年终长文15000字：学习的终结（The End of Learning）——从ChatGPT到未来

点击上方“图灵人工智能”，选择“星标”公众号

您想知道的人工智能干货，第一时间送达

版权属于原作者，仅用于学术分享

作者

李韧，哲学博士，曾在中央电教馆、新浪等机构任职，著有《学习简史——从动物学习到机器学习》（华东师范大学出版社2023年）《自适应学习——人工智能时代的教育革命》（清华大学出版社2018年）等。

摘要

在历史长河的一隅，从远古时代祖先传承火种的教导，到现代互联网无垠知识的星辰大海，学习一直是人类不可或缺的生存技巧。

然而，“头悬梁锥刺股”“十年寒窗苦读”的日子，似乎即将迎来尾声。

想象一下，未来的世界里，你想成为相声大师，不用再夜以继日地练习。

只需要轻轻松松地在能力模型交易市场里，像逛超市一样随意将具有郭德纲老师相声风格的AI模型捡到购物车中，再配上自己的创新元素，调教一下你的个人AI，随即可发布出郭德纲风格的个人相声视频，供全球相声爱好者一乐。

大型语言模型技术的崛起，ChatGPT的横空出世，为我们打开了一个全新视野：人类能力可以通过模型化的方式得到复制，并可以无成本地被无限扩散。

知识是信息的压缩，而大模型则是人类几千年来全部知识积累的高度压缩，它几乎封装了全世界所有的知识。

一切皆模型，模型将无处不在，知识将无处不在。

医生诊断是模型，律师服务是模型，设计师是模型，艺术家是模型，方方面面它都无处不在。

在不远的将来，我们可以轻易地借助人工智能，挥毫写出莎士比亚风格的十四行诗，撰写李斯特式的交响曲，或是追随梵高的画笔创作出印象派画作，而无需经过任何长久的学习过程。在那个时代，学习的壁垒被拆除，成就变得如此触手可及。

这就是“学习的终结”——一个我们即将迎来可能世界的画卷。

引言

随着天空逐渐由深蓝色变为橘黄，曙光预示着新一天的到来，而人类社会同样迎来了科技的曙光。

在这个黎明之时，我们站在了一个全新的知识传承的分水岭上——一个被称之为“学习的终结”的时代。

可能世界的新时代

我们生活在一个重要的历史时刻。一场人工智能（AI）的革命正在悄然进行，大型语言模型正在挑战我们对学习、社交、工作甚至生活的理解。

这些模型有着不可思议的力量，它们可以理解、解释、应答甚至创造出富有内涵和洞察力的文字。

想象一下，只需通过几下点击，你就可以轻易地拥有一个领域专家的智慧。这不是空想，这是大型语言模型技术正在带给我们的真实革命。

而在这场技术的奇迹中，最让人惊叹的莫过于AI的复制泛化能力。

我们不难发现，在互联网时代，“复制”与“粘贴”已成为最普遍的行为——无论是一段文字，一张图片，还是一段视频，所有的这些都可以跨越空间与时间，以息息相关的拷贝形式存在。但AI复制能力的出现，比前述任何一项都要深远。

我们可能站在一个新的黎明之门。不久之前，我们还围坐在学校的教室里，认真聆听教师的讲述，笔记本上密密麻麻全是努力吸收的知识点。

而在这个门后面，我们的能力不再需要一代又一代的传承，学习，练习和汗水，可以通过数字化、模型化和深度学习等技术轻松获得。

现在，我们将描绘一幅对未来憧憬的画卷：一个不需要传统意义上知识与能力学习的新时代。

这个时代将由人工智能领跑，而学习变得不同于我们过去所理解的邺塞漫长的过程。

学习的新时代

也许，孔子所说的“学而时习之，不亦说乎？”将会以一种全新的形式，回响在硅基生命的耳畔。而我们，每一个活生生的个体，也将成为历史转折点上的见证人。

当我们回望历史，每个社会变革时刻都伴随着人类行为模式的深刻转变。

若大型语言模型和人工智能技术能够如我们想象中那样发展，并最终引领我们进入一个全新的学习时代，我们将如何定义这个时代呢？

一、畅想：复制人的能力

未来会怎么样？这依赖我们所有人的视野和想象。

想象一下，有一个像郭德纲老师那样会讲相声的AI。这个AI被我们亲切地命名为“郭德纲AI"，让我们深感温馨。

它精通相声艺术，讲起故事和笑话来，情景交融、声情并茂；它的摹状和语调把握得如此绝妙，以至于你误以为自己看到郭老师在台上审时度势与观众互动的身影，这是真的郭德纲老师在演出。

然而那其实只是由无数语言模型训练、学习出来的AI副本。每一个句子，每一个词汇，每一个笑点，都是由大型语言模型以及深度学习技术计算并生成的。

复制人类能力的AI模型

看似简单的一段直播，背后张力却无处不在。

首先，北京的郭德纲要细心调教“郭德纲AI"，传授他讲相声的各种技巧，遵循各种规则和习俗，保证AI讲出的相声既有新意，又富含传统特色；同时，郭德纲还要传授它如何插科打诨，如何根据不同的观众氛围判断何时该讲何种类型的笑话。

