共计 4772 个字符，预计需要花费 12 分钟才能阅读完成。
1. 工业革命的力量
1812 年 9 月 7 日，拿破仑战争中最血腥的一天上演了。欧洲两大陆地强国的 30 万兵力，在莫斯科以西 125 公里的博罗季诺村展开了厮杀。
对于俄国来说，博罗季诺代表了俄军为阻止法国向莫斯科推进所做的最后一次努力。
对于法兰西来说，这是它距离统一欧洲大陆最近，也是最后的机会。因为很快，第一次工业革命的发展，将使法兰西永远失去单挑整个欧洲大陆的能力。
法国占据了欧洲最肥沃，气候条件最好的西欧平原。在以农业为主的时代，这片土地源源不断地为法国提供了雄厚的物资和人力。
不幸的是，法兰西的土地上偏偏煤炭资源非常不足，而第一次工业革命通过蒸汽机将深藏在这种化石中的能量挖掘了出来，转化成了远超农业时代的生产力。
德意志由于占据了煤炭资源极其丰富的鲁尔区，一跃成为新的欧陆强权，甚至掩盖了邻居法兰西的光芒。
工厂普遍开始使用由蒸汽机驱动的机床，不仅大幅提升了生产效率，还提高了加工精度。性能更加优良的各种改进型步枪以及加特利机关枪相继面世。
在不到 20 年前的拿破仑时代，骑兵还可以凭借机动力冲击步兵阵地，是重要的作战力量之一。现在，冷兵器彻底沦为了博物馆里的展品。
在海洋上，此前以风帆为动力的战列舰只能以木材作为主要的建造材料。而以蒸汽为动力的汽船可以使用钢铁作为外壳材料，并且拥有更大的排水量装载威力巨大的重炮，极大地提高了战舰的攻击力和防护力。凭借在第一次工业革命中先声夺人，英国牢牢地坐稳了海上霸主的地位。
” alt=” 图片 ” width=”1″ height=”1″ align=”” border=”0″ data-cke-saved-src=”data:image/svg+xml,%3C%3Fxml version=’1.0′ encoding=’UTF-8’%3F%3E%3Csvg width=’1px’ height=’1px’ viewBox=’0 0 1 1′ version=’1.1′ xmlns=’http://www.w3.org/2000/svg’ xmlns:xlink=’http://www.w3.org/1999/xlink’%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=’none’ stroke-width=’1′ fill=’none’ fill-rule=’evenodd’ fill-opacity=’0’%3E%3Cg transform=’translate(-249.000000. -126.000000)’ fill=’%23FFFFFF’%3E%3Crect x=’249′ y=’126′ width=’1′ height=’1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E” />
在东方，仍然停留在农业时代的清王朝，即使凭借自身庞大的体量也已经无法对抗西方的工业国。在第一次工业革命的强大冲击下，旧的世界秩序开始迅速瓦解。
这其中发生了三个至关重要的变化：一是产生了新的能源获取方式，且利用效率有了数量级上的提升; 二是生产力得到了整体性的提高，主要体现在生产效率和加工精度有了数量级上的提升; 三是完成工业革命的国家在军事实力方面拥有了代差性的优势。
类似的变化也发生在了第二次工业革命中。内燃机和电动机取代了蒸汽机的地位。能源来源从比较单一的煤炭扩展到了石油、天然气、水电等。
军事上，随着坦克、飞机、航母等重型武器装备的登场，军队开始进入机械化时代。
不过，与前两次相比，第三次工业革命，也就是信息技术革命的特征略有不同。能源利用方面仍然是以石油和电力为主，并没有发生革命性的变化。
所谓的太阳能、风能等新能源，在转化效率方面并不比传统化石能源表现更好，甚至还更差。发展新能源更多是出于环保的原因，而不是提高生产力。
但是，信息技术仍然通过提升生产过程的数字化和自动化程度，提高了生产效率，且在军事上导致了部队的信息化改革和精确制导武器的出现。
1991 年，美军在海湾战争中仅用了 42 天的空袭和 100 个小时的陆战，就击垮了号称陆军第四强国的伊拉克萨达姆政权，在实战中证明了，经过信息化改革的部队，搭配新式武器装备相较于依然停留在二战时代的部队已经拥有了代差性优势。
因此，信息技术革命尽管不满足第一个条件(能源革命)，仍然可以配得上第三次工业革命的称号。
相比之下，另一些科技创新虽然也非常重要，对人们生活的影响也十分广泛，但依然不能称为“工业革命级别”的科技创新。
例如，2007 年 1 月 9 日，乔布斯发布了第一代苹果手机，立刻成为了智能手机中的标杆。智能手机的出现几乎让整个产业重新洗牌，催生出了繁荣的手机应用市场，并且在短短十几年时间就孕育出了数十家知名的互联网跨国企业。但它仍然只能算作互联网产业内部的一次革新，并没有让制造业整体发生革命性的变化。
那么，chatGPT 的出现究竟应该算作一次“产业级革新”，还是“工业革命级”的科技创新呢?
