做同样的事情，最后的价值会是怎样的？他们做出来的东西，对社会的影响力会大不相同。

花园甲的拥有者，会怀疑提纯机器不行？还是会痛定思痛，发现原料有问题？

当我们从农业文明进入工业文明，已经受过很多降维打击了。当物质、能量变成信息的时候，会带来更加降维式的打击。

这种竞争方式，已经不是技术能力的竞争，有钱没钱的竞争……而是文明在一较高低。

你的文明所表现的形式，能否被新一代的会思考的机器学到、吸收到，并且让它的行为方式对你有利？

ChatGPT刚火的时候，知乎股价飞涨。在中国，具备语言语料的网站绝对不止知乎。为什么它涨得那么厉害？我没做过详细统计，但我认为，知乎的花园可能类似于花园乙。

我们再扪心自问下，贵公司、贵机构、贵组织，你们的知识的表现形式、呈现方式，更像是左边还是右边？你未来如何跟具备这样能力的公司竞争？

如果你的信息，无法沉淀成能被机器学习的知识。这一轮的机器能力，你能够利用到的概率就大为降低。

······

篇幅所限，

本文内容仅为课程十分之一。

点击海报，前往APP看课！

机器文明，冰山一角

时代的巨变有个好处，不管你多么先进，多么落后，在这个时代又拉平了。

微软CEO Satya说的刷新，Hit Refresh就是此意，重来过一遍。在这一轮的技术潮流下，我们如何重新获得定位？需要我们每一个人思考。

1. 冲着ChatGPT创新，等于拎包入住而没有自己的地基

古人有一句话叫“圣人畏因，凡人畏果。” 有了理念、信仰、追求，才能产生结果，如果我们只抓着结果，很容易只见树木、不见森林。

拿ChatGPT来举例子。当我们看到这个技术结果的时候，要相信它不是从石头里蹦出来的。

2023年1月，微软CEO Satya和Sam Altman（OpenAI CEO）的合照在网上很火，他们跟大家介绍了双方的合作和技术的进步。但其实在2016年，双方已经开始探讨了。

OpenAI的成长，也是在不断摸索的。大家可以看一本书，《深度学习革命》，以OpenAI这批人为代表的深度学习实践者和探索者们，怎样从当初对谷歌人工智能产生一些担忧，到成立这间公司。一切都是有脉络可循的，是几十年的摸索、试错，才走到今天这一步的。

如果我们冲着GPT的模型去了，从创新的角度来讲，我把它称之为拎包入住。

大家想象一下，一片未开垦的土地，长满杂草茂木。但有人把它开垦出来了，又根据土地的特点，设计出人类能够居住的房屋，把楼给造起来了，再找一些设计师精装修。最后招商引资。

这时我们都看到了趋势，发现只要找个50层以上的公寓房做生意就能够大赚特赚，就拎包入住了。当时确实大赚特赚了。但若干年之后，文明变了，潮流变了，50层以上的房屋不受欢迎了，你怎么办？

OpenAI有很多算法，很多工具，它曾经在机器人上投资，现在有人去看它的机器人吗？ChatGPT只是它在众多的尝试中，凑巧发现了一条路可以往前走。你要跟着它这条路走，有点像守株待兔，认为兔子永远会撞在这棵树上。

我认为，其实各位可以在这一轮，去看OpenAI的理念，最早这些人是怎么想的、怎么做的、愿景是什么。

2. ChatGPT的冰山下面是什么？

如果说我们看到了冰山一角，下面是什么？

拿ChatGPT举例，它下层有两类支柱，产物、产出它的人。别只关注ChatGPT或GPT4，去看更深层的东西。

一方面是大语言模型，赖以沉淀人类所有的知识，或者是能够被它学习到的所有知识的机制。是Transformer/RNN/CNN/LSTM，是用数学的方式，表征物理世界和人类知识与行为的特征。

另一方面，OpenAI，也是由人构成。公司就是由一批志同道合者构成的一个组织，去完成一个共同的愿景，共同的一个目标。

这些人才是一批有科学修养的，又有工程实现能力的，又对语言学、计算机科学的第一性原理有深刻理解的。更关键的是，有一个共同的理想，坚信做这件事是对的，是有用的。

其实有很多人正因为OpenAI所谓的成功，反而离开了，因为觉得愿景不一样了。这是它的人才特征。

人才特征的背后又是什么？容错、合作、开放的文化，不拘一格降人才的用人风格，配合的风格，彼此交流的风格。

如果我们连办公场所都严格要求，老板、员工分级坐，等级森严，是很漠然的群体，有可能做成这件事吗？

我自己也是管理者，感触还蛮深的。各个企业的文化真的不一样。有开放的、有封闭的、有严厉的、有宽松的、有说一套做一套的，有说知行合一的，所处的行业特征，社会的氛围也真的是不一样的。

