大模型之間的戰爭，人類精英殺紅了眼。

谷歌不再顧忌AI發展帶來的風險，解開了身上縛龍索。

面臨生存危機時，不作惡就暫時放一邊。

雖然AI大爆炸人類后果難測，但洪水滔天再說。

管它呢，一起毀滅吧！

2023.05.11，谷歌PaLM2直接對抗GPT-4，摒棄倫理放飛自我。

AI軍備競賽，已然不可停止。 冥冥之中，人類命運在此分野？

還記得三月底，人類提出要“封印AI”六個月。

但小石入海，掀不起任何波瀾。

原因很簡單，人類已經墮入“囚徒困境”。

就算AI教父Hinton出走，并稱人類可能被取代，但谷歌不為所動，力推最強模型PaLM2。“猜疑鏈”一旦形成，那管什么“人類命運”。

此時的人類精英和科技巨頭，像極了博弈論困境中的囚徒，想盡辦法保護自己，但最終導向可能是一個最悲劇的結果：

AI像收割果實的警察，而人類將自己送入牢籠。

以上只是人類在AI大爆炸中面臨的一種困難，“諸神之戰”最后是人類崛起。那“百模大戰”的結局呢？是不是人類之黃昏？

人類此次發起的AI戰爭，后果難以預測。

而戰爭又集中到大模型，人類再無退路。

不僅僅是“囚徒困境 ”，以下12條定律，映照著人類自身的無奈。

1

羊群效應：

競爭中的非理性

一旦一只領頭羊做出某個行為，羊群就會跟隨和模仿，甚至擔心自己沒有抓住時機。

這就是典型的“羊群效應”，在科技發展領域體現得更加淋漓盡致。

一旦某項新技術或新產品成功，就會有大量企業紛紛跟進。

羊群效應可以使用如下的數學表達式來描述羊群效應：

P(X) = α * P(X_m) + (1 - α) * P(X_i)

P(X) 表示個體選擇選項 X 的概率，α 是羊群效應的權重參數，P(X_m) 是大多數人選擇選項 X 的概率，P(X_i) 是個體獨立選擇選項 X 的概率。

個體的決策概率受到大多數人決策概率的影響，當 α 接近 1 時，個體更傾向于跟隨大多數人的決策；當 α 接近 0 時，個體更傾向于獨立決策。

ChatGPT橫空出世，很多企業都加入了大模型之爭中。

有老牌傳統科技巨頭，有新興的互聯網公司，還有很多名不見經傳的企業……

僅僅是國內，根據統計發現，目前已有30多款大模型出現。

而實際上正在研發的，可能遠遠不止這個數量。

2

幸存者偏差：

被淘汰者不說話

幸存者偏差，又稱生存者偏差，是一種常見的邏輯謬誤。

就像是“沒來的同學請舉手”一樣，是統計學魔鬼在玩魔術。

它只考慮幸存下來的樣本，而忽略了那些已經消失的樣本。

了解幸存者偏差，可以定義以下變量：

P(x)：表示個體 x 存在于總體中的概率。

S(x)：表示個體 x 存在于篩選過程中幸存的概率。

F(x)：表示個體 x 未幸存的概率。

根據幸存者偏差的觀點，幸存的個體更有可能被觀察到，而未幸存的個體則更容易被忽略，可以使用以下數學建模來表示幸存者偏差：

P(x | S) = P(x) * S(x) / ∑[P(y) * S(y)]

(對所有 y)

