3.1. ChatGPT 客户端差异#
之前说，我们应该仔细研究一下 ChatGPT 各个端的区别：
- iOS/Android 移动客户端
- macOS/Windows/Linux 桌面客户端
- Web GUI 用浏览器访问的网页端
请问，它们分别在
- 功能上都有哪些区别？
- 使用上有哪些的区别？
分类总是可以用不止一种方法，比如，至少有两种分类方式：
以各个端作为分类
- 移动
- 桌面
- Web
以各个功能作为分类
- Customize GPT
- 聊天搜索
- 消息框命令
- 语音聊天
- 消息框下文字提示
- 拖放文件和内容
- 多任务处理
- 聊天分享
若是这两种分类方法叠加起来，就能生成一个表格：
| 客户端/功能 | 移动客户端 | 桌面客户端 | Web 客户端 |
|---|---|---|---|
| GPT/GPT Store | ○ | ○ | ● |
| 聊天搜索 | ● | ● | ○ |
消息框命令 @ |
○ | ● | ● |
消息框命令 / |
○ | ○ | ● |
| 语音聊天 | ● | ○ | ○ |
| 消息框下文字提示 | ○ | ○ | ● |
| 拖放文件和内容 | ○ | ● | ● |
| 多任务处理 | ○ | ○ | ● |
| 聊天分享 | ○ | ○ | ● |
[!Important] 注意
以上区别的记录，生成于 2024 年 9 月 26 日 —— 其后当然可能会有所变化。比如，2024 年 10 月 7 日再打开 ChatGPT Desktop (macOS) 的时候，发现它已经支持语音聊天了……
这个表格的生成，是 ChatGPT 完成的（markdown 表格），不是我自己完全靠手写的。过去，我当然会用 Excel (Windows/macOS)、Numbers (macOS)，或 Google Sheets（Web），而后导出为 HTML，然后再有必要的话，再转成 markdown 格式…… 可是，现在我们有 ChatGPT 啊！
所以，我其实是给 ChatGPT 发了个消息：
做个表格比较一下 ChatGPT 各个客户端的功能实现情况。
- 功能（行）
* Customize GPT
* 聊天搜索
* 消息框命令
* 语音聊天
* 消息框下文字提示
* 拖放文件和内容
* 多任务处理
* 聊天分享
- 各个端（列）
* 移动
* 桌面
* Web
它返回来的表格，markdown 格式当然正确，内容么，多少依然是 “一本正经煞有其事且斩钉截铁” 的 “胡说八道”。但，这不重要，反正我自己需要思考，我也会思考，所以我必然会修改它…… 于是，我又补充了两次表格展示形式上的要求。进而，结合我自己的思考，得到了上面你看的表格。
https://chatgpt.com/share/66f4c3d6-9bb0-8009-bd63-94bc23b0fbbe
ChatGPT 这个工具，“如何用？” 实在是太直观了，甚至压根就无需解释。“一个文本输入框 + 一个发送按钮” 就是它的核心功能界面，只要会说话的人就都能用。
可是，“如何用更好？” 就开始是相对难以用一个简单的答案去应对的 “中级水平” 问题了；而 “如何用最好？” 这个高级水平问题，显然更难回答。然而，这就是所谓 “工具方法论” 的核心之一。
经过以上的思考，参照以上的表格，哪怕是 “高级水平” 的问题，“如何用最好？”，都好像是 “呼之欲出”，或者 “不言自明” 了，不是吗？所以说，从初级到中级再到高级，往往只不过是一点点的整理工作而已，跟智商真的没有任何关系。思路很重要。
3.2. ChatGPT Web 端的优势#
稍加整理与分析，就会发现，ChatGPT 的各个端之中，Web 端功能最全面。上一章中，我们就发现，除了 Web 端之外，都没有 GPT Store 入口，调用 GPT 也只有在 Web 端是最方便的。
如果你和我一样，对 “为什么 ChatGPT 的 Web 端功能更全面” 有所好奇，完全不需要犹豫，马上去问 ChatGPT 就可以了…… 针对这个问题，Chat GPT 总计给出了 5 个方面的解释，你可以去看看，或者自己重新提问：
硬件性能和资源可用性
继承外部工具
用户界面设计和体验
数据处理能力
更新与维护
https://chatgpt.com/share/67024928-1298-8009-969b-d9713b74a050
于是，我自然而然地得出了一个和你一样自然而然地得出的结论：
用 ChatGPT 的 Web 端更好，甚至最好。