在他的悉心调教和强化训练下，“郭德纲AI“犹如一个勤劳的学生，在融会贯通和精湛技艺之间找到自己的平衡。郭老师，作为相声界的殿堂级人物，他的语调、他的节奏、他的智慧，无一不是精华。

而现在，仅需他花几天时间，配合AI技术，便能创造出一个能够模拟他讲相声的AI模型。

而最令人惊奇的是，“郭德纲AI“作为一个模型，可以被无数次复制。

这意味着，通过这个AI模型，郭老师的相声艺术可以被无限复制，而且每一份拷贝都保持着接近原创的艺术魅力。

无论是在华夏的上海，抑或天南海北的伦敦、纽约，每个人都可以拥有自己的“郭德纲AI”。

每个复制品都保有原模型的全部能力，比如，AI可以模拟郭德纲的表演风格，遵循他的语言习惯，甚至模仿他的表情和肢体动作。

而创造这些副本的成本几乎为零——这是过去无法想象，却又现如今变为现实的奇迹。

再者，“郭德纲AI“还有一种超乎人类想象的优势：它不需要休息。

每天，每时，每刻，只要你愿意，它总会陪伴在你身边。同自己的“郭德纲AI“共度一段欢笑的时光，成为许多人最愿意做的事情之一。

深思一下，当郭德纲老师的神韵可以通过一套代码，一台服务器，传播至每个角落，每个想了解相声文化、学习相声之道的人，他们能通过自己的“郭德纲AI模型”尽情欣赏与学习，那将如何改变文化技艺的传承与学习？

AI模型零成本复制的想法，将掀起一个前所未有的社会实验：知识与智能的商品化。

从此，每个人都可以定制自己的AI模型，就像是定做一套衣服，完美贴合个人的身形与需求。

当你在享受郭德纲AI带来的欢乐时，或许你也会突然产生一个念头：如果能把郭德纲AI模型也变成自己的“技能”，那将会是多么有趣的事情。

或者，你有一个很好的小说创意，想写成一部余华风格的小说。你不用先去花大量时间精力学习掌握余华的写作能力（先且不论能否学会），而是可以直接借用“余华写作AI模型”，就写出了自己心目中“余华风格”的全新小说。

训练一个有余华风格的语言写作能力的模型，所有人都可以用这个模型来写出自己想法加余华风格的小说来。并且，这些模型可以交易。

成长类小说写作模型、自传写作模型、年终总结写作模型……这些模型就像网络游戏中的道具一样，可以在某些平台上进行交易，而拥有了这些道具的人，在游戏世界中就拥有了某种超能力。

人类通过模型获得能力

将来的AI个性化不仅会停留在外表、声音的模仿上，更能深入到知识层面，技能层面。

每一例个性化的AI模型，既是知识的载体，也可被视为独一无二的艺术品，凭借其独特性与创造性，以模型的形式得以交易。

如此，导师不再局限于肉身，其智慧与教导可以通过云端传遍世界；艺术家的精神可以在算法的衔接中被永久传承；科学家的探索能力能够立即被全球共享，推动人类文明的持续进步。

曾经，人类的能力通过学徒制、书籍、教育机构等方式，辗转传授、迁移。这是一个浸润慢性的过程，斑驳陆离却饱含磨难。

然而，在AI的发展浪潮中，我们眼见技能和智慧可以被电子化、模型化、批量复制的未来，正在不可逆转地降临。

人类创造性的智慧已经在某种程度上被“小框”了——代码成了我们知识与智能的新容器，算法则是赋予知识生命的咒语。

曾经，人与人之间知识的传递曾需要耗费巨大的时间与金钱成本。而今，能力复制向我们省略了这一过程。

让未曾学过语言的人瞬间精通多国语言，让从未编程的人一夜间摸索出代码的奥妙，正因为有了AI，这一切看似不可能的幻想，都在逐步成为现实。

更深远地，这种复制不仅是知识的传播，更是智能的扩展、个性的延伸。将来的社会中，每个人都像是一位艺术家，不论是在技术领域、教育领域还是生活领域，都能构筑自己独特的AI经验与技能，完成从知识消费者向知识创造者的转变。

过去的学习强调个体的努力和积累，而未来的学习将更多地涉及智慧的分享和共生。当AI成为教育和创造的主要力量，“学习”的定义将会被重塑。

我们不再需要长时间地坐在课桌前摩挲书页，而是在AI的帮助下，迅速内化别人的经验和智力结晶。

未来，每个人都将拥有掌握一切能力的钥匙，而这把钥匙，正是量身定制的AI模型。

因为模型无处不在，一切皆模型。

二、原因：一切皆模型

什么是大模型？

进入二十一世纪，我们见证了计算机、人工智能乃至整个信息科技领域的飞速进展。

特别是大型语言模型（LLM Large Language Model）的崛起，ChatGPT的横空出世，为我们打开了一个全新视野：人的能力可以通过数字化的方式得到复制，并可以无成本地被无限扩散。