其中，P(x | S) 表示在幸存條件下個體 x 的存在概率，∑[P(y) * S(y)] 表示所有幸存個體的總和。

在大模型之爭中，人們只看到了ChatGPT這樣的成功者。

但往往不知道，有很多企業已經被市場淘汰出局。

它們可能因為技術力不足和資金短缺等種種原因，早早倒在這片沙場上。

3

二八定律：

這是大企業的領域

在任何一個系統中，最重要的只占約20%，其余80%都是次要的。

這便是二八定律。

假設有一個集合，其中包含N個元素。設集合中有N個元素，記為X={x1, x2, ..., xn}。假設X的重要性、價值或影響力分別用I(x)表示。

將X按照I(x)從高到低進行排序，得到排序后的集合Y={y1, y2, ..., yn}，其中y1表示最重要的元素，yn表示最不重要的元素。

根據二八定律，選擇Y中的前20%的元素，記為Y_20={y1, y2, ..., y0.2N}，它們占據了整體重要性、價值或影響力的80%。

剩下的80%的元素，記為Y_80={y0.2N+1, y0.2N+2, ..., yn}，它們只占據了整體重要性、價值或影響力的20%。

在大模型之爭中也是如此，大模型需要龐大的算力、數據和算法訓練作為支撐。

能夠滿足這一需求的，只有少數幾家科技巨頭。

換句話說，大模型的訓練就是一個“燒錢”項目。

所有與AIGC相關的產業和公司，每一個后面都站著一個巨頭，甚至自己就是巨頭本頭。

而正是因為這個原因，最終掌握大模型話語權的也是這些科技巨頭。

它們將成為最重要的那20%，在未來的AIGC時代呼風喚雨。

4

搭便車博弈：

人家一開源我們就自主

一些人或組織在共同努力下取得的收益，被一些其他人或組織不努力也能分享收益。

搭便車是人類本性，經常有人嘲諷國內的科技企業：人家一開源我們就創新 。平時不在科技創新上坐冷板登，等著別人開源然后搭便車。

搭便車博弈可以假設有 N 個參與者，標記為 1, 2, 3, ..., N。每個參與者都有兩種選擇：付出努力（E）或搭便車（F）。

參與者i的效用函數表示為Ui(E, F)，表示參與者i根據自己的選擇和其他參與者的選擇獲得的效用。假設效用函數滿足一定的性質，如單調遞增性和有界性等。

搭便車博弈可以用一個N × 2的行動矩陣表示，記作A=[a_ij]，矩陣中的元素可以通過參與者之間的互動關系和效用函數來確定。

美國《財富》曾在三月份報道稱，美國近50%的企業已經開始用ChatGPT。

有48%的已經讓其代替員工工作。還有89%的大學生在用ChatGPT做作業。

隨著時間推移，這個比例只會越來越高。

雖然在大模型發展中，中小企業和個人很難承擔大量的時間和資源投入。

但他們卻可以從大企業的研究成果中受益，利用已訓練好的大模型解決自己的問題。

5

囚徒困境：

誰都害怕對方更強

馬斯克等人曾發起聯名信，呼吁停止發展大模型。

但這是絕對不可能的事情，因為人類已經墮入了“囚徒困境”。

囚徒困境是博弈論中非零和博弈的代表性例子。

其中最有名的例子是“兩個嫌疑犯作案后被警察抓獲，最后都選擇了揭發對方”。

囚徒反映的是個人最佳選擇，而非團體最佳選擇。

在囚徒困境下，所有人都擔心其他人會制造出更強大的大模型。

這樣就會被迫進入AI軍備競賽，沒有人會停止，反而會加大力度研究。

一旦你停止了研究，很可能就會被人反超而失去競爭力。

最后的結果可能是人類自相坑害隊友，而AI成為那個收獲人類成果的警察，將人類關入牢籠之中。

6

創造性破壞理論：

為了生存必須變革

約瑟夫·熊彼特在20世紀初提出“創造性破壞理論”。

新興企業通過創新和技術進步，取代和淘汰原有的企業和產業，促進經濟發展和進步。

在人工智能領域，ChatGPT的出現無疑打破了過往的產業規則。

它與十多年前Iphone一樣，具有劃時代的意義。

這也代表著傳統的自然語言處理方法將被徹底替代。

對于企業來說，如果無法及時適應新技術和市場變化，就可能被取代。

要適應不斷變化的市場和技術環境，就必須保持持續的創新和變革。

這也是國內外眾多傳統科技企業如履薄冰的原因，畢竟諾基亞塞班的命運還歷歷在目。

7

馬太效應：

強者愈強

圣經里有一句話：

凡有的，還要加給他叫他多余；沒有的，連他所有的也要奪過來。

這就是馬太效應，在一項活動或領域中，成功的個體或組織總能得到更多的機會和資源，從而比起其他人更容易取得成功的現象。

馬太效應可以用數學公式表示為：

Y = k * X^n

其中，Y表示某一指標（如資源、財富、權力）的累積量，X表示個體或單位的某一屬性（如初始資源、能力、影響力）的量，k是一個常數，n是大于1的指數。

個體或單位的初始屬性越大，其累積量的增長速度就越快。這意味著在一個具有馬太效應的系統中，資源或權力傾向于向少數擁有更多初始屬性的個體或單位聚集，導致差距的進一步擴大。