错误是成功的前提条件。你公司的环境，整个的社会大环境，允许不允许这种容错文化的出现？

所以有些人问我，咱们应该怎么做ChatGPT？

我说如果你要做一个ChatGPT，个人的建议，还是别玩这个游戏了。就像是打冰球，追着冰球打太难了，你最好天天求什么？求前面没人打了。但那时，新的赛道又开出来了。天天在说弯道超车，等你真超过去才发现，前面已经没车了。

新开辟一条道路，需要建立这种环境，建立这种文化，培养这种人才，这才是最基本的。Sam Altman那批人就是坚信大模型大力出奇迹，就能够表征人类的知识，就这么简单。

3. 通用人工智能（AGI）

通用人工智能（AGI）是他们的追求。OpenAI会为之付出无穷的努力，不懈的追求，直到证明它绝对不行了。只不过，很巧它成了。但就算在AGI上，大家的关注点，也都各有侧重。

20年前谷歌刚成立的时候，只是个搜索引擎。你会感到很无厘头，一个搜索引擎，为什么把不作恶作为标准？现在大家明白了吧，在一个“比真还真的时代”，给你的信息当然可以作恶。

AI也一样。微软明确指出要做负责任的AI，谷歌说的叫不作恶。OpenAI提出UBI，全民基本收入（UBI，是指“无条件”地为所有个人定期发放一笔现金收入）。

Sam Altman在采访中说，需要新思想回答的三个问题是：如何分配通用人工智能产生的利润？如何分享通用人工智能的访问权？如何分担通用人工智能的治理权？

大家想一想，为什么Sam Altman想到了这三个问题？

还是因为AGI一旦推出来，大家马上就会发现，它的能力太大了，如果不能让人类在这三个问题上达成共识，有人赚便宜、有人吃亏，就产生动荡的因素了。AGI带来的这些议题，需要我们去了解。

4. 有些议题其实已经被思考100多年了

建议大家看一下《大都会》这部电影。它1927年上映，到现在马上100年了，你会发现，我们几乎在重演历史。

它出现了三个文明的特质：

1）无用的机器。出现了过度设计的无用的自动机。仔细想一想，它每一个理念，每一个精巧的激发过程和动作，是不是我们现在人工智能、机器人的思想的底蕴？

那么，我们有没有可能在不接受，甚至排斥“无用的自动机”前提下，鼓励工程师，孩子们去创造出这种自动机的文明？当不被鼓励、允许时候，他们有没有可能去做自动化的事儿？

我再举个例子，我们这个文明是不接受多米诺骨牌有任何价值的。但实际上，多米诺骨牌跟无用的自动机，背后都有一个隐含的、对于自动机的一种强烈的发自内心的追求。人工智能没成功前的所有投入，都是无用的自动机。这就是我们要深思的。

2）魔法师的学徒。名字来源于歌德的戏剧，它在全球技术领域经常被引用，说人类在开创一些魔法式的技术，但魔法需要被制衡，开启魔法以外，要会关。

3）精灵宝瓶。你不但要关掉魔法，还得把它收回去。留在世上可能也会有问题。

《大都会》结尾有一句经典名言，说在负责思考、筹划的大脑跟执行任务的双手之间，必须有一个调节者，这个调节者必须是人心。

我想说，当你为ChatGPT激动不已，脑补着很多东西的时候，有些议题其实已经被思考100多年了。而且，还没有定论。一两百年过去了，大家仍然在探讨自动机的普遍流行造成的后果，和相应的人文上的制约。

