•
年終長文15000字：學習的終結（The End of Learning）——從ChatGPT到未來
作者
李韌，哲學博士，曾在中央電教館、新浪等機構任職，著有《學習簡史——從動物學習到機器學習》（華東師範大學出版社2023年）《自適應學習——人工智慧時代的教育革命》（清華大學出版社2018年）等。
摘要
在歷史長河的一隅，從遠古時代祖先傳承火種的教導，到現代網際網路無垠知識的星辰大海，學習一直是人類不可或缺的生存技巧。
然而，“頭懸樑錐刺股”“十年寒窗苦讀”的日子，似乎即將迎來尾聲。
想像一下，未來的世界裡，你想成為相聲大師，不用再夜以繼日地練習。
只需要輕輕鬆鬆地在能力模型交易市場裡，像逛超市一樣隨意將具有郭德綱老師相聲風格的AI模型撿到購物車中，再配上自己的創新元素，調教一下你的個人AI，隨即可發佈出郭德綱風格的個人相聲視訊，供全球相聲愛好者一樂。
大型語言模型技術的崛起，ChatGPT的橫空出世，為我們打開了一個全新視野：人類能力可以通過模型化的方式得到複製，並可以無成本地被無限擴散。
知識是資訊的壓縮，而大模型則是人類幾千年來全部知識積累的高度壓縮，它幾乎封裝了全世界所有的知識。
一切皆模型，模型將無處不在，知識將無處不在。
醫生診斷是模型，律師服務是模型，設計師是模型，藝術家是模型，方方面面它都無處不在。
在不遠的將來，我們可以輕易地借助人工智慧，揮毫寫出莎士比亞風格的十四行詩，撰寫李斯特式的交響曲，或是追隨梵高的畫筆創作出印象派畫作，而無需經過任何長久的學習過程。在那個時代，學習的壁壘被拆除，成就變得如此觸手可及。
這就是“學習的終結”——一個我們即將迎來可能世界的畫卷。
目錄
引言
一、暢想：複製人的能力
二、原因：一切皆模型
三、設想：人類能力模型交易平台
四、定義：一個被稱之為“學習的終結”時代
結語
引言
隨著天空逐漸由深藍色變為橘黃，曙光預示著新一天的到來，而人類社會同樣迎來了科技的曙光。
在這個黎明之時，我們站在了一個全新的知識傳承的分水嶺上——一個被稱之為“學習的終結”的時代。
我們生活在一個重要的歷史時刻。一場人工智慧（AI）的革命正在悄然進行，大型語言模型正在挑戰我們對學習、社交、工作甚至生活的理解。
這些模型有著不可思議的力量，它們可以理解、解釋、應答甚至創造出富有內涵和洞察力的文字。
想像一下，只需通過幾下點選，你就可以輕易地擁有一個領域專家的智慧。這不是空想，這是大型語言模型技術正在帶給我們的真實革命。
而在這場技術的奇蹟中，最讓人驚嘆的莫過於AI的複製泛化能力。
我們不難發現，在網際網路時代，“複製”與“貼上”已成為最普遍的行為——無論是一段文字，一張圖片，還是一段視訊，所有的這些都可以跨越空間與時間，以息息相關的複製形式存在。但AI複製能力的出現，比前述任何一項都要深遠。
我們可能站在一個新的黎明之門。不久之前，我們還圍坐在學校的教室裡，認真聆聽教師的講述，筆記本上密密麻麻全是努力吸收的知識點。
而在這個門後面，我們的能力不再需要一代又一代的傳承，學習，練習和汗水，可以通過數位化、模型化和深度學習等技術輕鬆獲得。
現在，我們將描繪一幅對未來憧憬的畫卷：一個不需要傳統意義上知識與能力學習的新時代。
這個時代將由人工智慧領跑，而學習變得不同於我們過去所理解的鄴塞漫長的過程。
也許，孔子所說的“學而時習之，不亦說乎？”將會以一種全新的形式，迴響在矽基生命的耳畔。而我們，每一個活生生的個體，也將成為歷史轉折點上的見證人。
當我們回望歷史，每個社會變革時刻都伴隨著人類行為模式的深刻轉變。
若大型語言模型和人工智慧技術能夠如我們想像中那樣發展，並最終引領我們進入一個全新的學習時代，我們將如何定義這個時代呢？
一、暢想：複製人的能力
未來會怎麼樣？這依賴我們所有人的視野和想像。
想像一下，有一個像郭德綱老師那樣會講相聲的AI。這個AI被我們親切地命名為“郭德綱AI"，讓我們深感溫馨。
它精通相聲藝術，講起故事和笑話來，情景交融、聲情並茂；它的摹狀和語調把握得如此絕妙，以至於你誤以為自己看到郭老師在台上審時度勢與觀眾互動的身影，這是真的郭德綱老師在演出。
然而那其實只是由無數語言模型訓練、學習出來的AI副本。每一個句子，每一個詞彙，每一個笑點，都是由大型語言模型以及深度學習技術計算並生成的。
看似簡單的一段直播，背後張力卻無處不在。
首先，北京的郭德綱要細心調教“郭德綱AI"，傳授他講相聲的各種技巧，遵循各種規則和習俗，保證AI講出的相聲既有新意，又富含傳統特色；同時，郭德綱還要傳授它如何插科打諢，如何根據不同的觀眾氛圍判斷何時該講何種類型的笑話。
在他的悉心調教和強化訓練下，“郭德綱AI“猶如一個勤勞的學生，在融會貫通和精湛技藝之間找到自己的平衡。郭老師，作為相聲界的殿堂級人物，他的語調、他的節奏、他的智慧，無一不是精華。