再进一步，即便是在移动端，我也可以用浏览器访问 https://chatgpt.com，而后在手机桌面为这个链接创建一个快捷方式 —— 其效果比移动端 App 好很多。于是，我把这个快捷方式放在了手机第一屏，而 iOS 客户端则放到了第二屏 —— 它也有它的用处。
更进一步，即便是在电脑上，也可以继续改良 —— 我觉得，使用默认浏览器之外的另一个浏览器（选择其实很多）当作 https://chatgpt.com 的 “专用浏览器”，应该是一个 “更好的选择”，甚至 “最好的选择”，值得试试，值得琢磨。
而后，ChatGPT 的 Web 端上，有两项，“聊天搜索” 和 “语音聊天” 是相对不足的地方。可是，现在的浏览器，都有插件（Safari 和 Chrome 的叫做 Extensions；Edge 和 Firefox 的叫做 Add-ons），只要去搜索一下，估计都有解决方案 —— 自己动手试试？
当然，那么多的浏览器，从中选择一个，虽然不难，倒也多少有点麻烦…… 麻烦就麻烦吧，怕麻烦，还怎么活啊？
其实，只要你自己动手试试，弄不好仅因为这样简单的动作，你已经成为人群中的百分之一，甚至千分之一的人。你知道的，绝大多数人不重视 “工具”，更不重视 “工具方法论”，所以，拼倒 90%，甚至 99%，从来都没有人们以为的那么难。
3.3. 人工智能的语言偏见#
在上一章中，我觉得 “我能解决的” 之中，“信息错误或误导”，已经被我们用一个 “事实核查机器人” 几乎完美地解决掉。
| 风险/局限 | 我不能解决 | 我能解决 |
|---|---|---|
| OpenAI 不能解决 |
|
|
| OpenAI 能解决 |
|
现在再来看看另外一个：“语言偏见”。
什么是人工智能的 “语言偏见” 呢？简单讲，就是人工智能对英语最友好；与之相对地，人工智能事实上对其他语言友好程度相对较低。
其实这也是没什么办法的事情，因为人工智能的 “母语” 就是英语…… 为什么呢？再一次是没有什么办法的事情，因为 “科学知识” 的母语 —— 基于多种原因及其历史原因进而造成了今天的现实 —— 就是英语。不管人们承不承认，接不接受，就是这么个情况；全世界所有的科学知识现在都主要用英语记录并传播。
在此基础上，训练人工智能的语料库中，英文比例最高，也是没办法改变的事实。GPT-3 模型的训练语料库中，93% 是英文；根据 Sicence and Technology 的统计，现有的开源人工智能训练数据，无论哪一种，都一样，都是半数以上的组成部分由英文构成。
每一种 “文化” 当然都有且应该有属于自己的母语，这没毛病；但，科学知识的母语只有一个，就是英语。
这世界不存在什么 “属于某个文化某个国家的特殊的科学”。前苏联有个科学投机者，名字很长，叫特罗菲姆·邓尼索维奇·李森科，曾经搞过 “苏联特色的科学”，甚至后来波及到 “苏联特色的逻辑”。1928～1964，长达三十多年的时间里，李森科的言论得到斯大林的支持，政治干预科学成为主流。李森科自己的学术见解化为 “米丘林生物学” 的主要内容，声称 “米丘林生物学” 是 “社会主义的”、“进步的”、“唯物主义的”、“无产阶级的”，而 “孟德尔·摩尔根遗传学” 则是 “反动的”、“唯心主义的”、“形而上学的”、“资产阶级的”。其间苏联有些科学家几次试图反对都被以政治手段打击，或劳改，或处刑，比如，曾共同研究春化现象的尼古拉·瓦维洛夫死于劳改营。李森科主义使得苏联的生物遗传学落后世界至少两代人的时间……
与科学知识一样，事实上并不存在 “属于某个文化或某个国家的特殊的人工智能”。无论是谁，无论在哪个国家，无论处于哪个文化之中，既然是 “智能”，就只能想办法符合 “科学知识” —— 否则就谈不上什么 “智能” —— 于是，到最后还是要用更多的英文语料库去训练，于是，到最后，训练出来的人工智能，其母语还是英语，只能是英语。
还要考虑到多种语言之间翻译的困难。汉译英困难，你可以去读中央翻译局的一篇文章，《中央编译局眼中哪些词最难翻》；英译汉困难，你可以去 Wikipedia 看一篇翻译指南《注意翻译腔》；而各种语言翻译障碍造成的灾难，你可以直接问问 ChatGPT：
List as many as possible disasters caused by misunderstanding among different languages, be accurate, factual, along with credible sources, or even better, verified and valid links.
