ChatGPT对自然语言处理（NLP）冲击很大，首先第一点，NLP的书就不好卖了。
这不是开玩笑。每当范式改变，知识和承载知识的书本，就会首当其冲迅速过时。
就拿我手头上的书来说，首先是宗成庆老师蓝皮的那本《统计自然语言处理》（第2版），2008年出版。十多年前的书，时间点很迷，给个比照吧，《Java编程思想》是2007年出版，这本书还要新一点。书很经典，随便摘几个知识点：马尔科夫模型、基于PCFG的基本分析方法、基于SVM的base NP识别方法、基于HMM的词对位模型。老一点的NLPer对这些知识点不会陌生，充满了浓浓的怀旧气息。
然后是《Speech and Language Processing》，我手上的是中译版《自然语言处理综论》（第2版），这也是一本经典的书，2018年出版，听起来好像很新，正好比宗老师的书晚了10年。但其实原书出版于2009年，知识点和宗老师的书差不太多，满眼都是马尔科夫和Viterbi。
如果我说上面两本书可以扔垃圾桶了，估计会冲出一百位NLP教授用八百种理由喷爆我，我自己也不舍得。但如果说啃完这两本书就能明白NLP，甚至理解ChatGPT，那不能说误人子弟，只能说南辕北辙。
我不知道现在大学的NLP都教些什么，马尔科夫和Viterbi这些想必总是要教的，计算机专业嘛，总是一半在讲技术，一半在讲历史。不过，老师上课的时候，会不会有一点在液晶时代教显像管原理的感觉呢？我想会有一点。
然后是《Natural Language Procesing with Python》，封面游了三条鲸鱼，姑且叫鲸鱼书吧，中译版《Python自然语言处理》2014年出版，主要讲NLTK。这是个曾经很火的自然语言工具包，现在在一些教材中依然很火。
然后是《Neural Network Methods for Natural Language Proces》，手上的是中译版《基于深度学习的自然语言处理》，同样是2018年出版。终于有一本讲深度学习的NLP教材了，但问题也不少。这本书讲RNN、独热编码、词嵌入、CRF。这几个术语第一批做深度学习的NLPer应该很熟悉了，当年就是来回摆弄这些东西，特别是后期大厂都爱发布自己训练的词嵌入，就像是现在大厂爱发布预训练模型。
可是，这已经是2018年，万恶之源《Attention Is All You Need》在一年前就已经发表了。
然后是《Natural Language Procesing in Action》，中译《自然语言处理实战》，2020年出版。出版时间半新不旧，但讲的还是TF-IDF、LDA、SVD，这是在深度学习兴起之前，用统计学习方法做NLP的基本套路。书在后面倒是也雨露均沾，讲了一些RNN、Word2vec和Keras这些深度学习的基本内容，不过，这个时候以Bert为代表的预训练模型和Huggingface的各种库，早就在业内满天飞了。
最后讲一本吧，哈工大SCIR写的《自然语言处理：基于预训练模型的方法》，2021年出版。顾名思义，这本书讲预训练模型，还简要介绍了T5和GPT-3，甚至讲DALL-E，不过看时间就知道只能是1。虽然这本书总共就三百页，却花了至少三分一的篇幅讲神经网络的基础知识，以及Word2vec、NLTK这些不晓得怎样才能和预训练发生关系的内容，不过，就当时来说，这本书总算在主题上面是赶上了时代——然后现在就又落伍了。
国内出版包括翻译讲预训练模型的书还有几本，时间点应该没有早于2021年。不管怎样，2021年是NLPer颇为幸福的一年，虽然ICL已经点上火，而广告之后CoT也马上要来了，但大家总算是读着还不怎么过时的书。
外行看热闹内行看门道，沙雕网友拿着ChatGPT到处玩梗的时候，已经有很多NLPer看到了更深层的危机：范式改变。
什么叫范式改变？用人话说，就是我们的所知所想将一夜过时。
从刀耕火种的TF-IDF，到始乱终弃的词嵌入，到开启氪金时代的预训练 微调，再到今天的LLM，虽然名字都叫NLP，但这个NLP已经不是那个NLP了。
重新回顾了一遍书架上这些外表还挺新的老书，我想起了一个很文艺的词：纸年轮。这些新的老书就是NLP这几年发展的纸年轮。
我知道，技术书的出版总是要落后于技术的发展的，形成系统性的教材还要更晚一些，这是客观规律。我不知道CoT、ICL这些概念什么时候才能在教材里面出现，我只是想，如果我们还读着现在这些书，再拿着这些书教人，让大家都以为NLP只是书里面这些东西，那么明年、后年、未来五年、十年，搞NLP的能搞出来什么，会搞出来什么。
