大模型的边界不是技术边界，而是人类的表达边界

正文

在犬校，最近一年我和其他人对于 “大模型的能力边界” 有许多讨论，也有很大的分歧。少数人认为潜力无限大，互联网行业再造辉煌，人类社会也将迎来拐点；多数人认为无法预测未来，只能保持观望；而我认为逻辑上来说，大模型是存在能力边界的。对边界的预测可以减少投入上的浪费，毕竟少即是多。

一、人类无法向大模型提出有效的目标：
1.1、大多数人提问和追问的能力低下，无法向大模型完整地描述目标。
2.1、有时候目标过于精确且复杂，精确描述和不断修订目标的成本过高，还不如自己实干更符合直觉，而模糊目标无法产出高价值的交付。
3.1、高质量的内容创造往往来自于灵感，而不是一个具体的目标，灵感无法表达，只能感受。

二、人类无法向大模型输出有效的语料：
2.1、「经历」的信息量巨大，无法被转换为文本/图片/视频/音频，成为显性知识。
2.2、「感受」千人千面，无法有效表达， AI 也无法真实理解。
2.3、「经历+感受」内化为经验，而经验无法以显性知识的方式高效率传递，经验也是人类成长为专家的必经之路。

因此，大模型的能力边界不是由技术水准决定的，而是受困于人类的表达边界，受制于人类无法输出足够丰富的语料，提出足够精确的目标。这些隐性知识的语料和基于直觉的目标，都埋藏在人的内心，自己可以感知，却无法有效传递给任何对象。

如果认为大模型可以通过技术上的涌现，大力出奇迹突破边界，我持反对意见。这时用 ChatGPT 的涌现来打比方是很不精确的，是缺乏逻辑凭据的幻想，为什么不干脆幻想永生或治愈癌症与秃头呢？

下个月，我会把这些想法整理成一篇长文发公众号。