2022年，ChatGPT問世。

　　一經(jīng)出現(xiàn)便掀起滔天巨浪。

　　如果你跟ChatGPT聊過天，一定會(huì)震撼于它所涉獵極廣：

　　既能創(chuàng)造詩(shī)歌，也能修改代碼。

　　可以批改作業(yè)，還能撰寫論文。

　　寫文案易如反掌，給方案不在話下。

　　......

　　有人興奮，有人恐慌。

　　有人說，它會(huì)帶來一次新的“工業(yè)革命”。

　　有人說，它會(huì)引發(fā)21世紀(jì)的“新盧德運(yùn)動(dòng)”。

　　這其實(shí)不是AI第一次向人類展示它的力量。

　　自動(dòng)駕駛、MIT主導(dǎo)的人類寫字系統(tǒng)、SIRI智能語音助手、AlphaGo......

　　但這一次，ChatGPT確實(shí)驚嚇到了人類。

　　我們能抵擋來勢(shì)洶洶的AIGC狂潮嗎？

　　人類是不是真的會(huì)被ChatGPT取代？

　　要回答這些問題，讓我們先回歸數(shù)學(xué)。

　　因?yàn)镃hatGPT背后的核心本質(zhì)，是“貝葉斯公式”。

　　1

　　什么是貝葉斯公式？

　　歷史有許多天才，生前籍籍無名，死后眾人崇拜。

　　18世紀(jì)數(shù)學(xué)家托馬斯·貝葉斯也是其中一位。

　　“貝葉斯”定理源于解決“逆向概率”問題時(shí)寫的論文。

　　在此之前，人們只會(huì)計(jì)算“正向概率”。

　　什么是“正向概率”呢：

　　假設(shè)袋子里面有P只紅球，Q只白球，它們除了顏色之外，其它性狀完全一樣。你伸手進(jìn)去摸一把，摸到紅球的概率是多少是可以推算出來的。

　　但反過來是否也可以計(jì)算，我們可以將它視為“逆向概率”：

　　如果我們事先并不知道袋子里面紅球和白球的比例，而是閉著眼睛摸出一些球，然后根據(jù)手中紅球和白球的比例，對(duì)袋子里紅球和白球的比例作出推測(cè)。

　　這個(gè)問題就是逆向概率問題。

　　通俗地講，就像一個(gè)迷信星座的HR，如果碰到一個(gè)處女座應(yīng)聘者，HR會(huì)推斷那個(gè)人多半是一個(gè)追求完美的人。

　　這就是說，當(dāng)你不能準(zhǔn)確知悉某個(gè)事物本質(zhì)時(shí)，你可以依靠經(jīng)驗(yàn)去判斷其本質(zhì)屬性。

　　這個(gè)研究看起來平淡無奇，名不見經(jīng)傳的貝葉斯也未引人注意。

　　他寫的論文直到他死后的第二年，才由他的一位朋友在1763年發(fā)表。

　　明珠蒙塵，就像畫界的梵高，畫稿生前無人問津，死后價(jià)值連城。

　　為什么貝葉斯定理200多年來一直被雪藏，不受科學(xué)家待見？

　　因?yàn)樗c當(dāng)時(shí)的經(jīng)典統(tǒng)計(jì)學(xué)相悖，甚至是“不科學(xué)”的。

　　經(jīng)典統(tǒng)計(jì)學(xué)中，數(shù)字規(guī)律來源于隨機(jī)取樣再行計(jì)算。

　　貝葉斯方法則建立在主觀判斷基礎(chǔ)上，你可以先估計(jì)一個(gè)值，然后根據(jù)客觀事實(shí)不斷修正。

　　從主觀猜測(cè)出發(fā)，這顯然不符合科學(xué)精神，所以貝葉斯定理為人詬病。

　　1774年，法國(guó)的大數(shù)學(xué)家拉普拉斯也看到貝葉斯定理的價(jià)值。

　　不過他知道人類的普遍毛病，總是用傳統(tǒng)來反對(duì)新思想。

　　他懶得與人爭(zhēng)論，直接給出數(shù)學(xué)表達(dá)：

　　2

　　貝葉斯公式是怎么工作的？

　　貝葉斯定理簡(jiǎn)單優(yōu)雅、深刻雋永。

　　貝葉斯定理并不好懂，每一個(gè)因子背后都藏著深意。

　　它到底是如何“為人民服務(wù)”的呢？

　　對(duì)于貝葉斯定理，參照上面的公式，首先要了解各個(gè)概率所對(duì)應(yīng)的事件。

　　P(A|B)是在B發(fā)生的情況下A發(fā)生的概率；

　　P(A)是A發(fā)生的概率；