而現在，僅需他花幾天時間，配合AI技術，便能創造出一個能夠模擬他講相聲的AI模型。
而最令人驚奇的是，“郭德綱AI“作為一個模型，可以被無數次複製。
這意味著，通過這個AI模型，郭老師的相聲藝術可以被無限複製，而且每一份複製都保持著接近原創的藝術魅力。
無論是在華夏的上海，抑或天南海北的倫敦、紐約，每個人都可以擁有自己的“郭德綱AI”。
每個複製品都保有原模型的全部能力，比如，AI可以模擬郭德綱的表演風格，遵循他的語言習慣，甚至模仿他的表情和肢體動作。
而創造這些副本的成本幾乎為零——這是過去無法想像，卻又現如今變為現實的奇蹟。
再者，“郭德綱AI“還有一種超乎人類想像的優勢：它不需要休息。
每天，每時，每刻，只要你願意，它總會陪伴在你身邊。同自己的“郭德綱AI“共度一段歡笑的時光，成為許多人最願意做的事情之一。
深思一下，當郭德綱老師的神韻可以通過一套程式碼，一台伺服器，傳播至每個角落，每個想瞭解相聲文化、學習相聲之道的人，他們能通過自己的“郭德綱AI模型”盡情欣賞與學習，那將如何改變文化技藝的傳承與學習？
AI模型零成本複製的想法，將掀起一個前所未有的社會實驗：知識與智能的商品化。
從此，每個人都可以定製自己的AI模型，就像是定做一套衣服，完美貼合個人的身形與需求。
當你在享受郭德綱AI帶來的歡樂時，或許你也會突然產生一個念頭：如果能把郭德綱AI模型也變成自己的“技能”，那將會是多麼有趣的事情。
或者，你有一個很好的小說創意，想寫成一部余華風格的小說。你不用先去花大量時間精力學習掌握余華的寫作能力（先且不論能否學會），而是可以直接借用“余華寫作AI模型”，就寫出了自己心目中“余華風格”的全新小說。
訓練一個有餘華風格的語言寫作能力的模型，所有人都可以用這個模型來寫出自己想法加余華風格的小說來。並且，這些模型可以交易。
成長類小說寫作模型、自傳寫作模型、年終總結寫作模型……這些模型就像網路遊戲中的道具一樣，可以在某些平台上進行交易，而擁有了這些道具的人，在遊戲世界中就擁有了某種超能力。
將來的AI個性化不僅會停留在外表、聲音的模仿上，更能深入到知識層面，技能層面。
每一例個性化的AI模型，既是知識的載體，也可被視為獨一無二的藝術品，憑藉其獨特性與創造性，以模型的形式得以交易。
如此，導師不再侷限於肉身，其智慧與教導可以通過雲端傳遍世界；藝術家的精神可以在演算法的銜接中被永久傳承；科學家的探索能力能夠立即被全球共享，推動人類文明的持續進步。
曾經，人類的能力通過學徒制、書籍、教育機構等方式，輾轉傳授、遷移。這是一個浸潤慢性的過程，斑駁陸離卻飽含磨難。
然而，在AI的發展浪潮中，我們眼見技能和智慧可以被電子化、模型化、批次複製的未來，正在不可逆轉地降臨。
人類創造性的智慧已經在某種程度上被“小框”了——程式碼成了我們知識與智能的新容器，演算法則是賦予知識生命的咒語。
曾經，人與人之間知識的傳遞曾需要耗費巨大的時間與金錢成本。而今，能力複製向我們省略了這一過程。
讓未曾學過語言的人瞬間精通多國語言，讓從未程式設計的人一夜間摸索出程式碼的奧妙，正因為有了AI，這一切看似不可能的幻想，都在逐步成為現實。
更深遠地，這種複製不僅是知識的傳播，更是智能的擴展、個性的延伸。將來的社會中，每個人都像是一位藝術家，不論是在技術領域、教育領域還是生活領域，都能構築自己獨特的AI經驗與技能，完成從知識消費者向知識創造者的轉變。
過去的學習強調個體的努力和積累，而未來的學習將更多地涉及智慧的分享和共生。當AI成為教育和創造的主要力量，“學習”的定義將會被重塑。
我們不再需要長時間地坐在課桌前摩挲書頁，而是在AI的幫助下，迅速內化別人的經驗和智力結晶。
未來，每個人都將擁有掌握一切能力的鑰匙，而這把鑰匙，正是量身定製的AI模型。
因為模型無處不在，一切皆模型。
二、原因：一切皆模型
什麼是大模型？
進入二十一世紀，我們見證了電腦、人工智慧乃至整個資訊科技領域的飛速進展。
特別是大型語言模型（LLM Large Language Model）的崛起，ChatGPT的橫空出世，為我們打開了一個全新視野：人的能力可以通過數位化的方式得到複製，並可以無成本地被無限擴散。
但在我們滿懷期待地探索這個前所未有的領域之前，瞭解其背後的技術原理至關重要。
而試圖理解AI複製能力的關鍵，在於搞清楚大型語言模型是如何運作的。
首先，我們需要明白大型語言模型是基於深度學習的神經網路建構的，能處理龐大的資料集，捕捉語言中的細微聯絡，並通過對資料的分析學習來理解和生成語言。
設想一下，一個致力於相聲創作和表演的AI，它需要首先“沐浴”在郭德綱的表演錄音之中，這些錄音就是一系列關於相聲表演的巨量資料。深度神經網路會從中學習郭老師的語音語調和演出風格，逐步把握其韻律的起伏、幽默的時機，甚至台上的互動技巧。這個過程與人類學徒觀察師傅表演並親身實踐的方式類似，AI通過對數以萬計的相聲片段進行分析，最終具備了獨立表演的能力。AI需要不斷地通過演算法最佳化自身的神經網路參數，直到它儘可能精準地模擬和再創造郭老師的風格為止。簡而言之，這些模型是通過分析海量的語料庫來學習語言模式的。
