本文最初于2024年5月以視頻的方式在表在嗶哩嗶哩彈幕網(wǎng)，現(xiàn)在一些觀點(diǎn)和預(yù)言逐漸成為現(xiàn)實(shí)，所以在公共號(hào)重新編輯發(fā)布。
以下是原文，7940字，無(wú)配圖見(jiàn)諒：
AI無(wú)疑是今年最火的詞，但每當(dāng)我們談?wù)揂I時(shí)，總會(huì)聽(tīng)到一串讓人摸不著頭腦的術(shù)語(yǔ)，比如 “神經(jīng)網(wǎng)絡(luò)” 、“Transformer”、“Agent”……
這些詞到底意味著什么？
AI真的能像傳聞中那樣，給世界帶來(lái)顛覆性的變革嗎？
本期視頻，我們將在20分鐘內(nèi)，分10層理解，帶你深入剖析AI的意義。
Artificial Intelligence，這就是AI最表層的含義。
雖然AI近幾年才進(jìn)入大眾視野，但實(shí)際上，“人工智能”這個(gè)概念早在1956年就已被提出。
要知道，我們中學(xué)歷史課本里提到的“人類第一臺(tái)計(jì)算機(jī)”——埃尼亞克（ENIAC），那個(gè)占地170平方米，重量超過(guò)30噸的龐然大物，是1946年才被造出來(lái)的。
也就是說(shuō)，人類發(fā)明通用計(jì)算機(jī)才10年，就已經(jīng)開(kāi)始暢想創(chuàng)造智能了！
這無(wú)異于你剛拿到一支剛被發(fā)明出來(lái)的手槍，就幻想有一天能一發(fā)子彈快遞到大洋彼岸！
雖然技術(shù)受限，但科學(xué)家的想象力卻是無(wú)限的。
人類擅長(zhǎng)向大自然“抄作業(yè)”，所以我們很自然地想到，既然大腦能誕生智慧，那我們是不是也可以模擬大腦，造出智能？
提到AI，“神經(jīng)網(wǎng)絡(luò)”無(wú)疑是最常見(jiàn)的詞之一。
你或許在各種文章和報(bào)道中見(jiàn)過(guò)這個(gè)詞，感覺(jué)它很牛，但又似懂非懂——神經(jīng)網(wǎng)絡(luò)到底是什么？
你的直覺(jué)是對(duì)的，神經(jīng)網(wǎng)絡(luò)，本質(zhì)上就是用計(jì)算機(jī)去模擬人類大腦的工作方式。
如果你能理解這一層的內(nèi)容，那其實(shí)你就掌握了AI的底層原理。
我們可以簡(jiǎn)單地把大腦理解成一個(gè)由幾百億個(gè)神經(jīng)元構(gòu)成的復(fù)雜網(wǎng)絡(luò)。
每個(gè)神經(jīng)元只是進(jìn)行簡(jiǎn)單的輸入—輸出計(jì)算，但這些微小的計(jì)算單元結(jié)合在一起，就組成了一個(gè)能思考、能決策、甚至能糾結(jié)午飯吃什么的聰明大腦。
既然大腦的智慧來(lái)源于龐大的神經(jīng)元網(wǎng)絡(luò)，那我們只需要讓計(jì)算機(jī)模擬這種神經(jīng)元連接，不就能創(chuàng)造出“人工大腦”了嗎？
所以，簡(jiǎn)單來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)由“輸入層”獲取信息，經(jīng)過(guò)多個(gè)“隱藏層”計(jì)算，最終由“輸出層”得出結(jié)果。
在這個(gè)隱藏層里，所有計(jì)算都是通過(guò)“矩陣”完成的。
矩陣上的每一個(gè)數(shù)字，就是一個(gè)“神經(jīng)元”。
AI通過(guò)矩陣計(jì)算和結(jié)果對(duì)比，觀察誤差，調(diào)整神經(jīng)元的權(quán)重，不斷優(yōu)化答案。
