人工智能对社会的渗透

仅在几年前我们还视为科幻小说的人工智能能力,如今已成为现实。社会已被人工智能全面渗透——从简单的搜索引擎、可穿戴健身追踪器、音乐和产品推荐、导航与路线规划,直至如今完全由AI生成的媒体和文稿。区分内容是由人类生成还是AI生成正变得越来越困难。例如,只需滚动浏览任何社交媒体上的短视频推送。起初你可能不会注意到,但一段时间后会发现一些AI账号。虽然这些生成内容可能具有娱乐性,但若账号未标明由AI生成,你根本无法辨别其差异。许多人认为此类产品并无危害。然而,随着深度伪造技术的兴起,人们的生活已被摧毁。

简而言之,深度伪造是指利用人工智能操纵或创建关于从未发生过的人物或情境的图像、视频或音频。这可能导致错误信息传播、诽谤以及对不同机构信任度的侵蚀,从而对国家安全构成巨大风险。本质上,人工智能或直接使用人工智能者可能利用该技术制造从未发生过的情境或危机,从而驱动基于错误信息的决策。

深度伪造带来的风险固然重大,但存在一种当前正被用来“开发”我们自身直至使我们失去存在价值且更为严重的风险。生成式预训练变换模型(简称GPT)作为最新技术,若任其不受约束地发展,将使军队丧失任何创造力或批判性思维。

何为GPT?

根据IBM的定义,GPT由OpenAI开发,属于大语言模型系列,其采用Transformer深度学习技术,基于用户提示生成类人文本。LLM是一种先进的AI模型,经过海量数据训练,使其能够理解和生成自然语言。这种能力使其可以执行多种多样任务。

根据IBM的说法,GPT通过生成式预训练产生新数据。这是通过无监督学习形式在未标注数据上训练LLM的过程,使系统能够自行理解数据。这些参数使其能够从检测到的模式中得出结论。Transformer模型是专门负责处理和理解自然语言的部分,使系统能够处理给定的输入。

该技术并非万无一失。其可能基于已设定的参数产生不准确的输出。也可能检测到数据中不存在的模式,并复制创建者的偏见。因此,其无法区分准确与不准确的信息,甚至无法检测所接收信息中的偏见。因此,如果你问系统:“大规模作战行动中最有效的补给形式是什么?”如果参数设置不当或未与最新条令链接,GPT可能会产生不准确的回答。此外,创建者关于哪种补给方式优于其他的偏见也可能影响结果。

理解AI、LLM和GPT可能变得非常技术化,本文旨在让大家对其基本概念有一个基础了解,以便能进一步理解GPT产生的影响。将提及最常见的GPT形式,即ChatGPT,或美陆军授权使用的CamoGPT。

生成式AI的现状

在整个社会乃至军队内部,AI程序,尤其是GPT,正被宣传为安全、精确、可靠的工具,用以提高生产力、效率和准确性。GPT执行的一些任务包括回答问题、起草电子邮件或消息、安排预约、管理日历、生成报告或摘要以及提供建议。这不禁让人发问:“如果GPT处理所有这一切工作,那还需要你在这个职位上做什么?”正如“我会让我的GPT和你的GPT对话,然后我今天就下班回家了。”

这项技术正进入学术界。每个教育机构的政策有所不同,但共同主题是确保学生承认任何使用生成式AI的情况。这与学生引用自身思考之外任何来源时的程序相同。然而,这很容易被滥用。

当前推广的信息是,在日常生活或作战中越多使用这些系统,就能期望获得越多益处。其推动方向是使用GPT处理常规任务,以腾出时间进行更关键、更精确的工作,这理论上将减少人为错误。

GPT正在阻碍人们独立思考的能力,摧毁创造力和批判性思维技能,使人们变得更懒惰。

GPT与人脑

麻省理工学院于2025年6月发布了一项预印本研究,该研究分析了使用GPT撰写数篇论文时的人脑活动。研究涉及54名18至39岁的参与者,他们被分为三组。一组使用ChatGPT,另一组使用谷歌搜索引擎,第三组则不使用任何工具。研究人员使用脑电图仪测量并记录了每位写作者的大脑活动。研究后发现,使用ChatGPT的小组大脑参与度水平最低,并且随着连续撰写论文而变得愈发懒惰。许多人干脆直接从ChatGPT的答案中复制粘贴。使用谷歌搜索引擎的小组大脑参与度水平次低。而未使用任何工具的小组大脑参与度水平最高。

尽管该论文尚未经过同行评审,但其主要作者娜塔莉亚·科斯米娜认为发布这些发现以提高人们对使用ChatGPT的认识非常重要,因为社会正以日益增长的频率使用它。随着这种意识的提高,将进行更多研究来考察使用该技术的影响。例如,OpenAI与麻省理工学院之间的另一项研究发现,聊天机器人使用频率较高与孤独感之间存在关联。这仅是正在进行的研究的开端,这些研究揭示了该技术如何对我们的脑产生负面影响。

GPT在美陆军中的影响

社会正大力推动使用生成式AI,包括美陆军中使用CamoGPT。然而这存在风险,将造就一代无效能的领导者,他们如此重度依赖技术,以至于离开技术就无法运作。如果连写邮件、起草嘉奖令或撰写每周形势报告这类简单事务都离不开GPT,又如何能期望完成军事决策过程并制定命令?这听起来可能像是轻率的论断,其实不然。