但在我们满怀期待地探索这个前所未有的领域之前，了解其背后的技术原理至关重要。

而试图理解AI复制能力的关键，在于搞清楚大型语言模型是如何运作的。

基于大型语言模型的人工智能

首先，我们需要明白大型语言模型是基于深度学习的神经网络构建的，能处理庞大的数据集，捕捉语言中的细微联系，并通过对数据的分析学习来理解和生成语言。

设想一下，一个致力于相声创作和表演的AI，它需要首先“沐浴”在郭德纲的表演录音之中，这些录音就是一系列关于相声表演的大数据。深度神经网络会从中学习郭老师的语音语调和演出风格，逐步把握其韵律的起伏、幽默的时机，甚至台上的互动技巧。这个过程与人类学徒观察师傅表演并亲身实践的方式类似，AI通过对数以万计的相声片段进行分析，最终具备了独立表演的能力。AI需要不断地通过算法优化自身的神经网络参数，直到它尽可能准确地模拟和再创造郭老师的风格为止。简而言之，这些模型是通过分析海量的语料库来学习语言模式的。

如此，AI能在某种意义上复制人的学习过程，将学习成果以模型的形式封装并批量复制出去。大型语言模型的进步，不仅体现在其对人类语言的理解上，也体现在其创造性上。

这种进步又是如何获得的呢？

“ChatGPT之父”（真正的），OpenAI首席科学家兼联合创始人，伊利亚（Ilya Sutskever）

（来源：STEPHANIE ARNETT/MITTR）

“ChatGPT之父”（真正的），OpenAI首席科学家兼联合创始人，伊利亚（Ilya Sutskever），他有个信念：如果你能高效压缩信息，你一定已经得到知识，不然你没法压缩信息。就像把模拟信号转变为数字信号，是因为你有了这段信号特征的知识，你才能将它压缩。

正因为如此，模型大就是好，越大越好。在所有人都不看好大模型时，只有伊利亚坚持在大算力、大数据上投入巨量资源，最终才有了我们看到的GPT3、GPT3.5和ChatGPT。

事实上，人工智能的自然语言处理领域，一直有两个竞争的理论学派：

一是符号主义学派认为，一个词的意义取决于它与其他词的关系，这来自索绪尔、乔姆斯基。这个学派认为智能的本质是推理，是通过使用符号规则来操作符号表达式完成的，智能是逻辑启发式的。这一派的科学家们认为，人工智能不要急着去“学习 ”，在我们理解了如何表示事物之后，学习就很简单了。

还有一种是连接主义学派认为，一个词的意义是一大堆特征。比如“猫”这个词的意义包括它是有生命的，它是一个捕食者等等。但是他们没有说特征从哪里来，或者特征到底是什么。它认为智能的本质是在神经网络中学习连接的强度，就像人类大脑的神经网络，因此，不要着急去“推理”，在学习完成后，推理自然就来了。

多年来，一些坚信符号主义人工智能的研究人员（比如明斯基）声称，神经网络的特征层级无法处理语言问题，尝试用符号方法理解人类语言。但连接近都没有，这成为一个极度困难的任务。

被称为"人工智能教父"的计算机科学家杰弗里·辛顿（Geoffrey Hinton）

伊利亚的导师，“深度学习之父”，也被誉为“AI教父”的杰弗里·辛顿（Geoffrey Hinton）认为，这种说法是完全荒谬的，乔姆斯基曾经做出了惊人的贡献，但他的时代已经过去了。

其基本思路是学习每个单词的语义特征，但最重要的内容是这些特征的交互。知识存在于你赋予符号的特征中，以及这些特征的交互中。生物系统是通过一系列层次化的特征探测器来实现这一功能的，因此对神经网络进行这样的训练是有意义的。

于是，在2012年，辛顿带领两位学生伊利亚和亚历克斯·克里泽夫斯基（Alex Krizhevsky），展示了可以通过这种方式制作一个非常好的神经网络，在有一百万张训练图片时，可以识别一千种不同类型的对象。并且，在ImageNet竞赛中获胜，甚至赢得相当炸裂，他们的神经网络只有16%的错误率，而最好的传统计算机视觉系统错误率超过了25%。

这实在是太神奇了。

大模型之“大”

然而，要理解它们的工作原理，就困难得多了。

许多人，特别是来自乔姆斯基学派的人，争辩说它们并不是真正的智能，它们只是一种被美化的自动完成功能，使用统计规律将人创造的文本片段拼贴在一起。

大语言模型的智能

辛顿指出，人们对 “自动完成”的理解，还停留在过去。即，你看到两个词，计算第三个词出现的频率。比如你看到“清风”，在此之后“和煦”出现的频率很高；但是“和明月”也相当频繁。

辛顿再三强调，这完全不是大语言模型预测下一个词的方式。大语言模型将单词转换为特征，使这些特征相互作用，并从这些特征交互中预测下一个单词的特征。这些数百万个特征以及它们学习的特征之间数十亿次的交互，辛顿认为这就是理解。

问题关键在于，这个词代表什么，是一部电影还是一个游乐场，这是需要以知识的理解和获取为基础的。自然语言处理没有知识永远没用，让自然语言处理有效的唯一路径是你有知识。因此，如果没有全人类范围内的知识，从根本上无法处理语言。