這就像你在學(xué)做飯時(shí)，每次嘗試后調(diào)整用料，直到味道越來(lái)越接近完美。
所有的AI底層，歸根結(jié)底都是“矩陣計(jì)算”！
而針對(duì)不同的數(shù)據(jù)類型，神經(jīng)網(wǎng)絡(luò)衍生出了不同的模型，比如用于圖像處理的CNN，處理時(shí)間序列數(shù)據(jù)的RNN，以及用于圖數(shù)據(jù)庫(kù)的GNN。
終于，AI有了一條通往智能的道路。
然而，通用人工智能的發(fā)展仍然卡在了瓶頸。
直到——
一篇顛覆性的論文橫空出世……
如果你經(jīng)常關(guān)注AI的新聞，你一定見(jiàn)過(guò)“Transformer”這個(gè)詞。
它其實(shí)只是神經(jīng)網(wǎng)絡(luò)中的一種計(jì)算方法，但由于它太重要了，必須單獨(dú)拎出來(lái)講。
前面我們提到，神經(jīng)網(wǎng)絡(luò)依賴梯度求導(dǎo)來(lái)調(diào)整參數(shù)，這意味著網(wǎng)絡(luò)需要通過(guò)不斷的反饋優(yōu)化自己。然而，當(dāng)矩陣規(guī)模變得極其龐大時(shí)，你或許會(huì)疑惑：這么大的矩陣，求導(dǎo)真的不會(huì)出問(wèn)題嗎？
你的直覺(jué)是對(duì)的。
當(dāng)參數(shù)變得足夠多時(shí)，一個(gè)微小的擾動(dòng)就可能導(dǎo)致計(jì)算結(jié)果發(fā)生巨大變化，類似于“蝴蝶效應(yīng)”。
這個(gè)過(guò)程中，AI可能會(huì)遇到兩大災(zāi)難：梯度消失（參數(shù)更新太慢，模型學(xué)不會(huì)東西）或者梯度爆炸（參數(shù)劇烈變化，導(dǎo)致模型崩潰）。
這一切問(wèn)題，直到 Transformer 出現(xiàn)才被徹底解決。
你可能會(huì)疑惑：啥？AI怎么和《變形金剛》扯上關(guān)系了？
別急，這個(gè)名字還真有幾分道理。
Transformer在數(shù)學(xué)上解決了神經(jīng)網(wǎng)絡(luò)的計(jì)算難題。
它的核心思想是把一個(gè)大矩陣拆分成多個(gè)小矩陣，讓它們可以單獨(dú)進(jìn)行計(jì)算。
換句話說(shuō)，原本需要串行計(jì)算的龐大矩陣，現(xiàn)在可以同時(shí)進(jìn)行多路計(jì)算，從而大幅提高效率，避免梯度消失或爆炸的問(wèn)題。
學(xué)過(guò)線性代數(shù)的朋友應(yīng)該知道，如果兩個(gè)矩陣的維度不匹配，是無(wú)法直接進(jìn)行點(diǎn)積運(yùn)算的。
而Transformer的本質(zhì)，就是通過(guò)“變形”（transform），讓矩陣可以進(jìn)行高效計(jì)算。
所以，它真的可以說(shuō)是神經(jīng)網(wǎng)絡(luò)中的“變形金剛”！
鏈?zhǔn)角髮?dǎo)的“蝴蝶效應(yīng)”就這樣被解決了。
所以它叫 Transformer，這個(gè)名字還真是貼切。
順便提一嘴，前一陣子又有一篇重磅論文，提出了一種KAN網(wǎng)絡(luò)，據(jù)說(shuō)可以用更少的數(shù)據(jù)實(shí)現(xiàn)高效訓(xùn)練。或許，它又會(huì)成為下一個(gè)改變AI格局的技術(shù)浪潮。
回到Transformer。
2017年，谷歌發(fā)布了一篇震驚業(yè)界的論文，徹底改變了AI的發(fā)展軌跡。
正如有人調(diào)侃道：
