EP 1182020-08-232:08:25 ROUND 2
從費曼效應到 GPT-3 的極限
Grant Sanderson
3Blue1Brown 的 Grant Sanderson 二度上節目,談教學方法、一個人工作的取捨,以及 GPT-3 卡在哪裡。
Grant Sanderson: Math, Manim, Neural Networks & Teaching with 3Blue1Brown | Lex Fridman Podcast #118在 YouTube 看 ↗
重點6 條
- 費曼效應:Grant 認為費曼的課聽起來很過癮,但那種「懂了」的滿足感不等於記得住;他覺得自己的影片也有同樣的風險。
- 互動教學的取捨:多數人用互動網頁時其實只想照作者的思路走,Grant 認為把自己想通的敘事剪成影片,一樣能拿到互動大部分的好處。
- 對數才是天生的直覺:Grant 提到在沒有算術訓練的社會裡,問 1 到 9 的中間值,有時的直覺答案是 3(倍數上的中點)而不是 5;我們後來把這種直覺「訓練掉」,改用線性去想。不過他認為那只限於小數字,數字一大,指數成長對誰都反直覺,例如蓮葉 50 天蓋滿整個湖、第 44 天還不到百分之一。
- 想要貝爾實驗室那種巧遇:Lex 問他一個人做會不會孤單,Grant 說這是他生活裡最想改變的部分;他羨慕貝爾實驗室,Hamming 跟 Shannon 同一間辦公室。但他也說,真正動手時他寧可一個人做。
- 留言不能代表觀眾:Grant 認為問問自己多常留言就知道,大多數人從不留言;看完覺得無聊或不滿的人通常直接離開,善意的負評因此嚴重不足,只看留言他會高估自己的內容。
- GPT-3 的能與不能:Grant 最喜歡的示範是它把新冠疫情接成一部殭屍末日故事,開頭合理得嚇人,接著一路失控;Lex 提到它抓不到數列規律,Grant 認為這不意外,因為數學要的不只是模式辨認,還得提出假設、實際驗證。
時間軸30 段
Grant 覺得說喜歡費曼有點老套,真正打動他的是費曼在妻子過世兩年後寫給她的信;他也欣賞費曼讀論文時先自己解一遍、再看別人怎麼做的習慣。
Grant 說他學得最透的東西都有「自己重新發現」的成分,代價是很慢,這也是他不做研究的原因之一;他自認是什麼都懂一點的狐狸,不是鑽一個題目的刺蝟,能貢獻的是講解,不是新發現。
聽費曼的課當下覺得全懂了,過一個星期卻想不起是什麼讓你懂的;Grant 認為除非自己動手做題、重推,否則不會留下來,他的影片也有同樣的風險。
多數人用互動網頁時只會照作者原本的思路走,Grant 認為把想通的敘事剪成影片,一樣能拿到互動的大部分好處。
Grant 說莫比烏斯環那支影片的用意,是讓觀眾先想想為什麼直覺上它放不平又不自我相交,再追問要把哪些性質形式化才證得出來,這樣自然會走到「可定向性」的定義,拓撲課本開頭那些看似武斷的東西也就說得通了。
大眾只聽到「可以拉扯、不能剪貼」,課堂又太早掉進開集公理;Grant 認為拓撲真正的用處,是把一般結構之間的映射轉成其他數學的結果,例如攪完咖啡總有一個分子回到原位的不動點定理,直接連到 Nash 均衡。
Grant 做疫情模擬影片的初衷、R0(基本再生數)代表什麼,以及這個模型跟真正的流行病學研究差在哪裡。
Grant 提到沒受過算術訓練的人被問 1 到 9 的中間值,有時答 3(倍數上的中點)而不是 5,他說我們後來把這種對數直覺訓練掉了;但數字一大,指數成長對誰都反直覺。兩人接著聊到棋盤放米粒、蓮葉蓋滿湖這類例子。
Lex 問起 Elon Musk 的指數思維。Grant 認為看到曲線就畫線外推沒什麼意思,該問的是什麼時候變化率會跟現有的量成正比:寫出的軟體讓你寫得出更多軟體、網路讓學習更快、資源讓公司長得更快。Lex 指出摩爾定律其實是一連串 S 曲線,Grant 同意它更像大家被逼著去追的標竿。
兩人聊 Crew Dragon 發射、殖民火星的可能性,以及「把目標訂死、逼自己想出辦法」這種做法本身的價值。