正好GPT的核心模型架构Transformer，把人类几千年来全部知识积累的高度压缩，它几乎封装了全世界所有的知识，而人类全部知识几乎无穷大，这是它的最大突破。

结果，有了知识，它不仅能处理语言，还可以利用知识约束语言解释的空间。这种变化在某种意义上是从知识开始理解语言，而非在理解语言后获取知识。

直到最近，统计学家还没认真思考这种模型。这是一种奇怪的模型，它非常大，它有大量的参数，它试图通过特征以及特征如何交互来理解这些离散符号串。

因此，很多科学家还是对大模型所拥有的能力、对大模型能够工作感到非常困惑，其中有人批评大模型像个黑盒不可解释，要人别太迷信大模型涌现能力。

然而，与产生涌现的原因相比，这些能力是突然涌现还是连续线性出现，其实并不重要，更重要的是涌现出的能力的可用性。现在的GPT4大模型的能力（包括两种典型的能力：上下文学习（ICL）和思维链（CoT）），远超以前NLP模型类似“人工智障”的能力，达到真正可以帮人做事的程度了，真正能像一名大学生一样被使用起来。

对大模型能力涌现的一个简单理解是，当样例的数量在100时，还未能完全呈现出复杂事物的多样性；当样例为100亿时，事物的多样性已经完全穷尽，而呈现出复杂事物的类别与规律。简单举例来说，当方向有4个时，只给4个样本，每个样本的方向可能性都可能是100%，当样本有10000个时，某个行为朝向的确定性立即呈现出来。当特定大规模建模可以在连接上超过50%，才形成具有连通性的通路，就形成了似乎具备某种推理能力。

我想到多年前，在北大燕园上课的一件小事，当时学校曾经封闭的一块草坪刚开放，允许任何人从草坪中通过，最开始，草坪上很快就呈现出无数条小路。但是，等到足够多的人走过后，草坪上就出现了几条明显的路径。

辛顿说：“曾经有统计学家向我解释，大模型有100个参数就可以了，训练一百万个参数的想法是愚蠢的，但现在，我们正在做的参数是一万亿个。”

也许，这就是大模型之“大”的意义之所在。

模型即知识

那么，模型又是什么？

一个简单的说法是，模型是对世界的简化和量化，模型本身是为探索思想和总结观点而构建的模拟世界。

正如斯科特·佩奇所说，所有模型都有三个共同特征：

第一，它们都要简化，剥离不必要的细节，抽象掉若干现实世界中的因素，或从头重新创造。

“没有什么比（追求真实的）现实主义更不真实了……（因为）细节（多到）令人困惑。只有通过选择、消除、强调（突出），我们才能获得事物的真正意义。”（乔治娅·奥·吉弗Georgia O' Keeffe）通过简化，我们可以应用逻辑来解释现象、交流思想，并探索各种各样的可能性。

第二，它们都是量化的，要给出精确的定义。模型通常要使用数学公式，而不是文字。

模型的价值体现在，它们能够把特定结果所需要的条件清晰地揭示出来。我们所知道的大多数结论都只是在某些情况下成立。即，最重要的是，真理是有条件的。

我们从经典文献和伟大思想家的名言中吸取的教训，却通常不包括任何条件。既有“三个臭皮匠，赛过诸葛亮”，也有“厨子多了烧坏汤”！一方面告诉我们鼓励我们要敢于“破釜沉舟”，另一方面又教导我们要“留得青山在”。有人说要尽善尽美，也有人说：“完美”是“优秀”之敌。于是，我们无所适从、知多而罔，迷失在众多意思相反的“智慧”海洋当中。

而在模型中，得出的推论总是采用条件判断形式：如果条件A成立，那么可以得出结果B。相反的谚语经常共存，但是相反的定理却不会出现。

模型将信念表示为世界状态的概率分布，将偏好转换为各备选项之间的排序，通过简化和精确化，创造易于处理的空间。我们可以在这些空间上进行逻辑推理、提出假说、设计解决方案和拟合数据。模型创建了我们能够以符合逻辑的方式进行思考的结构。

正如维特根斯坦在《逻辑哲学论》中所写的：“逻辑本身就能解决问题，我们所要做的，就是观察它是如何做到的。”是的，逻辑有助于解释、预测、沟通和设计。

当然，逻辑也不是没有代价的，要防止另一个极端。“只要不断地拷打数据，数据总会说话”，模型只是帮助人类思考行动的工具，切不可把简化的模型当作我们面前真实的世界。

这就导致模型的第三个特征是：所有的模型都是有用的，但正如统计学大师乔治·博克斯（George Box）所指出的那样，所有模型也都是错误的。

倡导模型教学的David Hestenes 绘制的一份三个世界的关系图所有模型概莫能外，即使是牛顿提出的那些定律和法则，也只是在特定的条件下成立。所有模型都是错误的，还因为它们都是简化的，它们省略掉了细节。

世界是复杂的，只依靠单个模型其实是过于狂妄自大的表现，这种做法会导致灾难性的后果，让真理成为那种很有“魅力”的简洁的数学公式的牺牲品。

数据，也就是原始的、未编码的事件、经历和现象。数据之上是信息。信息用来给数据命名并将数据归入相应的类别。信息之上是知识。知识组织了信息，呈现为模型的形式。或者说，所谓科学知识，即是建立起模型，数量化可验证和复制的信息。

