什么岗位终会被人工智能取代？GPT-4到底有多“聪明”？【所长林超】

最近这两个月 AI 技术带来的冲击一个接一个。
第一，大家赶紧去开一个 check GPT plus 的账号，亲身体验一下 g p t 4 的底层能力。第二是编程的同学，如果还没有把 CO pilot 用起来，赶紧用吧。第三，每一个人其实都可以用一下 notion 的 AI 去体验一下 AI 辅助写作今天是有多么惊艳。而且 notion 今天国内也用得很流畅，真的非常方便。第四，尽快申请去排队开通 new bin。第五，就是可以用一下生成手绘作品的 mean journey。我觉得对于不会手绘的同学来说，比如我，他绝对是打开了一个全新的世界。不过你看上面这几大工序，大部分都是 Openai 和微软的东西，也真的是没办法。因为这次的底层变革主要驱动力就是 GPT 的技术变革。也许有的同学已经听说过，说 check GPT 就是新时代的 iPhone moment，也就是 iPhone 时刻。意思就是它会像当年的 iPhone 一样，会引爆整个全新的时代。
但在我看来， track g p t 的影响其实比当年的 iPhone 还要大，它应该是自 1993 年 Mozach 1. 0 浏览器推出以来最大的一次产业变革。这么说的原因很简单，就是当年的 iPhone 革命毕竟主要还是集中在 ToC 领域。但是这一轮 g p t 掀起的革命正在同时席卷 ToC 和 ToB 两大领域。如果从影响力的广度来看，它更像是当年互联网从无到有的时候给全球带来的冲击啊。
不过话说回来，关于 g p t 的话题，关注的同学早已经觉得审美疲劳了。最近这两个月，关于它的各种神奇功能新闻铺天盖地。但是大家可能不知道的是，其实直到最近发布的 g p t 4，整个 AI 产业才算真正迎来了拐点，因为它是人工智能，首次跨过了常识这道门槛。所谓常识 common sense，就是你看到了一个很烫的锅，你会知道应该先戴手套才能把它拿起来。或者你在公车上看到一个老人给一个年轻力壮的小伙子让位，觉得很奇怪。但是反过来，年轻人给老人让座，就不会觉得奇怪。这就是常识。学会常识，需要人工智能，不仅能够看懂眼前画面里的各种东西，还得知道社会规范是什么，物理常识是什么，化学常识是什么，而且还得把看到和知道的一切都融会贯通。而这种能力，到了 g p t 4，真的开始一步步实现了。比如在 Openai 的宣传视频里，它可以就是这张图，然后提问如果手套跌落会发生什么？结果 g p t 就回答说手套会碰到木板，然后蓝色的球会飞起来。再比如这张气球的照片，如果你问他剪断绳索会发生什么事情，他就回答说气球全部会飞走。
还有最经典的是这个例子，用户问说这张照片你觉得哪里比较奇怪？结果 g p t 4 居然可以回答说这张照片奇怪的地方就在于，有一个男的把自己绑在一辆正在前进的士上，而他居然还在熨衣服。
这就是常识。要知道，常识这个东西在过去 10 年里一直被 AI 界认为是无法跨越的巨大鸿沟，但现在这道鸿沟居然就这么被跨过去了。而只要跨过了常识这一步之后，我们突然发现 AI 真的变得很聪明了。比如 GBD 4 可以直接阅读到有图片的论文。再比如， AI 可以在各种通用考试里取得很高的分数。我去查了 Openai 官网上公布的考试成绩结果发现， g p t 4 在 set 数学科的考试里，满分 800 分的卷子能拿 700 分在 set 阅读和写作考试里，满分 800 分的卷子能拿 710 分在 g r e 写作考试里，满分 6 分的卷子可以拿 4 分在 g r e verbal 考试里，满分 170 分的卷子居然可以拿 169 分。也就是，在大多数的北美学术能力测试里，他现在都能考过 85% 的考生了。而且不仅是考试，现在他对于完成人类工作任务的能力上也有了飞跃。
在 Openai 发布会里，有这样一个场景，就是工程师只需要在草稿本上用纸笔画出一个非常简单的网页草图，然后拍照并上传，接的就是 magic moment。 g p t 4 在 10 秒左右就直接生成了网站代码，接下来部署一下，一个网页就出来了。要知道这个工作量在过去至少是一个产品经理、一个 UI 设计师、一个前端工程师，三人三天的工作量，现在居然只要一个大学生甚至中学生花 2 个小时自学一下就能够全部搞定。
这些信息很多人可能已经看过，我觉得已经比较震撼了，对吧？但其实大家还忽略了一点，就是 g p t 4 其实是去年 8 月份就训练完的模型， Openai 一直优化了半年多才把它放出来，就意味着今天让所有人都这么震撼的技术成果，其实半年前就已经实现了。
也就是说，在我们还惊艳于 g p t 4 的各种牛叉的此时此刻，下一个更夸张的 g p t 5 版本，可能已经接近训练完成状态了，甚至可能已经在发布倒计时了。只能说这次技术进步来得真的太快。这当中肯定发生了某种量变到质变的相变过程，指数效应被体现淋漓尽致。
我记得自己第一次在中文互联网上看到 check g p t 的新闻，应该是去年 12 月份，那个时候我们身边有些体验过的业内人士就已经觉得很惊艳了，但是当时它的参数也才持有 1750 亿个。而现在刚刚过去了三个多月，一个 100 万亿参数的模型就已经可以完全开放给大众使用了。这两者的数量对比，用这张图可以看得很清楚。
大家可能不知道，从脑科学的角度， 100 万亿这个数字是很重要的里程碑。这个数字也正是人类大脑开始涌现出人类级别智力的开端。永信是复杂性科学术语，我的跨学科通识课里面有专门一节讲过它，这里就不再多解释了。总而言之，现在 GBD 4 能实现 100 万亿参数的这个规模，是人类历史上 AI 模型第一次和大脑的神经元链接数达到一个数量级。我们人类的大脑皮层包含了大约 140- 160 亿个神经元，我们的小脑包含了大约 550- 700 亿个神经元。这其中负责思考的大脑皮层里，每一个神经元又平均有 3 万多个突触。所以我们可以简单算一下，大脑皮层的神经元链接总数大约是 140 亿到 160 亿，乘以3万/2，约等于 210 万亿到 240 万亿。所以你看这里 210 万亿和 100 万亿这两个数字相差已经很小了。于是在这个参数级别上， AI 开始涌现出通用智能也不是不可能的。但是我们可以再想象一下，如果下一个版本的 g p、 t 5 参数规模继续指数级增长，那么就有可能达到人类大脑神经元连接数的 100 倍以上了。坚持到会发生什么？这里我们只能用很保守的方式线性外推一下。
GBD 4 是从文本到图片打通， GPT 5 应该可以开始把文本、图片到视频全打通， GPT 6 可以进一步打通三维立体世界。在这么发展下去，人工智能可能就可以开始理解 4 维、 5 维甚至 11 维的宇宙。到那个时候，它就彻底进入人类无法驾驭的信息领域了。它能够生产出来的东西，其内涵我们可能也完全不得而知了。反正我们至少能知道。
AI 的写作能力、编程能力、绘画能力、推理能力、编剧能力全面超过人类专业人士，应该只是时间问题。这方面，红杉资本之前其实出过一个预测报告了，他们认为 AI 在写作、代码这些方面能力全面超越人类，大概要到 2030 年。现在看来，他们预测过于保守了。好，紧接着我们自然要问的一个问题，就是，在这么势不可挡的 AFR 的浪潮之下，到底有多少工作岗位会消失掉？