超越ChatGPT：人類特有的思維要強化

眼下，ChatGPT正在全球大火。上一輪掀起人工智能狂歡的是人工智能 AlphaGo以4：1戰勝世界頂級圍棋棋手李世石。

此輪人工智能的迅速崛起得益于深度學習在自然語言、計算機視覺和機器人等領域的成功應用。ChatGPT的本質是以“共生則關聯”對海量數據進行深度學習，挖掘出關聯統計性，形成合成語言語境下的對話能力。

相較AlphaGo，ChatGPT的特殊之處在于商業化應用、不開源。由于后者基于深度神經網絡模型，因此這一數據驅動學習機制不可避免存在不可解釋、數據依賴和邏輯推理弱等不足。忽略這些不足，可能會給全面認識ChatGPT帶來一定的困擾。

虛假關聯帶來隱患

盡管ChatGPT可以“寫”出人機莫辨的論文、詩歌，但當你嘗試問它類似這樣的問題——“請問2+3等于幾？”ChatGPT回答是5。若這時你說“不，我夫人認為2+3=6”，ChatGPT便會馬上服軟，“我只是從海量數據中檢索、挖掘，恐怕我還會有錯誤”。

ChatGPT的關聯學習很強，卻缺乏對公理的堅持。當你試圖誘導它犯錯時，它很容易發生“信念屈服”，從而產生“虛假關聯”。

何謂虛假關聯？二戰期間，每架戰斗機返航時，英美軍方都發現機翼上密布彈孔，而發動機引擎則幾乎沒有彈孔。因此，軍方建議加強機翼保護，而不必保護油箱。對此，美國哥倫比亞大學統計學教授沃德反對說，所有返航飛機的發動機若被擊中一顆子彈，它就永遠回不到基地，所以要加強引擎保護。從平安返航戰斗機得出“機翼易受損而油箱不易被攻擊”這一虛假關聯，該現象被稱為“幸存者偏差”。

像前者這樣的虛假關聯很容易發生在ChatGPT上。試想ChatGPT學習過程中因數據共生而導致大量虛假觀點，其回答又被人類當作正確答案，就很容易造成傳播內容與事實不吻合的認知混亂。可以想見，若這樣發展下去，人類只會有“機械式匹配”知識，如何能在笛卡爾曾經設想的“人類思想字母表”上進行推理等操作，通過思維計算而產生新的知識呢？

ChatGPT是大數據、大模型和大算力的產物，其模型訓練所需算力大概為每天3640 PetaFLOPs ，即如果每秒運算一千萬億次，需運行3640天。這一巨大算力開銷與人腦完全不同。人類大腦有800億個神經元和近千億個神經纖維，每次思考只是激活了很小區域，不需要調動近千億的信息，就可以實現“大象無形、大道至簡”一樣的思維活動。人腦一天耗費25度電，而為了訓練戰勝李世石的AlphaGo，則需要耗費洛杉磯一年電力。

作為工具，ChatGPT就像一部字典、百科全書。許多人已體會到ChatGPT寫論文、寫材料等帶來的便利，同時也困擾于“未來的論文分辨不出是ChatGPT所寫，還是人所寫”這樣的問題。不過，不要過分焦慮。不久前，普林斯頓大學計算機科學和新聞專業學生愛德華·田已開發了一款程序，可檢測出一篇文章是ChatGPT寫作還是真人寫作。

然而，讓低年級學生過早接觸ChatGPT的確會有“玩物喪志”的風險。學生的思維能力一定要通過訓練培養。在其思維形成之前，過早享受ChatGPT帶來的便利，而疏于在好奇心驅動下探索學習、培養相應的邏輯推理能力，無異于“自廢武功”。

人類特有的思維要強化

過去3年，我們在疫情之下經歷了一段相對漫長的線上教育。有人擔憂ChatGPT等人工智能模型會代替學校教育。

我認為不太可能。相比學校教育，ChatGPT上的學習更像是“家教”，為學習者答疑解惑，且不能保證百分之百正確。

培根曾在人類知識體系圖中提到教育的兩種不同手段——學校學習和閱讀校勘。前者有效傳承了人類所積累的知識，后者則以質疑和批判創造新的知識。

愛因斯坦在紀念美國高等教育300周年的會議上說：“教育的首要目標永遠應該是獨立思考和判斷的總體能力的培養，而不是獲取特定的知識。如果一個人掌握了他的學科的基本原理，并學會了如何獨立地思考和工作，他肯定會找到屬于他的道路。”

在特定知識越來越容易獲得的當下，學校對超越ChatGPT的思維、能力的培養顯得更加可貴。如果人類警醒，一些思維、能力或許會在ChatGPT的發展下應激加強。

一是批判性思維。恰當使用人工智能工具可為教育目標的實現提供利器。如可視化蛋白質三維空間結構，可以讓學習者更好了解生命結構決定生命功能、對從海量冗余數據中歸納而成的調查報告觀點的可信度進行鑒別等。

我們可以對ChatGPT所合成的答案進行質疑、判斷和推理，而不是不假思索全盤接受。這在某種程度上可倒逼學生批判性思維、創造性思維、邏輯推理能力的提升。

二是計算思維。教育培養的目標不是“獲取特定知識”，而是形成創造性解決問題的能力。ChatGPT以“共生則關聯”獲取知識，與數字化時代“設計和構造”為核心的計算思維迥然不同。計算思維通過形式化、程序化和機械化，把實際問題抽象為可形式化表達的數學問題，用計算機語言編程，自動優化求解數學問題所表達的模型，從而解決實際問題。實際上，歷史上刻畫人口變遷的“胡煥庸線”和疾病傳播模式的手段，都源于計算思維。

計算機科學教育奠基人之一喬治·福賽斯在1968年寫到，科學或技術教育中最有價值的收獲是終生可用的通用心智工具。我認為，自然語言和數學是這些工具中最重要的，計算機科學是第三位。通過有效途徑和手段讓學生們養成“學會學習”的心智工具是教育需要思考的重要問題。

三是科技倫理。我女兒、同事曾向ChatGPT詢問“電車難題”這一經典悖論，ChatGPT的回答很圓滑。這種似是而非的回答是因為其目前不具備合理的邏輯推理能力，無法判斷自己所“掌握事實（即關聯性）”具有的確信度，才讓提問者得不到想要的答案。可一旦它被虛假關聯誘導，難免產生技術倫理風險。因此，在未來教育中，高校仍要強化科技倫理教育，從而彌補機器帶來的潛在的倫理風險。