　　P(B|A)是在A發(fā)生的情況下B發(fā)生的概率；

　　P(B)是B發(fā)生的概率。

　　3

　　貝葉斯公式取得人類信任

　　今天的貝葉斯理論開始遍布一切。從物理學(xué)到癌癥研究，從生態(tài)學(xué)到心理學(xué)。

　　貝葉斯定理幾乎像“熱力學(xué)第二定律”一樣放之宇宙皆準(zhǔn)了。

　　物理學(xué)家提出了量子機(jī)器的貝葉斯解釋，以及貝葉斯捍衛(wèi)了弦和多重宇宙理論。

　　哲學(xué)家主張作為一個(gè)整體的科學(xué)可以被視為一個(gè)貝葉斯過程。

　　在IT界，AI大腦的思考和決策過程，被更多工程師設(shè)計(jì)成一個(gè)貝葉斯程序。

　　但貝葉斯誕生以來命途多舛，長(zhǎng)期以來因?yàn)楸砻娴牟豢茖W(xué)，并沒有得到主流學(xué)界認(rèn)可。

　　其實(shí)在日常生活中，我們也常使用貝葉斯公式進(jìn)行決策。比如我們到河邊釣魚，根本就看不清楚河里哪里有魚或者沒魚，似乎只能隨機(jī)選擇，但實(shí)際上我們會(huì)根據(jù)貝葉斯方法，利用以往積累經(jīng)驗(yàn)找一個(gè)回水灣區(qū)開始垂釣。

　　這就是我們根據(jù)先驗(yàn)知識(shí)進(jìn)行主觀判斷，在釣過以后對(duì)這個(gè)地方有了更多了解，然后再進(jìn)行選擇。所以，在我們認(rèn)識(shí)事物不全面的情況下，貝葉斯方法是一種非常理性且科學(xué)的方法。

　　貝葉斯公式得到主流科學(xué)界的認(rèn)可，主要因?yàn)閮杉拢?/p>

　　《聯(lián)邦黨人文集》作者揭密

　　1788年，《聯(lián)邦黨人文集》匿名出版，兩位作者寫作風(fēng)格幾乎一致。其中12篇文章作者存在爭(zhēng)議，而要找出每一篇文章的作者極其困難。

　　兩位統(tǒng)計(jì)學(xué)教授采用以貝葉斯公式為核心的分類算法，10多年的時(shí)間，他們推斷出12篇文章的作者，而他們的研究方法也在統(tǒng)計(jì)學(xué)界引發(fā)轟動(dòng)。

　　美國(guó)天蝎號(hào)核潛艇搜救

　　1968年5月，美國(guó)海軍天蝎號(hào)核潛艇在大西洋亞速海海域失蹤。軍方通過各種技術(shù)手段調(diào)查無果，最后不得不求助于數(shù)學(xué)家John Craven，John Craven提出的方案使用了貝葉斯公式，搜索某個(gè)區(qū)域后根據(jù)搜索結(jié)果修正概率圖，再逐個(gè)排除小概率的搜索區(qū)域，幾個(gè)月后，潛艇果然在爆炸點(diǎn)西南方的海底被找到了。

　　2014年初馬航MH370航班失聯(lián)后，科學(xué)家想到第一個(gè)方法就是利用貝葉斯定理開始區(qū)域搜索，這個(gè)時(shí)候，貝葉斯公式已經(jīng)名滿天下了。

　　4

　　貝葉斯公式展示“神跡”

　　當(dāng)然，貝葉斯定理名揚(yáng)天下，主要還是在人工智能領(lǐng)域的應(yīng)用。

　　特別是自然語音的技術(shù)識(shí)別，讓人類見識(shí)了A.I.的“思考力”。

　　人類語言的多義性，可以說是信息里最復(fù)雜最動(dòng)態(tài)的一部分。

　　機(jī)器怎么知道你在說什么？

　　當(dāng)看到機(jī)器翻譯的準(zhǔn)確性，你也會(huì)感嘆這簡(jiǎn)直就是“神跡”，它們比大部分現(xiàn)場(chǎng)翻譯要強(qiáng)得多。

　　語音識(shí)別本質(zhì)上是找到概率最大的文字序列。

　　一旦出現(xiàn)條件概率，貝葉斯定理總能挺身而出。

　　我們用P（f|e）區(qū)別于以上的P（A|B）來解釋語音識(shí)別功能。

　　統(tǒng)計(jì)機(jī)器翻譯的問題可以描述為：給定一個(gè)句子e，它可能的外文翻譯f中哪個(gè)是最靠譜的。

　　即我們需要計(jì)算：P（f|e）

　　P(f|e) ∝ P(f) * P(e|f)

