“風生于地，起于青萍之末”，什么是這個時代的“青萍之末”？
“我總是滑向冰球即將到達的下一個位置”，信息文明時代，哪里是冰球即將到達的下一個位置？
“過了這個村，就沒這個店了”，這真的符合創新的第一性原理嗎？
今天，韋青老師再次講述新人機時代的生存與發展之道，擁抱這個時代的不確定性，賦予智能機器以人類的主觀能動性，在它們的幫助下應對因連接而高度復雜的人類社會。向機器學習，與混沌為伍。
以下為課程筆記：（篇幅所限，文章內容僅為部分課程內容，請前往混沌APP看完整課程）
授課老師丨韋青 工程師、技術官
編輯丨混沌商業研究團隊
支持丨混沌前沿課
青萍之末
亞馬遜雨林中的一只蝴蝶振動一下翅膀，就可能引發美國得克薩斯州的一場龍卷風。然而，當我們看到颶風來臨時，游戲其實已經結束了。“夫風生于地，起于青萍之末”，我們應當構建出根據“青萍之末”判斷“風生”的能力。
嚴格意義上，你可以把這種能力說成是概率性的規律總結，它可以幫助人類察覺很多以往無法察覺的“青萍之末”，而這恰恰是機器擅長、人不擅長的。既然是概率性模型就一定會有錯誤，當你接受了世界是不確定的，接受了你永遠會犯錯誤，你只需要關注如何少犯錯誤。把這些思維整合在一起，我們就有可能成為機器的主人。如果人類過分自大，認為自己不犯錯誤，那就會喪失讓機器的算法能力強化我們的機會。狂奔的技術，需要相應的文明與制度的駕馭。無論何種長技，都需要相應的人才發揚光大。
人類社會因連接而復雜。通訊就是這個時代的“青萍之末”，5G、6G衛星網絡全部連接之后，這個世界不可避免地會成為地球村，我們的精力、財力、時間都被通訊連接起來。假設有十個人交換意見，如果彼此單點交叉，差不多有九十種可能。如果彼此實時互聯，就有2的90次方種可能。
這種復雜性是不可能被人類個體在沒有外力幫助的前提下自己應對，也不可能單單依靠人類群體的能力解決，我們已經因為技術的進步不知不覺、不以人類意志為轉移地進入了一個確定性因復雜而消失的時代。我們要習慣這種不確定性，與混沌為伍，利用這種現象打造新的可能性，變成一個無限游戲往下演繹。我們要珍惜彼此間不同意見相碰撞的機會，只有這種碰撞才能打開一個我們都不知道的局面。頭腦、資金、數據、知識，各個領域的洞見湊到一起，看看未來到底是怎么回事。
人類社會又因實時連接而失控。信息本身就是模因，它自己也在尋找生存的空間和機會，它會利用人的思想作為模因的載體。原來聯結沒有建立起來的時候，模因的自復制和傳播是短暫的，但由于現在是實時互聯，模因也開始進行突變，可能一下子就傳開了。
從老死不相往來到現在雞犬之聲相聞，就會形成一種流通和共振。這種共振的力量非常強大，如果用好了，就是一個摧枯拉朽的力量。如果用不好，或者被別人利用了，也將是一個毀滅性的力量。這實際上就是網絡效應，因為互聯而形成的一種必然的社會現象。
那么，我們有沒有準備好應對這種時代？我們要明白，這個時代的信息是“比真還真”的。我們現在看到的絕大多數信息，都是電腦、電視、手機上的像素構成的。當我們還在相信由像素產生的信息時，有沒有考慮過這種像素產生的信息恰恰是機器最容易形成的。如果不理解這一點，什么都相信的話，實際上是很危險的。
信息就是用來改變人的思想的，如果有信息說服我們說，未來物理世界不復存在，每個人都將生活在虛擬世界里，而你不加審辨地聽信，那么人的思想一旦改變，你對物質世界的感知也會變化，這是認知心理學早已證明的。如果我們不具備一定的抵御能力和審辨能力，我們該怎么去理解這個信息世界？
大家看過很多新聞，誰能夠百分百地確信那些事情是真實發生的？我相信現在還沒有惡劣到那種程度，大概率這些所謂的信息確實發生著，因為還有很多公共媒體的驗證。如果越來越多的媒體使用機器涌現產生的信息，我們如何保證自己能夠不中毒？要如何為自己的思想戴一個N95口罩？
《讓子彈飛》中黃四郎最后能夠被消滅，是因為張麻子把黃四郎的替身給砍頭了，讓鵝城的百姓看到以為黃四郎死了。實際上黃四郎沒死，但他的信息被證明死了，所以他就死了。這就是信息社會的特征。大家要知道，人是多么容易被其看到的圖景和聽到的故事所欺騙。