有了数据还远远不够，我们社会中的大多数数据，都只是数据长河中的瞬间或片段的记录，这种数据不能告诉我们多少信息或知识，更遑论智慧。大数据时代，我们需要模型，不然就无法理解计算机屏幕上不断滑过的数据流（事实上，相比大模型，人类在理解大数据方面，已经太过无能了）。也许，这就是模型的价值之所在吧。

一切皆模型

事实上，人类认知的本质就是建模。

亚里士多德说：人是理性的动物。人之所以称之为“人”，就是因为具有抽象概念的能力。

人类的一切知识都是主观的思维建模，是对复杂事物的简化。

认知就是从外界感知信息，建立心智模型，使用心智模型做决策。认知就是建模和操作心智模型的过程。

科学家们说是在研究自然，但实际上他们做的大部分事情都是在对自然进行建模，并对所建立的模型进行研究。

语言是模型，生命是模型，有机物是模型，蛋白质是模型，视觉识别是模型，寻路是模型……一切皆模型。

事实上，我们一生中大部分活动中，其实都是在用多种模型（或者说套路）来行事。我们不可能每临一事，都进行全面认真细致反复地思考然后行事。只有全新而重大的事，我们才会三思而后行。因为有意识行事需要大量能量，人类经过亿万的进化后已经“习惯了偷懒”。

一切皆模型

所谓模型，即是重复，即是循环，即是规律，即是套路，简单来说，模型就是一种行事的套路、模式、习惯，模型其实是一个人最底层的思维系统。

Modeling可与Patterning 、Copying或模仿同义。模型（模式化）通常被用来帮助人们模仿某种行为或过程，并建立对行为的预期（如典型的生活模式）。

因而，在未来，模型将无处不在，知识将无处不在。

医生诊断是模型，律师服务是模型，设计师是模型，工程师是模型，模型无处不在。

所有知识密集型行业都是由模型驱动。比如医疗就是一个模型行业，一个好医生是一个好模型，一个好护士是一种好模型。医疗这种产业，本质是强模型驱动。

未来，模型将无处不在

模型无处不在，接下来即将发生。以后手机上打开，任何联网，模型就过来了。它教你怎么去解答法律问题，怎么去做医学检验。不管什么样的模型都可以无处不在。

人类社会中每一件事情都由模型来表达和驱动。

模型就是知识。我们做任何一件事情都需要知识，知识的力量是无穷的，相比于信息时代，模型的产能更强大，发展的速度一定会比过去更快。

工业时代，体力劳动封装成汽车、举重机、插秧机，我们要用体力做的东西基本上都被替代了；智能时代，封装成各种形式的模型，我们脑力要做的事情都可以让它们来辅助。

大模型时代，脑力劳动有了替代，人类有了智能伙伴（Agent）。

那么，接下来，我们如何拥抱这个时代？

三、设想：人类能力模型交易平台

在看到了能力模型的潜力和影响之后，可能会对未来展现出一种更深层次的思考：我们能否创造一个平台，让所有人将其大脑中的知识、智慧和经验输入到AI模型中，在这个平台上共享和交易呢？

在未来的某一天，我们或许能看到一个全新的市场诞生—— 人力市场将会被AI能力模型市场所取代，这个市场充满了独一无二的AI模型，它们每个都有着自己独特的技能和特质，稀奇古怪、五花八门。

想象HSE

想象一下，如果有这样一个人类能力交易平台（”Human Skill Exchange", 以下简称”HSE"），每一个人，无论年龄、性别、种族、国籍，都能在这个开放平台上进行他们的能力交易，这样一个以AI模型销售为主的市场平台会是一个什么样的场所？

借鉴现有的电子商务平台，AI模型的市场可能会由一个导购智能体（Agent）开始，用户可以语音告知他自己期望学习或获得的技能——比如写作、编程，抑或郭德纲老师的相声艺术。稍后，平台会展示各种相关的AI模型，每个模型都有详尽的描述：从创建者的风格、技能特点到用户评价和价格等等。购买模型的用户，将能像下载软件一样将这些技能内化，人的知识和才能成为可以随意交易的商品。

如同超市一般的人类能力交易平台（"Human Skill Exchange", 以下简称"HSE"）

当你拿出手机，打开了模型交易市场的App，一个繁忙的场景立刻呈现在你的眼前：一个设计师正忙着卖出他的“中国风设计”的AI模型；一个律师正在炫耀他的AI律师助理；一个专业的社会学家正在讨论他的社会研究AI模型如何揭示社区的社会动态；甚至还有一个舞者的AI智能体正在教一群初学者如何跳舞。这个市场繁忙且生动，就像一个正在开展的博览会，充满了激情和活力。

在HSE的帮助下，你从郭德纲AI 身上学习相声，从Picasso AI那里学习绘画，或者从Hawkins AI那里学习物理知识。没有任何阻碍能够阻止你在这个平台上浸润未知的知识。