这就是盖子揭开之后，人类所面临的话题。这是远比所谓的人工智能奇异点，更宏大、更深刻、更严峻的话题。

······

篇幅所限，

本文内容仅为课程十分之一。

点击海报，前往APP看课！

如何利用机器？“教－学”相长，“有－用”相随

人和机器的关系是什么？比较理想的状况，是由机器弥补人类的弱点。那么，首先机器的优点、弱点是什么？人类的优点、弱点是什么？我们知道吗？

第二，人类怎么指挥机器？机器怎么能够被指挥？怎么能够不被指挥？我们考虑过吗？

第三，教学相长。我们要明白它是怎么学的，才能明白怎么去教它。

1. “教－学”相长

这点我特别希望想跟大家强调一下。否则，我们会误以为机器真能凭空学到知识。

上图中有几个机器智能的关键词，表征、映射、记忆、应用、学习。

图中还有从GPT4官方网站上取的一句话，这是它对GPT4的定义。我们把GPT4开发出来，就是让它去解决困难的问题，靠什么呢？靠形成的通用知识。

问题是输入，映射能力就是这种函数关系，产生的结果就是问题被解决掉了。

我认为它说得恰到好处，没有说什么特别花哨的东西，就是由一种知识去解决一种问题。知识是桥梁，问题是输入，把问题解决了是结果。

如果再优化，这三个等式。

第一个公式在描述什么？这是一种映射。即通过输入的变量，在一定参数的配置下，产生你要的Y。

第二个公式：这个Y是永远不可能完全满足你的。所以怎么办？理想的Y，减去每次产生的Y，产生一个偏差。

第三个公式：你接下来要做的事儿，就是不管用什么样的算法，把偏差最小化。

我们如何用机器？不就这三件事儿吗？

你作为一个人，是不是同样也在做这三件事儿？也要根据你的X和Y搭建一种函数，一种能力，也要去配置参数？每次你的Y也会因为一些小细节，比如这个月的销售涨了，产品的次品率低了，跟你的理想值之间出现偏差，你也要想办法把偏差减到最小。

明白机器的做法，你就能知道，我们应对的是怎样的时代了。

2. 机器的祛魅与魅化

如果再剖开来看，我今天不是在讲技术的细节，而是在讲它的祛魅。

我们给ChatGPT披了一张画皮，呈现出一个智者的形象。想象一下，ChatGPT是一个狐仙。我问，它答，你会觉着它是一个神人。但把这画皮一揭开，原来你提出的问题，就是一段指令，你还会觉得很神奇吗？

你还会对它有任何的人性化的连接吗？你还会觉着，它要把我的工作代替掉了吗？你觉得，是它把你的工作代替掉，还是它所赋能的一个机器或一个人把你的工作代替掉？

我们讨论了给它祛魅，它有被魅化的可能吗？如果基于你喜欢什么，会对什么产生情感的共鸣，如果我想给你造成一种它具有人性或神性的印象，也是可以做到的。

比如，给一个机器人取名叫欢欢，或者取一个让你感觉到很亲切的名字，或者让机器的表达去模拟人的方式，让你产生情感的绑定。你觉着有多少人能够受得了这种感情的诱惑？

也就是说，我们的决定和共识，会决定我们的下一代，决定我们自己怎样看待机器，是祛魅化？还是妖魅化？

这点并没有达成共识，甚至没有人去谈这件事情。

在英文的语境下的Robots，bots，中文居然把它翻译成机器人，自然地就把它向人靠了。实际上Robots和bots没有任何的“人”的含义。

我们这个文明，是否需要主动地把这种机器能力，用语言的方式，用形象的方式，用各种各样的方式，把它跟人连在一起，这是不是走得有点太大了？这也是一个问题。

3. 机器是不理解概念的，机器理解的是概率分布

再给大家举个例子，我对ChatGPT提出了一个问题：“我想去中国旅游，我从来没去过，那里的哪座雪山值得去看看？”

它回答说，“我无法判断雪山的美丽程度”，为什么ChatGPT给出了这样一句答案？这句话相对来讲，很符合人性。

但实际上机器怎么理解的？美字之后，好、妙、丽，各有概率的计算值。其中丽字的概率值最高，所以它就选了美丽。接下来呢，又有几个字备选。程、景、心，在人类的语言中也都和美相关，比如美丽程度，美丽景色，美丽心情。机器发现“程度”两个字概率更高。

最后它是自然就选择了“度”字了吗？不是的，度字概率最高，所以这句话就出来了。如果你前面问的问题是《三体》的主角是谁，八成它会选择，心。

我们认为它很完备，懂人话，说人话。但你发现没有？人跟机器的理解是不一样的。如果我们不知道这一点，就被它魅住了。一旦被它魅住，你很难成为它的主人。

所以，你要明白这一点。

其实机器是不理解概念的，机器理解的是概率分布。语言，每一个字的出现，都是有概率分布的。它的答案是基于概率的一种推理，不是概念的推理，这一点我们务必要明白，这是祛魅的一个必要条件。Sam Altman（OpenAI CEO）能够坚定信念，其实是因为他对语言的特征，有深刻的理解。