如此，AI能在某種意義上複製人的學習過程，將學習成果以模型的形式封裝並批次複製出去。大型語言模型的進步，不僅體現在其對人類語言的理解上，也體現在其創造性上。
這種進步又是如何獲得的呢？
“ChatGPT之父”（真正的），OpenAI首席科學家兼聯合創始人，伊利亞（Ilya Sutskever），他有個信念：如果你能高效壓縮資訊，你一定已經得到知識，不然你沒法壓縮資訊。就像把模擬訊號轉變為數字訊號，是因為你有了這段訊號特徵的知識，你才能將它壓縮。
正因為如此，模型大就是好，越大越好。在所有人都不看好大模型時，只有伊利亞堅持在大算力、巨量資料上投入巨量資源，最終才有了我們看到的GPT3、GPT3.5和ChatGPT。
事實上，人工智慧的自然語言處理領域，一直有兩個競爭的理論學派：
一是符號主義學派認為，一個詞的意義取決於它與其他詞的關係，這來自索緒爾、喬姆斯基。這個學派認為智能的本質是推理，是通過使用符號規則來運算子號表示式完成的，智能是邏輯啟髮式的。這一派的科學家們認為，人工智慧不要急著去“學習”，在我們理解了如何表示事物之後，學習就很簡單了。
還有一種是連接主義學派認為，一個詞的意義是一大堆特徵。比如“貓”這個詞的意義包括它是有生命的，它是一個捕食者等等。但是他們沒有說特徵從那裡來，或者特徵到底是什麼。它認為智能的本質是在神經網路中學習連接的強度，就像人類大腦的神經網路，因此，不要著急去“推理”，在學習完成後，推理自然就來了。
多年來，一些堅信符號主義人工智慧的研究人員（比如明斯基）聲稱，神經網路的特徵層級無法處理語言問題，嘗試用符號方法理解人類語言。但連接近都沒有，這成為一個極度困難的任務。
伊利亞的導師，“深度學習之父”，也被譽為“AI教父”的傑弗裡·辛頓（Geoffrey Hinton）認為，這種說法是完全荒謬的，喬姆斯基曾經做出了驚人的貢獻，但他的時代已經過去了。
其基本思路是學習每個單詞的語義特徵，但最重要的內容是這些特徵的互動。知識存在於你賦予符號的特徵中，以及這些特徵的互動中。生物系統是通過一系列層次化的特徵探測器來實現這一功能的，因此對神經網路進行這樣的訓練是有意義的。
於是，在2012年，辛頓帶領兩位學生伊利亞和亞歷克斯·克里澤夫斯基（Alex Krizhevsky），展示了可以通過這種方式製作一個非常好的神經網路，在有一百萬張訓練圖片時，可以識別一千種不同類型的對象。並且，在ImageNet競賽中獲勝，甚至贏得相當炸裂，他們的神經網路只有16%的錯誤率，而最好的傳統電腦視覺系統錯誤率超過了25%。
這實在是太神奇了。
大模型之“大”
然而，要理解它們的工作原理，就困難得多了。
許多人，特別是來自喬姆斯基學派的人，爭辯說它們並不是真正的智能，它們只是一種被美化的自動完成功能，使用統計規律將人創造的文字片段拼貼在一起。
辛頓指出，人們對“自動完成”的理解，還停留在過去。即，你看到兩個詞，計算第三個詞出現的頻率。比如你看到“清風”，在此之後“和煦”出現的頻率很高；但是“和明月”也相當頻繁。
辛頓再三強調，這完全不是大語言模型預測下一個詞的方式。大語言模型將單詞轉換為特徵，使這些特徵相互作用，並從這些特徵互動中預測下一個單詞的特徵。這些數百萬個特徵以及它們學習的特徵之間數十億次的互動，辛頓認為這就是理解。
問題關鍵在於，這個詞代表什麼，是一部電影還是一個遊樂場，這是需要以知識的理解和獲取為基礎的。自然語言處理沒有知識永遠沒用，讓自然語言處理有效的唯一路徑是你有知識。因此，如果沒有全人類範圍內的知識，從根本上無法處理語言。
正好GPT的核心模型架構Transformer，把人類幾千年來全部知識積累的高度壓縮，它幾乎封裝了全世界所有的知識，而人類全部知識幾乎無窮大，這是它的最大突破。
結果，有了知識，它不僅能處理語言，還可以利用知識約束語言解釋的空間。這種變化在某種意義上是從知識開始理解語言，而非在理解語言後獲取知識。
直到最近，統計學家還沒認真思考這種模型。 這是一種奇怪的模型，它非常大，它有大量的參數，它試圖通過特徵以及特徵如何互動來理解這些離散符號串。
因此，很多科學家還是對大模型所擁有的能力、對大模型能夠工作感到非常困惑，其中有人批評大模型像個黑盒不可解釋，要人別太迷信大模型湧現能力。
然而，與產生湧現的原因相比，這些能力是突然湧現還是連續線性出現，其實並不重要，更重要的是湧現出的能力的可用性。現在的GPT4大模型的能力（包括兩種典型的能力：上下文學習（ICL）和思維鏈（CoT）），遠超以前NLP模型類似“人工智障”的能力，達到真正可以幫人做事的程度了，真正能像一名大學生一樣被使用起來。