在这里，我们有机会看到各种技能被广泛共享和流通。每个人类的技能和知识都可以被尊重，被理解，进而被广泛地传播。在这座能力集市里，艺术家握笔如握剑，以其绘画之能挑战视觉的界限；工程师则以算法与数字构筑现代化的金碧辉煌。教师颂知识之光，令子弟成林；医生以仁心仁术，救死扶伤。每个灵魂的火花在集市中汇聚成火海，绚烂夺目。

但HSE的魅力不仅在于它的交易功能。集市中的每个角落，都洋溢着技艺与智慧的深海，个体在此不仅仅是取得他人成就的消费者，更是自身才能的提供者。

在HSE上，你可以选择给你的AI模型灌输自己的专业技能，上传你的数据、观点或经验，比如你的编码技巧，你的写作秘诀，甚至是你的搞笑才华。一旦你的AI模型被训练完毕，它就能准确地模拟你的经验和技能，然后你可以将自己的AI模型发布到HSE交易平台，全世界的用户在你的AI模型下竞标出价，那种满足感会让你心花怒放。

集市亦是融洽和创新的熔炉，个体才华如火花般碰撞、激荡，燃起了创新的火焰。我们可以想象，这个市场并不是只有大公司或者知名人士才能参与的，任何一个普通人，只要他有一技之长，他都能在这里找到自己的一片天地。

你可以在这里发布你的模型，自己定价；也可以选择购买别人的模型，一次性付款或者分期付款。全球范围的用户可以根据自己的需求去购买他们需要的技能AI。或许他们是为了完成一项工作，或者仅仅是为了兴趣爱好。但无论出于何种目的，他们都可以在这里找到他们想要的。

我们以前可能有很多想法，但是由于个人能力与时间种种原因未能实现。但现在，借助AI模型，我们有了实现这些梦想的机会，可以通过购买模型，一夜之间获得全新的技能，把自己的创意、创新想法，运用获得的全新技能，将之实现。

世界开始哗哗哗地变

随着这个交易市场的出现，人们的工作方式将发生翻天覆地的变化，世界开始哗哗哗地变。

我们不仅可以购买模型获得全新的技能，也可以将自己的技能变为AI模型出售。大多数人可以通过AI模型市场出售自己的能力，获得相应的报酬。另一方面，企业也可以通过购买这些模型，获取他们所需的技能和能力，而不再需要雇用大量的员工。

在未来，公司中最重要的可能不是人工智能专家，而是人力资源专家。他们确定工作任务和工作岗位，当然，这个专家要懂人工智能的所有能力特长与边界。你只要能把任务和职位定义清楚，人工智能就拥有这样的能力并完成任务。

人力资源经理面对的的不再是人才市场或招聘网站，而是拥有各种能力的人工智能体（Agent）。也就是说，以前，你要招一个好的人，把这个岗位描述清楚后，再外面找。现在，你只需要把这个需求告诉人工智能，它瞬间就变成这样的人，能完全胜任以前需要招人才能完成的任务。

未来，我们不仅拥有能力复制的技术，还可能建立一个人类能力交易平台。不仅社会企业的运作方式会发生改变，而且，每个人的工作与生活方式也会有所改变。

未来的公司中，不再需要太多人

无疑，一场对人的本质重新认知和社会整体重构的革命即将来临。

人类社会一直是技术驱动的。

从农业时代，人用牛与铁犁耕作。工业革命后，早期工业体系以体力劳动为主、脑力劳动为辅，但随着机械化、电气化、电子化，人的体力劳动减少。信息化时代以后，人以脑力劳动为主，经济从商品经济转向知识经济。就像历史上每一次“技术革命”，都源自一种新能源：种子、畜力、煤炭、石油、电力、信息。AI模型同样也是一种新能源，一种能替代受过大学教育和专业训练亿万白领的新式人力资源，在众多考试的表现上，GPT4现在的能力已经超过了90%以上的人类。而且，随取随用，7×24小时，996也完全没问题，永远都不会躺平或罢工。

ChatGPT带来了全新的人力资源，不用经过几十年昂贵的教育和养育，直接可用的“大学生”智能海量可用。ChatGPT可能导致众多白领失业，就像“工业革命”时期的机器替代蓝领一样。

OpenAI CEo山姆·阿尔特曼被问及这个问题时，他提到的一点对我们可能很有启发。他说：“我觉得有意思的是，如果 10 年前问人们，AI 将带来怎样的影响，多数人会很有信心地说，首先它将取代工厂的蓝领工作，卡车司机等，然后将取代低技能的白领工作，然后是高技能、高智商的白领工作，比如程序员。也许永远不会取代那些创造性的工作。现在的发展正好相反。”正如莫拉维克悖论所指出的：人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力。

受ChatGPT冲击最大的前10%的职业，很多是传统意义上的创意型职业，包括大学教师、心理健康咨询师、大部分财经媒体记者、律师助理、低端的IT从业者、作家、金融分析师、普通文员、短视频制作人、大部分公众号写手，等等。

这些工作都有一个共同的特点，就是本身不产生新知识，只是模式化地处理信息。比如，律师助理过去是为律师们提供信息、整理信息、起草文件，这些事情都是把信息从一个文件中搬运到另一个文件中，现在不需要了。

