推平“知識高峯”，AI將如何影響我們的學習？_風聞

過去5個多月時間裏，生成式AI的熱潮愈演愈烈。

在新一輪的技術革命面前，有人不安，擔心自己會被AI替代；有人興奮，認為新的機會窗口已經打開。不只是個體的躁動，幾乎所有行業都會被問到這樣一個問題：怎麼應對充滿創造力和不確定性的新世界？

其中必須要作答的可能就有知識服務賽道。ChatGPT代表的新型人工智能，正在改變知識的獲取方式，在“無所不能”的預訓練大模型面前，傳統的知識生產、分發和學習邏輯是否還有生存空間？

恰恰是在這樣的背景下，知識服務平台得到APP在4月份掀起了一場活動密集的“AI大作戰”，包括吳軍、王小川、周鴻禕在內的業內大佬均出現在“主講嘉賓”的名單裏。

不過，這裏想要討論的並非是嘉賓們給出了什麼觀點，而是想要透過得到APP的行為和觀點，探討下知識服務市場的新潮向。

01 走進“知識大平原”

時間回到3月14日，OpenAI在未進行太多預熱的情況下發布了GPT-4。相比於被不少人驗證過的GPT-3.5，GPT-4在日常對話層面並沒有太大的革新，但在推理能力上，GPT-4給出了令人咋舌的表現。

按照OpenAI官方的説法，在模擬美國律師從業資格考試中，GPT-3.5的成績在全體考生中只能排到末尾10%，而GPT-4能排進前10%；在難度更高的國際生物學奧賽中，GPT-4能夠吊打99%的人類選手；在“美國高考”SAT考試中，GPT-4在數學和閲讀部分也能戰勝近90%的考生。

當GPT-4輕鬆超越了大部分人類“做題家”，對知識體系的顛覆性不言而喻。上一次的“顛覆”可能還是搜索引擎的出現，但搜索引擎的價值在於檢索，提供的只是一本書的目錄，想要獲取裏面的知識，還需要按章節閲讀。而GPT-4代表的語言模型，提供的是一整本書，知識的廣度和厚度均遠超搜索引擎。

得到APP創始人羅振宇在4月10號的直播中説了一個有趣的觀點：過去的學習者面對的，是一座座孤峯聳立的知識高地。這些高峯是由無數概念、邏輯、先例堆起來的，它剝離了人的感性體驗和事物發展的具體過程……而在人工智能的幫助下，這些高峯有可能被推平，變成在學習者面前一覽無餘的平原曠野。

借用類似的邏輯，隨着GPT-4以及更多大模型的出現，人類社會正在進入到“知識大平原”時代。

過去人們想要學習某類知識，就像是一個攀登高山的過程，或許會有人提前用石階鋪一條上山的路，想要到達山頂，還是需要一步一步往上攀登，期間不可避免地要耗費相當大的體力和精力。

大模型正在不斷消除所謂的“知識高地”，知識散落在阡陌縱橫的平原上，一眼就能夠看到想要去的點在哪裏，然後找準自己的學習目標，選一條效率最大化的路徑，以最小的代價到達知識的彼岸。

“勾股定理”就是一個直接的例子。雖然周朝時期的商高就提出了“勾三股四弦五”，後世想要學習這樣的知識，仍需相當複雜的論證。而現在隨便一箇中學生都知道a²+b²=c²的表達式，寥寥數筆就能推理出答案。結果就是，當代普通中學生的數學知識儲備，早不是一本《九章算術》所能容納的。

高爾基説：“書籍是人類進步的階梯。”進入到“知識大平原”時代，類似的哲理依舊適用，然而人們與知識的連接方式勢必會發生潛移默化的改變，需要重新思索知識學習的內在邏輯。在新一輪的範式轉移中，註定會有很多行業被重構，得到APP這樣的知識服務平台大概率是最早被影響的賽道。

02 得到們的新角色

得到APP 4月10號的直播中，以“AI時代的得到新戰略”為主題，羅振宇、脱不花、快刀青衣三位創始人時隔4年再次同台。雖然直播中並未談到得到APP應對生成式AI的法則，卻不難從羅振宇的猜想中揣摩一二。

讓人印象深刻的是人工智能作為多類型學習助手的比喻：有的扮演書童，負責回答問題；有的扮演參謀，負責提出下一個問題；有的扮演將軍，負責執行；有的扮演探馬，負責提供案例和榜樣……

言外之意，GPT-4等大模型的衍生應用，不會侷限於對話機器人，將不斷分化出更多的角色。比如用户想要讀一本書的時候，只須提出一個初始問題：“這本書重點講了什麼？”不同的助手會給出不同的答案：“書童”負責列出要點，“參謀”負責提出問題，“將軍”的職責是摘錄精華，“探馬”的作用是橫向比較。

至於羅振宇的猜想是否合理，不妨先試着理清三個底層邏輯：

一是人類學習狀態的演進。羅振宇的觀點是將進入“軸心時代”，因為在多模態大模型的主導下，知識的載體再無區隔，學科間的界限加速溶解，學界一直期待的“知識大融通”將變成現實，個體知識會在對話的過程中不斷擴展。