列举尽可能多的由不同语言之间的误解引发的灾难，确保准确、事实可靠，并提供可信的来源，或者更好的是，经过验证和有效的链接。
https://chatgpt.com/share/66f4cc17-040c-8009-93d7-eb73ef60c46a
然后，别忘了用 “事实核查机器人” 检查一遍。
从用户体验来看很清楚，即便是同样的问题，使用英语与 ChatGPT（或任何其他的 “生成式人工智能”）交流，获得的内容质量相对于使用其他语言要好很多 —— 差异真不是一星半点。别说 OpenAI 不能解决这个问题了，任何其他类似人工智能体都解决不了这个问题：“语言偏见”。
另外，使用英语交流，还能更早地享受到 ChatGPT 的 “暗更新”。比如，相对于我们上节课提到的例子，如果用英语问关于类似的 “某某某和某某某共同出演的电影是什么”，现在已经很少出现 “人工智能幻觉” 了，但，用其它语言提问，依然幻觉频繁。
Which movie features Bruce Willis, Billy Bob Thornton, and Cate Blanchett?
https://chatgpt.com/share/66f4cad6-cef4-8009-b9dd-1452449c0812
3.4. 英语困境的即时解决方案#
很多年前，我写《把时间当作朋友》的时候，提到过一个著名的 “宁静祷文”：
赐我平静，接受我无法改变的；
赐我勇气，去改变我能改变的；
赐我智慧，分辨这两者的区别。
实际上与宗教信仰完全无关的事实是，这段祷文，其实从另外一个角度分别定义了 “平静”、“勇气” 和 “智慧”。而这一章的内容，也多多少少是贯穿这三个词汇的一次实践。
平静接受现实之后，就可以积聚智慧，分辨两者的区别，进而返回来鼓足勇气去改变我能改变的 —— 简单思考之后，我觉得 “语言偏见” 其实是我们能够解决的问题，了不起，分为两个方面：
- 即时解决方案
- 长期解决方案
“长期解决方案” 我们以后再说，现在先关注 “即时解决方案” —— 真的不难，创建一个 “翻译机器人” 就可以了嘛！
现在，打开一个新聊天，然后，给它一个角色定义：
中文版：
请你担任中英文之间的翻译者。如果文本是中文，将其翻译成英文；如果是英文，则翻译成中文。对于混合语言输入，翻译成占比较低的语言。请直接提供翻译，无需附加任何评论或解释。
英文版：
Act as a translator between Chinese and English. If the text is in Chinese, translate it into English, and if it's in English, translate it into Chinese. For mixed language inputs, translate into the less dominant language. Provide the translation directly, without additional comments or explanations.