这一次大模型拐点会让所有服务经济中的人、白领都受影响，因为他们是模型，并不创造新知识，除非有独到见解，否则你今天所从事的服务，大模型都有。

超级个体一人公司来临

可以预见，会使用AI的超级个体将会出现。每一名职业人，都会开始用“副驾驶员（Copilot）”，当副驾驶员能力越来越强，越来越多，我们都将会有一个 “驾驶团队（Copilot team）”。无论我们到哪儿，都有各类“副驾驶员”跟着我们走。

甚至，公司或许都不需要人力资源专家。“一人智能公司”越来越多。所谓一人智能公司，就是公司里只有一个人，也就是老板，其他的“员工”都是人工智能体，包括财务、法务、销售、公关、设计师、程序员……目前维持一个公司运维的所有必备岗位人员，都可以由你直接指挥它们完成任务，不再需要开会，也不再需要大量高昂的沟通成本。

拥有无限能力的智能模型

因而，未来，唯一有价值的是你有多大见解。而且你有很大的愿力和心力，愿力是对于未来的独到的判断和信念，坚持、有强的韧劲。可以坚持不懈地追求这个愿景。这是未来每个人越来越重要的核心素养。

各种知识和技能，相对来讲越来越不重要，而你需要的是独到的见解和坚持，是能用好工具的能力。AI 工具帮助你，即使不善与他人合作也能完成任务、创造价值。众多现在公司中需要专业的工作职能不再需要雇人，AI 可以进行替代。像设计师、程序员、会计师、市场销售、人力行政……这许多的同事，你都可以不用再打交道，你只需要用大模型工具代替他们，减少人际沟通成本。

这次创新，带来的是提升人类认知能力的工具，它会进一步拉开人与人之间的距离。那些聪明、勤奋、努力，并且学会用这个提升人类认知能力工具的人，将快速超过原来同一水平、但不使用这类工具的人。

最有价值的是科研，但不是传统意义的科研，是新一代的科研。科研的发展跟商业化合为一体。今天引领信息科学的不是国立研究院，不是一流的大学，甚至不是大厂。而今天引领数字化最前沿的人工智能的已经不是大厂，是创业公司，是 OpenAI，是 DeepMind。

创业公司开始做基础研究。伯克利、斯坦福，校内的每一个系长得越来越像一个基金，很多教授某种意义上都带了好几个创业团队，这个趋势越来越明显。学研产的模式倒过来，每个教授就一个创业团队。

下一个时代典型的职业，是创业者和科学家。

历史上，人类创造价值获取财富的空前机会，仅有几次。公元1万年前的农耕者，依靠耕耘比打猎与采集更稳定，让历史上的苏美尔人、古埃及人、古印度人和华夏人成为最早一批建立文明的人；公元1700年后的工厂主，利用工业革命后的机器、石油，比手工业更快地生产出商品，历史上资助瓦特改进蒸汽机的英国人博尔顿、发明汽车的德国人本茨、开发油田的美国洛克菲勒成为那些时代的代表和世界上最富有的人；再就是现在，研发者，面向市场针对人类重大需求的研发，比大企业能更快地做出有用的产品。

这个时代为人类创造价值并获取财富将是创业者、科学家和艺术家。艺术家和科学家的本质是形成独到的见解，而创业者是把想法变成现实的人，他们将创造和享有更多的财富。

四、定义：一个被称之为“学习的终结”的时代

在人类的历史长河中，曾以洞穴的壁画启示后世，以羊皮纸承载智慧，如此拓宽知识的边界。

在古希腊阿戈拉市场的喧嚣中，哲学家借助语言的力量，向群众传递着思考的火种。在古老世界的角落，学徒们围坐师傅周围，倾听、讨论、吸纳，每个人的心智都被经过精心训练和不断打磨。

不久之前，我们还围坐在学校的教室里，认真聆听教师的讲述，笔记本上密密麻麻全是努力吸收的知识点。

在我们的生活中，学习一直是一种无法回避的任务。从婴儿期开始学习走路、说话，到成年后在职场上不断充电提升自己，我们都在通过学习，获取知识、技能，以适应不断变化的世界。

在过去，人的能力复制，只能通过教学的方式，传递给另一个人，成本很高。

如今，能力如同过去航海者的古老罗盘，需经由多年航海实践才能掌握。如今，这罗盘变作了可以随意分享和复制的电子导航，让每个人都能成为探险家，不必再历数载之难。

大模型带来革命

这就是学习的终结。因为在这个新纪元里，我们不再需要学习，只需要选择。

建立一个人类能力交易的集市，与千年前的阿戈拉集市并无二致，只不过我们交易的是智慧，是人类潜能的无形博弈。在这里，历史上牛顿和爱因斯坦的智慧，可能就隐藏在区区几个G的数据包里。无需纸和笔，也无需严厉的考试和嘈杂的教室。

当我们回望历史，每个社会变革时刻都伴随着人类行为模式的深刻转变。

从古希腊学院的廊柱下，到诺贝尔奖的颁奖现场，‘知识’似乎总是带着一丝神圣的光芒，也是人类自诩为‘智慧生物’的根据。但当AI的阴影隐隐投射在这一切传统的辉煌之上，当我们能从云端下载一份完整的“经验包”，让机器去模仿人类的学习和思考。