對大模型能力湧現的一個簡單理解是，當樣例的數量在100時，還未能完全呈現出複雜事物的多樣性；當樣例為100億時，事物的多樣性已經完全窮盡，而呈現出複雜事物的類別與規律。簡單舉例來說，當方向有4個時，只給4個樣本，每個樣本的方向可能性都可能是100%，當樣本有10000個時，某個行為朝向的確定性立即呈現出來。當特定大規模建模可以在連接上超過50%，才形成具有連通性的通路，就形成了似乎具備某種推理能力。
我想到多年前，在北大燕園上課的一件小事，當時學校曾經封閉的一塊草坪剛開放，允許任何人從草坪中通過，最開始，草坪上很快就呈現出無數條小路。但是，等到足夠多的人走過後，草坪上就出現了幾條明顯的路徑。
辛頓說：“曾經有統計學家向我解釋，大模型有100個參數就可以了，訓練一百萬個參數的想法是愚蠢的，但現在，我們正在做的參數是一兆個。”
也許，這就是大模型之“大”的意義之所在。
模型即知識
那麼，模型又是什麼？
一個簡單的說法是，模型是對世界的簡化和量化，模型本身是為探索思想和總結觀點而建構的模擬世界。
正如斯科特·佩奇所說，所有模型都有三個共同特徵：
第一，它們都要簡化，剝離不必要的細節，抽象掉若干現實世界中的因素，或從頭重新創造。
“沒有什麼比（追求真實的）現實主義更不真實了……（因為）細節（多到）令人困惑。只有通過選擇、消除、強調（突出），我們才能獲得事物的真正意義。”（喬治婭·奧·吉弗Georgia O' Keeffe）通過簡化，我們可以應用邏輯來解釋現象、交流思想，並探索各種各樣的可能性。
第二，它們都是量化的，要給出精確的定義。模型通常要使用數學公式，而不是文字。
模型的價值體現在，它們能夠把特定結果所需要的條件清晰地揭示出來。我們所知道的大多數結論都只是在某些情況下成立。即，最重要的是，真理是有條件的。
我們從經典文獻和偉大思想家的名言中吸取的教訓，卻通常不包括任何條件。既有“三個臭皮匠，賽過諸葛亮”，也有“廚子多了燒壞湯”！一方面告訴我們鼓勵我們要敢於“破釜沉舟”，另一方面又教導我們要“留得青山在”。有人說要盡善盡美，也有人說：“完美”是“優秀”之敵。於是，我們無所適從、知多而罔，迷失在眾多意思相反的“智慧”海洋當中。
而在模型中，得出的推論總是採用條件判斷形式：如果條件A成立，那麼可以得出結果B。相反的諺語經常共存，但是相反的定理卻不會出現。
模型將信念表示為世界狀態的機率分佈，將偏好轉換為各備選項之間的排序，通過簡化和精確化，創造易於處理的空間。我們可以在這些空間上進行邏輯推理、提出假說、設計解決方案和擬合資料。模型建立了我們能夠以符合邏輯的方式進行思考的結構。
正如維特根斯坦在《邏輯哲學論》中所寫的：“邏輯本身就能解決問題，我們所要做的，就是觀察它是如何做到的。”是的，邏輯有助於解釋、預測、溝通和設計。
當然，邏輯也不是沒有代價的，要防止另一個極端。“只要不斷地拷打資料，資料總會說話”，模型只是幫助人類思考行動的工具，切不可把簡化的模型當作我們面前真實的世界。
這就導致模型的第三個特徵是：所有的模型都是有用的，但正如統計學大師喬治·博克斯（George Box）所指出的那樣，所有模型也都是錯誤的。
倡導模型教學的David Hestenes 繪製的一份三個世界的關係圖所有模型概莫能外，即使是牛頓提出的那些定律和法則，也只是在特定的條件下成立。所有模型都是錯誤的，還因為它們都是簡化的，它們省略掉了細節。
世界是複雜的，只依靠單個模型其實是過於狂妄自大的表現，這種做法會導致災難性的後果，讓真理成為那種很有“魅力”的簡潔的數學公式的犧牲品。
資料，也就是原始的、未編碼的事件、經歷和現象。資料之上是資訊。資訊用來給資料命名並將資料歸入相應的類別。資訊之上是知識。知識組織了資訊，呈現為模型的形式。或者說，所謂科學知識，即是建立起模型，數量化可驗證和複製的資訊。
有了資料還遠遠不夠，我們社會中的大多數資料，都只是資料長河中的瞬間或片段的記錄，這種資料不能告訴我們多少資訊或知識，更遑論智慧。巨量資料時代，我們需要模型，不然就無法理解電腦螢幕上不斷滑過的資料流（事實上， 相比大模型，人類在理解巨量資料方面，已經太過無能了）。也許，這就是模型的價值之所在吧。
一切皆模型
事實上，人類認知的本質就是建模。
亞里士多德說：人是理性的動物。人之所以稱之為“人”，就是因為具有抽象概念的能力。
人類的一切知識都是主觀的思維建模，是對複雜事物的簡化。
認知就是從外界感知資訊，建立心智模型，使用心智模型做決策。認知就是建模和操作心智模型的過程。
科學家們說是在研究自然，但實際上他們做的大部分事情都是在對自然進行建模，並對所建立的模型進行研究。
語言是模型，生命是模型，有機物是模型，蛋白質是模型，視覺識別是模型，尋路是模型……一切皆模型。
