将语言模型作为文字的扩展
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：提供一篇文章，大模型就可以生成这篇文章的摘要，这可以看作是文字的“压缩器”，但反过来，你提供寥寥数语的创意，它也能替你生成一部小说，此为“扩展器”。我们今天就来看看它是怎么扩展文字的。文章来自编译。
能量不会凭空产生，也不会凭空消失，只能转移。长久以来，计算机对文本的处理大抵如此：若无硬盘故障，文本始终都是守恒的，经常会被转移，偶尔会粗略地改一下。
但计算机几乎不自己创作文字。除了拼写检查，你在屏幕上看到的任何文字，必然源于某处某个人的输入。
语言模型彻底颠覆了这一切。
如今，你我只需向ChatGPT输入寥寥数语，便可目睹它逐字逐行扩展成全新内容——凭空而生，专门为你。语言模型把文字扩展，改头换面，宛如加热后通过吹管成型的玻璃制品。
昔日屏幕上静止的字符序列，如今蜕变为蕴含生机的存在。向语言模型输入文本，犹如播下了一颗橡果。橡果自带成长为树的指令，而语言模型则化为沃土、雨水与夏日暖阳。
简言之，语言模型是文本的免费能量。下面我们就来探讨一下怎么用于创意用途。
每个问题皆蕴含答案的世界
语言模型构建了这样一个世界，在这个世界里，每个问题都可以扩展成答案。
这对创造力至关重要，因为只有人类会提出问题。
举个例子，猿类与人类共有诸多特征，包括社会性，以及传递经验的原始文化。但至少有一点很不一样：猿类不会提问。
提问给答案创造了空间，答案又为更多问题开辟道路。这是获得新创意、构建新事物的第一步。
千百年来，如果一个问题存在答案的话，提问者就会越来越容易得到那个答案。书可解答问题，前提是你有耐心翻阅。谷歌让我们更进一步：多数常见问题仅需一次搜索。
但人类的有些答案是你搜不到的。谷歌只能回答已被提出并解答过的问题。比方说，如果去搜“Dan Shipper是否对AI表达过怀疑？”，你大概率很难找到简单明了的答案。
可是，语言模型却钟爱此类问题：
它们会将任何问题扩展成答案。因语言模型总是会预测序列的下一个内容，问题本身已经指向了答案的开头。
但凡跟小孩呆过、听过后者没完没了的提问的人都知道这意味着什么。在过去，提问意味着追寻答案；现如今，问题本身已是答案——只需通过语言模型扩展。
下面我们就来探讨几类最实用的扩展方式。
作为综合扩展器的语言模型
如果你想全面理解某领域的知识，语言模型可助你一臂之力。其全面扩展功能就像实时为你撰写的个人维基百科，而主题任你选择。
“告诉我罗马帝国君王的历史。”
“被蜱虫叮了该怎么办？”
“跟企业客户议价的最佳策略有哪些？”
全面扩展是面向大众的高阶基础解读，不需要针对特定受众做调整。
ChatGPT问世之前，这些问题也能找到答案，只是速度跟质量参差不齐。我认为，ChatGPT等AI模型是更优选择：一是快，二是支持追问。
由此引向下一类扩展：上下文扩展。
作为上下文扩展器的语言模型
信息融入到特定上下文才能变成知识。ChatGPT擅长将问题扩展成最契合你注意力水平、背景知识、感知力与具体场景的答案。
创造性工作大多需消化原始素材，包括晦涩难懂的一手文献。但AI可将针对某文献的具体问题扩展成专属于你的文章。
我就曾这么用过Claude，为的是采访领英联合创始人Reid Hoffman做准备。我请其解释奥地利哲学家维特根斯坦语言哲学经典《逻辑哲学论》的核心观点之一：
这个回答很全面，质量也很高，但太过高阶抽象。如果需更贴合个人特质的答案，可追加提问，比如这样：
你本可上谷歌自行寻找答案，但AI能以最适合你的方式，一次性整合所需精华。（如果对Claude的解答不满，还可要求其以你能理解的方式重述）这个的意义大于显像。