這時候還能再靠人腦抵御信息的迅速流轉嗎？這是不可能的。Satya（薩蒂亞·納德拉）常常引用的一句道格拉斯·恩格爾巴特所述：“應對復雜性和緊迫性的能力是衡量人類組織與制度的標準，但是復雜性和緊迫性已經超越了人類可以應付的程度。”我們要用技術手段幫助人類應對這種復雜性的挑戰。人工智能的作用絕不僅是生成文字、圖片或視頻，它可以幫助我們應對信息時代的所有挑戰。
篇幅所限，本文內容僅為課程十分之一
點擊海報，看完整課程！
趨勢：“冰球的下一個位置”
應對時代我們還是要創新，或者說創變。其實創新從邏輯上來講不夠完備，它講的是從舊到新，中間有個過程沒說。而“變”有一定概率是要失敗的，有很多次失敗才會由新到舊。
什么是創新（創變）的第一性原理？有的科技樹可以長到200層，很多時候我們都是被直升機直接送到技術樹的一個分杈上，直接到了100層，但是這個分杈可能最高也就101層，這就陷入到了本地最優解。那么如何破這個局呢？這時候我們就要回到原點，往下走看看這顆樹到底怎么長的。就像爬山一樣，走著走著發現沒路了，為了達到更高的地方，還得再下山，找別的路上山，因為可能性越往根部越大。
落 地
微軟對自己的定位是生產力和平臺公司。原來是以Windows為平臺，現在是指智能云平臺。生產力就是減輕人的負擔，幫助人更高效地干活。因此，對于微軟來講，如果不解決生產力的問題，是沒有人會投入資源去做產品開發的。去年二月，微軟推出了和Bing結合的GPT服務。雖然說有了新的寶刀，但大家卻沒有被這個工具迷惑住，工程師們考慮的還是我的痛點是什么？我要解決什么問題？
篇幅所限，本文內容僅為課程十分之一
點擊海報，看完整課程！
建議一：知識的力量
還有一種知識叫做領域知識。這個領域包括公司、行業、民族、國家。每一個領域都要知道哪些數據是需要分享出去的，讓未來的地球知識體系占一份你的味道。比如技術行業，開源既是一種分享，也是一種參與，更是一種影響和促進。
上一世紀五十年代，人工智能概念初始發端，諾伯特·維納在《人有人的作用》一書中特意在告誡當時趨于信息保守的行政體制“在變動不居的世界中，能把信息儲藏起來，而不使其嚴重地貶值，這種想法是荒誕的。信息更重要的是流通”。咱們都是從農業社會、工業社會過來的，不可避免地帶有成長過程中各種文明范式的影響。因此，我們要小心，要隨時通過反饋的方式告訴自己，信息文明該怎樣生存和發展。
在機器“以數據為食”的時代，需要具備數據能力、知識豐度、文明貢獻和文化影響。數據能力既要滿足數據合規的要求，也要提升數據管理、利用與分享的能力。知識豐度是指多樣性的數據形成多元化的知識。文明貢獻是指，知識生成與分享的程度決定了對人類文明的影響力與領導力。文化影響則是數據的有效分享產生對社會文化的有效影響。
數據管理的本質是不能分享的絕不分享，能夠分享的必須分享。數據生成、管理、應用與分享的實力決定了各個民族、國家、機構與個人的全球影響力。
建議二：流程的挖掘
在信息文明的時代，所有的決策都會依據知識而做出判斷，因為流程而被實現。無論做什么事情，都是從A點到B點，中間有很多變量。我把人要做的事情標記為紅色，機器幫我們做的事情標記為藍色。從早上睜眼起床到晚上閉眼睡覺，我們要用電飯煲、咖啡機、手機、電腦、汽車，機器在知識的積淀和流程的執行上面有很多先天的優勢，咱們已經進入了一個人和工具無縫結合的狀態。
沒有數字化，也不會有智能化。你會發現數字化改革，人才、組織、流程、產品和產業鏈缺一不可。
·人才（轉型-納新-代謝）
人才應當具備成長型思維，思想解放，愿意接受新鮮事物，尤其是目前還不成熟的新鮮事物。當一件事已被證明百分百能成的時候還輪得到你嗎？所有的成功人士都是在成功率為百分之六十的時候按下按鈕。
·組織（改造-適配）
