没必要神话现在的AI，如今的AI还是弱人工智能

【本文来自《附上我用AI生成的几张图片》评论区，标题为小编添加】

没必要神话现在的AI，如今的AI还是弱人工智能，就像汽车能跑赢我们人类一样，AI在很多方面可以让我们更高效而已。

缺乏认知往往带来神秘感，甚至带来恐惧。其实弱智AI的原理是很好理解的，大家都没说透，或者专业的人不愿意说清楚，毕竟造成这样的环境对他们是有利的。

目前先进的AI，都是基于神经网络+深度学习，这是从阿尔法狗以来建立的AI养成模式。chatGPT也不例外，只是这种模式下，有更新的学习方法，比如自我监督学习，有各种不同的程序规则，比如为实现特定目标进行的文本处理。

光是神经网络+深度学习，这两个名词足以难倒很多人，因为你去查的话都是一些专业词汇来解释，但原理很简单——大概率成功事件提取与组合。

无论是棋盘上的棋局，还是绘画中的图像、书本中的文字、会话中的语言，在AI哪里都是一堆数据，大量数据如何处理成想要的结果？就是对成功事件加不同的权重。

打个很简单的比方，你作为一个AI去一个超市，里面的货物被你全部看成是数据集合，这个时候你收到主人命令要买性价比最高的牛奶，你一开始当然不会选择，于是你守在超市里，看别人是怎么买的。每当别人选择某一种牛奶，你就对那种牛奶（或那个数据集合）做一个记号，一天下来，买某几种牛奶的人多了，对那几种牛奶做的记号相对于别的牛奶就是更多的，于是你就能确定，性价比高的牛奶就在那几种牛奶中，你可以买其中一种带回去给主人。

看到了吗？AI的学习选择就是大概率成功事件选择。这个例子虽然很粗糙，但是足以说明问题。

同样，AI的输出应用选择也是基于大概率成功事件累积后的权重。在专业领域，做的记号叫做权重。

你期望AI在围棋对局中下出神之一手，是不可能的，因为那是小概率事件，早就被排除了。

你期望AI在绘画中开创前所未有的画风，也是不可能的，因为那是0概率事件，根本没有数据来源。

你期望AI推导一个新的物理学公式，更是不可能的，因为它只知道根据设定处理数据，连牛顿公式中的m代表什么都不知道，即使能把m与质量联系起来，也不知道质量到底是什么意思。

你期望AI像我们生活中一样弄出几个网络新词汇，还是不可能，因为新词汇是人类某些群体认可的通用表达，AI不能预知有这样的数据出现。

……

所以，现在的AI都是弱智。

但弱智的用途也很巨大。就像飞机、手机连智都没有，我们也能用来干很多事情。

现在的围棋AI让职业九段二子都可能赢，因为它的每一步的应用输出都很稳定，是基于大概率成功事件作出的决定，人类由于记忆、算力等原因，不可能做到步步都能如此，最厉害的柯洁也只能在对局前20手下得跟早期阿尔法狗的选择着点一致。

现在的绘画AI可以根据使用者要求迅速制作数量巨大的图画，一定超出中下水平的作画者，这其实已经很厉害，因为人的专业水平是倒金字塔分布的，超出中下水平足以应用于商业了。

写作等等也是如此。

人类发展至今，有了许多身体功能的替代物，AI的出现，意味着人的大脑有一部分功能可以委托给机器处理，AI的意义在此。就像我跑步能去到某个地方，但乘车明显更爽更快。

但我们又不能过分神话chatGPT，好像openAI搞出来了什么划时代的东西，其实五六年前我就跟网上的聊天机器人聊过，当然很无聊，2020年江苏图书馆两个迎宾机器人吵架火爆全网，也是初级产物。其实模型早就出现，关键是没有用海量的数据去喂，没有根据实际应用进行特定的规则引导，所以chatGPT会出现在国外。

其实这玩意儿门槛不算太高，大资金投下去，百度和复旦马上就能跟进做出类似的。

这是我们在科研上要注意的问题，现在国内有些逆天科技已经出现，比如液态机器人、二氧化碳合成淀粉等等，最好结合商用多想想办法，别再让国外先造出新概念。