执行这些简单任务就像为人脑去健身房锻炼。通过增加智力参与度来保持脑力锻炼,这将带来更强的问题解决能力、提升的批判性思维以及写作和思维中更多的创造力。如同在健身房,你不能指望未经锻炼就能杠铃深蹲200磅。如果没有任何训练就尝试这样做,你会伤到背部。人脑也是如此。必须每天处理简单事务以保持思维敏锐,为将在大规模作战行动中受命解决的复杂问题做好准备。

随着“哈丁项目”对专业写作的加强关注,我们深知写作对于提升全军杀伤力是何等重要。它是分享想法、增长知识、磨砺个人技能的方式。人脑是终极武器,必须每日加以训练。不能丧失批判性和创造性思考的能力。国家有赖于这些看似简单的技能。

前行之路

随着更多研究的开展,相信证据将继续表明,使用GPT会降低大脑功能和活动水平,这将导致创造力与批判性思维的消亡。

GPT并非人类发展向前的一步,反而是向后的巨大飞跃。诚然,它是一种工具,如果以正确方式使用可能带来一些益处,例如作为研究辅助或在精简文字方面极其有限地使用,但正如前文所述,该工具本身仍可能存在缺陷。它可能给出不正确或有偏见的结果。

此外,GPT将开始侵蚀对机构的信任,并导致各级士兵质疑一切。将如何辨别何为真实、何为AI生成?正如之前讨论的,我们不断看到GPT产生的错误以及深度伪造所带来的风险。需要踩下刹车,不要在生活的每项任务中都一头扎进全面使用GPT。必须负有责任运用自身脑力进行批判性和创造性思考。

我们处在一个重度依赖数字技术的时代。每项新技术都伴随其自身的一系列益处,但也总需付出代价。不能忽视GPT对社会造成的负面影响和损害。一个待思考的简单问题:使用这项技术所带来的所谓效率提升,是否值得以牺牲我们批判性与创造性思考的能力为代价?

参考来源:美国陆军

成为VIP会员查看完整内容
0

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
飞越鸿沟:从视角到全景视觉的综述
专知会员服务
21+阅读 · 9月5日
LLMOps:大语言模型的生产环境管理
专知会员服务
36+阅读 · 7月24日
Al Agent:AI时代的软件革命
专知会员服务
38+阅读 · 5月13日
专知会员服务
77+阅读 · 2021年7月21日
【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
29+阅读 · 2021年7月16日
【ICLR2021】常识人工智能,77页ppt
专知会员服务
80+阅读 · 2021年5月11日
【哥伦比亚大学】金融大数据与人工智能,90页PPT
专知会员服务
61+阅读 · 2020年12月27日
【CAE】CAE软件架构设计
产业智能官
10+阅读 · 2020年3月15日
专访阿里亚顿:Serverless与BFF与前端
前端之巅
45+阅读 · 2019年5月8日
PlaNet 简介:用于强化学习的深度规划网络
谷歌开发者
13+阅读 · 2019年3月16日
Auto-Keras与AutoML:入门指南
云栖社区
18+阅读 · 2019年2月9日
计算:XGBoost背后的数学之美
论智
12+阅读 · 2018年8月20日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
鲍捷 | 知识表示——面向实战的介绍
开放知识图谱
11+阅读 · 2017年10月23日
【知识图谱】大规模知识图谱的构建、推理及应用
产业智能官
38+阅读 · 2017年9月12日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
Arxiv
174+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
490+阅读 · 2023年3月31日
Arxiv
81+阅读 · 2023年3月26日
Arxiv
177+阅读 · 2023年3月24日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关VIP内容
飞越鸿沟:从视角到全景视觉的综述
专知会员服务
21+阅读 · 9月5日
LLMOps:大语言模型的生产环境管理
专知会员服务
36+阅读 · 7月24日
Al Agent:AI时代的软件革命
专知会员服务
38+阅读 · 5月13日
专知会员服务
77+阅读 · 2021年7月21日
【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
29+阅读 · 2021年7月16日
【ICLR2021】常识人工智能,77页ppt
专知会员服务
80+阅读 · 2021年5月11日
【哥伦比亚大学】金融大数据与人工智能,90页PPT
专知会员服务
61+阅读 · 2020年12月27日
相关资讯
【CAE】CAE软件架构设计
产业智能官
10+阅读 · 2020年3月15日
专访阿里亚顿:Serverless与BFF与前端
前端之巅
45+阅读 · 2019年5月8日
PlaNet 简介:用于强化学习的深度规划网络
谷歌开发者
13+阅读 · 2019年3月16日
Auto-Keras与AutoML:入门指南
云栖社区
18+阅读 · 2019年2月9日
计算:XGBoost背后的数学之美
论智
12+阅读 · 2018年8月20日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
鲍捷 | 知识表示——面向实战的介绍
开放知识图谱
11+阅读 · 2017年10月23日
【知识图谱】大规模知识图谱的构建、推理及应用
产业智能官
38+阅读 · 2017年9月12日
相关基金
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
微信扫码咨询专知VIP会员