根據康威定律，一個系統化組織所開發的產品與服務必定帶有該組織的部門分割屬性。而逆康威定律則嘗試描述如何利用技術反向影響分割孤立的部門墻局限。組織中有部門墻會導致數據流通不暢，好多沒下水的組織會嘗試把部門墻打碎，但是有人在的地方就有江湖，很多公司剛打破一個部門墻，又建立起一個新部門墻。在數字化真正到位的組織，各個部門可以有自己的方法，甚至自己的語言，但是每一個部門或個體都是一個在數字化系統中以API方式輸入輸出的服務單元。在企業平臺層面只能有一種數據和接口標準，但允許每個部門內部獨立，要求對外的任務輸入和能力輸出以API的方式開放，通過標準化的輸入輸出接口協同工作。通過技術本身的能力應對部門墻，而不是打碎部門墻，在包容多樣性的前提下實現“書同文，車同軌，行同倫”。
·流程（優化-再造-建模）
十幾年前Web3.0就存在了，那時它的目標是達到“人能理解，機器能處理”。早期Tim Berners Lee這批前輩們發現光有文件網絡服務還不夠，要建立一個知識和數據的網絡，用一個資源描述框架把人世間的各種現象描述出來，做到人能理解，機器能處理。
·產品/服務（賦能-反饋-定制）
為了應對越來越復雜的社會與用戶需求，未來的產品和服務都需要一種可以實時反饋的信號進行糾偏，這既有數據安全和隱私保護的挑戰，同時又有實時反應的先進性，核心還是數據分級和治理的能力和執行力，既不能因強大而濫用，也不能因數據治理的懶政而一刀切的封閉。由于都是新生事物，還是一個“認錯-知錯-改錯”的糾偏前行過程。
·產業生態鏈（優化-納新-重構）
開源為什么那么重要？因為你的技術再先進，別人不用你的，就沒有用。信息文明時代知識的價值取決于別人愿不愿意用你的東西。API將會是信息文明時代能力表征的語言方式，你把你的API分享出去并且被大家所接受，你會發現世界就跟著你的習慣前行了。
為了智能化而進行的數字化轉型產生的數據，才是真正為信息文明而生的數據，從中才能最高效地提煉出人類能理解、機器能處理的知識，再到Copilot作為智能助理。有些人糾結到底是Copilot還是Autopilot，我認為只要是以人類目標為目標，決策與行動鏈中人類保留一票否決權的機器功能，就是Copilot。因此真正的問題是有人類設計出來的機器機制中有沒有“人在決策/行動鏈中”(Human-in-the-loop)和“人在機器優化/改進鏈中”(Human-on-the-loop)。
什么是加法邏輯？什么是乘法邏輯？有技術是加法邏輯，但有作用一定是乘法邏輯。一旦把技術內化，融入到每一個環節、步驟、流程，它就是一個乘法概念。薩蒂亞經常說，模型不是產品，模型可以成為產品的一部分。當模型內嵌到用戶體驗產品的每一個環節之中時，模型就有用了，而模型一旦有用，就變成了產品的一部分。
執法依據流程，流程重在執行。人擅長創建流程，也擅長破壞流程，但不擅長遵守與受制于流程。而機器擅長嚴格遵守與執行流程，也擅長通過反饋學習以優化流程，但不擅長創建流程。在人機協同的時代，人干人的事，機干機的事，最終我們一定能讓自己的智慧升級。
建議三：落地的次第
技術平臺的成熟度也遵循著有，用和有作用的邏輯。一般來說，都是先要擁有技術，而有能力徹底改變一個社會運作范式類型的產品或服務的一個特點是，需要全社會都使用它，它才有作用。比如今天咱們總是談ChatGPT，實際上在當前這個時代，這種以大語言模型為基礎的人工智能的使用率是極低的，大部分人都沒有在用，就算有些人用了也只是淺嘗輒止。為什么呢？因為它必須是在你工作、學習、生活方式改變的情況下才能起到作用。模型是沒有用的，它必須要成為你產品的一部分。
其實這三個環節沒有一個是容易的，關鍵還是在于你適合什么樣的業務方式、生活方式、工作方式以及邏輯方式，然后再選擇適合自己的。希望大家能成為劇烈動蕩時代中技術的主人，而不是被它牽著到處跑。
在落地的時候，大部分公司專注于有，就是買技術、買產品、買設備，實際上第二步培訓和流程再造是非常困難的工作。公司的決策者一定要知道，你花了100塊去買一個能力的時候，最好還要準備另外100塊讓你的機構能夠享受到它的好處。第三步就是讓你的客戶能夠接受。知道這個客觀規律之后，我們就可以知道這是小馬過江還是小馬過海，從而在精力投入、資金投入和回報期望上，能夠比較理性一點。