“天不生我Transformer，AI萬(wàn)古如長(zhǎng)夜！”
但令人意外的是，這個(gè)劃時(shí)代的突破，并沒(méi)有立刻掀起狂潮。
谷歌的論文和專利太多了，他們并沒(méi)有特別重視這個(gè)模型，當(dāng)然也不是不重視，而是……孩子太多了，誰(shuí)都很重視。
于是，這項(xiàng)技術(shù)被短暫擱置……
直到——2018年，AI領(lǐng)域迎來(lái)了真正的革命性突破。
聰明的你一定會(huì)有一個(gè)疑問(wèn)：
既然“卷積神經(jīng)網(wǎng)絡(luò)”早已被發(fā)明出來(lái)，為什么AI直到2023年才真正火起來(lái)？
答案很簡(jiǎn)單——以前的模型，不夠大！
科技界的三位大咖——山姆·奧特曼、彼得·蒂爾、馬斯克（沒(méi)錯(cuò)，又是這個(gè)男人），聯(lián)手創(chuàng)立了一家非營(yíng)利AI組織——OpenAI。
到了2018年，OpenAI的研究團(tuán)隊(duì)發(fā)現(xiàn)了谷歌的Transformer論文，他們的第一反應(yīng)是：不得了啊！
于是，OpenAI迅速將Transformer作為核心架構(gòu)，著手開(kāi)發(fā)ChatGPT。
OpenAI的策略很簡(jiǎn)單，也很暴力——“大”！
他們瘋狂地堆參數(shù)、擴(kuò)大數(shù)據(jù)集、提升計(jì)算能力，堅(jiān)信只要模型足夠大，總會(huì)發(fā)生某種神奇的質(zhì)變。
99度之前，怎么燒都不會(huì)開(kāi)，但到了100度，水就沸騰了！
從2018年到2022年，OpenAI不斷擴(kuò)大模型規(guī)模，參數(shù)越來(lái)越多，訓(xùn)練數(shù)據(jù)越來(lái)越龐大。
最終，AI突破了某個(gè)臨界點(diǎn)，迎來(lái)了性能的爆發(fā)性提升，ChatGPT橫空出世。
這就是“大模型”命名的由來(lái)——它是規(guī)模突破帶來(lái)的智力飛躍！
但OpenAI并沒(méi)有盲目擴(kuò)大模型，他們?cè)趯?shí)驗(yàn)中發(fā)現(xiàn)了一個(gè)驚人的規(guī)律——AI的能力增長(zhǎng)，遵循特定的數(shù)學(xué)法則，這就是“縮放定律”（Scaling Laws）。
縮放定律的核心結(jié)論：
當(dāng)模型參數(shù)、計(jì)算量和數(shù)據(jù)量按特定比例增長(zhǎng)時(shí)，AI的性能提升是可預(yù)測(cè)的，并且會(huì)遵循冪律關(guān)系。也就是說(shuō)，增加10倍的計(jì)算資源，模型的誤差會(huì)按照某種固定比例減少。
這個(gè)發(fā)現(xiàn)非常重要！
它讓AI研究者意識(shí)到，智能的提升不僅僅取決于算法優(yōu)化，更在于模型的規(guī)模。換句話說(shuō)，只要計(jì)算能力足夠強(qiáng)，數(shù)據(jù)足夠多，AI就能越來(lái)越聰明。
很多人會(huì)問(wèn)：
既然“大”是關(guān)鍵，那我們是不是只要不斷增加參數(shù)，就能讓AI變得更聰明？
其實(shí)并不是。
大模型的能力增長(zhǎng)，并不是線性遞增的，而是一個(gè)“臨界點(diǎn)”現(xiàn)象。
在某個(gè)點(diǎn)之前，無(wú)論如何擴(kuò)展模型，性能提升都十分有限；但一旦突破這個(gè)點(diǎn)，AI能力會(huì)突然躍遷，變得更聰明、更通用。
而OpenAI，恰好是第一個(gè)沖破這道門(mén)檻的公司。
