我將從以下幾點談談這個話題：人工智能的起源發(fā)展、大概原理、如何不焦慮、如何跟上時代。

首先總結(jié)下我的觀點：AI雖然到來，我們受到了沖擊，此時更需我們鎮(zhèn)定從容，不被外界雜聲干擾，積極擁抱AI，聚焦做好自己所在領(lǐng)域的事情，長期堅持思考，堅持輸出有價值的內(nèi)容。

人工智能的起源發(fā)展

根據(jù)我的了解，人工智能起源于圖靈測試，這些年的發(fā)展經(jīng)過了：機器學習、神經(jīng)網(wǎng)絡、transformer、再到gpt-1、gpt-2、gpt-3、gpt-3.5等等。人工智能的發(fā)展要求大致分為3個要素：算法、算力、大數(shù)據(jù)。

前些年受限于算力和大數(shù)據(jù)，人工智能一直不溫不火的好些年，近幾年由于算力的大幅度提升和互聯(lián)網(wǎng)產(chǎn)生的大量數(shù)據(jù)，使得人工智能的發(fā)展突飛猛進，以至于產(chǎn)生了gpt這樣的生成式預訓練模型。

其實我們想讓ChatGPT做的事情，核心有兩個，一個是理解自然語言，明白人的意圖;另一個是產(chǎn)生自然語言的文本，滿足人的要求。

目前AI可以做哪些事情呢?基本是這幾個：

• 替代重復性的有套路的工作
• AI聊天、作畫、簡單編程、套路型寫作
• 知識的提煉和推理

接下來再說說AI大概的原理。

大概原理

ChatGPT是基于語言模型的自然語言處理系統(tǒng)。語言模型不是邏輯框架，不是生物學的反饋系統(tǒng)，而是由數(shù)學公式構(gòu)成的模型。

既然是語言模型，那么他基本是可以干三件事兒：

1. 信息形式轉(zhuǎn)換。這是將信息從一種形式轉(zhuǎn)換為另一種形式，無論是語音識別還是機器翻譯，都屬于這一類。
2. 根據(jù)要求產(chǎn)生文本?，F(xiàn)在ChatGPT做的主要工作，像回答問題、回復郵件、書寫簡單的段落，都屬于這一類。
3. 信息精簡，把更多的信息精簡為較少的信息。為一篇長文撰寫摘要，按照要求進行數(shù)據(jù)分析，分析上市公司的財報，都屬于這方面的工作。

既然是語言模型，那么就可以被訓練出來，人類給定計算機大量的數(shù)據(jù)，再結(jié)合數(shù)學模型，然后再微調(diào)參數(shù)，基本就可以得出一個語言模型了，只是現(xiàn)在可用的語言模型算法越來越復雜，參數(shù)越來越多，已經(jīng)沒多少人能徹底搞懂他了。

基于這樣的原理，目前來講，ChatGPT他不是懂知識，只是輸入的數(shù)據(jù)多了，聯(lián)系上下文計算出現(xiàn)的概率，這樣就容易猜出正確的結(jié)果了。所以ChatGPT的回答也不是基于事實的，而是基于語言模型的。

這種模型會來帶AI的弊端。一是垃圾輸入垃圾輸出，如果人類給AI輸入大量的垃圾信息，那么訓練出來的模型就是垃圾模型，回答的問題也是垃圾答案。二是沒有數(shù)據(jù)，對于沒有數(shù)據(jù)的情況，AI無法回答或者瞎編或者循環(huán)車轱轆話。當然，我覺得還有一個更大的弊端，就是如果將來有政客刻意去操控AI，訓練處特定的模型，而且那個模型被廣泛使用的話，那么相當于很多人的思想都被操控了。

我一直好奇，AI的邊界到底在哪里，他最終能做哪些事情，由于不是這方面專家，沒有各方面證據(jù)，不好下結(jié)論。但是我參考了吳軍博士的課程，他說：“ChatGPT的邊界是人工智能的邊界，而人工智能的邊界是數(shù)學的邊界，數(shù)學是有邊界的?！?，至于數(shù)學的邊界到底是個啥，我還真搞不懂。吳軍博士還說：“計算能力增加，原來可以計算的問題會算的更快，瞬間解決，但是不可算的還是不可算?！?。至此我還是沒能搞懂AI的邊界到底在哪里。

如何不焦慮

“焦慮”，大大的焦慮撲面而來。ChatGPT沒到來時，大家已經(jīng)很焦慮了。這一波ChatGPT到來直接將大家的焦慮感瞬間拉滿。糾其原因：自媒體在販賣焦慮。我覺得是現(xiàn)在不負責任的自媒體太多了，為了漲粉、為了賣號、為了賣課等等，總之將自己的金錢建立在大眾的焦慮之上，這種行為實屬不可取。還有些人總想著乘著這波浪潮大干一票，實際上你沒有算法、算力、大數(shù)據(jù)，你又能干啥呢?難道只是對接一個接口?難道只是轉(zhuǎn)賣幾個賬號?難道只是賣幾個課程?

