我正在参加「启航计划」
本文源于一条谈论。
我之前写了一篇文章《我或许要给鼓吹AI的那些人，浇盆凉水了》。
文章的中心思想是这样的：
1、没有否定AI的开展、效果以及未来。在某些领域中，它确实给工作和日子，带来了多面的影响，比方让有些商家省钱，让有些人员失业。
2、未谈半点商业相关的东西。仅从个人视角，以三个故事，讲述国内的中小企业在实际使用的落地上，会面临一些关于算力和数据的窘境。
3、介绍了除GPT以外，其他的中小型的开源模型。另外，现在依然处于弱人工智能年代。这次AI逆袭，更多是运算财力和数据量带来的突变。
我不是在唱衰啊，仅仅提示咱们，沉着对待，量力而为。
其间，有个网友就提了上面那个问题。鉴于图片模糊，我把文本贴在下方，他谈论说：
看你这么专业，我问个问题。ChatGPT火了之后，一直有讨论AI会考虑的问题。我不理解的是，核算机程序的底层算法，便是次序履行、判别履行、循环履行三种。任何程序都是人工一行一行写的代码，依照指令履行一遍，怎样会发生才智呢？
我想上面这个问题，不用再进一步解说了。他提的问题，质量确实很高。由于咱们也都会好奇，程序是死板的代名词，是人类编的指令，它只会依照设定的代码，一步一步地去履行。它怎样能发生才智呢？
乃至还有一个笑话，将程序的死板刻画得天寒地冻。
说一个老婆给程序员老公打电话：“亲爱的，今日不煮饭了。你下班后，买六个包子。假如看到卖西瓜的，买一个”。 当晚，程序员就捧着一个包子回家了。 老婆很气愤地质问他：“你怎样就买了一个包子？” 老公答复说：“由于我看到卖西瓜的了”
这个笑话或许得解说一下。没有三五年的编程经历，或许看不理解。
我特意依照剧情，写了一段代码。程序履行后，成果还真是一个包子。
当然，这仅仅个笑话。采用了夸张的手法，为得是表现程序很笨，不会联系语境，不理解变通。
然而，现在的人工智能语言大模型，却显得比人类更聪明。它们不光上知地理，下知地理，中通人和。并且还会逻辑，懂推理，精通算术。你都猜不出来它什么不会！
这就古怪了。这套程序是谁编的呢？杂乱不杂乱？
下面我就尝试解说一下。假如解说不好，还请咱们纠正或者补充。
先声明一点，我解说的层面很浅，乃至到不了皮裘，也便是到秋衣那一层。虽然不权威，但肯定浅显。你看完了，就精通算法了——这不或许。顶多便是听完了，点允许说“哦，原来是这样”。
白盒与黑盒
白盒与黑盒，同白猫、黑猫不是一回事。
白盒也叫通明盒。
便是说它的逻辑是通明的，你能够了解得一览无余。它也或许会极端杂乱，可是每一个步骤，都不会超出你的预期。即便是几十个齿轮相互相关，修表的工匠也能理出其间的前因后果。这很像咱们遍及认知中那个死板的指令代码。
还有一种盒子叫黑盒，它与白盒正好相反。
你不知黑盒是怎样运作的。
可是，你能够使用它。你们之间有输入和输出关系。你说一句，它回一句。你付个钱，它给你展示效果。终究它是怎样想的，它遇到卖西瓜的会买几个包子，这些咱们不知道。就像咱们问机器人问题，它每次答复都有些不同。
人工智能的程序便是黑盒，它比较于传统的白盒代码，它履行的具体逻辑，咱们是不知道的。乃至连它的作者，写代码的程序员也不知道。
此时，有一个新问题就发生了：既然程序员都不知道它是怎样判别的，那这代码是怎样写的？又是怎样让它工作的呢？
神经网络
人工智能技术大多是采用神经网络完成的。
“神经网络”这个概念，最早是由冯诺依曼在1948年提出来的。冯诺依曼研讨人脑结构与核算机存储的区别，提出了用存储核算模仿人类的神经元，从而完成核算机“自动考虑”。可是，当时白盒的指令程序，开展很好，很赚钱。所以，老冯就抛弃了神经网络。
再往后，科学家们也一直研讨神经网络。但总是热一阵儿，冷一阵儿。反正也研讨不理解，机器也不快，同时也不赚钱。直到近几年，它突然火了。
那么，神经网络的原理究竟怎么呢？
它既然模仿的是人类神经元，那咱们无妨先了解神经元是什么东西。
浅显了说，神经元便是好多个爪爪终究汇成了一个爪。这有点像八爪鱼。
八爪鱼摸啤酒瓶，摸半天，几个爪爪获得数据，传给大脑。八爪鱼结合尺度、形状和材质，得出结论，原来是摸了个啤酒瓶。摸麻将也是，有时候一个爪儿一绕，小吸盘一靠，这是一个八筒。
这种结构有一个效果，那便是经过多个输入，终究发生一个输出。这就像你去相亲，经过对方的相貌、经济、性情等多个输入，终究你会发生他是否值得交往，这样一个成果输出。
当这些小八爪多了之后，一个八爪的头又作为顶级的小触手，相互勾连，层层传递，就形成了咱们的神经网络。
核算机所模仿的，便是这类结构。这并不难理解，能够搞成一个数学模型。
练习和学习
我是从2018年开始了解神经网络的。我的女儿是2020年出世的。我感觉人工智能的练习和学习进程，很像一个小婴儿的生长。所以，我就一直调查女儿学习和认知的进程。
我拿了张卡片，教她知道小动物。
我告知她，这是一张狗。她记下了，哦，长这容貌的就叫狗。