判断标准不应该是它会对现有的生活造成多大影响，或者会导致多少人失业。智能手机的出现同样深刻地影响了购物、娱乐、教育、交通、医疗等现代人生活的方方面面，其催生出的电商行业，导致了传统实体行业的整体萎缩。但是，决定整个世界秩序的底层力量并没有因此发生重大变化。
世界首先是物质的。科学以及现代工业的力量从根本上源于对物质的强大操纵能力，将能源和材料转变成服务于人类需求的产品。因此，更关键的判断标准是 chatGPT 能否让制造业发生深刻的变化。
2. 并行的道路
2023 年 1 月，就在 chatGPT 引起轰动的大致同一时间，世界经济论坛发布了最新一批“灯塔工厂“(lighthouse factory)名单。
所谓“灯塔工厂“，是由世界经济论坛与美国麦肯锡咨询公司在全球评选的制造业数字化转型典范。
截止 1 月 13 日，共有 132 家工厂入选。从它们所属国家的分布来看，排名前三的是中国 (20 家)、美国(19 家) 和德国 (8 家)。从工厂所在国家的分布来看，排名前三的是中国(50 个)、美国(10 个) 和印度(10 个)。
与停留在概念和媒体上的“第四次工业革命“不同，名单上的 132 个工厂被认为是全球最接近工业 4.0 标准的制造业实体，代表了智能化时代最先进的生产模式和未来工业的发展方向。
跟似乎精通人性的 ChatGPT 截然相反，制造业中的智能化追求的反而是将“人的因素“降到最低。
实际上，尽管都是以信息技术为基础，但是制造业语境中“智能“，跟 chatGPT 所代表的“认知上的智能“有着截然不同的含义。
制造业的最终目的是将各种材料按照设计好的标准和流程加工为成品，整个过程越少意外和波动，生产出的成品合格率越高，质量越好。
在这种环境下，人类特有的情绪、情感等因素是需要被压制而不是理解的对象。
流水线的发明，实际上就是通过将生产流程分解成最小单元，每个人只负责一道最简单的工序，将生产中的不可控因素降到最低。
在信息化时代，制造业的智能化追求的是将生产全过程转化为量化数据，从中提取反映生产状态的信息，根据信息对整个过程进行自动控制和生产管理。
由于人的行为很难完全量化，智能化工厂会尽量减少人的参与，由机器按照标准化的程序完成所有动作。甚至机器的表现、产品的健康状况也不再由人工监督或评估，而是由机器自动完成。
实际上，一些实现了高度智能化生产的工厂，已经成为了只需要很少人参与的“黑灯工厂“。
ChatGPT 所代表的“认知上的智能“则恰恰相反。它要求机器尽可能去模仿、学习和理解人类，其中也包括人类感性的部分。
具有“认知智能”的 AI 机器有两种可能的方式来影响制造业：一是作为人类的辅助工具，帮助人类工程师进行学习、研发、设计和管理，提升各个环节的效率; 二是人工智能本身就能够自主设计、控制生产流程，而且可以快速迭代进化。
两种方式的意义完全不同。作为辅助工具的 AI，只是帮助人类更快掌握相关知识和技能，提升工作效率。最终的成果还是由人类产出，依然受到大脑能力上限的制约。
在产能已经大于需求的领域，它的最大意义在于节约人力成本，提高企业的利润率，最终导致中层人才大量失业，资本结余和顶层人才的收入增加，影响的更多是存量财富的再分配。
在药物研制、高端芯片等供不应求的领域，由于提高了生产效率，它可以创造一部分增量财富。
但是，这种辅助性的 AI 仍然不足以产生代差性的优势，因为那些制约生产力水平的最困难的问题，最根本的理论突破仍然需要由人类来解决。
真正可怕的是一个能够自主思考的超级人工智能。它可以摆脱生物大脑的算力约束，通过快速的自主迭代将人类中最优秀的大脑远远甩在后面。
那些现在被公认为世界性难题的核聚变，量子计算机等可能会迎来重大突破，甚至迎刃而解。那么，这的确配得上是一次工业革命级的科技创新，甚至比前三次全部加起来影响还要深远。
于是，接下来的问题是 ChatGPT 的惊艳表现，是否意味着一个能够自主思考的超级人工智能即将到来?