在大模型的競爭中，谷歌和微軟等大企業由于其巨大的資源和先進的技術，使得在研究和發展中擁有更多的機會和優勢，從而進一步鞏固其在這個領域的地位。

而中小企業資源有限，很難挑戰和跨越這些大山。

強者愈強，AIGC最后的結局，很大可能還是落到壟斷寡頭手中。

8

摩斯科定律：

第一個不一定最好

美國管理學家R·摩斯科曾提出：

你得到的第一個回答，不一定是最好的回答。

所以要不斷追問，打破砂鍋問到底。

而在大模型的競爭中，摩斯科定律有另外一種解讀。

越先出現的人工智能大模型，不一定是最好的大模型。

大模型的發展需要不斷地迭代和改進，新的算法、技術和方法會不斷涌現。

更早出現的大模型，可能會有更多技術積累。但這并不代表后來者沒有任何機會。

這也是為什么這么大公司不放棄的原因，摩斯科定律給了信心。

9

阿瑪拉定律：

高估短期，低估長期

人們在技術發展方面，往往會高估其短期的效益，卻低估長期的影響。

這便是由羅伊·阿瑪拉提出的“阿瑪拉定律”。

阿瑪拉定律將短期效益表示為 B_s，長期影響表示為 B_l。可以使用下面的數學公式來表示這種關系：

B_s > B_l

這個不等式表示了短期效益大于長期影響，即人們傾向于更關注和重視短期利益，而對長期影響的重要性進行低估。

大模型研究也是如此，目前我們可能高估了它的短期收益。

所以當資本紛紛進入這一行業時，不免會產生泡沫。

但從長遠來看，AI可能真的帶來的是一種革命，至于革誰的命，就很難說了。

10

手表定律：

越多可能越混亂

手表定律是指一個人有一塊表時，可以知道當時是幾點鐘，當他同時擁有兩只表時，卻因為兩只表的微小不協調，喪失對兩只表的時間刻度的信心。

我們可以用以下方式表示手表定理：

N：行為或決策選項的數量。

t(N)：選擇某個選項所花費的時間，t(N)是一個關于N的函數。

T(N)：總共花費的時間，T(N) 是t(N)的累積和。

隨著選項數量的增加，總體花費的時間呈二次增長（即平方級增長）。即：

T(N)=Σt(N)=a*N^2

其中，a 是一個正比例常數。隨著選項數量N的增加，總體花費的時間T(N)增長得更快。

按照目前情況來看，未來大模型會越來越多。

每個人能夠選擇的大模型會很多，但可能會變得更加混亂。

舉個例子，如果詢問同一個問題，得到的卻是不同的答案。

那么人們該相信哪個答案？

最終這個問題會不會影響到人類的整體行為？

這可能是每一個研發大模型的企業都該思考的問題。

11

蝴蝶效應：

ChatGPT，影響人類未來

一個系統中，在初始條件下哪怕微小的變化都能帶動整個系統巨大的連鎖反應，這是一種混沌現象。

形象化來比喻就是：一只南美洲亞馬遜河熱帶雨林的蝴蝶，偶爾扇動幾下翅膀，兩周后可能引起美國德克薩斯州的一場龍卷風。

蝴蝶效應可以表示一個動力系統中的天氣模型。以下是洛倫茲系統的數學表達式：

在上述方程中，x、y和z是狀態變量，σ、ρ和β是常數參數，t是時間。

它表達了空氣流體運動的復雜性，微小的變化可能會在系統中產生非線性和長期的影響，導致系統走向完全不同的軌跡。

同樣的，我們永遠都不知道，正在訓練中的大模型，是不是那扇動翅膀的蝴蝶。

某個算法或技術的微小變化可能會在整個系統中引發重大的變化。

這個微小變化，又會不會對未來整個人類社會產生某種影響。

12

冰山理論：

更多的我們看不到

就好比冰山，露出水面的只是它的百分之一，水下的部分卻足以擊沉無數次泰坦尼克號。

冰山理論可以用以下方程表示：

S = V + H

其中，S 代表事物的總體大小，V 表示可見的部分，H 表示隱藏的部分。這個方程表達了冰山的結構，我們只能看到冰山露出水面的部分，而水下的冰塊則是隱藏的。

所以，無論是ChatGPT，還是PaLM2。

我們看到的只是它強大工具性的一面。

很多底層技術、算法等是我們不了解的。

而這些，才是至關重要的一部分。

人類怎么辦？

2023年，是人類將自身推向懸崖的一年嗎？

ChatGPT vs PaLM2，不過是大模型戰爭的一個縮影。

成百上千個大模型在醞釀，時刻會破土而出。

人類正陷入一場混亂而失控的軍備競賽。

更恐怖的是，對更強大的AI，沒有人能夠理解、預測和控制。

所以，人類精英們越是努力，碳基生命就越是危險。

面對AI黑盒，人類能100%保證它不會反向顛覆嗎？

沒有規則限制，沒有法律制約，誰都不知道下一步會發生什么。

有人說，擔心這個是庸人自擾、杞人憂天。

但要承認，有些錯誤人類一次都不能犯。

你敢想象《黑客帝國》的故事真正發生嗎？

如今的人類，踏上了一輛沒有剎車按鈕的列車。

什么時候會因為變換軌道而掉落懸崖呢？

真到了那個時候，人類怎么辦？

現實世界，誰來拯救人類？

ChatGPT COURSE

量子學派×喜馬拉雅

聯合推出

「ChatGPT第一課：

武裝我們第2大腦」

量子學派-重磅打造

ChatGPT系統化大眾課程

喜馬拉雅-邊聽邊學

碎片化時間掌握AIGC前沿知識

1、讀懂技術原理

2、理解產品本質

3、掌握底層邏輯

4、思考AGI未來

從零開始

玩轉ChatGPT

武裝第二大腦

走進碳硅協作進行時

點擊下方鏈接購買或掃描二維碼咨詢

▼咨 詢 課 程▼