隨著模型的變大，人們發(fā)現(xiàn)規(guī)模可以直接破解很多問(wèn)題。
這東西就像是打游戲里的作弊器，武俠里的獨(dú)孤九劍，臺(tái)球里的大力出奇跡——
不管問(wèn)題多復(fù)雜，我只有一招：暴力硬拆！
只要模型夠大、算力夠強(qiáng)、語(yǔ)料夠多，一切都能被破解！
過(guò)去，人們對(duì)AI的訓(xùn)練方式就像教小朋友學(xué)語(yǔ)言——
先教基礎(chǔ)語(yǔ)法規(guī)則，然后讓AI去解題。
這樣做的結(jié)果就是，AI經(jīng)常答非所問(wèn)，甚至出現(xiàn)令人哭笑不得的回答——這就是“人工智障”時(shí)代。
但在Transformer + 大模型的加持下，AI不再需要預(yù)設(shè)規(guī)則，而是自己去學(xué)習(xí)。
它像一個(gè)不斷進(jìn)化的生物，開(kāi)始理解語(yǔ)言，甚至能推理邏輯，表達(dá)越來(lái)越清晰、流暢。
以前，AI翻譯是一個(gè)獨(dú)立的研究領(lǐng)域，研究者需要精心設(shè)計(jì)各種語(yǔ)法規(guī)則，讓AI理解句子結(jié)構(gòu)。
但現(xiàn)在，大模型靠著暴力堆料，自己就學(xué)會(huì)了翻譯。
這意味著什么？
這意味著這個(gè)領(lǐng)域的研究人員，直接被AI干掉了。
曾經(jīng)需要成百上千名工程師優(yōu)化的翻譯系統(tǒng)，如今只是大模型的“副產(chǎn)品”——AI自己就能掌握多種語(yǔ)言，并且翻譯質(zhì)量已經(jīng)超過(guò)了許多人類翻譯者。
這股“暴力破解”的趨勢(shì)，已經(jīng)在各個(gè)領(lǐng)域掀起風(fēng)暴：
當(dāng)然，這個(gè)“作弊器”并不是萬(wàn)能的。
比如，在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中，盡管AI的精度已經(jīng)很高，但仍然無(wú)法完全替代實(shí)驗(yàn)室研究。
并且，這種“暴力破解”的方法，主要適用于數(shù)據(jù)驅(qū)動(dòng)的問(wèn)題，而在需要?jiǎng)?chuàng)造性、靈活推理的任務(wù)上，AI依然有很多限制。
但即便如此，我們手中已經(jīng)握有一個(gè)“作弊器”，或者說(shuō)一個(gè)“小bug”——
從基礎(chǔ)科學(xué)到科研應(yīng)用，再到日常生活，仍然有無(wú)數(shù)的領(lǐng)域等待AI去破解。
這場(chǎng)“暴力破解”的革命，才剛剛開(kāi)始！
回到這個(gè)能和你聊天的大模型，你或許會(huì)問(wèn)：
為什么各大科技巨頭都在瘋狂投資這個(gè)領(lǐng)域？它到底有多大的商業(yè)價(jià)值？
答案就在這一個(gè)詞：Agent。
最近兩年的AI投資圈，幾乎“10個(gè)項(xiàng)目，9個(gè)Agent”！
Agent，直譯過(guò)來(lái)是“代理”，但在AI領(lǐng)域，它更常被稱為“智能體”。
它的核心概念是——能夠在特定環(huán)境中自主運(yùn)行并執(zhí)行任務(wù)的AI。
換句話說(shuō)，Agent不只是一個(gè)工具，而是可以獨(dú)立完成工作的AI助手。
它不再是“被動(dòng)回答問(wèn)題”的ChatGPT，而是能主動(dòng)理解任務(wù)、規(guī)劃步驟、執(zhí)行指令，甚至與其他AI協(xié)作的智能體。
這意味著，Agent可以在工作環(huán)境中部分甚至完全替代人類。