當然我也不是說大家啥都不用干，有興趣的還是可以多了解下人工智能方面的專業(yè)知識，不至于被網(wǎng)上的各種信息給帶偏了，除此之外，該干啥干啥。

縱觀這幾十年，有太多的技術(shù)被炒上天了，但是幾十年過來了，我們不還是那樣生活嗎?就像AI幾十年前就有了，萬變不離其宗，只是因為模型優(yōu)化了，訓練的數(shù)據(jù)集邊多了，消耗的計算資源和電力多了。

或者換個角度看待歷史：每一次的技術(shù)革命，在存儲和處理信息這個能力上，都把人甩的越來越遠。但這也是對人的一種解放，我們不用在低水平的勞動上消耗時間精力，轉(zhuǎn)而可以投入到更具挑戰(zhàn)性的工作中去。所以轉(zhuǎn)念一想，這反而是好事兒。

現(xiàn)身說法：ChatGPT剛出來的時候，我心里也有些焦慮和興奮，早早的注冊了賬號，早早的學了些課程，生怕被時代拋棄，后來發(fā)現(xiàn)，這玩兒對我沒啥壞影響，反而提升了我的工作效率，加快了我學習知識的步伐。讓我有時間學習更多的知識，讓我少加班，讓我有更多的時間陪伴家人，這不是很香嗎?

最后再談談“涌現(xiàn)”，“涌現(xiàn)”的概念大意是：個人無意識只會簡單的規(guī)律，但是大量無意識個體集聚成規(guī)模后，就會產(chǎn)生集體意識，能完成復雜的任務。我們?nèi)祟惖拇竽X，實際上就是無數(shù)個執(zhí)行簡單信號傳遞任務的神經(jīng)元，通過相互連接形成的一個 “涌現(xiàn)” 系統(tǒng)。那么當 AI 能夠?qū)崿F(xiàn)多任務處理，還具備了足夠大的規(guī)模后，很難說又會產(chǎn)生出什么新東西來 —— 這種產(chǎn)生某些 “意外” 的可能性。

現(xiàn)在很多人大談“涌現(xiàn)”，誠然這種可能性存在，但是未免過早，現(xiàn)在憂慮，就有點杞人憂天了。我的觀點是：機器是有規(guī)律的機械運動，而人腦或者動物鬧不是機械運動，而是隨機性的。機械運動就算神經(jīng)元多了，也未必會出現(xiàn)“涌現(xiàn)”，暫時不要杞人憂天，做好當下的事情。退一萬步講，就算出現(xiàn)涌現(xiàn)，那也不是我們普通人能控制的，天塌下來不是有高個子頂著嘛。

如何跟上時代

1、AI時代，我覺得被AI取代的工作有三個特點：

從事不費體力的套路性工作

不動腦子的工作

不產(chǎn)出信息的工作

所以，越是到了各種智能工具不斷出現(xiàn)的時候，做事情越來越遍歷的時候，從事創(chuàng)造性的工作也就越來越重要了。

2、利用好AI這個好助手，積極擁抱AI，利用助手提高做事效率，提升學習效率。

3、最重要的，做好自己的事情，無論時代怎么變化，各項事情總是要有人去做，簡單的也好，復雜的也唄。不要杞人憂天，避免套路性的工作，避免規(guī)律化的工作，避免重復性的工作。讓自己編程創(chuàng)造者、內(nèi)容生產(chǎn)者、思考著，讓自己做AI的項目經(jīng)理，讓AI按照我們的意圖去完成任務。

完結(jié)

最后衷心希望朋友們能：減少焦慮，不被外界雜聲干擾，聚焦自己和當下，聚焦做好自己所在領(lǐng)域的事情，長期堅持思考，堅持輸出有價值的內(nèi)容。