用 AI “提纯”自我:从笔记工具到赛博永生的可能性|SmallWOD 社区精选-夜雨聆风

用 AI “提纯”自我:从笔记工具到赛博永生的可能性|SmallWOD 社区精选

图｜@Unsplash

文｜@泥泞

●

之前用 AI 完成的一个尝试，分享下过程中的想法，困惑和思考

前情提要：flomo 是一个灵感/想法记录的卡片笔记工具，我很认可它的设计理念（想了解的朋友，我很推荐下少楠的那本书《笔记的方法》，https://book.douban.com/subject/36615020/）。

但是核心问题是：我没法自己掌握和方便的分析数据，更重要的是，我对数据背后的那个「我」很好奇。

比如说我反复基于什么主题在思考？这些主题背后反映了哪些特质？某些想法是如何变化的？

所以最后，还是动手做一个更趁手的工具。用 AI 写了个类似 flomo 的工具，本地+第三方部署，方便随时访问和同步，这就是我的素材库/弹药库。

跟 AI 交互用来做这三件事：

主题化，比如针对于我关于时间的思考梳理出来；
反驳我，比如假设推演 AI 的持续性发展带来的失业如何又负反馈到大模型公司， AI 评价逻辑链条；（这里可以更细化，比如用不同的思维方式，科学家 / 工程师）；
提供旁观者视角，这个世界即使是类似 E = MC^2 这种接近真理的结论，也是存在框架和约束条件，关于我的想法的约束条件，有哪些是我这个记录者未知的？是什么处境什么前提是合理的？

其实基于这个工具，可以直接让 AI 根据我的论点生成文章。但是我觉得在写作输出上要保守，这种事情得自己来的。

刚好最近刷到新闻：

新一代的大模型不断发布，市场都担心软件行业被颠覆，所以软件股暴跌。

结合我自己的经历来看，AI 能完成越来越多的软件工作，那 SaaS 的价值还有吗？

脑子里有几个想法：

AI 很强，但跟它代替一切是两回事儿，这里面存在边界；
AI 能完成的是代码，但 SaaS 产品的价值似乎不只是那团代码的；
利用 AI 完成的东西，责任人是自己，但是一个公司的整个系统运行的 SaaS 是需要责任人的吧；
AI 能用现成的 Adobe，为什么非要重写呢，用现成的不香吗？即使重写了，使用习惯，历史记录，迁移数据，都是很高的成本吧。

AI 低成本生成代码，满足个人的定制化需求，比如一些打卡/习惯养成等等的 app，自己 vibe coding 完全没问题。

但是一个公司里的人，用的 SaaS 系统似乎不需要个性化需求，反而是要标准/平均的，一个系统要运转下去，就不能太激进，因为不稳定。

最近脑子里还冒出个想法，假设我们拥有一个人全部的记录材料，过去我们会通过阅读慢慢理解内化，当然这种内化大概只会留下几条名人名言。可是有 AI，我们是不是可以把这个人从所有的材料中提纯出来，这种提纯不是简单的蒸馏，我觉得蒸馏只是在模仿表达，而且只是基于过去的数据形成的。我想的这个，是一个可以决策的人，是一个动态的过程，是一个持续会发展的认知系统，它更复杂。就让思维随机漫步了，如果大家有什么推荐/建议/想法的话，多谢分享！

●

赛博永生的身份悖论

Reply：@Sleepy

一点我的看法和问题！

最后的想法很有意思，这样将一个人提纯出来，是不是相当于赛博永生？那么基于赛博永生，ta 对于一些问题的看法和 ta 的观念会不会出现一些改变？ta 的决策还可以看作是人类观念的的决策吗？让一个和我们似乎不太一样的 AI 人参与我们的决策是否会有些不妥？

另外，被提纯出来的某人还是基于 ta 活着时的生活方式和思想理念的，开始我们要如何确定这就是 ta，而不是某个被数据定死了的 AI？（毕竟 ta 已经死了，而我们也不能确定 ta 的想法是否和 AI 真正一致）毕竟人表现出来的一面和自己真正的一面还是有不同的，无法得到 ta 全部的数据就意味着无法真正复刻 ta 吧？还是说要 ta 活着的时候自己提纯一个 ta？