后来，我带她出门，在小区遇到遛狗的美人。女儿指着草丛中撒尿的小狗喊道：狗狗！
有点古怪。我陷入了考虑，我教过她知道卡片上的狗。可是草丛里的那条狗，她是第一次见，她也能分辨得出来。这说明，她肯定是找到了狗身上的某些特征。具体是哪些特征呢？她或许是胡乱猜的，比方舌头或者鼻子。
是的，人工智能的神经网络，一开始的机制也是乱猜。
就比方说，有一堆零件，里面有合格品也有次品。咱们想让人工智能去学会区别。因而，咱们得先提供了一批样品，作为练习数据。这儿面有合格的，也有不合格的。然后把它们交给程序去学习。
算法程序怎样去学习呢？其实便是核算，从已知的输入去核算成果的输出。
假设咱们知道这些零件的差错尺度，也知道它们是否合格。然后，程序员就树立一个数学模型，告知它需求关注什么当地。比方写一个公式：成果=参数1差错尺度+参数2。
也便是让它找到一条线，这条线是合格品和次品的分界线。
这儿有一个天主视角的问题。由于我标好了，并且还做成了图画，所以你一眼就知道线应该在哪里。可是，核算机面对的是一组组紊乱的数据。
因而，它首先就无脑地随便画一条线。然后说这便是那条分界线。成果，把练习数据带进去一算，不对，这条线猜错了。然后，它再随机画一条线，说这条线便是分界线，然后再算。由于它的试错机会许多，一秒能够运算上万次，所以终究它总能找对答案。
在寻觅答案的进程中，不断调整的便是公式中的“参数1”和“参数2”。
咱们看整个进程，程序员并没有写关于逻辑判别的句子。他们仅仅搭建了几层神经网络，然后指定了一个“成果=参数1差错尺度+参数2”的公式。其间起关键效果的“参数1”和“参数2”，程序员也不知道具体的数值是多少。他经过结构和模型，先随机胡乱猜测一个，然后经过大量样本数据进行纠正。猜不对就再换一个。终究会找到合适多数练习数据的参数。
这个找的参数的进程，依托的便是算法，一般都有成熟的开源结构，咱们都能够使用。
到这儿，不知我是否现已讲得理解了，人工智能经过神经网络，开局是个脑残，可是借助于高频次的核算，再利用数据的喂食进行不断纠正，终究完成了自发的才智。
这一点也是和传统的指令程序，不同最大的当地。
完成质的飞越
后来，我又给女儿看了一张照片。
我问她，这个图片是什么？
她答复说：是狗！
我说不对，这个叫“狮子”！她细心看了看，点了允许，记下了这个容貌的动物叫狮子。
我猜测她的神经元内应该是又树立了许多新的突触，就像是人工智能的神经网络又更新了参数。
其实，从这儿咱们也看到。只有见得多，才会知道的多。不管是人，仍是人工智能。所以，短少数据的喂食，就像是婴儿短少教育，假如到八岁还只见过狗，没见过猫，那开展多少年智力都高不了。这也是许多人工智能客服不智能的一个重要原因。
能够幻想，那些对话机器人在练习时，也是给核算机喂数据，一问一答。
问题是“你吃了吗？”，答案是“吃过了！”。
算法模型很鸡贼，只给问题，让核算机自己随机出答案。核算机就胡乱输出，给出成千上万乃至上亿条答案，这儿面有“气候不错”、“电影好看”，当然也包含“吃过了！”。
这便是有网友谈论说，给山公一台电脑，他能从键盘上只字不差地打出一部《莎士比亚全集》。条件是要有足够长的时刻。这个概率比你期期中彩票还要低。但这在核算机的超级核算才能下，一些概率问题，能够靠添加次数处理。
最终，模型给出答案，它说“吃过了！”是标准答案。并让核算机记下来，当你猜到是“吃过了！”时，你内部的随机值是怎样的，发生了什么。你要存储下来，下次还有用。
核算机的算力是很强大的，记载这种随机值，就分配了百万亿个参数。它会从不同的维度去记载，乃至包含当时猜到“吃过了！”时，我的GPU温度是多少度。虽然这项数据和问题没有关系，可是架不住企业有设备，存就完了，如果有用呢！
而数据也是海量的，全球的对话数据它都有，人类历史上呈现过的对话，都会作为练习数据。你不要以为你问的问题很刁钻，放眼全球，像你相同的人，还有许多。
最终，人工智能看遍了世间所有能找到的资料。它有的是算力，因而它的核算速度非常快。很早之前它就叫“电脑”，现在更了不得，叫“超级电脑”。
它能核算，因而会把数据进行拆分和相关。
比方关于森林的常识，它能够从文本中拆分出“树木”、“气候”、“温度”等词汇。关于家具的常识，它能够拆分出“钉子”、“资料”、“风格”等元素。
当咱们问“多买家具会发生什么时？”。它或许会答复“或许会形成森林减少，从而影响气候”。
为什么这么答复？人类的资料中并没有这类练习数据啊？可是，它脑子快，脑容量大。它从家具相关到了木材，从木材相关到了森林，从森林相关到了气候……
具体它会答复什么？又是谁和谁进行的相关？这一切，人类现已无法经过逻辑去判别了。由于就算是万亿个if、else分支，咱们也理不清楚了。更何况实际的神经网络结构要更杂乱。而咱们姑且连自己的大脑都还没有研讨理解。
以上举的例子比较落后，仅仅为了从理论层面，去解说核算机呈现了非人类可知的成果。
我是TF男孩，一个爱侃大山的IT男。