3. 符号的囚徒
1880 年 6 月 27 日，一个叫做海伦·凯勒的女孩出生在阿拉巴马州的塔斯坎比亚。19 个月后，一场病痛剥夺了她的听觉和视觉。
但是她不仅学会了英语、法语、德语等 5 种语言，还成了一名多产的作家，著有 14 本书以及数百篇演讲和文章。
这场令人赞叹的奇迹也提出了一个问题：一名从小丧失了听觉和视觉的人类，是如何掌握了复杂的语言，并取得了相当高的文学成就?
翻开海伦的书会发现，她的文字中似乎有很多与听觉和视觉有关的描述。但是，绝大部分时间，海伦只能通过触觉从外部世界接收信息。
实际上，在她的大脑中，像“单词”这样的语言符号也是以一种触觉信息进行编码的。
根据海伦的家庭老师苏利文的描述，最困难的第一步是教海伦理解每一个物体都有一个词与之对应，这个词又对应着一个固定的手势。
一开始，海伦只是机械地模仿苏利文的动作，完全不知道自己正在拼写一个词。直到有一次，苏利文一边在海伦的手掌做动作，同时让她另一只手接触水。她学会了人生中第一个单词：水。
跨过了这个门槛后，海伦的进步神速，很快学会了其它单词，包括喜爱、生气等代表抽象意义的词汇，并且逐渐学会了写作，能够与他人探讨人生的意义，何为幸福、正义等深刻的话题。
利用触觉信息建立起外部世界与语言符号之间的联系，这是海伦·凯勒学习语言的独特方式。
那么现在，假如海伦连触觉乃至其它一切生理感觉都失效了，她该如何学习语言? 或者，她还能学会语言吗?
实际上，ChatGPT 的训练过程就提供了这样一种学习方法：将语言的学习过程转化成一种纯粹填字游戏。
整个过程的底层逻辑是：在没有训练之前，chatGPT 填的字是完全随机的，偶尔也有可能给出有意义的词汇。(例如，给出一个“风”字，接下来它可能会填“欧”、“陈”等组成完全无意义的词，偶尔也可能组成“风俗”这样有意义的词。)
8
现在将大量人类已经写好的文章作为 chatGPT 的训练材料。由于有些特定的字词组合经常出现在训练材料中，通过统计概率，经过训练的 chatGPT 就更有可能生成有意义的文本。通过同样的方式，chatGPT 再填下一个字，最终生成任意长度的文字。
尽管人类的语言非常复杂，但是 chatGPT 的表现说明，只要考虑的参数量足够多，就能大力出奇迹，生成看起来非常流畅、通顺的文本，似乎已经完全掌握了人类的语言。
然而，与海伦·凯勒学习语言的方式相比，chatGPT 有一个明显的问题：它只是纯粹地考虑了语言符号内部之间的概率关系，无法将语言符号跟外部世界建立起对应联系。
chatGPT 生成的所有信息，全部来自对现有的语言符号排列组合情况的一种归纳，无法考虑这些符号本身是否有意义，符号之间的关系是否准确描述了它们的自然对应物之间的真实联系等问题。
假如只将“日心说”出现之前的文字内容作为训练材料，那么 chatGPT 就会认定“地球是宇宙的中心”，且永远提不出日心说。
而且，增加再多参数也改变不了这一点，因为这违背了 chatGPT 一切只看概率的底层代码。假如此时某条真理真的只掌握在少数人手中，chatGPT 也只能把真理出现的概率调低。
也就是说，人类的语料库既赋予了 chatGPT 智能，同时也给它造了一个囚笼，使之产生的信息永远在现有符号体系内部打转。
因此，从原理上，chatGPT 就无法成为一个能够创新的超级人工智能，而更像是一个精巧的复读机。
当然，即使是这样，chatGPT 的表现依然非常出彩，非常有竞争力，因为相当多人类从事的工作实质上也是复读机，因而逃脱不了被替代的命运。
人类并不能随心所欲地捏造语言符号，而是在与外部世界的互动过程中创造了符号。因而，只有人类才能不断赋予符号新的涵义，发明新的理论。
就像海伦·凯勒在创作时虽然使用着已有的语言符号，但是她独特的感知世界的方式，已经赋予了那些符号新的内涵。她笔下的世界因此才显得如此有启发性，如此动人。
与之相比，chatGPT 就像被监禁在了一个由符号所打造的囚笼。它一切令人惊叹的能力都来源于此，也只能来源于此，因此永远不会拥有和人类一样的创新能力。
归根结底，人和世界的互动才是全部语言符号意义的来源。每一个人类婴儿从很小的时候就拥有了将世界抽象为符号的天赋。善加利用这种天赋，你就永远不会被取代。