事實上，我們一生中大部分活動中，其實都是在用多種模型（或者說套路）來行事。我們不可能每臨一事，都進行全面認真細緻反覆地思考然後行事。只有全新而重大的事，我們才會三思而後行。因為有意識行事需要大量能量，人類經過億萬的進化後已經“習慣了偷懶”。
所謂模型，即是重複，即是循環，即是規律，即是套路，簡單來說，模型就是一種行事的套路、模式、習慣，模型其實是一個人最底層的思維繫統。
Modeling可與Patterning 、Copying或模仿同義。模型（模式化）通常被用來幫助人們模仿某種行為或過程，並建立對行為的預期（如典型的生活模式）。
因而，在未來，模型將無處不在，知識將無處不在。
醫生診斷是模型，律師服務是模型，設計師是模型，工程師是模型，模型無處不在。
所有知識密集型行業都是由模型驅動。比如醫療就是一個模型行業，一個好醫生是一個好模型，一個好護士是一種好模型。醫療這種產業，本質是強模型驅動。
模型無處不在，接下來即將發生。以後手機上打開，任何聯網，模型就過來了。它教你怎麼去解答法律問題，怎麼去做醫學檢驗。不管什麼樣的模型都可以無處不在。
人類社會中每一件事情都由模型來表達和驅動。
模型就是知識。我們做任何一件事情都需要知識，知識的力量是無窮的，相比於資訊時代，模型的產能更強大，發展的速度一定會比過去更快。
工業時代，體力勞動封裝成汽車、舉重機、插秧機，我們要用體力做的東西基本上都被替代了；智能時代，封裝成各種形式的模型，我們腦力要做的事情都可以讓它們來輔助。
大模型時代，腦力勞動有了替代，人類有了智能夥伴（Agent）。
那麼，接下來，我們如何擁抱這個時代？
三、設想：人類能力模型交易平台
在看到了能力模型的潛力和影響之後，可能會對未來展現出一種更深層次的思考：我們能否創造一個平台，讓所有人將其大腦中的知識、智慧和經驗輸入到AI模型中，在這個平台上共享和交易呢？
在未來的某一天，我們或許能看到一個全新的市場誕生—— 人力市場將會被AI能力模型市場所取代，這個市場充滿了獨一無二的AI模型，它們每個都有著自己獨特的技能和特質，稀奇古怪、五花八門。
想像HSE
想像一下，如果有這樣一個人類能力交易平台（”Human Skill Exchange", 以下簡稱”HSE"），每一個人，無論年齡、性別、種族、國籍，都能在這個開放平台上進行他們的能力交易，這樣一個以AI模型銷售為主的市場平台會是一個什麼樣的場所？
借鑑現有的電子商務平台，AI模型的市場可能會由一個導購智能體（Agent）開始，使用者可以語音告知他自己期望學習或獲得的技能——比如寫作、程式設計，抑或郭德綱老師的相聲藝術。稍後，平台會展示各種相關的AI模型，每個模型都有詳盡的描述：從建立者的風格、技能特點到使用者評價和價格等等。購買模型的使用者，將能像下載軟體一樣將這些技能內化，人的知識和才能成為可以隨意交易的商品。
當你拿出手機，打開了模型交易市場的App，一個繁忙的場景立刻呈現在你的眼前：一個設計師正忙著賣出他的“中國風設計”的AI模型；一個律師正在炫耀他的AI律師助理；一個專業的社會學家正在討論他的社會研究AI模型如何揭示社區的社會動態；甚至還有一個舞者的AI智能體正在教一群初學者如何跳舞。這個市場繁忙且生動，就像一個正在開展的博覽會，充滿了激情和活力。
在HSE的幫助下，你從郭德綱AI身上學習相聲，從Picasso AI那裡學習繪畫，或者從Hawkins AI那裡學習物理知識。沒有任何阻礙能夠阻止你在這個平台上浸潤未知的知識。
在這裡，我們有機會看到各種技能被廣泛共享和流通。每個人類的技能和知識都可以被尊重，被理解，進而被廣泛地傳播。在這座能力集市裡，藝術家握筆如握劍，以其繪畫之能挑戰視覺的界限；工程師則以演算法與數字構築現代化的金碧輝煌。教師頌知識之光，令子弟成林；醫生以仁心仁術，救死扶傷。每個靈魂的火花在集市中匯聚成火海，絢爛奪目。
但HSE的魅力不僅在於它的交易功能。集市中的每個角落，都洋溢著技藝與智慧的深海，個體在此不僅僅是取得他人成就的消費者，更是自身才能的提供者。
在HSE上，你可以選擇給你的AI模型灌輸自己的專業技能，上傳你的資料、觀點或經驗，比如你的編碼技巧，你的寫作秘訣，甚至是你的搞笑才華。一旦你的AI模型被訓練完畢，它就能精準地模擬你的經驗和技能，然後你可以將自己的AI模型發佈到HSE交易平台，全世界的使用者在你的AI模型下競標出價，那種滿足感會讓你心花怒放。
集市亦是融洽和創新的熔爐，個體才華如火花般碰撞、激盪，燃起了創新的火焰。我們可以想像，這個市場並不是只有大公司或者知名人士才能參與的，任何一個普通人，只要他有一技之長，他都能在這裡找到自己的一片天地。
你可以在這裡發佈你的模型，自己定價；也可以選擇購買別人的模型，一次性付款或者分期付款。全球範圍的使用者可以根據自己的需求去購買他們需要的技能AI。或許他們是為了完成一項工作，或者僅僅是為了興趣愛好。但無論出於何種目的，他們都可以在這裡找到他們想要的。
