当AI开始读万卷书，大规模预训练模型，是魔法还是潘多拉魔盒？

最近和几个搞技术的朋友聊天,话题总绕不开一个词：“大模型”，不是时尚杂志那种，而是指那些动辄吞下互联网海量文本、图像、代码的AI巨兽——大规模预训练模型，它们仿佛一夜之间，从实验室的深闺走到了聚光灯下，从写诗、编程到陪你聊天，无所不能，很多人觉得，这简直是科幻照进了现实，是点石成金的魔法，但作为一个天天和这些工具打交道、试图摸清它们脾气的作者，我心里头却总有些别的嘀咕。

这事儿得从它的“胃口”说起，所谓“预训练”，你可以想象成让一个AI去进行一场空前绝后的“通识教育”，它不是学某一门手艺，而是把整个互联网——那些浩如烟海的书籍、文章、论坛帖子、甚至代码仓库——都当作课本，囫囵吞枣地“读”进去，这个过程不教它具体任务，只让它去发现文字、像素、符号之间那些隐藏的、复杂的模式和关联，就像让一个超级大脑，用难以想象的速度，去经历人类文明积累的几乎所有公开知识，结果呢？它确实变得博闻强识，你问它什么，它都能像模像样地接上话，甚至写出逻辑清晰的文章，生成以假乱真的图片。

这感觉,起初确实像魔法，你输入几个关键词，一篇结构完整的初稿就出来了；描述一个场景，一幅细节丰富的画作便跃然屏上，效率高得吓人，仿佛每个创作者都配了一个不知疲倦的超级助手，很多自媒体同行欢呼，认为内容生产的“工业革命”来了。

但用久了,魔法光环下的一些东西，就开始让人心里发毛，是那种“精致的平庸”，这些模型产出的东西，乍一看很棒，语法正确，结构工整，但总感觉缺了点什么，缺的是棱角，是那种带着个人生命体验、独特洞察甚至偏见的“人味儿”，它写出的文字，像是无数文本碎片最优化的缝合体，四平八稳，却难以真正触动人心，它太“平均”了，平均了互联网上所有的观点和风格，结果反而失去了个性，你让它写一篇“感动”的文章，它能把所有关于感动的陈词滥调堆砌得漂漂亮亮，但你自己读着，可能一点感觉都没有。

是“黑箱”里的幽灵，它怎么得出某个结论的？为什么这幅画里人物的手总是画得有点怪？没人能完全说清，它的“思考”过程，藏在数以百亿计的参数和复杂的矩阵运算里，如同一个深不可测的迷宫，这带来了信任难题，如果它在一篇关键的技术分析里，悄悄混入了一个基于过时或偏见数据得出的错误推断，我们如何察觉？它的“博学”建立在它所“吃”下去的数据上，而互联网数据本身，就充斥着噪音、偏见和不实信息，它很可能在完美复现这些偏见，甚至用更权威的口吻将其合理化。

更让我隐隐不安的,是一种“创造力”的错觉，它本质上是在做极其复杂的模式匹配和概率预测，给出最“像”正确答案的回应，但这真的是理解吗？真的是创造吗？当我们越来越依赖它来提供灵感、搭建框架甚至直接生成内容时，我们自己的思考是被解放了，还是被悄悄替代了？会不会有一天，我们输出的所有东西，都变成了这种“平均化优美”的产物，而真正笨拙却鲜活的、冒险性的探索精神，反而褪色了？

我不是一个悲观的技术反对者,大规模预训练模型无疑是一个划时代的工具，它的能力是实实在在的，能处理繁琐工作，能打开新思路，潜力巨大，但我觉得，我们不能只沉浸在“魔法”的狂欢里，它更像一个被偶然打开的、能力超群的“潘多拉魔盒”，里面飞出的不只是效率，还有上述那些关于原创性、真实性、偏见和人类自身角色的一系列棘手问题。

我的态度可能更倾向于“警惕地拥抱”，把它看作一个强大的、但有时会出错的协作者，而不是全知全能的替代者，用它来打破空白页的恐惧，用它来验证思路，但最终的判断、情感的注入、价值观的取舍，那些真正定义“创作”核心的东西，必须牢牢握在自己手里，它的输出，应该是我们思考的起点或素材，而不是终点。

毕竟,技术再强大，故事的灵魂、思想的锋芒，以及连接彼此的真实温度，终究还得来自于我们这颗会犯错、会感受、会挣扎的——人类的心，这场与AI巨兽的共舞，才刚刚开始，保持清醒，或许比单纯兴奋更重要。

（免费申请加入）AI工具导航网

相关标签： # ai大规模预训练模型