你觉得机器像人对吧？其实我要说，是我们太不像人了，所以才认为机器像人。何以为人？尤其是当我们知道自己有那么多的误区、偏差之后，如何去弥补、防范思维误区和偏差，让我们做得像个人？这是远比AI会不会代替掉人，更核心、更本质的一句话。

越是纷纷扰扰，越要守住第一性原理。这个时代，门开了一道又一道，但外界其实一直这样，是有风险的，只是我们没有跳出舒适区。

4. 我们应该用AI干什么？

下图是微软的数字化智能反馈链，现在特别出名。基本概念是，帮我们建立起跟世间所有的对象的实时连接。知道它的状态，反馈回来，进行优化，进行完善。

可以理解成什么呢？无处不在的智能、计算、感知、决策。但实际你看，除了中间写了Data AI，其余圆圈里，写的都是我们日常的工作、学习、生活。

我想强调的是，AI是干什么的？它跟上一世纪出现的电的特点是一样的，应该是无处不在，通过建模仿真来进行计算和优化，用机器能力去赋能、帮助和完善我们的每一个过程。

但如果丧失掉了人的主观能动性，如果没有人的约束、制约、控制，没有负反馈，全是正反馈，可能让它自激了。它可能会在瞬间用掉地球的资源，理论上讲是可以达到这种情况的。

所以就算是GPT，它也经过培训，人是在决策链里面的。GPT这样已经有很多知识沉淀的模型，能够被使用，也是因为人的主观能动性在继续发挥作用。

明白这个道理之后，你会发现实现起来没那么复杂。

OpenAI跟微软合作，现在开放的这四个功能，你发现没有，严格意义来讲，都不会被普通用户使用到。

我们用到的是什么？是被它这种能力赋能的，所加强的，一种工作的性质和内容。

所以虽然OpenAI的技术很先进，微软也在大力地推动，我们追求的不是ChatGPT或GPT，而是整个的一个系统观，是Azure AI。Azure AI里面有除了OpenAI以外的很多功能，有很多技术的同步的实现。

知其雄，守其雌

如何面对这个时代？

1. 三个关键词

有三个词可以供大家参考——“煤气灯下”、 知识“肥胖症”、知识“智子”。

煤气灯下。Gas Lighting是2022年，韦伯字典的全球热词，是上一世纪40年代一部电影的名称。电影讲述了，一位先生想谋取他太太的财物，一直在给太太洗脑。电影用蒙太奇的手法，煤气灯摇摇晃晃，让人感觉到眩晕，感觉到不确定。它为什么变成全球热词了呢？因为现在机器生成的虚假消息和错误消息，就如同摇晃的煤气灯，让我们失去了对什么是真实的客观判断。

知识肥胖症。我们都知道，垃圾食品可能会带来身体肥胖。但是大家想一想，每天我们通过手机，看了多少知识快餐？

扪心自问一下，我们消化得了吗？我们的大脑，没法去理解，也没法记忆，就是不断吞下很多信息。带来了大脑的虚假连接，每个连接都是耗能的。我们天天在消耗那么大的能量，但由于知识没有重复，其实什么也没记下来。

那么，我们是愿意沉浸在知识的恐惧症中，觉着不学要落伍，还是愿意理解能力的局限或者约束，来学我们能够消化的知识？这一点，能够决定我们的生活素质的高低。

知识智子。算法机器，是把人类知识吃进去，消化，把它变成精华提炼出来。如果你没有不断给它进入新的知识，或者说，新的知识也是这个引擎产生出来的，大家想象到结果了吗？

它就变成了一个正反馈，就像狗咬尾巴一样，不断在打转，不断地去精华同样的知识。一开始，可能会有一些所谓的涌现现象，但我觉得，如果你不给它添一些额外知识，机器转得又快，越来越压缩，你会看到这个模型好像越来越小，越来越精练，越来越有用，但实际上它的知识固化了。

