今天早班机，看到群里贴了首所谓「贾浅浅」的《清晨》。

没有查，就觉得是伪造的：因为黄是黄，但味道不太对。

倒不是说作家写性爱，就写得有多好¹，而是那东西一看就不是专业作家的话语体系。

于是想起了科马克·麦卡锡（Cormac McCarthy）。顺手一查，居然在上个月过世了，而豆瓣上《天下骏马》的页面却还没更新忌日：果然是冷门巨匠。

很黄很暴力的东西不落文字，是有传统的。

从古希腊戏剧开始，这类情节就有统一的处理方式，叫「ob skena」，翻译成英文是「off stage」，也就是「不上台面」。因此，索福克勒斯写俄狄浦斯搞瞎自己，是通过一位使者报告给观众的。

这传统形成后，在古今中外坚持得很好。虽然外有但丁、纳博科夫、亨利·米勒、D.H.劳伦斯，内有南陵笑笑生、李渔等一众反叛者，不断突破表达的底线，但时至今日，即便是昆汀这样的导演在《落水狗》里安排 Mr Blonde 割人耳朵，也还是会乖乖把镜头拉远²——「ob skena」。

然后让我们来到科马克。

你大概率没有看过他的小说，但多半看过改编自它们的一些电影，比如被科恩兄弟拍成 cult 经典的《老无所依》，然后脑子里有 Chigurh 这样久久挥之不去的角色：

这就是科马克，特别是早期科马克的底色：冷漠、黑暗、暴力、情色，残酷无情。

并且，残酷无情得毫无歉意，以至于许多读者会觉得他令人不安。

以他最被推崇的一部作品，《血色子午线》为例。

这部在《纽约时报》发起的世纪最伟大美国小说投票中名列第二，被挑剔的哈罗德·布鲁姆评价为「自福克纳的《我弥留之际》之后最伟大的小说」，在 Amazon 上满坑满谷的一星差评³。其中被认可得最多的一条是：

the unrelenting amount of violence and cruelty in Blood Meridian strikes me as having crossed the line to pornography…

但我很喜欢他的文字⁴，因为眼前这个时代缺乏真诚和血性⁵，当然，这不是本文的重点⁶。我要说的是，如果你去搜科马克的生平，会看到他前五部小说完全被低估，加起来只卖出了 5,000 份左右的凄惨故事⁷。

而要我说，科马克作为一名职业作家，运气好得不得了。

首先，他在生涯早期（七十年代到九十年代），拥有兰登书屋的编辑厄斯金（Albert Erskine）的支持。

这正好是出版业集团化之前，编辑在图书特别是小说出版上仍然享有绝对的影响力和话语权。并且，风格类似福克纳的科马克遇到的正好是做过福克纳的厄斯金。因此，他以绝对差的商业表现得以持续出书，还获得了一些奖金来维持自己的写作生涯。

然后，以 1992 年的《天下骏马》为界——这是科马克第一个有可以被正面宣传的主角的故事，也最终被拍成电影，并由马特·达蒙、佩内洛普·克鲁兹等大牌明星共同演绎——科马克开始收获大量的曝光和奖项，包括《长路》拿到的普利策奖，他自己拿到索尔·贝娄文学终生成就奖，以及《老无所依》拿到四座奥斯卡金像奖。

这背后，其实是踩到了商业化的风口：厄斯金退休后，兰登书屋器重编辑追求文学性的掌门人罗伯特·伯恩斯坦（Robert Bernstein）也被职业经理人阿尔贝托（Alberto Vitale）替代。科马克一度举步维艰，并最终通过新的经纪人阿曼达·厄本（Amanda Urban）签约了新的出版社：克诺普夫出版社。

新出版社指派了一个营销团队（包括专职的 PR、设计、肖像摄影师），来包装和推广科马克。同样的商业化在整个行业都如火如荼：比如他的第一份手稿寄过去时，只有十来个人的兰登书屋，这时已经有几千名员工⁸。

行业起起落落，科马克始终幸运，这也是喜欢读科马克的人，比如我，的幸运。

我常在看书的时候想，读到这本书是我和作者彼此怎样的运气？或者，它究竟是何来历？

比如，屈原真的在死前写了《怀沙》作为绝笔吗？他哪儿来的竹简呢？整篇《怀沙》以楚国的繁复文字，写到竹简上需要上百斤竹子吧？这没法随身带着，难道在投河之前，屈原砍竹子、削竹片，搞了一周？⁹

再比如，让博尔赫斯和卡尔维诺津津乐道的「庄周梦蝶」，应该也都是以竹简为载体，一路辗转前往阿根廷和意大利。但等他们读到时，仿佛我们看到的《一千零一夜》或《格林童话》，经过了怎样的咀嚼和改良？

同样的还有杜甫的诗，汤显祖的戏：大部分人看不到作者的原创版本，而是各种改编和善本。印刷和发行书的成本真正下来，已经是维多利亚时代。

狄更斯没想好，它究竟是最好的年代，还是最坏的年代。但它肯定是一个没有收音机和电视，更别说手机和网络，而大部分人已经识字的年代：历史的车轮滚到这里，写满家长里短恩怨情仇的长篇小说，才终于成为无数人经过一天的劳累后，释放情感平等幻想的终极慰籍。