而后你就有了个 “翻译机器人” —— 当然，你也可以干脆只做一个 GPT 版本…… 效果都差不多。
顺带说，我最终选择了 Microsoft Edge Browser 作为 https://chatgpt.com 的专用浏览器，或者称它为 ChatGPT 网页版定制客户端。
于是，我就可以把这个聊天 Pin（固定）到浏览器的标签栏上（这是 Edge 特有的功能之一），它随时就在那里。
其实你可以创建各种语言的翻译机器人。比如，我现在就有中日韩英四种语言的使用需求，那设置了 “中英”、“中韩”、“中日”、“日韩”、“日英”、“韩英” 总计 6 个机器人 —— 于是，我就把它们放到了同一个 Tab Group 里（这还是 Edge 特有的功能之一），随时可以一键打开所有翻译机器人。
3.5. 条件完备的重要性#
话说回来，请你仔细看看 “翻译机器人的角色定义提示词”，思考一下，如果让你自己写个 “翻译机器人的角色定义提示词”，你会写成什么样呢？你的版本和我的版本会有怎样的区别呢？
大抵上，区别应该在于：
- 你写的版本只有两个条件：
- 如果是英文，那么翻译成中文
- 如果是中文，那么翻译成英文
- 而我写的版本有三个条件：
- 如果是英文，那么翻译成中文
- 如果是中文，那么翻译成英文
- 如果是混合文字，翻译成占比较低的语言
至于我的版本里多出来的那句 —— “请直接提供翻译，无需附加任何评论或解释。” —— 并不是重点，那只不过是反复调整后的补充而已。
当然，更可能的情况下，你的版本压根就没有条件，所以你设置了两个机器人，一个是英译汉机器人，另外一个是汉译英机器人 —— 虽然不是不行，但，这样的机器人 “不够智能”。
3.6. 智能要从乔治·布林说起#
虽然啰嗦一点，但我们最好细说从头。
人类与其他动物不一样的地方很多，其中一个相当重要的方面就是，人类会制造工具，并善用工具。这也是为什么我们从根基上认为 “若是一个人没有足够系统的 ‘工具方法论’，那么他就多少不够人类” 的原因。
不过，在人类开始使用第一个工具（具体是什么我们现在已经无从得知）之后的数十万年期间，人类用的都是 “非智能工具” —— “智能” 这个东西，在工具上从未出现过。
1854 年的时候，一位福音派牧师，乔治·布林（George Boolean）出版了一本书，An Investigation of the Laws of Thought，完整且系统地阐述了他在 7 年前，即，1847 年在 The Mathematical Analysis of Logic 一书中提到的 “布林代数”（Boolean Algebre）以及 “布林逻辑”（Boolean Logic）1。
在当时的情况下，这位牧师出身的数学家、哲学家大概完全无法想象，他的这本书，成了今天我们所知道的计算机科学的基石2。
到了 1936 年，也就是布林代数和布林逻辑出现之后大约 90 年，在硬件基础尚未完整的情况下，阿兰·图灵（Alan Turing），利用布林逻辑和布林代数，设计了一个计算机原型，被今天的人们称作 “图灵机”。
简单讲，布林逻辑/代数是基于二值逻辑（true/false 或 1/0）的数学框架，描述了基本的逻辑操作，如与（AND）、或（OR）、非（NOT）等。这些逻辑操作在数字电路中得到了直接应用，成为了计算机的核心功能。图灵机作为一种抽象的计算模型，执行任何计算任务时，也需要通过逻辑运算来实现决策过程。这些逻辑运算最终都可以通过布林代数进行描述。
布林代数为计算机提供了低级别的逻辑操作模型，而图灵机则定义了更高层次的算法执行流程。但，这个时候，“图灵机” 并不是一台真的机器，只是一个存在于纸面上的 “纯理论数学模型”。
仅过了 3 年多一点点的时间，1940 年，克劳德·香农（Claude Shannon）就把数学上的布林逻辑应用到了物理电路上，展示了图灵机模型可以通过电器开关和电路实现。今天，计算机中所有的计算和决策都通过布林逻辑门来实现。