二是求知方式向問題傾斜。之所以會出現“知識大平原”的説法，原因是大模型就像是人類的大腦，知識被存儲在神經元連接中，需要通過Prompt來喚醒AI的能力。對於一個求知者來説，答案已不再稀缺，提問比回答更重要。

三是學習者必將成為學習的中心。在知識的“孤峯”時代，我們想要掌握任何一個知識點，首先要學的就是其推導過程。大模型改寫了知識的獲取方式，學習者的目標將是整個知識網絡的核心，知識的價值是服從於人、服務於人。

把視角再放大一些的話，羅振宇的猜想絕非一家之言。對應現象的就是Prompt Engineering（提示語工程學）的風靡，怎麼正確地給AI投餵Prompt，怎麼釋放AI的生產力，已然成為一門深奧的學問。不同的是，理工科佔大多數的工程師們，選擇用Prompt激發大模型裏存儲的“知識”，而新聞出身的羅振宇想要揭示潛在的規律。

回到知識服務的話題上，羅振宇有關“多類型學習助手”的比喻，恐怕不只是給人工智能的定位，可能也是知識服務平台即將扮演的角色，既是知識的服務商，也是用户的學習助手，根據用户的不同學習需求，扮演書童、參謀、將軍、探馬等不同角色。

也許現在還僅僅處於初始階段，得到APP的幾位創始人選擇公開闡述自己的思考和洞察，顯然已經為人工智能浪潮帶來的新機會做足了準備。

03 我們都是局內人

以往討論某個行業話題時，我們習慣於站在“觀察者”的位置，希望能夠得出一些客觀的結論。可在探討知識學習的話題時，很難把自己從中脱離出去，畢竟我們都是“知識大平原”時代的局內人。

一個現實的例子，現階段AI已經被用於寫詩、寫郵件、寫新聞報道，倘若大模型的能力再一次進化，我們花費幾個小時、掉了滿地頭髮寫出來的分析文章，也許是AI不到一分鐘就能完成的工作。怎麼適應人工智能時代的“終身學習”，不光是得到APP們的戰略抉擇，每一個人都身在其中。

目前有不少開發者試圖挖掘GPT-4的“隱藏能力”，國外一位程序員小哥的做法很有啓示性：他調用OpenAI的API開發了一個語音轉文字的工具，然後將自己經常聽的上百期播客作為語料庫進行學習，最終將過去需要花數百個小時消化的知識，變成了幾十組“對話”，學習效率提升了近百倍。

參考技術普及的一般規律，目前程序員掌握的技能不會是少數人的專屬，很快會成為人人可用的工具，同時也映襯了羅振宇的另一個判斷：如果人工智能鋪設的學習基礎設施足夠發達，學習者面對的現實挑戰，才是學習行為的起點。我要做什麼，決定了我的學習內容、路徑和需要的資源。

可能會有人因此而恐慌，擔心自己的競爭力被人工智能衝擊。諸如此類的心態無可厚非，人們在新事物出現時總是會缺少安全感，就像汽車的誕生徹底淘汰掉了馬車伕。其實還有另一個視角：汽車影響了馬車伕的生計，卻也催生了“司機”這一新崗位。我們需要做的不是過度恐慌，而是學會使用新工具。

由此再來看得到APP的AI大作戰，羅振宇、吳軍、王小川、周鴻禕等人的見解並不是唯一的焦點。譬如在羅振宇講述AI時代“終身學習”的9條猜想的同時，得到APP聯合創始人快刀青衣發佈了《給職場人的AI寫作課》，涉及商務郵件寫作、彙報框架搭建、創意批量產出等8大高頻寫作場景，想要幫助職場人掌握AI寫作的關鍵技能。

如果把這一輪的AI浪潮和汽車工業對比，當下不過是卡爾·本茨造出第一輛單缸發動機三輪汽車的時間，沒人知道在人工智能的“慕尼黑博覽會”上，還會有哪些新事物出現，會產生什麼樣的轟動效應。

但可以篤定的是，被替代的崗位越多的地方，誕生的新崗位也越多，而學習正是我們追逐新機會的唯一路徑。作為“知識大平原”時代的局內人，留給我們的選擇不是躺平或逃避，而是學會駕馭新工具，和知識建立起高效的連接。

04 寫在最後

OpenAI CEO Sam Altman曾在博客中寫道：AI 大模型發展的最終目標是通用人工智能，當這一目標實現的時候，人類經濟社會將實現“萬物的摩爾定律”，即萬物的智能成本無限降低，人類的生產力與創造力得到解放。

至少就目前生成式AI的演變來看，這樣的預言正在不斷“變現”，每一個需要人類原創力的行業都將有可能會被顛覆。也許某些崗位會被AI取代，但大部分崗位將以人與AI協作的方式去完成。

再來回答文初提到的問題，潮向不單單是知識服務的方向，還關乎每個人在AI時代的生存方式。