现代小说的地位确立之时，也是书籍的制作和发行平民化之时。今天，当视频的制作和发行也已经平民化，生活里的诱惑就太多了。阅读作为消遣，大势已去，我甚至不觉得有多少人会读到这里。

少部分仍然坚持阅读的人，心中大概总有某种东西存留。区别无非是他们中有人能清楚描绘自己在书里寻找什么，有人只是抱着尚未消失的好奇和想像。

不过，虽然总还有阅读者在，科马克这样潦倒、缓慢而又粗野、残暴的作者，却再也不会有了。

RIP。

本系列是，LLM 调研…说一下它能做什么不能做什么，能做的部分怎么做比较好。

目录

• 究竟有没有智能
• 但仍需要投入

这是最后一篇。

LLM 的热潮过去了半年多，它究竟是「鹦鹉学舌」还是具备「智能」，甚至具备可以发展为「AGI」的智能，这一本质上的分歧还没有收敛的趋势。

IEEE Spectrum 为此专门搞了个计分卡，把 AI 领域的 22 位杰出领袖的意见做了一个整理：可以看到，以 Rodney Brooks、Yann Lecun 为代表的大部分人，还是觉得哪怕 GPT-4 也没有任何发展为 AGI 的可能。少数派主要是忧心忡忡的 Hinton 和 Sam Altman。

从我前面的文章大家应该知道，我肯定是站 Rodney Brooks 这一派的。不过，我认为目前最好的分析不是 AI 圈子给出的，而是伟大的¹ Noam Chomsky 给出的。

为什么那么多优秀的专家学者站在另一边？我还是觉得这跟神经网络起起伏伏 90 年，一开始就用了类似于「智能」、「神经」、「学习」、「推理」这样的词²有关。加上 LLM 让 NTP 的效果如此好，很容易让人有模型掌握了语言甚至整个世界底层运行机制，并「涌现」各种能力的错觉。

究竟有没有智能

LLM 体现的「智能」和人类的「智能」究竟有何不同，可以再简单说几句。

人类的智能有两个显著特点，即「抽象」和「泛化」能力³。

GPT-3 的训练使用了数千亿个 token，与此相对，普通儿童听到的所有单词，不排重还不到一个亿。

人类不需要那么大的数据量做训练，因为人擅长各种层次的抽象，并能够把抽象出来的认知泛化。

比如，你买一把香蕉告诉四五岁的小孩儿这是香蕉，从此以后不管是长的短的，熟的生的，黄的绿的甚至闷烂了发黑的香蕉摆在 Ta 面前， Ta 都知道这是香蕉。为什么说机器「学习」和人的「学习」完全不是一回事？因为你绝不会感到教小朋友某个东西，是在调 Ta 的参数。

除开上面这种还没有任何科学理论可以「解释」的抽象泛化能力，人还会使用数学工具进行抽象：我们通过勾股定律就能够从两个给定直角边算出斜边的长度，不需要灌大量的数据来形成一个参数庞杂的统计模型。

通过数学模型抽象后，我们同样会泛化这个模型的使用范围。并且，泛化的范围越大，代表这个数学模型的水平越高。比如，从开普勒三大定律，到牛顿三大定律，到相对论，就是在不同体系中越来越普遍地描述物体之间相互作用的关系。

有人会说，神经网络也是使用数学函数对数据集进行的压缩和编码，不也是「抽象」吗？这里有一个显著区别是，描述客观世界的「数学模型」，通常是可解释可推理的，有一套严密的因果关系。而神经网络的「模型」，通常是几十亿甚至几百亿的参数，在训练中海量的数据集为什么形成这些参数的权重和取值，没有人知道。

并且，用数学模型描述，符合「因果」的世界，老早也已经被推翻了。宇宙并不按照包括爱因斯坦在内的很多人类认为的那样运行，而是混沌的⁴。

这就是关于「智能」的现状：往内看，人为什么具备这样的学习和思考的能力，并且功耗如此低，还没有一套理论去解释；往外看，世界拥有高度不确定性，也没有一套理论可以去建立因果关系。

但仍需要投入

把 AGI 先放一放，LLM 和其他 AIGC 的工具，说明训练一个足够大的神经网络来模仿人脑的一些功能是可行的，这本身仍然是一个巨大的技术突破。

作为技术决策者，最好的状态还是向 Andrew Ng 学习⁵。至少，你应该做一些具体的尝试并评估：

• AIGC 相关能力，会不会成为现有业务的一个核心竞争力：
  • 比如创意类的工作，美工、广告、游戏、媒体等等；
  • 比如文本密集的工作，法务、保险、人事等等；
  • 别人有你没有会不会直接被踢下桌；
• AIGC 相关能力，会不会让现有业务有比较大的降本增效：
  • 服务类工作：客服，呼叫中心；
  • 搜索和推荐：更准更高转化率；
  • 效率提升：信息的记录、聚合和归纳；

如果结合现有的业务类型，上面有一些点的答案是「有可能是」，那么你就得现在投入其中，并持续关注了：因为在暴力美学到顶之后，一定会有各路人马开始优化 LLM 从训练到工程的各个方面。大量今天 LLM 做不了，或者做起来太贵的事情，明天可能就变得可行了。