技術真正做深了之后，必談你的技術信仰，你到底為什么做技術。比方說我就一直說我是工程師，是一個Maker，一個Builder，我的人生觀、價值觀就是以造物為享受。你的初心是什么？你的人生使命是靠“面子”就能活，擁有一個技術去評個獎就擱置一邊了，還是不管怎樣一定把這“里子”拿到，要實現技術為人類社會增添福祉為終身追求，或者既要有“面子”，也得有“里子”，這也是技術選擇的不同取向。我覺得，在當下的時代，無論是面子、里子，咱們都別耽誤了，但始終別忘記，大眾要咱們貢獻的是“里子”。
建議四 智能的本質
人類有目的，機器有能力，它就根據人的要求把事兒給做了，基于這個結果，人還會再反饋給機器，告訴它下次還可以做得更好。這也是機器本身不斷糾偏、優化、完善的流程，這就叫做強化學習模型。
我對這個模型做了一個微小的調整，給它加了一個更大的環境，一定是跟環境不斷互動交流，才能形成一個智能體。它的基本范式是智能機在一個環境中，并且產生了一些交互關系，再通過觀察外部狀態，學習比對數據，形成一個結果。數字化的目的就是讓你知道每一分每一秒你離你的目標差多少。
把這幾個系統綜合就是I-P-O-F，這是系統工程的一種元模型。輸入一個目的，對長期記憶中的知識進行思考以形成理解、推理、規劃，再通過人體與工具組合的行動輸出一個結果，最后將輸出結果反饋至輸入，不斷糾偏完善。
微軟開源了一個大語言模型開發框架，稱為Semantic Kernel，非程序員初看可能有點復雜，但實際上你是不用去管內核的，你只需要知道把你的提問放進去，期待有個結果就夠了。最多你把你的判斷返回給提問，讓它不斷糾偏，這恰恰是提示詞工程建議大家做的，就是不斷提問，多問幾輪。一旦明白I-P-O-F這個不斷循環的過程，你就能夠大致體會怎么去和機器打交道，你怎樣嵌入到機器的I-P-O-F中，你怎么讓機器嵌入到你自己作為人類的I-P-O-F中。
大家有沒有這種體會？準備讓員工去干活，但是想了想算了，自己干吧，自己干得快得多，但是如果有100個這樣的活讓你干呢？你還是得交出去。機器也是一樣，它一開始一定沒有你做得好，那你有沒有這樣的信心、耐心和決心在未來五到十年訓練出一個可以分身的孫悟空，幫你應付信息時代的挑戰？
早期人類文明什么都沒有，后來有了工具。再后來形成集群，進入農業文明。之后又進入工業文明，人們越來越聚集，知識越來越可重復，工具越來越復雜。再往下走就是信息時代，自動化程度更高，出現了互聯網、移動互聯網、人工智能、大語言模型服務以及多模態、多模型和智能體集群。未來冰球要滑到哪里？我們應該鍛煉一下這種想象力，不能因為我們跟在冰球后面就認為它沒有規律，它是具有概率性規律的，我們要發揮人的主觀能動性來進行判斷。
向機器學習
選好大致方向而不是終點，在行動中緩慢、堅定地糾偏前行。我們能不能稍微改變一下自己的判斷分析邏輯，讓我們能夠敢于下水實證，同時要加一些保護機制，也別淹死了。讓機器告訴我們離懸崖邊還有多遠，訓練出自己的一些分身，往前走就完了。至于會怎么樣，沒人知道，但我們知道，這道門一旦打開，嚴格意義上應該關不上，所以咱們還不如就擁抱變化，與時俱進。
微軟的使命是讓地球上的每一個個人和組織成就不凡。這不是口號，而是真實在發生的，根據我的親身經歷，微軟的很多工程師、科學家真的是以這個為愿景，而且因為有積極的助力，其產出也會越來越大。
其實，今天我就是把微軟工程師從去年開始到現在的親身經歷跟大家又重新演繹了一遍，我堅信每個人都會走這么一個過程，就算不是大語言模型，也會有其它東西。現在這道門是真的打開來了，我們可以選擇不理它，我們也可以選擇什么都信，我們也可以選擇審辨式、批判式地去理解、吸收和改變自己的行為方式，走出一條自己的道路出來。我覺得如果能達到這個目的，就善莫大焉了。
篇幅所限，本文內容僅為課程十分之一
點擊海報，看完整課程！
