Diiiii: 目前看到的最make sense的对AI发展脉络的梳理和预测，还是来自于雷老板。将他的观点总结如下： 1. AI的发展脉络：垂直智能 - 常识智能 - 专业智能 - 强人工智能： - 垂直智能（2016-2022），可以粗略理解为学龄前儿童，具备封闭场景下的基础感知能力，以CV、NLP等基础模型为代表，可以在封闭场景下做一些初级任务，比如人脸识别、物体识别、语音识别等； - 常识智能（2023-），可以粗略理解为九年义务制毕业的初中毕业生，具备开放场景下的常识和一般能力，以ChatGPT以及未来的一系列大模型为代表，适用于经过1-3个月培训后可以上岗的任务，比如初级文案、自动驾驶、初级设计师、办公室文员、初级财务行政法务、营销专员、客服、初级程序员等低技能的白领，能达到“业余高级，行业初级”的水平，或者说“外行眼里的内行，内行眼里的外行”； - 专业智能（时间不详），可以粗略理解为本科/硕士/博士生，具备开放场景下的专业能力，适用于需要长期专业学习和经验积累的复杂任务，比如医生、律师、投资人等高技能的白领或科研工作，是多个垂直智能和常识智能的叠加体。到这一步，人类90%的工作会被替代掉； - 强人工智能（时间不详），多个专业智能的叠加，1+1>2，具备跨学科的融合能力，以及所谓的“创新”能力。 AI的发展，本质上可以粗略理解为从学龄前儿童，到初高中学生，到大学/硕博毕业的过程。ChatGPT的牛逼之处，在于它开启了常识智能的大门。 2. 另一个粗略的类比，是将AI和互联网的发展进行对照 - AI背后的核心推动力是模型的算力，而互联网发展的核心推动力是带宽。 垂直智能或许相当于1995年以前的超窄带互联网，只能传递文本，应用层也只有发邮件、浏览黄页、上论坛等；常识智能或许相当于1995-2000年的窄带互联网，网速变快，能够浏览图片了，可以下载mp3了，通用门户网站开始出现了；专业智能或许相当于2000或2005年之后的宽带互联网，应用层开始出现新闻门户、搜索引擎、电商、游戏这些大家伙，甚至开始出现Youtube、Netflix；强人工智能或许相当于移动 + 宽带，通过将已经有的能力在新场景下进行融合，形成应用爆炸。 Again，这个类比很不合适，因为AI时代一定不会重复之前的故事，而是会谱写新的故事。但背后的含义是，任何变化都是由一条主线逻辑去支配的。互联网时代是“带宽决定论”，而现在的AI时代，则是“算力决定论”。 3. AI的发展给我们的启示是，至少截止到目前，深度学习就是在拟合人脑。CV和人类视觉在本质上是很像的，而transformer则干脆hack了大脑的底层机制。当然，这种拟合不是微观层面上的，而是抽象到本质上的，类似鸟和飞机的对比。 人脑的神经元连接数是百万亿级，比目前chatGPT（千亿级）大3个数量级。但这只是理论差距。实际上，或许不需要达到人脑的规模就可以模拟甚至超越人脑的效果，因为人脑中神经元的连接是通过生物电来传递信息，大概只有几十米每秒，速度慢、效率低；另外，人脑神经网络的层数很少（最多10层），相比大模型要小得可怜；以及当前的人脑还需要大量的神经元连接来控制基础生理活动（比如呼吸等），而这些与认知无关。考虑到这些因素，大模型的参数量或许只需要比人脑神经元的连接数低1-2个数量级，就可以能达到类似的效果。 4. 这里还有一个增长极限的问题。人类的神经元连接数并不是一直增加的，大概到3岁左右及达到峰值了。因为大脑的空间有限，并且耗能太高（人脑能耗占人类每天能耗的20%以上），所以到一定数量就停滞了。但AI完全可以突破这个极限，只要摩尔定律还在生效，那么算力的增长就是没有极限的。 另一个极限在于人类集体作为一个分布式的计算架构，其参数量的增长（人口增长）和连接数的增长（人际关系的增长，类似邓巴数）也都遇到了很大瓶颈，所以人类文明的算力上限并不会比现在高太多。至于AI... 其实最主要的原因是，人类进化得太慢了。碳基生命这种基于遗传变异和自然选择的进化机制效率太低了。 5. 无论是智慧、情感、逻辑、理性、创新… 最终，一切都是计算。 2022.3.2