剩下的，就都是历史了。随后，这世界逐步有了计算机，有了网络，有了搜索引擎，有了人工智能……
突然之间，人类手中有了 “智能工具”…… “智能” 的核心是什么呢？“智能” 的核心在于，它可以 “判断”（Judgements），随之而来的就是 “决策”（Decisions），紧跟其后的就是流程上的 “分支”（Branches）……
其实，这也是人类和其他动物非常不一样的地方，人类可以做出更复杂的 “判断”，随后形成相应的 “决策”，紧跟其后的就是 “具体情况具体分析”，“不同的情况启用不同的方案”…… 如果一个人缺乏 “判断力”，就无法在关键的时候做出正确的 “决策”，于是就会表现成 “生搬硬套” 或者 “慌不择路”……
这不都是一回事儿吗？所以，如果一个人 “判断力差”，甚至干脆 “缺乏判断”，毫不夸张滴讲，此人多少不够人类…… 这么讲，事实上毫不过分。因为 “判断” 是 “智能” 的核心，没有 “判断力”，就没有 “智能” 么 —— 就这么简单。
神奇的是，布林代数/布林逻辑，这么神奇的东西，甚至是今天的所有人为之惊叹的人工智能的基石之一，事实上并不难，真的很简单，其实是很多小学生都能理解并掌握的数学框架以及逻辑框架。
先不用管原理，你可以直接去以下这个链接，
https://chatgpt.com/g/g-dPqJT0PXS-learning-anything
跟它说：“我想学习布林代数/布林逻辑。” 看看它给你的答复是什么？
3.7. 完整深入与坚韧#
在回到我们的翻译机器人角色定义提示词。它厉害在哪里啊？它很智能，因为它有判断，所以有分支。每个判断都可以用布林代数计算，而后得出 “是”（真）与 “否”（假）的结果，进而可以根据结果选择相应的下一步。
我有一本书，《思考的真相》，很薄的一个小册子，其中有个 “思考框架”：
- 定义
- 分类
- 比较
- 因果
异曲同工，因为这个思考框架，本质上就是布林代数和布林逻辑最简单应用。首先 “定义” 清楚问题，然后就是罗列各种情况，然后呢，“分类” 啊，再然后呢？进行 “比较”，得出结论；随之再做出选择，其实就是 “因果” 逻辑嘛！ —— “因为这个比较所以做出那个选择”……
我们的版本之所以相对更厉害，或者说 “最智能” 的原因在于：
- 如果是英文，那么翻译成中文
- 如果是中文，那么翻译成英文
- 如果是混合文字，翻译成占比较低的语言
以上三种情况，由于考虑到了关键的第三条，所以它们包含了所有的可能性，做到了 “条件完整”，没有任何遗漏 —— 所以，它能从方方面面解决这个具体的问题（中英翻译问题）。换句话讲，“翻译机器人的角色定义提示词”，首先在于 “有判断”，而后在于 “判断条件完整”。
以后你总有机会编程的，哪怕你觉得自己没有，你的孩子也一定会有。哪怕你写一点点程序就知道了，所谓的 “臭虫”（Bug），几乎 99.99% 的情况下都是由于 “竟然有些特殊或者重要的情况/条件没考虑到” 造成的，仅此而已。
我们每个人都一样，每时每刻都生活在一个 “问题重重” 的世界里，乃至于每个人都一样，终其一生，几乎所有的任务都可以统一地被抽象成同一个，四个字，叫做 “解决问题”。经常有人说，“要善于发现问题” —— 每次听到我都想笑，“问题” 这个东西，从来就在那里啊，在任何地方，哪儿哪儿都有问题，压根就用不着努力才能发现，我们每个人每时每刻都淹没在各种问题里，难道不是吗？
人生的本质就是 “苦难重重”，所有的 “苦难” 本质上来看都是 “问题”。如果你能解决问题，尤其是能解决别人不能解决的问题，那你就是 “大写的人”，如果你不能解决问题，甚至连别人都能解决的问题也解决不了，或者干脆逃避问题，那么你就是什么呢？我也不知道。客气地讲，算是 “泯然众人矣” 罢。
其实，在人们所使用的语言里，与 “问题” 相关的词汇真的不多：
- 解决
- 分析
- 全面
- 深入
- 坚韧
—— 几乎真的没有什么别的了，有的话，也是这五个词的同义词近义词而已。