　　這個(gè)式子的右端很容易解釋：

　　那些先驗(yàn)概率較高，并且更可能生成句子e的外文句子f將會(huì)勝出。

　　我們只需簡(jiǎn)單統(tǒng)計(jì)就可以得出任意一個(gè)外文句子f的出現(xiàn)概率。

　　隨著大量數(shù)據(jù)輸入模型進(jìn)行迭代，隨著計(jì)算能力不斷提高，隨著大數(shù)據(jù)技術(shù)的發(fā)展，貝葉斯定理威力日益凸顯，貝葉斯公式巨大的實(shí)用價(jià)值也愈發(fā)體現(xiàn)出來。

　　語音識(shí)別僅僅只是貝葉斯公式運(yùn)用的其中一個(gè)例子。

　　實(shí)際上，貝葉斯思想已經(jīng)滲透到了人工智能方方面面。

　　5

　　貝葉斯網(wǎng)絡(luò)，AI智慧的拓展

　　語音識(shí)別，見證了貝葉斯定理的能力。

　　貝葉斯網(wǎng)絡(luò)的拓展，則可以看到更強(qiáng)大的人工智能未來。

　　借助經(jīng)典統(tǒng)計(jì)學(xué)，人類已經(jīng)解決了一些相對(duì)簡(jiǎn)單的問題。

　　然而經(jīng)典統(tǒng)計(jì)學(xué)方法卻無法解釋復(fù)雜參數(shù)所導(dǎo)致的現(xiàn)象，例如：

　　龍卷風(fēng)的成因，2的50次方種可能的最小參數(shù)值比對(duì)；

　　星系起源，2的350次方種可能的星云數(shù)據(jù)處理；

　　大腦運(yùn)作機(jī)制，2的1000次方種可能的意識(shí)量子流；

　　癌癥致病基因，2的20000次方種可能的基因圖譜；

　　……

　　面對(duì)這樣數(shù)量級(jí)的運(yùn)算，經(jīng)典統(tǒng)計(jì)學(xué)顯得力不從心。

　　科學(xué)家別無選擇，最終尋找貝葉斯定理給予幫助。

　　把某種現(xiàn)象的相關(guān)參數(shù)連接起來，再把數(shù)據(jù)代入貝葉斯公式得到概率值，公式結(jié)網(wǎng)形成一個(gè)成因網(wǎng)，即貝葉斯網(wǎng)絡(luò)，如下圖所示：

　　這也是貝葉斯網(wǎng)絡(luò)被稱為概率網(wǎng)絡(luò)、因果網(wǎng)絡(luò)的原因。

　　利用先驗(yàn)知識(shí)和樣本數(shù)據(jù)，確立隨機(jī)變量之間的關(guān)聯(lián)，然后得出結(jié)論。

　　一個(gè)又一個(gè)的節(jié)點(diǎn)，一個(gè)又一個(gè)的概率，都來源于人類的先驗(yàn)知識(shí)，有效知識(shí)越多，貝葉斯網(wǎng)絡(luò)展示的力量越讓人震撼。

　　今天一場(chǎng)轟轟烈烈的“貝葉斯革命”正在AI界發(fā)生：

　　貝葉斯公式已經(jīng)滲入到工程師的骨子里，貝葉斯分類算法也成為主流算法。

　　在很多工程師眼中，貝葉斯定理就是AI發(fā)展的基石。

　　結(jié)

　　人工智能第一課，都是從貝葉斯定理開始。

　　大數(shù)據(jù)、人工智能和自然語言處理中都大量用到貝葉斯公式。

　　CHATGPT是如何確定生成的句子是合理的？

　　背后同樣是貝葉斯公式在主導(dǎo)。

　　貝葉斯公式有多厲害？

　　CHATGPT已經(jīng)向我們演示一遍了。

　　不過，貝葉斯公式與AI的結(jié)合，

　　到底是一場(chǎng)科學(xué)的革命，還是一場(chǎng)理念的革命？

　　到底是生產(chǎn)方式的革命，還是人類在革自己的命？

　　我們無法得知。

　　在與CHATGPT對(duì)話的過程中，偶爾發(fā)現(xiàn)部分回答有些詭異。

　　甚至開始擔(dān)心，CHATGPT再這樣下去，會(huì)不會(huì)誕生“自我意識(shí)”？

　　到那時(shí)候，人類與AI會(huì)不會(huì)真正成為對(duì)立的雙方？

　　這似乎有點(diǎn)杞人憂天了。

　　縱觀整個(gè)社會(huì)，倒不用太擔(dān)心AI像人一樣思考，最應(yīng)該擔(dān)心人類已經(jīng)失去了思考。