类似于《三体》里的智子，是一种源头上的约束，让新的知识无法产生。

这种情况不一定出现，但是有这样的隐忧。它是受机器能力本身所局限，尤其当我们人类不加约束去运用的时候，就会出现这种情况。

2. 文明这个话题很关键

提炼知识的算法是没有文明的，但你给它供给的原料是有文明的。我们要给这种技术以文明，我们的文明，让它能够沉淀下来，为我们所用。

文明这个话题很关键，我拿几张图，给大家展现一下，还是蛮发人深思的。我在中文语境下，试了一些关键词，让我很警醒。

“开心的农民在广阔的农田里驾驶着拖拉机收割。”你觉着机器在中文语境中应该给你什么样的图片？

我又试了一些词汇，当我想让它产生出一个我希望跟我的文明相吻合的图像时，它产生的是这样的图像，不能说它错误，是说它跟文明的背景不兼容。

我有点着急，好歹给我出点跟中国相关的形象吧？所以我输入了语文老师，符合中国的文化特点的语文老师。

你看它给我产生一个什么形象。一个非常古旧的、传统的、没有现代化文明特征的一个语文老师的形象。但我们中国的语文老师有这么古老吗？他们是不是也在用计算机，穿现代化的服装，在给一帮活泼的学生在讲课？

在算法界，这叫做语料的偏差和偏误。今天我一直在跟大家讲的，不是算法，要比算法大得多。文化、文明的传承之前要提炼，沉淀下来，让我们的下一代，包括我们自己，能利用这种知识的沉淀来帮助我们。

我们希望什么样的工具，什么样的提炼是适合我们的需求的，这是值得我们每一个人警醒的。这是对我们每个人的自勉。

人类还会不会向前走？一定会向前走的，但是对文明的贡献，对知识的贡献，它是由机器去提取的。

机器如何提取你的文明、你的知识，变成它整个的知识海洋中的一滴水、一瓢水或者一汪水，机器有它的算法，有它的价值观，有它的方法论，我们怎么应对？这也是需要我们每个人去考虑的，它关系到我们所在的组织，将来如何利用机器所提取到的知识。

初看是技术，细看全是人的问题。

再一细看，全是思想的问题。

我们现在最麻烦的思想问题，就是总想在确定性已经消失的时代，还试图找到确定性，而不是去适应不确定性，来应对不确定性的挑战。

我们经常问，哪些人类工作会受到机器影响？你或许应该问，哪些人的工作不会受到机器的影响？那个答案的圈可能会很小。

每一个流程，每一个动作，每一个人，每一个物，都会被这种能力所赋能。赋能表现形式是什么？建模、映射、仿真、计算、优化、反馈回来，赋能你的物理世界。

所以，再回头讲，动荡时代最大的风险真的不是动荡本身，是什么呢？是我们企图用昨天的逻辑应对这个时代的挑战。彼得·德鲁克早就说出来了，到现在仍然适用。

······

篇幅所限，

本文内容仅为课程十分之一。

点击海报，前往APP看课！

Don't Panic，不要惊慌

在小说《沙丘》描述的场景中，人类的技术已经很先进了，可以穿越太空。但人与人之间的打斗靠什么？原始武器。‍

知道为什么吗？在小说中，人类历史出现过一件什么事？巴特勒圣战，有一个种族，特别热衷于机器能力，发明了很多人工智能和智能机器人，而且把机器能力用在了战争上。开始大家不在意，结果越做越先进，这个反噬差点把人类都给灭掉。

为什么这本小说在西方影响那么大？冲的不只是机器，是机械的价值观。

下面这一段的话，是主角的导师跟他讲的，“你就是用了太多的机器能力，结果居然忘了在沙漠里要戴上面罩。”主角跟导师说，那你怎么不提醒我？导师说，就是因为你过于依赖机器的提醒能力，把你自己的人的能力都丧失掉了。

我们面临的是一个伟大的时代，而且大概率在不知不觉中已经跨入了这个伟大的时代，已经是其中一份子了。

那么怎么办？Don't Panic，不要惊慌，别担心，别着急。为什么？

对机器能力的过度恐惧，实际上是对人类，对我们自己主观能动性的极度自卑。我们高估了我们记忆的作用与知识的难度，却低估了我们思想的深度，和人的主观能动性。

但要保住人类的主观能动性，还要花一些心思去理解现代化的机器的能力，成为机器的主人翁，也就让自己更有可能性，有更大的概率，进化成新一代的人类。

下一节课，我会跟大家一块儿再共同探讨，在这个新的人机时代，如何做一个与时俱进的、适应复杂变化的人。

······

篇幅所限，

本文内容仅为课程十分之一。

点击海报，前往APP看课！