舉幾個(gè)現(xiàn)實(shí)的例子：
數(shù)據(jù)分析：你需要做一個(gè)數(shù)據(jù)報(bào)告？
只需把數(shù)據(jù)交給AI，它就能自動(dòng)分析，整理成完整的PPT，包括數(shù)據(jù)可視化、圖表、關(guān)鍵洞察，甚至還能用通俗易懂的語(yǔ)言總結(jié)核心結(jié)論。
論文寫(xiě)作：你需要寫(xiě)一篇學(xué)術(shù)論文？
輸入研究方向和實(shí)驗(yàn)數(shù)據(jù)，AI就能自動(dòng)檢索引用文獻(xiàn)，撰寫(xiě)論文初稿，甚至優(yōu)化邏輯結(jié)構(gòu)，讓文章更具說(shuō)服力。
信息處理：日常工作中那些機(jī)械重復(fù)的任務(wù)，比如搜索資料、整理文檔、客戶郵件回復(fù)，AI都能輕松接管。
這些應(yīng)用，已經(jīng)不是未來(lái)，而是現(xiàn)在！
斯坦福前陣子就發(fā)布了一款A(yù)I論文助手，我親自試了一下，真的非常驚艷！
現(xiàn)在的Agent技術(shù)，已經(jīng)能顯著提高個(gè)人工作效率。
但未來(lái)，它可能會(huì)直接顛覆整個(gè)公司組織結(jié)構(gòu)。
想象一下，未來(lái)的公司可能只需要一個(gè)CEO，其他所有工作都由AI智能體負(fù)責(zé)。
CEO之下，可能有AI市場(chǎng)總監(jiān)、AI財(cái)務(wù)總監(jiān)、AI運(yùn)營(yíng)專員……它們相互協(xié)作，高效完成所有任務(wù)！
這種場(chǎng)景聽(tīng)起來(lái)像科幻小說(shuō)，但實(shí)際上，我們已經(jīng)在邁向這個(gè)方向。
OpenAI最新發(fā)布的GPT-4o，讓AI的理解能力和執(zhí)行力進(jìn)一步升級(jí)，這意味著Agent的智能化程度還會(huì)持續(xù)提升。
如果說(shuō)之前的AI只是一個(gè)“工具”，那么Agent的出現(xiàn)，意味著AI正在變成“行動(dòng)者”。
它不只是提供建議，而是主動(dòng)規(guī)劃、執(zhí)行任務(wù)，甚至可以自行調(diào)整優(yōu)化工作方式。
這不僅是生產(chǎn)力的飛躍，更是工作方式的徹底變革。
未來(lái)，AI不僅僅是我們的助手，它甚至可能成為我們的同事，甚至……競(jìng)爭(zhēng)對(duì)手。
順著上一步的邏輯繼續(xù)往下，你會(huì)很容易發(fā)現(xiàn)一個(gè)關(guān)鍵問(wèn)題：
AI所取代的，幾乎都是“信息處理”類的工作。
這并不奇怪，因?yàn)?/span>AI仍然主要存在于電腦里，它的核心能力就是處理信息。
雖然現(xiàn)在也有公司在研究人形機(jī)器人或智能機(jī)械臂，但目前AI最擅長(zhǎng)的，依然是信息制造與處理。
既然AI可以替代信息處理工作，那意味著什么？
意味著信息的生產(chǎn)效率大幅提升！
如果我們換個(gè)角度來(lái)看，這不就是第一次工業(yè)革命里的“紡織機(jī)”代替手工織布嗎？
18世紀(jì)，大部分工人都需要用雙手勞作，后來(lái)機(jī)器替代了他們。
而今天，大部分的工人坐在辦公室里用鍵盤(pán)勞作，現(xiàn)在，AI又在替代他們！
有些人可能會(huì)說(shuō)：
“AI的進(jìn)步主要體現(xiàn)在信息處理，而不是實(shí)體制造，能叫'工業(yè)革命’嗎？”
當(dāng)然能！