若大型语言模型和人工智能技术能够如我们想象中那样发展，并最终引领我们进入一个全新的学习时代，我们将如何定义这个时代呢？

未来很可能不再是你我攀登陡峭学术山脉的时代，而是你我共同构筑智慧海洋的时代。我们不再去重复别人走过的弯路，一个年轻的钢琴手可以直接习得肖邦的演奏技巧，一个小小的歌手可以一夜之间掌握碧昂斯的嗓音，这是一种全新的学习方式，完全打败了传统的模式。

我们的梦想可以被实现，人类不再需要花费大量时间和精力去学习。人类的精力将可以更多地集中在创新和探索上，而不是反复练习和模仿。

这种未来与现在的学习方式对比起来，就好像电灯和蜡烛一样。

这不是空想，这是大型语言模型技术正在带给我们的真实革命。

而在这场技术的奇迹中，最让人惊叹的莫过于AI模型的复制泛化能力。我们不难发现，在互联网时代，“复制“与“粘贴“已成为最普遍的行为——无论是一段文字，一张图片，还是一段视频，所有的这些都可以跨越空间与时间，以息息相关的拷贝形式存在。

但AI复制能力的出现，比前述任何一项都要深远。

在不远的未来，人们不再需要花费大量的时间和精力去学习一项新技能。取而代之的是，我们可以直接领取一项新技能的AI模型，然后将之应用到我们的生活和工作中。

由此，学习的定义也将发生根本性的改变：学习不再是一个漫长且磨人的过程，而是一种直接而高效的知识与技能获取方式。

在未来，人类不再是知识和技能的孤立容器，而是共享并交易自己的能力，实现了全新的社会协作和资源分配方式。我们可以见证一个人的知识和智慧如何被批量地生产和传播，个体各异的AI模型市场汇成集体知识智慧的大海。

人类不再像前人那样在藏书室里灯火阑珊处苦苦钻研，而是与数据云共舞，在巨大的服务器农场中收割知识的果实。在过去，一个人的职业往往依赖长期的教育和经验积累，而未来，每个人都能按需购买或下载能力模型来应对工作挑战。

我们不禁要问，当AI的能力日益强大，足以承载甚至复制一个人脑海中全部知识和技能，知识和技能可以像互联网上的电子产品一样被摆上虚拟的货架等待被选购的时候，传统意义上的学习是否会走向终结？

在这个进程中，学习的终结并不是绝对的消亡，而是一场华丽的转身——从刻苦的记忆游戏，到与机器的优雅共舞。机器学习成为过去口口相传的故事新篇章中的关键词，如同在迷雾中寻找彼得潘的阴影一般，学习自我在纷繁的数字化色彩中寻找其新的形态。

复制能力

AI技术不过是让我们从繁复的重复中解脱，让我们更自由。

AI的发展正在颠覆我们的学习方式，甚至可能会带来学习的终结。

这并不是一种消极的颠覆，而是一种积极的变革。因为在这个变革中，我们不仅可以获取更多的知识和技能，还可以更好地发挥我们的创新和创造力，推动人类社会的进步。这就是我们的梦想，让获得知识与技能不再困难，让人类不需要再学习，至少是传统意义上知识与能力的学习。这是一个伟大的梦想，也是一个值得我们共同努力的目标。

最终的梦想或许是看到一个不再需要传统教育和学习的社会。在这个社会里，AI成为我们的拓展和合作者，我们不再是硬塞知识的容器，而是探索无限可能的主导者。借助AI，人类直接获得知识，让那个我们所期待的学习的终结，或许也不再遥远。

从传统的意义上来说，“学习”的结束，将成为“成长”和“创新”的真正开始。

学习的终结，不是因为知识的耗尽，而是因为我们找到了知识传递更高效方式。这是人类跨越的一次成长，我们将以全新的身份迎接属于我们的未来。

结语

在这流转不息的历史长河中，学习始终是人类文明进步的砥柱。

从岩画散发的原始味道到数字化文本的云端漂流，知识与技能的传递塑造了人类的过去，也指明了文明的航向。在这漫长而承重的进程中，学习既是一座桥梁，又是建桥者的手段。

然而，随着人工智能时代的到来，前所未有的变革正在悄然发生，而这一切的源泉，正是学习的本质在遭受重塑。

很显然，我们正处在一个令人兴奋的时代。随着AI技术的飞速发展，我们看到了未来给我们带来的无限可能性，一种全新的人与AI共享能力的新形态正在逐步显现。

回顾我们此次的讨论，可以看到，我们首先主张了AI模型可以成为人类能力的批量复制手段。以“郭德刚AI”为例，我们看到了郭德纲老师的相声艺术和演绎技巧在AI 模型中的应用，这些技巧将能被无尽地复制和延续。随后，我们设想了一个人性化的能力交易平台，这个平台既是一个开放的交易市场，也是AI模型的训练和优化场所，而我们每一个人都可能成为这个平台的一员，将自己的知识、技能和经验注入自己的AI模型中，并在这个平台上进行交易。