上一篇博文是偷懒的结果。

我把应大学同学邀约，和他的CS学生们聊AI的英文底稿，交给AI翻译。

承蒙博友可能成功的P点明中间一大段不清不楚，让人看不明白。

现在把那不光荣的历史藏起来了。把可能成功的P的留言搬到这里。

最西边的岛上看了我投在美语坛的英文原稿，也看了中文翻译。西岛姐更指出，英文原稿比AI翻译的中文容易理解。

唉，我真不能偷懒，马上被捉包。只好重写一次，把比较专业的部分也去掉了，只说故事吧。

前几天，我的一位同事跟我讲了他偶然看到的一个影片。影片里的人做了各种各样的事情，但有一件事他们就是不做。

他们不会在脸上挥舞三根手指。

原来，这是一段AI生成的影片。

在脸上挥舞三根手指，是辨识「深度伪造」（Deepfake）的常用技巧。

但是，这可能已经不是可靠的测试方法。

因为AI领域变化非常迅速。

举个例子，上周五我参加了在麻省理工学院举办的AI Summits。

其中一位小组成员是MIT教授，解释人脑的工作原理。他说：“人类可以将我们学到的知识转化为图表。AI做不到这一点。”

主持人打断了他，说：

“教授，那是老黄历了。AI现在可以呦。”

教授很惊讶，问道：“从什么时候开始的？”

主持人说：“大约两周前。”

和ChatGPT同时出现的还有一个名词，Generativ AI。

什么是Gen AI？

生成式人工智慧基上就是机率。所以相同的问题，每次给的答案不一定完全一样。有时候可能还错的离谱，所以你不能完全信任AI。

为什么是这样呢？因为，他的回答不是经过和人类一样的「思考」。而是从逻辑模式来预测下一个词，然后从最有可能出现的词中进行选择。

然后它又重复一遍。

一遍，又一遍。

感觉像是思考。

实际上，是一连串非常复杂的猜测。

一个简单的比喻：

它就像是你手机的自动补全功能，只不过是加强版。

它不知道答案。

它只是知道最有可能的答案是什么。如果，没有任何答案时，AI会捏造。

纽约发生过一个案例。

一位律师引用了ChatGPT列举的案例。

问题是，这些案例并不存在。

法官判律师罚款5000美元。

AI听起来很有说服力，连律师都被骗。

所以你必须需自己验证。

怎么验证？

你可以要求AI逐步解释它的推理过程，它是如何得出结论的？它从哪里获得资讯的？

有一位朋友是法学教授，发表过很多论文。最近，他正在写一篇新论文，需要一些例子和案例来佐证他的观点。他使用AI模型来辅助搜索，不出所料，AI模型给出了一些支持他理论的案例。

但我的朋友是一位经验丰富的学者，他会要求提供资料来源。 AI提供了引用处。

法学教授用另一个AI模型对这些引文进行了交叉检查。

结果，根本找不到来源。

于是他回到原模型，非常直接地问道：“我无法核实来源。这是你编造的吗？”

人工智慧大方的承认了。

这种情况会一而再再而三地发生。

所以，你必须学会??怀疑结果，深入分析，持续验证结果。

这样的思考能力不是与生俱来的。

但是，我们有几个世纪的哲人和智者留下许多文史让我们学习。现代学者还能利用科学，与我们的大脑活动交互验证，重新思考。

介绍几本改变了我的思考方式的书。

丹尼尔卡尼曼的（Daniel Khneman）《思考，快与慢》（思考，快与慢）

卡尼曼的书告诉读者：

不能只相信自己的直觉，必须问问自己：

“我真的经过深思熟虑了吗？还是只是直觉反应？”

尤瓦尔·诺亚·赫拉利（Yuval Noah Harari）《人类简史》和《Nexus》。

在 《人类简史》，哈拉里的观点是：人类一直以来都坚信某些被重述千万遍的「故事」（Story）。所以写故事的人，无形中左右了我们的想法。

《人类简史》让你质疑我们所相信的故事。

在 Nexus 中，他指出，「更多资讯并不意味着更多真相」。

而是，谁控制了资讯，谁就因掌握资讯而获得权力。

读完这本书，让我在听完某些叙事之后，会想：是谁在讲这些故事？他的目的是什么？ 

亚当·格兰特（Adam Grant）《再想一遍》（Think Again）。

这篇是关于重新思考，如何质疑自己的假设。

如果卡尼曼展示了思考方式是如何出错的，格兰特则告诉你该怎么改进错误的思考方式。

祝您阅读愉快！

英文原稿

https://bbs.wenxuecity.com/mysj/333357.html