工業(yè)革命的本質(zhì)，是機(jī)器替代人力，提高勞動(dòng)效率，推動(dòng)社會(huì)生產(chǎn)和消費(fèi)的提升。
現(xiàn)在，AI正以指數(shù)級(jí)的速度提高信息的生產(chǎn)和處理效率，而信息，早已是現(xiàn)代社會(huì)最重要的生產(chǎn)資料和消費(fèi)品之一。
舉個(gè)例子，過(guò)去一本書(shū)從撰寫(xiě)到出版可能需要一年，但在AI的幫助下，現(xiàn)在幾天就能完成初稿；
過(guò)去制作一部電影需要幾百人、幾年時(shí)間，但未來(lái)AI可能在幾天內(nèi)生成完整的電影。
這不僅是效率提升，更是生產(chǎn)力范式的徹底變革。
生產(chǎn)力提升，工作方式變革，社會(huì)運(yùn)轉(zhuǎn)加速，AI帶來(lái)的影響，完全可以稱之為一場(chǎng)新的“工業(yè)革命”。
只是，這一次，革命的對(duì)象不是紡織工人，而是信息工作者；被替代的不是織布機(jī)，而是打字的鍵盤(pán)。
所以，把這場(chǎng)變革稱為 “信息生產(chǎn)工業(yè)革命” ，一點(diǎn)都不過(guò)分吧？
提到工業(yè)革命，就繞不開(kāi)財(cái)富傳奇。
世界上最大的造富周期，往往伴隨著科技革命。
每一次技術(shù)革命，都誕生了新的商業(yè)巨頭：
那么，AI時(shí)代的科技英雄是誰(shuí)？
如今，AI已成為新的造富風(fēng)口，從大模型創(chuàng)業(yè)到AI驅(qū)動(dòng)的智能工具，無(wú)數(shù)公司涌入這片藍(lán)海。
英偉達(dá)的黃仁勛（老黃）已經(jīng)站在風(fēng)口，AI的算力需求，讓他的GPU成為新黃金。
OpenAI、DeepMind、Anthropic等公司，更是資本競(jìng)逐的焦點(diǎn)。
這一切，正是因?yàn)?/span>AI的潛力巨大，任何一個(gè)正確的切入點(diǎn)，都可能誕生新一代巨頭。
如果說(shuō)過(guò)去的互聯(lián)網(wǎng)是“代碼創(chuàng)造財(cái)富”，那么今天，AI就是新的財(cái)富引擎。
每一次工業(yè)革命，都會(huì)推動(dòng)社會(huì)的巨大變革。
那么，AI這種信息生產(chǎn)方式，能帶來(lái)什么社會(huì)進(jìn)步？
至少，它會(huì)在兩個(gè)方向上徹底改變世界。
人類一直沒(méi)有擺脫“牛馬陷阱”——
為了生產(chǎn)商品，不得不在流水線的一環(huán)中承擔(dān)機(jī)械重復(fù)的工作。
但是，AI的出現(xiàn)，或許能改變這一點(diǎn)。
因?yàn)樵诂F(xiàn)代社會(huì)，許多商品的“最源頭”就是信息——數(shù)據(jù)、設(shè)計(jì)、創(chuàng)意、算法……
一旦這些部分可以被AI接管，那么所有重復(fù)性的勞動(dòng)都可以被自動(dòng)化處理。
那么，人類真正該做的工作，就只剩下AI無(wú)法理解的東西：
愛(ài)、創(chuàng)意、靈感、體驗(yàn)生活。
試想一個(gè)未來(lái)：
你的“工作”可能只是去盡情生活，享受世界，然后在某一天受到啟發(fā)，覺(jué)得生活中缺少一個(gè)東西，
你只需要告訴AI，幾天內(nèi)，這個(gè)東西就能被量產(chǎn)并上市，而你因此獲得版權(quán)收益！
這意味著，AI可能會(huì)讓人類真正迎來(lái)“去勞動(dòng)化”社會(huì)，讓更多人回歸到創(chuàng)造與靈感之中。
AI不僅僅是生產(chǎn)力工具，更是科研領(lǐng)域的“超級(jí)助推器”。