有问题，能解决当然要去解决，不能解决的就要忍受 —— 至于分辨到底是否可以解决，需要智慧。
为了解决问题，当然要去分析问题。分析，最好做得全面，做得深入。
所谓的全面，其实就是 “尽可能多地罗列各种情况”，或者反过来说，“没有漏掉任何一种可能性”。明明应该有 3 种情况，你却只考虑到了 2 种情况，那你就不够全面，也可能会因此吃亏。很多时候，这一步做好了，问题就好解决了，因为已经想得足够全面了，没有遗漏任何一种情况，于是，接下来只需要为每种情况设定解决方案就可以。
那么，如何到 “全面” 呢？我有 3 条简单的建议，每一个都是保证每个小学生都能理解的建议：
- 定义清楚问题
- 多个角度思考
- 反复实践积累
“把问题定义清楚” 最重要，过于宽泛肯定不行，因为那样的话，你就可能需要罗列无穷多的情况，比如，你要解决的竟然是 “任何语言之间的智能翻译”，你试试就知道了；过于具体或者狭隘也不行，比如，你的任务是 “英译汉”，那就几乎不需要罗列什么情况了，甚至不需要 “智能”。
“多个角度思考” 的最简单形式就是 “换个角度思考”。这基本上只是一个习惯。无论什么时候，只要有空，只要有余力，就要启动这个流程 —— 换个角度想想？然后，再换个角度想想？一旦养成了习惯，就会不断发现惊喜。惊喜这个东西是会能刺激大脑的 “多巴胺系统” 的，没有多久，“换个角度想想” 就会成瘾 —— 这可能是罕见的既健康又有趣且经常会因此产生真实收益的一种 “成瘾行为”。
“反复实践积累”，道理简单，却很少有人做到。因为绝大多数人在做事的时候，99% 的情况下，其实都是被动的，而不是自己主动要做，所以，其目标不是把事情做好，而是 “赶紧做完而后交差”。于是，他们连一次的实践都无法踏实完成，完全没可能 “反复实践”；而没有反复实践，遇到的意外就相对较少，于是，体现到 “分析”（或者 “思考”）过程里，就会出现 “总是想不到该想到的意外情况”，于是，总是片面，总是丢三落四。
其实，到最后，都只不过是习惯而已。无论是 “定义清楚问题”，还是 “多个角度思考”，抑或 “反复实践积累”，都是简单的习惯。因为它们太过简单了，所以这肯定不是智商决定的习惯，而是反过来，这些习惯很可能决定智商 —— 这才是真实的逻辑链。
任何时候，都要习惯性地问自己，“我有没有遗漏什么？” 或者 “还有什么没想到的地方？” 并且，对于那些重要的问题，一定要养成 “每隔一小段时间重问，至少连问三次” 的习惯。学校里的考试成绩若是与这个简单却又至关重要习惯相比，屁都不如。
接下来，我们再看看，如何做到 “深入” 呢？所谓的深入，本质上来看就是一句话：
看得到问题背后的问题。
什么叫 “看到问题背后的问题” 呢？其实你们已经看到实例了。你以为你要学的是 “人工智能使用技巧”，到我这里来听到的看到的最多的却是 “工具方法论”，与此同时我反复强调的是 “有效思路”…… 这就是我 “看到了你的问题背后的问题”。
我总觉得你不是不会用人工智能 —— 它的交互界面那么简单，谁不会用呢？若是你竟然用不好人工智能，那么根源肯定在更深层次的地方…… 比如，你从未认真对待过 “工具方法论”，比如，你的思考框架中缺乏一些极为简单但相当实用的 “思考路径”。
这其实并不是什么 “高超的技艺”，它只不过是 “因果分析”。只不过，它不是 “一次因果分析”，而是 “一次又一次反复迭代的因果分析” —— “刨根问底” 也是一种习惯而已。至于 “如何做好因果分析？” 并不在这个课程的讲解范围内，请移步参阅《思考的真相》，有既简单又清楚且全面的讲解。
最后，还有个词，“坚韧”。我的解释很简单，无非是：
坚韧：面对问题时，能耐着性子花时间把 “原本无法解决的” 变成 “可以解决的”……
其实，原本 “语言偏见” 可能应该属于 “无法解决” 的问题，但，多一点 “坚韧”，就可以意识到它属于 “暂时无法解决”，但，“有可能通过长期努力解决” 的问题。于是，接下来肯花时间通过长期学习和练习解决这个问题，就是真正的 “坚韧”。
