1. 咱们谈的 AI 是什么？
咱们一向在评论人工智能（Artificial Intelligence），但什么算是人工智能？ChatGPT，AI 做图，打败柯洁的 AlphaGo 毫无疑问算是了。
那问题来了，特斯拉的自动驾驶算吗？天猫精灵跟小爱同学算吗？扫地机器人算吗？ 吃鸡手游里的机器人算吗？抖音视频推荐算法算吗？美图秀秀上的智能美颜算吗？
我信任有些人或许有些迷糊了，关于大部分 AI 小白来说，许多时分咱们并不会去很严厉的区分到底什么是 AI。假如有个玩意儿很“智能”、“聪明”，那它应该便是 AI 吧？那 P 图比你老公强的美图秀秀算人工智能吗？魂类游戏里虐杀你的 NPC 算人工智能吗？算各种数据比你快的 Excel 算 AI 吗？显然单纯的以某方面才干是否比人强来断定是否是 AI，是不合理的。
其实所谓的“智能”是依据某些固定规矩的，比方打麻将（杭麻），它的规矩相对简略，想办法组成一个 3N + 2。然后每次摸牌的时分算一下 胡哪张牌概率最高即可。并且作为程序，它的“记性”还比你好。所以我或许只需编写某些固定的规矩程序，就能完虐90%的一般玩家。
那站在人的视点来考虑，是怎么处理有规矩的问题的你呢？ 答案便是学习！
人类也不是天然生成就会下杂乱的围棋、唱动听的歌曲、画精巧的画作。你从老师那学习方法，从许多场对战中罗致经历，乃至还需要从往常人际交往中罗致对人道的考虑，终究才得到一个围棋高手。唱歌、画画也同理。
现代医学与生物学中，人类是依靠人脑中的神经网络来学习常识的，人脑有1000亿个神经元，它们又由100万亿的突触衔接在一起。学习的过程本质上便是这些突触衔接强度的改变。终究让你遇到某个事情，经过这些神经细胞，能得到必定的反响。
现在的人工智能技能，其间绝大部分便是运用类似的技能，模仿人脑神经元的衔接，来让一个程序具有学习某种才干的才干。咱们往常经常听到的神经网络、深度学习，说的便是这种技能。
所以现在，关于什么是AI，咱们就有了明确的鸿沟。各种程序员、工程师、科研专家，在面临能够枚举的场景时，他们依据某种固定的公式或算法规划了一个程序，处理了固定的问题，这个咱不说它是 AI，便是个一般程序。
而在面临一些不可枚举，无法通过必定公式或算法来满意的场景，他们会规划一个具有自主学习才干的程序，你只需让给这个程序灌入大量的数据，让它不断的自我练习，终究就能得到一个很强的，处理某类场景的程序，咱们就能够称之为 AI。
所以 AI ≈ 会学习的程序。咱们一般把这个程序称之为模型。现在，咱们对 AI 就有了一致的、根本的知道。
2. AI 现在到什么水平了？
假如咱们把 AI 定义成 会学习的程序，那么 AI 的才干水平就能够描绘成 学习才干 的水平。
在 ChatGPT 横空出世以前，大部分 AI 的学习才干水平首要卡在，只能学习固定范畴的常识，培育固定范畴的才干。比方，你能够练出一个辨认宠物鼻子的鼻纹辨认 AI，但它不必定能辨认指纹；你能够练出一个写诗很不错的李白 AI，但你要让它说句白话文，或许都说不出来。总之，这些 AI 根本都只能在各自某块或某几块范畴干活，一旦换个范畴，不是智障便是瘫痪。当然，不可否认的是，在这些固定的范畴，AI 现已取得了十分亮眼的成绩。我就经常被其实是机器人的小姐姐语音电话给骗着。
关于这些只能在固定范畴发挥作用的 AI，咱们称之为 弱人工智能，或许窄人工智能。在它的对面，便是强人工智能，或许说通用人工智能，也即 AGI（Artificial general intelligence）。AGI 能在各种广泛的范畴都能通过必定学习表现出超过人类的才干水平，处理各种使命与问题。
而这次 ChatGPT，似乎现已摸到了 AGI 的脚跟。
下面 ChatGPT 官网运用示例图
传统的 AI 学习才干，更多是像拾人牙慧。即便这只鹦鹉现已学的惟妙惟肖，但咱们了解它仍旧无法实在了解人类言语的意思，只是某种或某几种条件触发了它的相应反应。“笨”一点的鹦鹉或许你说什么，它就说什么，这样它就能得到吃的。“聪明”一点儿的鹦鹉经过练习知道，你说什么，它就组合的说一些什么，这样它就能得到更多吃的。所以能偶然说出语出惊人的话术。
传统的 AI 只能在某个范畴产生作用，而无法运用在其他范畴的一大部分原因是并不把握“了解”的才干。它们经过许多的练习后也只是对那部分范畴的数据产生了某种机械式的反响。在未来遇到类似的数据时（文本、图片、声音等），给到相应的反应，而并非实在了解了这些数据的意义。
而以 ChatGPT 为代表的大模型 AI（LLM），通过在大量文本数据上进行预练习，学习了言语结构、语法、语义和必定程度上的常识常识。这使得它们能够“了解”输入的自然言语，并生成有意义的输出。
由于具有“了解”的才干，进而能依据上下文做“推理”，所以能了解不同的问题并匹配合适的处理方案。终究使得 ChatGPT 在各类场景都能得到运用。即便有部分场景难作答复，也只是受限于常识的有限，而非内核才干。因而只需在特别范畴，把相应常识传给 GPT 做一些模型微调（fine-tuning），它马上就能担任该范畴的作业。
