3個(gè)月前，OpenAI的GPT-4在萬眾矚目中登場，多模態(tài)功能震驚了人類，在各大考試中取得高分，號稱史上最先進(jìn)AI系統(tǒng)。

直至今日，在各大測評榜單中，GPT-4依舊時(shí)常位居榜首。

今日陶哲軒忽然發(fā)文稱，其實(shí)今年早在GPT-4發(fā)布前，微軟首席科學(xué)家Eric Horvitz就曾邀請自己試用過GPT-4模型。

試用完后，陶哲軒將自己的體驗(yàn)和思考寫成了一篇文章。

陶哲軒表示，還不到半年，再重新看這篇文章，就會發(fā)現(xiàn)AI技術(shù)的發(fā)展有多快。而這個(gè)回望的過程，也是很有趣的。

陶哲軒的GPT-4初體驗(yàn)

在過去的幾十年里，人類一直在被信息技術(shù)規(guī)訓(xùn)，慢慢習(xí)慣了一些情況。比如：

• 硬件和軟件將以摩爾定律的速度改進(jìn)（在性能、用戶體驗(yàn)和可靠性等指標(biāo)上），然后再過渡到更多的漸進(jìn)式改進(jìn)。
• 個(gè)別軟件工具可以可靠地產(chǎn)生高質(zhì)量的輸出，但輸入數(shù)據(jù)必須是最高質(zhì)量的，而且格式上需要按照工具要求的特定方式來認(rèn)真準(zhǔn)備。
• 工具越先進(jìn)，規(guī)范和特殊情況就越復(fù)雜。除非有精心設(shè)計(jì)的標(biāo)準(zhǔn)，否則工具之間（特別是不同供應(yīng)商之間）的可交互性就會成為重大的技術(shù)挑戰(zhàn)。
• 人類將做出所有關(guān)鍵的執(zhí)行決策；軟件工具則通過它執(zhí)行人類指令的成功或失敗的結(jié)果來影響人類的決策過程。

隨著 GPT-4 等生成式人工智能工具的出現(xiàn)，所有這些習(xí)慣即使不能被完全放棄，也需要重新調(diào)整。

這些工具在處理措辭模糊（且略有錯(cuò)誤）的自然語言提示，或處理從網(wǎng)頁或 PDF 中抓取的嘈雜數(shù)據(jù)時(shí)表現(xiàn)非常出色。

我向 GPT-4 提供最近一份數(shù)學(xué)預(yù)印本的前幾頁 PDF，它可以生成幾個(gè)質(zhì)量還不錯(cuò)的學(xué)術(shù)問題。

我使用類似提示詞的變體來準(zhǔn)備我以后的演講或閱讀技術(shù)層面比較復(fù)雜的論文。

起初，我根據(jù)編程或腳本語言的經(jīng)驗(yàn)，努力使自己寫的提示詞盡可能準(zhǔn)確。

最終，當(dāng)我只是簡單地向 AI 扔了很多原始文本，并沒有小心翼翼地寫提示詞時(shí)，最好的結(jié)果卻出現(xiàn)了。

如此高的容錯(cuò)性能使人工智能工具能與傳統(tǒng)軟件工具配合工作，或者讓AI工具相互集成協(xié)同工作，或者與沒有處理過的個(gè)人數(shù)據(jù)和個(gè)人偏好結(jié)合起來工作。

這種AI工具和現(xiàn)有的軟件工具，原始數(shù)據(jù)協(xié)同配合工作，或者讓AI工具相互配合工作的方式，將徹底改變?nèi)藗兊墓ぷ髁鞒蹋粌H僅是像現(xiàn)在一樣孤立地給人類行為提供一些建議。

由于這些AI工具能夠理解各種模態(tài)的輸入，我們?nèi)栽谠囼?yàn)如何充分利用它們的，開發(fā)它們的潛力。

我現(xiàn)在經(jīng)常使用 GPT-4 來回答隨意和措辭含糊的問題，而以前我會要花很多精力去搜索引擎里尋找這些問題的答案。

我已經(jīng)讓來它來幫我起草一些復(fù)雜文件的初稿了。

我認(rèn)識的其他人已經(jīng)使用這些工具的卓越人工情緒智能來獲得心理上的支持、舒適感和安全感。

我的一位同事的親戚最近被診斷出重病，但這位同事后來被一封 GPT-4 生成的安慰信感動流淚了。

在和人類的對話交流中，GPT-4 可以充當(dāng)富有同情心的傾聽者、熱情的回應(yīng)者、創(chuàng)意女神、翻譯或老師，或者魔鬼代言人。

它們可以幫助我們在任何方面都快速而持續(xù)地成長。

當(dāng)前的大語言模型（LLM）通常可以令人信服地模仿某個(gè)知識領(lǐng)域（例如我自己的研究數(shù)學(xué)）中專家的正確回答。

但眾所周知，如果你仔細(xì)檢查他們的答復(fù)，回應(yīng)中經(jīng)常會有胡說八道的內(nèi)容。

人類和人工智能都需要培養(yǎng)分析這種「新型文本」的技能。

我傳統(tǒng)上用來「探測」某些離譜的錯(cuò)誤數(shù)學(xué)論證的文體信號，對 LLM 生成的數(shù)學(xué)文本沒有多大用處。

只有逐行認(rèn)真地閱讀才能辨別出是否有任何實(shí)質(zhì)內(nèi)容。

奇怪的是，即使是無意義的 LLM 生成的無意義的數(shù)學(xué)內(nèi)容也經(jīng)常引用相關(guān)概念。

只要花些功夫，人類專家可以將不可行的想法修改為正確而且是原創(chuàng)的觀點(diǎn)。

2023年的AI已經(jīng)可以生成對于數(shù)學(xué)家有用的提示和線索，從而在數(shù)學(xué)家的決策和思考過程中發(fā)揮作用。

當(dāng)與形式證明驗(yàn)證器、互聯(lián)網(wǎng)搜索和符號數(shù)學(xué)包等工具集成到一起配合工作時(shí)，我預(yù)測，只要使用得當(dāng)，2026 年的人工智能將成為數(shù)學(xué)研究中值得信賴的合著者，在許多其他領(lǐng)域也應(yīng)該如此。

之后會如何發(fā)展？這不僅僅取決于技術(shù)，還取決于現(xiàn)有的人類制度和機(jī)制如何適應(yīng)。

現(xiàn)在AI 指導(dǎo)下的研究生可以在不到一天的時(shí)間內(nèi)生成一篇入門級的數(shù)學(xué)論文，而且未來 AI 工具的準(zhǔn)確性還要高得多。

面對這種情況研究期刊將如何改變他們的發(fā)表和引用政策？

我們的研究生教育方法將如何改變？

我們會積極鼓勵和培訓(xùn)我們的學(xué)生使用這些工具嗎？

我們還沒有準(zhǔn)備好回答這些問題。

將AI工具納入我們的專業(yè)構(gòu)架后，取得的AI輔助下的成就和勇敢的嘗試都會很令人震驚。

但同時(shí)也會伴隨令人尷尬的錯(cuò)誤、爭議、痛苦的破壞、激烈的辯論和草率的決定。

我們現(xiàn)有的技術(shù)范例無法作為探索這些未知領(lǐng)域的指南。

也許最大的挑戰(zhàn)將是如何盡可能安全、明智和公平地過渡到一個(gè)由人工智能輔助的新世界。