这条微博主要就是讲Sora的昙花一现。Sora作为工具可以，内容最终一定是去TikTok、Youtube一类的有真人的平台。

这让我想起昨天王健飞在X上说：

本以为因为 Sora 2 要重新冲一下 ChatGPT Plus，但半小时就玩腻了……甚至没碰到付费墙（现在有吗？）

一篇AI写的小说，核心设定是：因为短视频等多媒体内容的发展，未来人类认识基础不再是「语音」。在这个过度时间，作为语言学家的母亲与作为新世代的儿子之间的对话。

我留了一个评论说：

这个故事很精彩，但阅读体验很不好。

开头两句我以为是「我」和儿子的真实对话，但很快我意识到是小说，读到中后段，我在想这是人写得还是AI生产的。越到到后面越觉得是AI生产的，没什么理由，近乎一种本能的怀疑。

语言是人的本质，当AI拥有了这个能力并在人类社区（如X）里活跃，估计大部分人和我一样，冰没有做好准备。

非常有意思的角度。人们使用AI常用的两类任务：

• 给一段内容，让AI评估、点评
• 给一个想法，让AI生成

点评是要理解存量内容的分布，而创造则需要打破分布才能得到好的东西。显然，AI在原理上，更擅长前者，不擅长后者。

对任何智能来说，这两类任务都是相关但不相同的。比如一个人可能是个美食家，但炒个鸡蛋也会炒糊。可能有极好的文字品味，但写出来的小说很幼稚。可以在评论别人的方案的时候充满洞见，但自己一上手就磕磕绊绊。

（甚至也有反过来的情形，一个人可以完全不擅长评论，但自己做就做得很好。当然这是比较罕见的例子。

这个区别当然一方面是因为知易行难，但还有一个根本问题在于这两者追求的不是一回事。前者追求的是对数据分布的深刻理解，希望达到全局上的客观综摄。后者追求的则是在这个分布里试图获得一个不平凡的结果，换句话说，是对这个分布的一个抵抗而非服从。没有诗人，哪怕乾隆，写诗是为了想写出一首平庸的诗。大家想写的是传颂千秋的诗——虽然每个人都这么想的结果仍然是大家写出来的是都很平庸，但那是不得已。

也就是说，评估需要的是理解分布，而创造追求的是打破分布，或者说，是在另一个自己内心的理想分布中做采样。一个人才华越高，这个自己内心的理想分布同现实分布之间的 distortion 就越大，自己也就越能强行逃脱现实的引力。正是因为一代一代有天赋有才华的人的不懈努力和接力，投入自己的 ego 去扭曲这个分布，去把它拉向和推向边缘，这个代表人类综合水平的整体分布才会随着时间变化。

很精彩的一期，个人魅力，有很多思考。

作者把ChatGPT类比为压缩解压程序：

• 大量语料训练模型：压缩互联网上的知识
• 对话框回答问题：解压互联网上的知识

并且这个压缩是有损的。本文基调大致是对当下ChatGPT热浇浇冷水。

这个类比非常有意思，但仔细想想，这不会成为ChatGPT的问题。

事实上，人类大脑理解世界也一样，输入记录是压缩，表达是解压。人类关注并记忆的也是重点信息，在表达时也是对信息进行扩展陈述，没有谁日常表达是一字不漏的背诵。

在学校时，很多知识都学过，但考试仍然会做错，像不像有损压缩后解压失败？

PS：了解了下本文作者姜峯楠（Ted Chiang），挺厉害的，华裔科幻作家，2016年的科幻电影「降临」改编自他的作品。

其中提到的第二个误解：「ChatGPT 是统计模型，所以它的一切认知都是来自于它的语料。」

我也有，并且当大家讨论ChatGPT的时候，经常会从这个基础数学原理的角度得出「当前的AI并没有质变」的结论。

我不知道有没有质变，但给我的感受，是产生了质变。

但让我更意外的是，原来学术界也不知道在这样基础的原理下，为什么产生如此意外的结果/能力。（就是目前处于它做到了但我们并不确切知道它为什么能做到的状态）-- 关于这一点，木遥附上了两个论文链接，一个来自Google，一个来自微软：

• What learning algorithm is in-context learning? Investigations with linear models
• Why Can GPT Learn In-Context? Language Models Secretly Perform Gradient Descent as Meta-Optimizers

近期看到的非常好的关于ChatGPT的评论。

最后的比喻非常形象：「当你抱怨 ChatGPT 鬼话连篇满嘴跑火车的时候，这可能有点像你看到一只猴子在沙滩上用石头写下1+1=3。它确实算错了，但这不是重点。它有一天会算对的。」

毫无疑问，ChatGPT是AI领域一个质的飞跃，ChatGPT表现出非常强的围绕文本的归纳、总结、推理能力，能替代很多咨询类工作，没想到最先被AI替代的是传统上被认为高知的工作。

并且，它已经达到可商业化的程度，将会有大量资本涌入，推动这个行业以更快的速度发展，拭目以待。

微信链接备份：https://mp.weixin.qq.com/s/8gWpFG0k_vbgy_yUOg6R0g

生成摘要、提取关键词、寻找外链网站，等等，非常的强。

也好理解，ChatGPT是处理文本，SEO也是在处理文本，非常贴合的应用场景。

本文主要参考了两篇英文文章：

• ChatGPT for SEO: 20 Ways to Leverage ChatGPT in your SEO Activities
• 5 Ways to Use ChatGPT for SEO - Practical Ecommerce

真格基金的分享，40多分钟音频 + 90多页PPT，很完整的梳理和介绍了图像生成模型，ChatGPT以及人工智能发展史。

说到历史，Google在整个AI发展中，绝对的中流砥柱呀。

纽时发了一篇「ChatGPT对Google来说是红色预警」的报道，Google有资源也有能力做一个同样的聊天机器人，事实上内部已经有了。报道中提到两个问题：

• 通过引导，机器人会说些政治不正确的话，这对Google这样的大公司来说，是危险的。但对OpenAI这样的小公司来说，市场能够容忍。
• 机器人的商业模式与当前Google广告模式是冲突的。对于上市的大公司，革自己的命，阻力很大。

这个链接是Hacker News上大家的讨论。

最近分享了好多AI相关的文章，这篇依然不错。

很好的科普。

超出预期，但商业化道阻且长。

对话式人工智能小冰公司CEO李笛也向财新指出，像Chat GPT这样的大模型存在一个根本性的弱点，就是输出结果不稳定，商业落地并不容易，还需深耕。他举例，在金融文本的生成上，对26类上市企业公告，小冰一类一类地去磕，直到客户能对产品完全信任才敢上线，“而你看ChatGPT很能聊，好比我的一个同事很能聊，但他出去跟客户交流的时候，我每晚都会寝食难安——不知道他会不会短路、瞎掰，这样我怎么能让他上岗？”

技术上没新东西，但文中提到三点意料之外的表现：

1. 举一反三的能力
2. 抽象记忆的能力
3. 理解角色的能力

关于ChatGPT的一个summary PPT

AIGC（人工智能生成内容）和提示工程，有必要学习一下。
最近AI在内容产业，从以前的理解和加工内容，发展到了创造内容了。