真实信息量
一段文字、一首曲子、一幅画，真实信息量到底有多少？
从前，除了文件尺寸，我们很难找到别的客观标准来衡量信息量的大小。生成式 AI 的面世揭示了许多数据真实的信息量。比如，记录一个复杂的数学证明可能只需要几 KB 大小的文本文件，却要动用上 T 参数的模型才能正确生成。歌曲音频一般几个 MB，视频动辄几百 MB（非压缩格式的话尺寸更大），但音画生成模型的尺寸相比好的语言模型反而要小很多。如果比较目前开放权重的视频模型和音频模型，两者的规模其实非常接近，远没有它们各自生成的内容（视频和音频）在文件大小上的差距那么大。
| 模型名称 | 类型 | 参数量 |
|---|---|---|
| ACE-Step | 音乐🎵 | 3.5B |
| flux.1 [dev] | 图像📷 | 12B |
| Wan2.2 | 视频🎥 | 14B |
| DeepSeek-R1-0528 | 文字📜 | 685B |
这说明，虽然近年来通讯技术一路飞速发展，传输的数据总量呈爆炸式增长，但是这些通讯载体所承载的真实信息量可能没增长得那么快，甚至还有可能在倒退。人类骄傲地宣称「我们身处在一个信息爆炸的时代」，是不是把成千上万 TB 的 Tiktok 视频都算进去了呢？不知道两百年后的历史学家在看到这些视频「史料」的时候，会对我们这个时代作何感想。
外表与内涵的尺寸对比
要生成听起来顺畅的文字，只要 270M 参数就可以了。但是要内在逻辑一致，情感准确丰富，情节跌宕起伏，悬疑环环相扣的文学作品，到现在连 1T+ 的模型也搞不定。可见华丽辞藻的外表相对内在的价值可以说是一文不值。这不是我主观的判断，而是模型尺寸给出的定量结论。
再来看看音乐领域。虽然已经有能够登顶 Spotify 排行榜的音乐生成模型，但为什么没有生成 MIDI （电子乐谱）的模型呢？花里胡哨的媒介（wav）相比朴素的载体（midi），尺寸上要差好几个数量级。但这种尺寸上的增加，非但不会增加实际的信息含量，甚至其作用是偷偷掩盖很多疏漏，把粪土伪装成「黄金」。按业界猜测，生成 Spotify 榜首曲的模型估计只有 10B 左右的参数。想象一下，能生成贝多芬《第五交响曲》第一乐章的模型，估计需要多大呢？如果是 MIDI 这种记录演奏指令而非音频波形的格式的话，只需要 89KB 就搞定了。但是这 89KB 所承载的音乐结构和意图信息量，远远大于几个 MB 的垃圾曲音频文件。
去装饰化
现在许多 AI 编程测评都是「这个新模型做的网页比那个模型更漂亮」。恕我直言，这种测评方式实在是肤浅。且不论「漂亮」的定义随着时代和文化飘忽不定——要不要去关注这个「漂亮」，这本身都变成了一个值得质疑的事情。浮夸华丽的外表，其实暗含了更低的信噪比，干扰了人们对于价值的判断。 在 AI 时代，人们尤其应该学会逆着潮流，努力「去装饰化」，让自己的判断免受华丽载体的干扰：
- 在语言生成模型的提示词中加入「用极精炼的语言，给出简洁的结果」。 否则洋洋洒洒、格式华丽的输出会给人一种「肯定很专业、很详尽」的错觉。
- 鉴赏艺术作品，先问「作者想表达什么思想？」 甚至先「有罪推论」成 AI 作品，想想提示词可能是什么。
- 练习写作、作曲、绘画这几种不同媒介的基本创作能力。 因为有创作经验的人，才能真正有深度地评价别人的创作。
论及礼物的精致，世上怕少有能与日本相提并论的境界。 我曾收到过日本友人的新年礼盒，如电脑屏幕般大小，含蓄而庄重。轻解那细腻如诗的缎带，剥落流转金光的外衣，启开厚实而温润的盒盖，盒中静静安卧两枚小匣，典雅如画，华美如珍宝初现。1
打开一看，两块肥皂。2