我們以前可能有很多想法，但是由於個人能力與時間種種原因未能實現。但現在，借助AI模型，我們有了實現這些夢想的機會，可以通過購買模型，一夜之間獲得全新的技能，把自己的創意、創新想法，運用獲得的全新技能，將之實現。
世界開始嘩嘩嘩地變
隨著這個交易市場的出現，人們的工作方式將發生翻天覆地的變化，世界開始嘩嘩嘩地變。
我們不僅可以購買模型獲得全新的技能，也可以將自己的技能變為AI模型出售。大多數人可以通過AI模型市場出售自己的能力，獲得相應的報酬。另一方面，企業也可以通過購買這些模型，獲取他們所需的技能和能力，而不再需要僱用大量的員工。
在未來，公司中最重要的可能不是人工智慧專家，而是人力資源專家。他們確定工作任務和工作崗位，當然，這個專家要懂人工智慧的所有能力特長與邊界。你只要能把任務和職位定義清楚，人工智慧就擁有這樣的能力並完成任務。
人力資源經理面對的的不再是人才市場或招聘網站，而是擁有各種能力的人工智慧體（Agent）。也就是說，以前，你要招一個好的人，把這個崗位描述清楚後，再外面找。現在，你只需要把這個需求告訴人工智慧，它瞬間就變成這樣的人，能完全勝任以前需要招人才能完成的任務。
未來，我們不僅擁有能力複製的技術，還可能建立一個人類能力交易平台。不僅社會企業的運作方式會發生改變，而且，每個人的工作與生活方式也會有所改變。
無疑，一場對人的本質重新認知和社會整體重構的革命即將來臨。
人類社會一直是技術驅動的。
從農業時代，人用牛與鐵犁耕作。工業革命後，早期工業體系以體力勞動為主、腦力勞動為輔，但隨著機械化、電氣化、電子化，人的體力勞動減少。資訊化時代以後，人以腦力勞動為主，經濟從商品經濟轉向知識經濟。就像歷史上每一次“技術革命”，都源自一種新能源：種子、畜力、煤炭、石油、電力、資訊。AI模型同樣也是一種新能源，一種能替代受過大學教育和專業訓練億萬白領的新式人力資源，在眾多考試的表現上，GPT4現在的能力已經超過了90%以上的人類。而且，隨取隨用，7×24小時，996也完全沒問題，永遠都不會躺平或罷工。
ChatGPT帶來了全新的人力資源，不用經過幾十年昂貴的教育和養育，直接可用的“大學生”智能海量可用。ChatGPT可能導致眾多白領失業，就像“工業革命”時期的機器替代藍領一樣。
OpenAI CEo山姆·阿爾特曼被問及這個問題時，他提到的一點對我們可能很有啟發。他說：“我覺得有意思的是，如果 10 年前問人們，AI 將帶來怎樣的影響，多數人會很有信心地說，首先它將取代工廠的藍領工作，卡車司機等，然後將取代低技能的白領工作，然後是高技能、高智商的白領工作，比如程式設計師。也許永遠不會取代那些創造性的工作。現在的發展正好相反。”正如莫拉維克悖論所指出的：人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理，但是無意識的技能和直覺卻需要極大的運算能力。
受ChatGPT衝擊最大的前10%的職業，很多是傳統意義上的創意型職業，包括大學教師、心理健康諮詢師、大部分財經媒體記者、律師助理、低端的IT從業者、作家、金融分析師、普通文員、短影片製作人、大部分公眾號寫手，等等。
這些工作都有一個共同的特點，就是本身不產生新知識，只是模式化地處理資訊。比如，律師助理過去是為律師們提供資訊、整理資訊、起草檔案，這些事情都是把資訊從一個檔案中搬運到另一個檔案中，現在不需要了。
這一次大模型拐點會讓所有服務經濟中的人、白領都受影響，因為他們是模型，並不創造新知識，除非有獨到見解，否則你今天所從事的服務，大模型都有。
超級個體一人公司來臨
可以預見，會使用AI的超級個體將會出現。每一名職業人，都會開始用“副駕駛員（Copilot）”，當副駕駛員能力越來越強，越來越多，我們都將會有一個 “駕駛團隊 （Copilot team）”。無論我們到那兒，都有各類“副駕駛員”跟著我們走。
甚至，公司或許都不需要人力資源專家。“一人智能公司”越來越多。所謂一人智能公司，就是公司裡只有一個人，也就是老闆，其他的“員工”都是人工智慧體，包括財務、法務、銷售、公關、設計師、程式設計師……目前維持一個公司維運的所有必備崗位人員，都可以由你直接指揮它們完成任務，不再需要開會，也不再需要大量高昂的溝通成本。
因而，未來，唯一有價值的是你有多大見解。而且你有很大的願力和心力，願力是對於未來的獨到的判斷和信念，堅持、有強的韌勁。可以堅持不懈地追求這個願景。這是未來每個人越來越重要的核心素養。
各種知識和技能，相對來講越來越不重要，而你需要的是獨到的見解和堅持，是能用好工具的能力。AI 工具幫助你，即使不善與他人合作也能完成任務、創造價值。眾多現在公司中需要專業的工作職能不再需要僱人，AI 可以進行替代。像設計師、程式設計師、會計師、市場銷售、人力行政……這許多的同事，你都可以不用再打交道，你只需要用大模型工具代替他們，減少人際溝通成本。