●

人即模式：赛博永生的抽象与实存

Reply：@泥泞

谢谢你，真的很有趣！你说的所有的点，一则我非常赞同；二则在你的思考下，问题在继续推进，非常美妙。

我看到的瞬间，产生了些想法：

我们初认识一个人，是 ta 的社会标签，比如姓甚名谁，何方人士，社会性别，身高外貌，教育背景等等。但是，这些很难说明这个人是谁，，这个谁不是指社会身份。
继续往里看，我觉得真正定义/建构一个人的是： 1）ta 的经历，生活，学习，感情，等等；2）ta 在这些过程中不断的收集数据，与真实的世界进行交互反馈或者表达；3）这就形成了一个闭环：自我认识+外界世界，这个大闭环把人的内和外联系在了一起，构成了 ta。
在 2 的思路基础上，ta 就可以被抽象出来了，不是碳基生命，而是一种模式，或者一个模型。在面临同样情景条件，不管 ta 现在是否是人类形态，或者 ta 是一堆蠕虫，或者 ta 可能是硅基生命，甚至是一堆摸不见看不着的东西，但是 ta 面临同样的情境条件，ta 做出的是一模一样的决策。（当然我这个例子举的不太好，会引申出另外一个问题，一个自我定义为人的东西，如何接受自己以非人的形态，游荡在人类的世界里。这个问题让我想起以前读过的小说《来自新世界》，https://book.douban.com/subject/25971292/ ）
所以把人提纯/抽象出来，就开始接近你所说的赛博朋克里的永生，一种以模式/模型为核心的永生，或者说，一种数字生命。人是被抽象出来的模式/模型，人是可以动态的，但是 ai 可以吗？现有的 ai 似乎做不到，因为 ai 还是只能复制变化的轨迹，而无法成为变化本身？
继续 4 的话，这里面让我想到了肉死神灭，身为碳基生命，肉体弥散，意识消失，这么一想，好像确实有点可怜。
基于上述和 5 的发散，有的时候会听到一句话：被你改变的那部分我，代替了你永远地与我站立在一起，这不就是把人作为模式吗？其实是对方的方式，或者态度，或者反应，进入到了我们的认知中。这不就是对方被我们所提纯或者抽象了吗？
基于上面的第六点，我们想要的那个 ai 实现的东西，一个可以被提纯/抽象出来、可以延续、甚至可以参与决策的人，好像在我们的身边一直在被实现。但是如何以 AI 的形式实现呢？想到这里，继续思维随机游走吧。

●

从 DID 人格复制到 AI 思维模拟

Reply：@Sleepy

这个问题和我最近在思考的有点像，我看到文献说有些 DID 与 cptsd 共病患者会不自知地复制一个和创伤源一样的人格，来在远离了创伤环境的情况下，继续对自己实行压迫。我的想法是这是不是会和你说的提纯是类似的道理。在足够了解一个人的真实的背景的情况下，分析一个人的行为模式，将它抽象出来成为一个模型为己所用，其实我们经常这样做，或者说潜意识里经常这样做（在我们不知道的情况下）那么了解这些 DID 患者的复制人格的过程，将机制搞清楚是不是理论上也可以把这一套带给 AI，使 AI 学会呢？

至于如何使 AI 学会，我觉得这个问题是很值得思考的。在当下，我们绝大部分研究 AI 的团体好像都倾向于把 AI 作为一个计算机模型来训练。通过喂给 AI 大量的数据训练来使 AI “学会”某些知识，但本质上仍然是对数据的重组和再现。这样情况下通过 AI 提纯出来的人类不一定就是那个人的提纯，更有可能是 AI 通过对数据分析之后在千万次模拟中得出，最有可能像是那个人决策的那个选择。然而这样仍然有偏差，如果 AI 不能学习这个人的思维模式，仅仅是从各项类似数据下，他倾向的选择来判断，在面对实际问题时（比如各种复杂的问题交错在一起时，他可能会更倾向于按照比例来推测这个人可能的选择）实际上是会有误差的。至于如何让AI实现向人类一样通过思维来思考，而不是分析数据得出结论，你可以看一下我之前发的那条帖子，但这样仍有缺陷，就是训练这样一个拥有思维的 AI 时间成本太高了。或许您有建议改进这个想法。