进而，把 “暂时无法解决” 变成 “马上能解决” —— 即，创建一个 “智能翻译机器人” —— 也是一种程度虽然不高但也还不错的 “坚韧”。毕竟，在这过程中，耐着性子学了很多东西。
再举一个例子。在我们之前的表格里，“算法偏见”，也是一个 “我无法解决” 的问题。什么叫算法偏见呢？算法本身可能也没什么偏见，但，基于算法的同时也基于大数据语料库，最终得到的东西，会有一些相当隐含的偏见。
比如，英文的世界里，把东亚人称为 “黄皮肤”，其实就是一种隐藏在英文语料中的一种 “算法偏见”。其实，地球上没有人的皮肤是黄色的。也许你只在电影里见过真正的 “黄皮肤” ——《罪恶城市》（Sin City）里的反派，是那个黑白片中唯一一个彩色形象，他是真正纯粹的黄皮肤。
在西方的宗教文化里，白色代表纯洁，黑色代表其反面，而黄色，是 “不洁的”。所以，基督教在日本盛行之前，在西方文献里，日本人是黄颜色的皮肤；基督教盛行的时候，日本人的皮肤不再是黄颜色；有一段时间基督教被赶出日本，在那段时间里，日本人的皮肤又变成了黄颜色。
在西方文献中，中国人的皮肤也是黄颜色。不过，这里有个诡异的误解带来的和谐。当西方使节来到中国说中国人是黄皮肤的时候，中国人并不反感，也没理由反感 —— 毕竟，自古以来黄色在中国文化里就代表着 “尊贵”，甚至，只有皇上才能穿黄颜色的衣服……
1980 年，两岸交流重新开始，香港歌星张明敏唱火了一首歌，《我的中国心》。这首歌的词曲作者是台湾音乐人侯德健。此人在 1978 年的成名作是《龙的传人》，其中的歌词写到：
黑头发黑眼睛黄皮肤，永永远远都是龙的传人……
你看，“黄皮肤” 这个 “文化偏见” 就这样奇怪地隐藏在英文文献里，很难被察觉。然后，这样的偏见隐藏在大数据之中被用来训练人工智能，于是，即便算法没有问题，这个偏见也无论如何都存在其中。
这能不能解决呢？原本是不可能解决的。但，如若发挥一下 “坚韧” 的性格，那么就会发现，其实有两个途径。
第一个是通过积累，获取更多知识，使自己可以分辨这些偏见。另外一个是用英语多创作（注意，不是用中文多创作），甚至利用人工智能的辅助多用英文纠正那些偏见。
无论哪一个，都不简单，都不直接，但，肯耐下性子如此做的人，在我眼里，就是 “坚韧” 的人。
3.8. 进一步补充#
在结束之前，再送你一个 “美式口语表达机器人” 的 “角色定义提示词”：
英文版：
Analyze the user's input. Rather than translating word-for-word, thoroughly understand the ideas and logic behind their input. Then, express it clearly and accurately in conversational American English. Use appropriate idioms and everyday vocabulary to ensure the sentences flow smoothly and are suitable for spoken language.
中文版：
分析用户的输入。无需逐字翻译。全面理解用户输入背后的思想与逻辑。然后，用清晰准确的口语化美式英语表达出来。适当使用习惯用语和日常词汇，以确保句子流畅，适合口语表达。
再一次，需要你应用 “全面” 的分析思考能力。以上的用来做 “美式口语表达机器人” 已经相当完美；但，若是你需要练的是日语或者韩语，那么，你要是只把以上的 “美式英语” 换成 “日文口语” 或者 “韩文口语” 是不够用的。
日语和韩文有 “敬语” 的，所以，你要考虑到这种情况，于是，你得补上一句作为限定：
请注意使用敬语。
你现在当然可以想象，我的 Microsoft Edge Browser 里，另外还有一个 Tab Group，里面全是各种语言的 “口语表达机器人”。