這次創新，帶來的是提升人類認知能力的工具，它會進一步拉開人與人之間的距離。那些聰明、勤奮、努力，並且學會用這個提升人類認知能力工具的人，將快速超過原來同一水平、但不使用這類工具的人。
最有價值的是科研，但不是傳統意義的科研，是新一代的科研。科研的發展跟商業化合為一體。今天引領資訊科學的不是國立研究院，不是一流的大學，甚至不是大廠。而今天引領數位化最前沿的人工智慧的已經不是大廠，是創業公司，是 OpenAI，是 DeepMind。
創業公司開始做基礎研究。伯克利、斯坦福，校內的每一個系長得越來越像一個基金，很多教授某種意義上都帶了好幾個創業團隊，這個趨勢越來越明顯。學研產的模式倒過來，每個教授就一個創業團隊。
下一個時代典型的職業，是創業者和科學家。
歷史上，人類創造價值獲取財富的空前機會，僅有幾次。公元1萬年前的農耕者，依靠耕耘比打獵與採集更穩定，讓歷史上的蘇美爾人、古埃及人、古印度人和華夏人成為最早一批建立文明的人；公元1700年後的工廠主，利用工業革命後的機器、石油，比手工業更快地生產出商品，歷史上資助瓦特改進蒸汽機的英國人博爾頓、發明汽車的德國人本茨、開髮油田的美國洛克菲勒成為那些時代的代表和世界上最富有的人；再就是現在，研發者，面向市場針對人類重大需求的研發，比大企業能更快地做出有用的產品。
這個時代為人類創造價值並獲取財富將是創業者、科學家和藝術家。藝術家和科學家的本質是形成獨到的見解，而創業者是把想法變成現實的人，他們將創造和享有更多的財富。
四、定義：一個被稱之為“學習的終結”的時代
在人類的歷史長河中，曾以洞穴的壁畫啟示後世，以羊皮紙承載智慧，如此拓寬知識的邊界。
在古希臘阿戈拉市場的喧囂中，哲學家借助語言的力量，向群眾傳遞著思考的火種。在古老世界的角落，學徒們圍坐師傅周圍，傾聽、討論、吸納，每個人的心智都被經過精心訓練和不斷打磨。
不久之前，我們還圍坐在學校的教室裡，認真聆聽教師的講述，筆記本上密密麻麻全是努力吸收的知識點。
在我們的生活中，學習一直是一種無法迴避的任務。從嬰兒期開始學習走路、說話，到成年後在職場上不斷充電提升自己，我們都在通過學習，獲取知識、技能，以適應不斷變化的世界。
在過去，人的能力複製，只能通過教學的方式，傳遞給另一個人，成本很高。
如今，能力如同過去航海者的古老羅盤，需經由多年航海實踐才能掌握。如今，這羅盤變作了可以隨意分享和複製的電子導航，讓每個人都能成為探險家，不必再歷數載之難。
這就是學習的終結。因為在這個新紀元裡，我們不再需要學習，只需要選擇。
建立一個人類能力交易的集市，與千年前的阿戈拉集市並無二致，只不過我們交易的是智慧，是人類潛能的無形博弈。在這裡，歷史上牛頓和愛因斯坦的智慧，可能就隱藏在區區幾個G的封包裡。無需紙和筆，也無需嚴厲的考試和嘈雜的教室。
當我們回望歷史，每個社會變革時刻都伴隨著人類行為模式的深刻轉變。
從古希臘學院的廊柱下，到諾貝爾獎的頒獎現場，‘知識’似乎總是帶著一絲神聖的光芒，也是人類自詡為‘智慧生物’的根據。但當AI的陰影隱隱投射在這一切傳統的輝煌之上，當我們能從雲端下載一份完整的“經驗包”，讓機器去模仿人類的學習和思考。
若大型語言模型和人工智慧技術能夠如我們想像中那樣發展，並最終引領我們進入一個全新的學習時代，我們將如何定義這個時代呢？
未來很可能不再是你我攀登陡峭學術山脈的時代，而是你我共同構築智慧海洋的時代。我們不再去重複別人走過的彎路，一個年輕的鋼琴手可以直接習得肖邦的演奏技巧，一個小小的歌手可以一夜之間掌握碧昂斯的嗓音，這是一種全新的學習方式，完全打敗了傳統的模式。
我們的夢想可以被實現，人類不再需要花費大量時間和精力去學習。人類的精力將可以更多地集中在創新和探索上，而不是反覆練習和模仿。
這種未來與現在的學習方式對比起來，就好像電燈和蠟燭一樣。
這不是空想，這是大型語言模型技術正在帶給我們的真實革命。
而在這場技術的奇蹟中，最讓人驚嘆的莫過於AI模型的複製泛化能力。我們不難發現，在網際網路時代，“複製“與“貼上“已成為最普遍的行為——無論是一段文字，一張圖片，還是一段視訊，所有的這些都可以跨越空間與時間，以息息相關的複製形式存在。
但AI複製能力的出現，比前述任何一項都要深遠。
在不遠的未來，人們不再需要花費大量的時間和精力去學習一項新技能。取而代之的是，我們可以直接領取一項新技能的AI模型，然後將之應用到我們的生活和工作中。
由此，學習的定義也將發生根本性的改變：學習不再是一個漫長且磨人的過程，而是一種直接而高效的知識與技能獲取方式。
在未來，人類不再是知識和技能的孤立容器，而是共享並交易自己的能力，實現了全新的社會協作和資源分配方式。我們可以見證一個人的知識和智慧如何被批次地生產和傳播，個體各異的AI模型市場匯成集體知識智慧的大海。