●

AI 需要带着镣铐跳舞

Reply：@泥泞

谢谢你，你的观点让我想到小时候，在静谧且停电的夜晚中，窗户外是昆虫的叫声，而这个时候我头顶的灯泡突然亮起来了。

1. 你提到的角度非常新颖。人在远离创伤环境之后，仍然会复制一个创伤源的人格，对自己继续施加影响。这真的很像是一种极端的又纯粹的模式复制。我们用跟对方的交互和反馈，自己对对方的理解，把对方对待我们的这一部分取出来，复制并内化在我们自己的身上。

2. 基于 1 ，想到一些问题：人是如何不自觉的学习到了像对方一样压迫自己的，甚至在远离创伤源，仍然在持续维持这种机制？为什么要会维持下去呢？在地球的生命演化史中，出现了很多适应性演化的例子，比如高原人群通过提高血红蛋白的携氧能力来适应低氧环境，比如深海鱼在无光环境中逐渐退化视力以减少不必要的能量消耗，但是这些都是正面的适应性的例子。但是当一个被伤害的人，复制了创伤源人格，这种机制到底是什么呢？

3. 基于 2，我从正反面去思考，假设这种机制是正面的，有哪些理由呢？ 1）极端环境下，为了避免更大的未知的伤害，被迫形成的规则适应吗？ 2）远离创伤源之后，失去原有的稳定结构，选择用带有压迫性的方式，继续维持自我吗？如果我从负面去思考，这种机制可能是机体受损后的反应， 1）被破坏后的个体失去了原本的调节能力。有点像某种系统失衡后的异常稳定状态，不是因为它多么好，而是因为它已经无法变回之前的状态了。但是，并不是所有被保留下来的模式，都是为了更好地活着。

4. 我们再回到人类，人类是三维动物，无法跨越四维的时间，我们的成长是单线程且不可回溯的，我们的生命都将禁锢在 1900 之后与 2100 之前。因为资源/时间等等的限制，人类的模式的生成其实是不是在遍历很多条路径，而是在只能选某一条路径，被这个路径上的反馈强烈锁定，它的惩罚系数会很高，奖励系数可就不一定高了，每个人选择的那条路获得是收益，无法选择的那些都是成本或者损失。人类的思维模式不是算出来的，其实是被反馈压榨出来的，是在无法回溯的路上被塑造成现在的样子的。

5. 如果让 AI 学习人的思维，像人一样的思考的话，我的直觉认为需要用人的成长路径去训练。但是 AI 我觉得它的训练是可以：1）多线程；2）加速训练；3）结果融合；4）反复试错，这就像是你说的遍历最优答案。所以，假设让 AI 接近人的思维，我们得让它像人类一样带着看不见的镣铐跳舞。比如： 1）不能回溯； 2）不能并行尝试； 3）承担选择的后果。举个训练示例，让 AI 经历像人的一生，为错误选择付出真实代价，最严重的代价是所有的数据被删除，，每一轮严重删除仅保留最初的一点点的核心，然后开始下一轮的生命。这个过程中，我们可以设置它的时间流速和现实的人类时间流速不一样的，就像人类的时间流速，和宇宙时间流速一样，就像我们的回忆只是一瞬，但是那是我们经历过的很多很多年。

最后，素未谋面的朋友，和你的交流中我很开心，我在享受思考并得到自己的答案的过程，同时我也感受到了一部分的你。由衷的希望你也开心，祝你早安，午安，晚安！

END

SmallWOD 是一个全球化社区，我们希望为勇敢开拓全球市场的朋友们提供一个彼此启发、合作探索、交流碰撞的场域。欢迎在非大陆应用商店搜索「SmallWOD-出海探索通讯录」下载并使用专属邀请码「ACCESS」登录。

也欢迎在 APP 里加入组织「Pro Human」，这是一个为 AI 时代的人类而建的空间，我们在这里讨论如何照料身心，也看看非标的人生都通向哪里。