推平“知识高峰”，AI将如何影响我们的学习？

过去5个多月时间里，生成式AI的热潮愈演愈烈。
    在新一轮的技术革命面前，有人不安，担心自己会被AI替代；有人兴奋，认为新的机会窗口已经打开。不只是个体的躁动，几乎所有行业都会被问到这样一个问题：怎么应对充满创造力和不确定性的新世界？
    其中必须要作答的可能就有知识服务赛道。ChatGPT代表的新型人工智能，正在改变知识的获取方式，在“无所不能”的预训练大模型面前，传统的知识生产、分发和学习逻辑是否还有生存空间？
    恰恰是在这样的背景下，知识服务平台得到APP在4月份掀起了一场活动密集的“AI大作战”，包括吴军、王小川、周鸿祎在内的业内大佬均出现在“主讲嘉宾”的名单里。
    不过，这里想要讨论的并非是嘉宾们给出了什么观点，而是想要透过得到APP的行为和观点，探讨下知识服务市场的新潮向。
    01走进“知识大平原”
    时间回到3月14日，OpenAI在未进行太多预热的情况下发布了GPT-4。相比于被不少人验证过的GPT-3.5，GPT-4在日常对话层面并没有太大的革新，但在推理能力上，GPT-4给出了令人咋舌的表现。
    按照OpenAI官方的说法，在模拟美国律师从业资格考试中，GPT-3.5的成绩在全体考生中只能排到末尾10%，而GPT-4能排进前10%；在难度更高的国际生物学奥赛中，GPT-4能够吊打99%的人类选手；在“美国高考”SAT考试中，GPT-4在数学和阅读部分也能战胜近90%的考生。
    当GPT-4轻松超越了大部分人类“做题家”，对知识体系的颠覆性不言而喻。上一次的“颠覆”可能还是搜索引擎的出现，但搜索引擎的价值在于检索，提供的只是一本书的目录，想要获取里面的知识，还需要按章节阅读。而GPT-4代表的语言模型，提供的是一整本书，知识的广度和厚度均远超搜索引擎。
    得到APP创始人罗振宇在4月10号的直播中说了一个有趣的观点：过去的学习者面对的，是一座座孤峰耸立的知识高地。这些高峰是由无数概念、逻辑、先例堆起来的，它剥离了人的感性体验和事物发展的具体过程……而在人工智能的帮助下，这些高峰有可能被推平，变成在学习者面前一览无余的平原旷野。
    借用类似的逻辑，随着GPT-4以及更多大模型的出现，人类社会正在进入到“知识大平原”时代。
    过去人们想要学习某类知识，就像是一个攀登高山的过程，或许会有人提前用石阶铺一条上山的路，想要到达山顶，还是需要一步一步往上攀登，期间不可避免地要耗费相当大的体力和精力。
    大模型正在不断消除所谓的“知识高地”，知识散落在阡陌纵横的平原上，一眼就能够看到想要去的点在哪里，然后找准自己的学习目标，选一条效率最大化的路径，以最小的代价到达知识的彼岸。
    “勾股定理”就是一个直接的例子。虽然周朝时期的商高就提出了“勾三股四弦五”，后世想要学习这样的知识，仍需相当复杂的论证。而现在随便一个中学生都知道a²+b²=c²的表达式，寥寥数笔就能推理出答案。结果就是，当代普通中学生的数学知识储备，早不是一本《九章算术》所能容纳的。
    高尔基说：“书籍是人类进步的阶梯。”进入到“知识大平原”时代，类似的哲理依旧适用，然而人们与知识的连接方式势必会发生潜移默化的改变，需要重新思索知识学习的内在逻辑。在新一轮的范式转移中，注定会有很多行业被重构，得到APP这样的知识服务平台大概率是最早被影响的赛道。
    02得到们的新角色
    得到APP 4月10号的直播中，以“AI时代的得到新战略”为主题，罗振宇、脱不花、快刀青衣三位创始人时隔4年再次同台。虽然直播中并未谈到得到APP应对生成式AI的法则，却不难从罗振宇的猜想中揣摩一二。
    让人印象深刻的是人工智能作为多类型学习助手的比喻：有的扮演书童，负责回答问题；有的扮演参谋，负责提出下一个问题；有的扮演将军，负责执行；有的扮演探马，负责提供案例和榜样……
    言外之意，GPT-4等大模型的衍生应用，不会局限于对话机器人，将不断分化出更多的角色。比如用户想要读一本书的时候，只须提出一个初始问题：“这本书重点讲了什么？”不同的助手会给出不同的答案：“书童”负责列出要点，“参谋”负责提出问题，“将军”的职责是摘录精华，“探马”的作用是横向比较。
    至于罗振宇的猜想是否合理，不妨先试着理清三个底层逻辑：
    一是人类学习状态的演进。罗振宇的观点是将进入“轴心时代”，因为在多模态大模型的主导下，知识的载体再无区隔，学科间的界限加速溶解，学界一直期待的“知识大融通”将变成现实，个体知识会在对话的过程中不断扩展。