人類不再像前人那樣在藏書室裡燈火闌珊處苦苦鑽研，而是與資料雲共舞，在巨大的伺服器農場中收割知識的果實。在過去，一個人的職業往往依賴長期的教育和經驗積累，而未來，每個人都能按需購買或下載能力模型來應對工作挑戰。
我們不禁要問，當AI的能力日益強大，足以承載甚至複製一個人腦海中全部知識和技能，知識和技能可以像網際網路上的電子產品一樣被擺上虛擬的貨架等待被選購的時候，傳統意義上的學習是否會走向終結？
在這個處理程序中，學習的終結並不是絕對的消亡，而是一場華麗的轉身——從刻苦的記憶遊戲，到與機器的優雅共舞。機器學習成為過去口口相傳的故事新篇章中的關鍵詞，如同在迷霧中尋找彼得潘的陰影一般，學習自我在紛繁的數位化色彩中尋找其新的形態。
AI技術不過是讓我們從繁復的重複中解脫，讓我們更自由。
AI的發展正在顛覆我們的學習方式，甚至可能會帶來學習的終結。
這並不是一種消極的顛覆，而是一種積極的變革。因為在這個變革中，我們不僅可以獲取更多的知識和技能，還可以更好地發揮我們的創新和創造力，推動人類社會的進步。這就是我們的夢想，讓獲得知識與技能不再困難，讓人類不需要再學習，至少是傳統意義上知識與能力的學習。這是一個偉大的夢想，也是一個值得我們共同努力的目標。
最終的夢想或許是看到一個不再需要傳統教育和學習的社會。在這個社會裡，AI成為我們的拓展和合作者，我們不再是硬塞知識的容器，而是探索無限可能的主導者。借助AI，人類直接獲得知識，讓那個我們所期待的學習的終結，或許也不再遙遠。
從傳統的意義上來說，“學習”的結束，將成為“成長”和“創新”的真正開始。
學習的終結，不是因為知識的耗盡，而是因為我們找到了知識傳遞更高效方式。這是人類跨越的一次成長，我們將以全新的身份迎接屬於我們的未來。
結語
在這流轉不息的歷史長河中，學習始終是人類文明進步的砥柱。
從岩畫散發的原始味道到數位化文字的雲端漂流，知識與技能的傳遞塑造了人類的過去，也指明了文明的航向。在這漫長而承重的處理程序中，學習既是一座橋樑，又是建橋者的手段。
然而，隨著人工智慧時代的到來，前所未有的變革正在悄然發生，而這一切的源泉，正是學習的本質在遭受重塑。
很顯然，我們正處在一個令人興奮的時代。隨著AI技術的飛速發展，我們看到了未來給我們帶來的無限可能性，一種全新的人與AI共享能力的新形態正在逐步顯現。
回顧我們此次的討論，可以看到，我們首先主張了AI模型可以成為人類能力的批次複製手段。以“郭德剛AI”為例，我們看到了郭德綱老師的相聲藝術和演繹技巧在AI模型中的應用，這些技巧將能被無盡地複製和延續。隨後，我們設想了一個人性化的能力交易平台，這個平台既是一個開放的交易市場，也是AI模型的訓練和最佳化場所，而我們每一個人都可能成為這個平台的一員，將自己的知識、技能和經驗注入自己的AI模型中，並在這個平台上進行交易。
這種能力的共享和交易最終會促成一種全新的社會協作和資源分配方式的誕生，個體的知識和能力不再孤立存在，而是在全球範圍內得以共享。這意味著，人類會更快地進入到一個全新的知識盛世，每個人都將在這個盛世中獲取他們所需的知識和技能，進一步推動社會的進步。
想像一下，一個孩子出生在偏遠村落，無法接受良好教育，但通過這樣一個平台，他可以獲取世界級大師的能力模型，瞬間掌握鋼琴演奏或數學計算的技巧。不需要奮筆疾書，不需要晝夜兼程，能力與知識的獲取變得觸手可及。
當我們提到“學習”，往往意味著通過訓練和經驗積累來掌握一項新技能或知識。然而，在AI能力模型交易平台出現的未來，學習將不再是獲得技能的唯一途徑。
這也預示著，我們的學習極有可能會走向終結。
在未來的暢想中，學習已經超越了生存的必需品，變成了自我發展和探索的自由選擇。在這個世界裡，求知慾望成為驅動每個人向前的內在動力，而不再是外觀形式的負擔或是必然的義務。
這是一個人人皆學者的世界，每個人的經驗和知識都是值得共享的財富，技藝和智慧不再封閉在學院的象牙塔內。
在這樣的世界裡，能力集市成為支援學習者的堅實平台。它不強求一切遵循傳統的學習曲線，而是鼓勵通過實踐、經歷和探索來學習。人們可以在任何時間點，由於任何動機，進入集市，發現和汲取那些能點燃內心激情的新思想，新技能，新視角。
想像一下，藝術愛好者可以在星夜下與畫家並肩作戰，感受色彩與創意的碰撞；熱愛自然的人可以跟隨生態學者走進雨林，聽取大自然未被書寫的故事；科技迷可能會與程式設計師一起，在程式碼和演算法中找尋未來社會的可能性。所有的這些，不再是學習為了證明自己的能力，而是為了體驗和享受知識的力量。
於是，在這樣的未來暢想中，學習成為選擇，延展了生命的深度和寬度。知識不再是獲得的工具，而是塑造生活的磚瓦。我們不是在為評價體系學習，我們學習是為了我們自己，為了我們心中不滅的好奇與對知識海洋的熱愛。這是一個每個人都能在學習中找到自己位置的世界，這裡每個人的學習旅途都是充滿意義和獨立選擇的旅程。 (學習簡史)