三年级的时候，我就立志要写小说，想学习创意写作。唯一难题是：我妈找不到适合我年龄的课程——那些教程只面向更大的孩子，而父母有没有足够的知识可以教我。
能将“如何提升创作能力？我现在9岁”此类问题扩展成适合用户年龄的回答，这个的威力是非常巨大的。
这不仅对事实扩展适用。AI也擅创造性的扩展。
作为创意扩展器的语言模型
写作中需隐喻或明喻时，我会先求助ChatGPT或Claude，令其生成20个选项。
比方说，在评论罗伯特·萨波尔斯基自由意志著作《决定论》的文章里，我写道：
我简直爱死罗伯特·萨波尔斯基了，这位斯坦福神经科学家的《斑马为何不得溃疡》《灵长类回忆录》《行为》等著作，是我读过最优秀的科学读本。他是神经生物学的桂冠诗人，融严谨与人文、讥诮与悲悯、文学性与科学性于一体。
因此，当得知他出版自由意志新书《决定论》时，你定能体会我的矛盾心情。这好比Scott Alexander撰万字长文探讨卫生纸正确挂法，Annie Dillard出新书来论证热狗是否算三明治，或者Bill Simmons写三部曲争论《虎胆龙威》是否圣诞电影一样。
知道这些比方是怎么来的吗？在跟Claude20分钟的趣味对话中，它既帮我厘清对萨波尔斯基新书的感受，又找到精准表达我心情的绝佳比喻。
创造性扩展才是生成式AI真正生成性的部分，让人可以轻松遍历可能性空间。
你可一个字一个字地生成比喻，也可以用简单提示创作完整故事。我就认识很多家长在用ChatGPT语音模式，将流行文化角色跟孩子的生活兴趣结合，为孩子们定制他们自己的故事。
用很低的成本去探索创意可能性，这是语言模型对创作最重要的用途之一。当然，也不是说可以不费吹灰之力：我们得有审美——要准备说出我们想找什么，并在出现时能认得出来。但模型已帮我们承担了大量的基础工作。
人经常没那么多精力去筛选海量的可能性，去寻找精准措辞、绝妙点子或最佳的情节转折。创意扩展能帮我们找到各种可能性，然后我们就能从中选出最好的用到工作中。
压缩与扩展
前面介绍的这些扩展功能跟我之前探讨的压缩功能的目的相似。比方说，通过扩展或压缩都可以回答问题。那该如何选择呢？
压缩好比榨柠檬汁，到最后挤出来的还是柠檬本身的东西。
扩展的不可预测性更大。回到前面那个橡果的隐喻：橡果终将长成树，但会长成什么样的树很大程度上来取决于生长环境。跟榨柠檬汁相比，橡果最终形态的自由度更高。
语言模型压缩更可能基于提示返回事实性答案（假设答案存在于被压缩文本中）。在开发Huberman Lab聊天机器人时，我给每个提示都注入他的播客文字稿，为的是确保模型贴合他的原话（这就是所谓的“检索增强生成”技术，简称RAG）。
相比之下，语言模型扩展更具创意与诗意。扩展固然也能妥善回答常见问题，但其真正的闪光点在于探索冷僻领域，发掘未被触及的可能性。
在给萨波尔斯基的书评寻找比喻时，我并没有把整本书都喂给ChatGPT，只是简明扼要地表达了我的感受：“我正在撰写关于罗伯特·萨波尔斯基自由意志著作的评论，需用比喻传达一种既感到无聊又感觉兴奋的矛盾心情。给我生成20个选项。”
剩下的就交给语言模型完成了。首轮生成了20个选项之后，我又追加指令让AI继续创作。
这跟精准解答书中问题无关，只是为了探索可能性。
文本扩展的新世界
在计算机可扩展文本的世界里，每个问题都暗藏着答案，每个故事皆为你而书写。文本扩展充满创意且略带不确定性，也正因此才激动人心。如同火箭点火直冲云霄，或从桥面抛下硬币然后俯身观察。
我们创造条件，然后身体后仰观看表演。这无疑是创意武器库一把无可否认的利器。
那么，就请勇往直前，尽情扩展吧！
译者：boxi。
转载请注明：好奇网 » 大型语言模型：将每个问题变成答案