Grant 說他最近才知道:ARPANET 在越戰期間各部門預算被砍時還能擴張,理由是國防上需要一套比傳統電話線更耐打的通訊網(封包交換)。
Grant 說自己很羨慕貝爾實驗室的合作氛圍,覺得少了那種容易碰見人的環境是他生活裡最想改變的一件事;Lex 補充疫情讓這種巧遇更少。
Grant 偏好一個人工作:「這段太長、這個視覺化很爛」對自己說很容易,對合作夥伴就說不出口,劇本不行也能直接丟掉。Lex 順帶講起 Don Knuth 錄完約他去吃熱狗、他因為另有行程只好婉拒,Knuth 也是習慣自己啃問題的人。
他的工作分成寫腳本、動畫、寫程式、學新東西幾種模式;寫腳本最痛苦,卡關時會先讀點別的東西再回來。
Lex 說他盡量一天只看一次社群媒體,一旦變成頻繁檢查就明顯不快樂,也比較容易被負評影響;Grant 覺得只要是真的在跟朋友、跟別人的想法互動,社群媒體也可以很有用。
兩人分享各自父母查看自己影片數據的趣事,Grant 的媽媽曾每天把每支影片的播放數加總再傳給他;接著帶出「留言區的人不能代表整體觀眾」這個觀察。
Grant 坦言他常答應要做某類內容卻沒下文,留言裡常有人為此失望;讓他比較安心的是,真正會喜歡他手上新計畫的人還不知道它要來,所以也不會在留言區出現。Lex 接著說 Joe Rogan 完全不看留言、專注在當下。
疫情期間改成直播上課的經驗,包括用 OBS 搭配 Zoom 架設多鏡位的做法。
同一堂課在全世界被重複教了幾百萬次,Grant 認為讓更多老師把講解公開發表,才能真正省下重複的力氣。
與其把所有課都拍成影片,不如挑幾個真正想講好的主題,做成能留下來的版本;Grant 說學生會對 YouTube 上講得好的題目特別有興趣,想招研究生,就做出最好的影片、等八年。
Lex 提到專家怕丟臉、有冒牌者症候群;Grant 希望那些會問「我憑什麼講」的人才是真正在發表的人,並提到 Numberphile 找專家出來講的做法。
從 Joe Rogan 把節目整批搬去 Spotify,聊到 YouTube 影片不見得會永遠留著,以及 IPFS 這類內容定址技術。
Grant 認為神經網路美在同一套數學規則,跑過不同層就能形成質變的抽象層次,並提到 Chris Olah 對卷積網路的視覺化分析。
Grant 用 Shannon 的雜訊通道編碼定理說明:隨機選的編碼就逼近極限,但人類花了幾十年才真正找到接近極限的編碼。可能的程式裡有趣的多得是,難的是找出用很少資訊就能描述、又有趣的那些。
Grant 最喜歡的一個示範,是把新冠病毒的開頭餵給 GPT-3,它接出一篇殭屍末日故事。Lex 提到它抓不到數列規律,Grant 說他沒深究,但不意外:看出規律要先想出幾種假設再逐一驗證;他舉圓上連弦切出的區域數 1、2、4、8、16,下一項卻是 31,看老練的人會不會先判斷規律合不合理。
Grant 對自己開源的動畫工具感到愧疚,建議別人先想清楚哪些內容真的需要寫程式做動畫,其餘用 Desmos、GeoGebra 或 Keynote 就好。
Grant 喜歡 Python 能同時寫物件導向跟函數式;最大的缺點是慢,他把 Manim 的算圖改用 shader(GLSL)來做,重活交給別的語言。
Lex 說 Python 3.8 新增海象運算子引起的戾氣,是讓 Guido 卸下仁慈獨裁者角色的最後一根稻草;Grant 說他兩邊都不太在乎,讀起來是比較難懂,但 list comprehension 一開始也一樣,大家冷靜點就好。
Grant 認為一般人不必勉強追 Eric Weinstein、Stephen Wolfram 這類萬有理論構想,該去讀真正搆得到深度的題材,比如費馬最後定理 n=3 的情形。
Grant 認為「意義」只能附著在被賦予目的做出來的東西上;跟志同道合的人往來、做出的東西能跟別人連上,讓他充滿想再做更多的能量,這是他說的「意義」。