簡(jiǎn)單來(lái)說(shuō)，AI的計(jì)算能力、分析能力、預(yù)測(cè)能力，讓科學(xué)研究不再受限于人類的思維速度。
未來(lái)的科學(xué)突破，可能不再是“幾十年一遇”，而是“每年都有”。
信息革命讓人類進(jìn)入了互聯(lián)網(wǎng)時(shí)代，而AI革命，或許會(huì)讓社會(huì)進(jìn)入一個(gè)全新的“加速時(shí)代”。
不管是思想解放，還是科技爆發(fā)，AI帶來(lái)的社會(huì)影響，可能比過(guò)去所有工業(yè)革命加起來(lái)還要大，AI有可能帶領(lǐng)人類進(jìn)入一個(gè)前所未有的繁榮時(shí)代，在這個(gè)時(shí)代里一些資源都將唾手可得。
它會(huì)帶領(lǐng)人類，從重復(fù)勞動(dòng)中解放，進(jìn)入一個(gè)真正由創(chuàng)造力驅(qū)動(dòng)的時(shí)代。
到了這一層，似乎帶點(diǎn)玄學(xué)的味道，但先別急，聽(tīng)我解釋。
大模型的參數(shù)只有在某個(gè)“臨界點(diǎn)”突破時(shí)，才會(huì)發(fā)生“性能突變”——突然就變聰明了。
這個(gè)現(xiàn)象，在數(shù)學(xué)上有一個(gè)正式的名稱：“涌現(xiàn)”（Emergence）。
在復(fù)雜科學(xué)中，最經(jīng)典的涌現(xiàn)案例，便是螞蟻社會(huì)。
在數(shù)日內(nèi)，螞蟻們搬運(yùn)沙粒，從無(wú)到有地建起復(fù)雜的巢穴——
這些巢穴擁有隧道、房間、多層網(wǎng)絡(luò)、通風(fēng)系統(tǒng)、食物儲(chǔ)存區(qū)、孵化單元，甚至還有高效的交通路線規(guī)劃。
但蟻群中，沒(méi)有一只螞蟻是“建筑師”或“城市規(guī)劃師”。
沒(méi)有個(gè)體在指揮這一切，也沒(méi)有任何藍(lán)圖或總體規(guī)劃。
螞蟻只是按照簡(jiǎn)單的規(guī)則行動(dòng)，但最終創(chuàng)造出了一座龐大而精密的城市。
這就是“涌現(xiàn)行為”——
當(dāng)系統(tǒng)的個(gè)體足夠多、規(guī)則足夠穩(wěn)定時(shí)，整體會(huì)產(chǎn)生遠(yuǎn)超個(gè)體認(rèn)知能力的復(fù)雜行為。
我們的大腦其實(shí)也是如此——單個(gè)神經(jīng)元并不聰明，但億萬(wàn)個(gè)神經(jīng)元組成了人類的智慧。
而大模型的AI，同樣展現(xiàn)出了這種特性——它的智能并不是某個(gè)單獨(dú)的算法決定的，而是數(shù)據(jù)、參數(shù)和計(jì)算規(guī)模達(dá)到某個(gè)極限后，“自然涌現(xiàn)”的。
舉個(gè)例子：
過(guò)去，科學(xué)家需要手把手教AI如何翻譯、寫(xiě)作、下棋，而今天的大模型“突然”就學(xué)會(huì)了這些技能，甚至沒(méi)人知道它具體是怎么學(xué)會(huì)的！
這是一個(gè)“智能從混沌中涌現(xiàn)”的過(guò)程，它無(wú)須明確的因果鏈條，只要“量變足夠大”，AI的能力就會(huì)突變。
因?yàn)椋?/span>人類無(wú)法完全理解這個(gè)過(guò)程。
過(guò)去，涌現(xiàn)只屬于大自然，只屬于“造物主”的領(lǐng)域，而今天，人類第一次用數(shù)學(xué)、算力和數(shù)據(jù)，復(fù)制了“涌現(xiàn)”的奇跡。