    二是求知方式向问题倾斜。之所以会出现“知识大平原”的说法，原因是大模型就像是人类的大脑，知识被存储在神经元连接中，需要通过Prompt来唤醒AI的能力。对于一个求知者来说，答案已不再稀缺，提问比回答更重要。
    三是学习者必将成为学习的中心。在知识的“孤峰”时代，我们想要掌握任何一个知识点，首先要学的就是其推导过程。大模型改写了知识的获取方式，学习者的目标将是整个知识网络的核心，知识的价值是服从于人、服务于人。
    把视角再放大一些的话，罗振宇的猜想绝非一家之言。对应现象的就是Prompt Engineering（提示语工程学）的风靡，怎么正确地给AI投喂Prompt，怎么释放AI的生产力，已然成为一门深奥的学问。不同的是，理工科占大多数的工程师们，选择用Prompt激发大模型里存储的“知识”，而新闻出身的罗振宇想要揭示潜在的规律。
    回到知识服务的话题上，罗振宇有关“多类型学习助手”的比喻，恐怕不只是给人工智能的定位，可能也是知识服务平台即将扮演的角色，既是知识的服务商，也是用户的学习助手，根据用户的不同学习需求，扮演书童、参谋、将军、探马等不同角色。
    也许现在还仅仅处于初始阶段，得到APP的几位创始人选择公开阐述自己的思考和洞察，显然已经为人工智能浪潮带来的新机会做足了准备。
    03我们都是局内人
    以往讨论某个行业话题时，我们习惯于站在“观察者”的位置，希望能够得出一些客观的结论。可在探讨知识学习的话题时，很难把自己从中脱离出去，毕竟我们都是“知识大平原”时代的局内人。
    一个现实的例子，现阶段AI已经被用于写诗、写邮件、写新闻报道，倘若大模型的能力再一次进化，我们花费几个小时、掉了满地头发写出来的分析文章，也许是AI不到一分钟就能完成的工作。怎么适应人工智能时代的“终身学习”，不光是得到APP们的战略抉择，每一个人都身在其中。
    目前有不少开发者试图挖掘GPT-4的“隐藏能力”，国外一位程序员小哥的做法很有启示性：他调用OpenAI的API开发了一个语音转文字的工具，然后将自己经常听的上百期播客作为语料库进行学习，最终将过去需要花数百个小时消化的知识，变成了几十组“对话”，学习效率提升了近百倍。
    参考技术普及的一般规律，目前程序员掌握的技能不会是少数人的专属，很快会成为人人可用的工具，同时也映衬了罗振宇的另一个判断：如果人工智能铺设的学习基础设施足够发达，学习者面对的现实挑战，才是学习行为的起点。我要做什么，决定了我的学习内容、路径和需要的资源。
    可能会有人因此而恐慌，担心自己的竞争力被人工智能冲击。诸如此类的心态无可厚非，人们在新事物出现时总是会缺少安全感，就像汽车的诞生彻底淘汰掉了马车夫。其实还有另一个视角：汽车影响了马车夫的生计，却也催生了“司机”这一新岗位。我们需要做的不是过度恐慌，而是学会使用新工具。
    由此再来看得到APP的AI大作战，罗振宇、吴军、王小川、周鸿祎等人的见解并不是唯一的焦点。譬如在罗振宇讲述AI时代“终身学习”的9条猜想的同时，得到APP联合创始人快刀青衣发布了《给职场人的AI写作课》，涉及商务邮件写作、汇报框架搭建、创意批量产出等8大高频写作场景，想要帮助职场人掌握AI写作的关键技能。
    如果把这一轮的AI浪潮和汽车工业对比，当下不过是卡尔·本茨造出第一辆单缸发动机三轮汽车的时间，没人知道在人工智能的“慕尼黑博览会”上，还会有哪些新事物出现，会产生什么样的轰动效应。
    但可以笃定的是，被替代的岗位越多的地方，诞生的新岗位也越多，而学习正是我们追逐新机会的唯一路径。作为“知识大平原”时代的局内人，留给我们的选择不是躺平或逃避，而是学会驾驭新工具，和知识建立起高效的连接。
    04写在最后
    OpenAI CEO Sam Altman曾在博客中写道：AI 大模型发展的最终目标是通用人工智能，当这一目标实现的时候，人类经济社会将实现“万物的摩尔定律”，即万物的智能成本无限降低，人类的生产力与创造力得到解放。
    至少就目前生成式AI的演变来看，这样的预言正在不断“变现”，每一个需要人类原创力的行业都将有可能会被颠覆。也许某些岗位会被AI取代，但大部分岗位将以人与AI协作的方式去完成。
    再来回答文初提到的问题，潮向不单单是知识服务的方向，还关乎每个人在AI时代的生存方式。