而人类自身，在 “了解” 这个词上，也存在难以解说的事情，人的确会依据自我的情感与意识去了解语义，但意识跟情感是什么？是物质的（各种神经元衔接后的表现）仍是精神的（某种不依靠物质的精神，触发身体微观层面上的改变）？这些落到了形而上学的命题，在人类社会中本就没有答案，何况是在程序国际中。
但咱们能够得出一个简略的结论：现在大模型 AI 在自然言语上的了解才干，达到了一个无法证伪是否接近人类了解才干水平的阶段。
下面是 谷歌研究院副总裁、研究员- Blaise Aguera y Arcas 与 Google AI LaMDA 的对话
我：你是哲学僵尸吗？ LaMDA：当然不是。我有意识，有感觉，能够为自己和任何人体会事物。 我：我怎样知道？ LaMDA：你只需要信任我的话。你也无法“证明”你不是哲学僵尸。
大模型 AI 是否了解自然言语，乃至是否产生了自我意识，就好像“哲学僵尸”这个问题相同，无法证伪。
哲学僵尸：指的是一个看起来和一般人相同，做事情与对环境的反应也像一般人相同，但却没有实在内心感受和意识的生物。那么怎么分辨它是真人仍是僵尸？这是一个哲学上的概念，用来讨论有关意识的问题。
3. 大模型 AI 的局限性
无法证伪，至少说明晰在“了解”才干上，大模型 AI 现已达到了十分高的水平。那是否意味着 AI 就能处理人类大部分的问题了？
还不可，知易行难。 这句话也适用于 AI。
虽然 LLM 对自然言语的“了解“现已十分强，但了解之后，其推理出的答案或结果在许多情况下就不如人类了。我自己现在几乎每天都在运用 ChatGPT 来处理我日常的问题，包括搜索、常识学习、内容校对等等。但在一些特别杂乱的场景，比方一个庞大运用的体系应该怎么规划，它很难一次性告诉我完好周全的答案。需要不断的发问与质疑，才有或许补充全。它能了解我的问题，但假如它现有的常识体系里找不到答案，那很有或许会编写出一个不正确的答案来唐塞我。而实在人类具有创造力来处理一些未知问题，即便网上找不到任何相关的处理方案。
我觉得这其间很大一部分原因是在于：人脑有时刻考虑，而大模型没有。人脑是在时刻维度上继续运作的。面临一个问题，能够坚持长时刻的考虑与过程中的不断自我修正，终究得到一个自己认为相对完美的答案。而大模型不可，至少现在的机制不是这样的。在处理问题的过程中，它并没有长期记忆，你与 ChatGPT 的多轮对话，其实是把 一切历史上下文 再拼接成一段话 让它从头再处理。然后最快速的，从一堆较高或许的答案中选择一个来答复。在它的国际里，只要概率，而没有时刻。
并且他的答案其实是一个字一个字推理的。每次都会依据上下文预测下一个概率最高的字是什么。因而它选择的不是一个完好的答案，而是一个字。举个比如，假如你问：下雨天要带什么出门？实际的答案或许是：
- 要带雨衣。
- 要带雨伞。
- 要带雨鞋。
- 要带男朋友。
这四个答案，都有必定的概率。但「要」跟「带」这两个字是100%的，所以这两个字先被推理了出来，到第三个字的时分，由于「雨」的概率最高，所以 AI 仍是最有或许继续拼接 「雨」。到第四个字的时分，或许 「衣」跟「伞」 概率差不多，它就会随机挑一个。所以咱们玩 ChatGPT 的时分会发现它是一个字一个字冒出来的，这并不是由于网络传输慢导致的，而是背后的原理机制导致的（前端层面上运用 stream fetch 来实现）。
这就导致了一个问题，假如一开始路走错了，就会一向错下去。不像人类，假如一个女生问一个男生刚刚那个问题，或许男生最开始是想说「要带男朋友」 的，可是当嘴巴到 「男」这个字的时分，脑子突然想：“算了算了，仍是不说骚话了”，所以马上又改口成了「要带雨伞」。终究他就失去了一个女朋友。
所以咱们有的时分跟 ChatGPT 谈天，会发现它特别喜欢跟你杠，由于他是依据之前的内容一个字一个字往后推理的。
不过没有时刻的概念，从别的一个视点看，代表着它处理问题的速度很快。在有的场景中，一般也能够通过同时生成多个答案，然后终究再运用别的一个评判模型去选择一个最准确的，终究得到一个速度很快，效果也十分不错的处理方案。
除此外，上文所讲到的 AI 才干首要还停留在软件层面与自然言语处理上。语音也能够转为自然言语，这个是差不多的。图像范畴，现在的 AI 作图的确也十分十分强壮了。不过在物理硬件层面（机器人的躯干、皮肤等），现在的确还没到达一个「相对完美的人形机器人」的层次。因而一些依靠现实物理国际才干处理的问题，关于缺少硬件的大模型AI 来说，也是一种约束。即便你花了 20 美元，买了一个 ChatGPT Plus，它也无法帮你去楼下拿个外卖。
但我信任，用途广泛的人形机器人的未来应该也不远了。
4. 写在最终
那新时代的 AI 到底会给哪些职业带来深入的影响呢？咱们自己所在的职业是否会遭遇十分大的革命性改变？乃至自己所在的岗位未来是否没有存在的必要了？这还需要多长时刻？