這，難道不是魔法嗎？
這件事對(duì)人類世界觀的改變，將無(wú)異于曾經(jīng)科技文明對(duì)農(nóng)業(yè)文明思想的改變，人們將重新理解世界，理解理性。
恭喜你，堅(jiān)持到最后！
在這個(gè)信息爆炸、節(jié)奏飛快的時(shí)代，你能完整地看完這段內(nèi)容，足以證明你的好奇心與思考能力。
那么，到了這里，你一定會(huì)想到一個(gè)更深層次的問(wèn)題：
AI的出現(xiàn)，是否正在推動(dòng)一場(chǎng)新的思想革命？
回顧歷史，第一次啟蒙運(yùn)動(dòng)，讓人類意識(shí)到了理性，擺脫了神權(quán)的束縛，開(kāi)始擁抱科學(xué)與民主。
這場(chǎng)變革徹底改變了社會(huì)，使得現(xiàn)代科學(xué)體系得以建立，理性成為人類思維的基石。
但幾百年后，這股精神逐漸變了味。
人們從“相信科學(xué)”演變成了“盲信科學(xué)”——
仿佛一切問(wèn)題只要加上“科學(xué)”二字，就一定是對(duì)的，
一切答案，必須要有嚴(yán)格的因果推理，才能被接受。
然而，AI的崛起，正在顛覆這一認(rèn)知。
隨著我們對(duì)AI的理解加深，我們發(fā)現(xiàn)，它的推理過(guò)程，竟然是一個(gè)完全“非因果”的過(guò)程。
AI并不像人類那樣，依賴清晰的邏輯鏈條來(lái)推導(dǎo)結(jié)論，而是通過(guò)龐大的數(shù)據(jù)、復(fù)雜的計(jì)算，直接得出正確答案——但它自己也不知道是怎么得出來(lái)的。
舉個(gè)例子：
2020年，麻省理工學(xué)院發(fā)現(xiàn)了一種新的抗生素——Halicin。
這種抗生素能夠殺死對(duì)現(xiàn)有藥物已經(jīng)耐藥的細(xì)菌，而且自身不會(huì)引發(fā)新的耐藥性。
令人驚訝的是，Halicin完全是由AI發(fā)現(xiàn)的！
研究者先用AI訓(xùn)練了一個(gè)模型，讓它學(xué)習(xí)兩千種已知分子的特征，識(shí)別哪些分子具有抗菌能力。
然后，AI在FDA批準(zhǔn)的61,000種化合物中篩選，最終找到了Halicin，并成功驗(yàn)證其療效。
過(guò)去，科學(xué)家們有一套明確的規(guī)則，判斷某種分子是否能成為抗生素，例如原子量、化學(xué)鍵的某些特征。
但是AI的發(fā)現(xiàn)，完全不符合這些已知規(guī)則！
換句話說(shuō)，AI用了一種我們不理解的方式，發(fā)現(xiàn)了一個(gè)科學(xué)家無(wú)法推理出來(lái)的答案。
那么，問(wèn)題來(lái)了：
這個(gè)“黑箱”式的推理，還是“科學(xué)”嗎？
如果AI能夠憑借某種無(wú)法解釋的模式，找到更好的答案，我們是否還應(yīng)該執(zhí)著于傳統(tǒng)的因果邏輯？
我們習(xí)慣了因果推理，習(xí)慣了“只有有邏輯鏈條的推理，才是科學(xué)”，
但AI的崛起正在告訴我們：
“世界遠(yuǎn)比我們想象的復(fù)雜，有些真理，可能根本無(wú)法用簡(jiǎn)單的邏輯推理出來(lái)。”
所以，我愿將這一變革稱之為：
“第二次啟蒙運(yùn)動(dòng)”——這一次，不是對(duì)理性的否定，而是對(duì)理性的擴(kuò)展。
我們要學(xué)會(huì)承認(rèn)世界的復(fù)雜性，接受不確定性，接受“有些真相無(wú)法用人類邏輯解釋”。
我們不再是“科學(xué)”的奴隸，不再是“邏輯”的奴隸。
我們，要成為自己思維的主人。
聯(lián)系客服
