我的征尘是星辰大海。。。

The dirt and dust from my pilgrimage forms oceans of stars...

-------当记忆的篇章变得零碎，当追忆的图片变得模糊，我们只能求助于数字存储的永恒的回忆

作者:黄教授

手机视频列表

从计算器到PC机_论大模型的智能本质与毛泽东思想的哲学启示

视频

音频

原始脚本

从计算器到 PC 机，论 AI 的真正形态与毛泽东思想的哲学启示。
当前的大语言模型就像一台计算器，模型公司把它的所有功能都写死了。
将大模型比作计算器，将未来的通用人工智能 AGI 比作 PC 机。
这一比喻精准的揭示了当前 AI 技术的瓶颈与未来方向。
但这背后更深层的哲学思辨，恰恰与毛泽东思想中关于认识论的论述不谋而合。
真正的智能源于实践理论在实践的螺旋式上升，而非对既有知识的静态模仿。
一大模型的计算器本质，固化的知识、僵化的应用。
当前的大模型无论参数规模多大，本质上都是一个功能强大的计算器。
它在出厂时就被注入了海量的文本数据，其核心能力是基于统计规律进行模式匹配和模仿。
它能精准的计算出最可能的下一个词，却无法超越训练数据的边界进行真正的创造。
这就像中国革命初期，那些从苏联归来的28个布尔什维克 他们掌握了马克思主义的理论知识，却将其视为僵化的教条，不顾中国半殖民地半封建社会的具体国情，盲目照搬城市武装起义的模式，结果导致革命遭受重大挫折。
这种本本主义的错误与大模型的局限性如出一辙。
将知识等同于能力，将理论等同于现实，忽视了实践的决定性作用。
二、智能的 PC 机特质，开放的系统、动态的进化。
真正的智能应当具备 PC 机的特质，拥有开放的操作系统和可扩展的硬件平台。
他不仅能处理预设的任务，更能根据新的需求安装新的软件、学习新知识、运行新的程序、解决新问题，并与外部设备、真实世界进行持续交互。
这背后蕴含的正是毛泽东在实践论中阐述的核心思想。
通过实践而发现真理，又通过实践而证实真理和发展真理。
从感性认识而能动的发展到理性认识，又从理性认识而能动的指导革命实践，改造主观世界和客观世界。
实践、认识、再实践、再认识，这种形式循环往复以至无穷。
而实践和认识之每一循环的内容，都比较的进到了高一级的程度。
这段论述精准的描绘了智能的进化路径。
智能不是一个静态的知识容器，而是一个动态的循环上升的过程。
它始于对世界的感知、实践，在大脑中形成抽象的理论模型。
再用这个模型去指导新的实践，并根据反馈修正和完善模型。
这个实践理论，再实践的闭环，才是智能能够不断自我超越的根本动力。
三、从工具到主体，AI 的跃迁之路。
大模型是强大的知识处理工具，但它不是智能主体。
它缺少智能最核心的两个要素，自主的目标和从实践中学习的能力。
它没有想要做什么，也无法从真实世界的奖惩中获得经验，从而调整自己的行为模式。
要实现从计算器到 PC 机的跃迁，AI 系统必须被赋予实践的能力。
它需要能够像人类一样在真实或虚拟的环境中进行探索、试错，并根据行动的结果奖励 力或惩罚来优化自身的决策模型。
这正是强化学习所倡导的感知、行动、奖励循环，与实践、认识、再实践的认识论高度契合。
当 AI 能够主动设定目标，并通过与环境的交互来学习和进化时，它才真正摆脱了本本主义的束缚，从一个被动的知识工具转变为一个能够主动探索世界创造新知识的智能主体。
结语将大模型比作计算器，不仅是技术层面的类比，更是哲学层面的警示。
它提醒我们，知识不等于智能，模仿不等于创造。
真正的人工智能必须走实践出真知的道路。
毛泽东思想中关于认识论的智慧跨越了时空，为今天的 AI 革命提供了深刻的哲学指导。
只有让 AI 系统投身于实践理论再实践的循环，我们才能真正造出具有自主意识和创造性的智能体，而不是一个只会复述人类知识的高级计算器。
这或许就是技术发展与哲学思想碰撞出的最耀眼的火花。

修正脚本

从计算器到 PC 机，论 AI 的真正形态与毛泽东思想的哲学启示。
当前的大语言模型就像一台计算器，模型公司把它的所有功能都写死了。
将大模型比作计算器，将未来的通用人工智能 AGI 比作 PC 机。
这一比喻精准地揭示了当前 AI 技术的瓶颈与未来方向。
但这背后更深层的哲学思辨，恰恰与毛泽东思想中关于认识论的论述不谋而合。
真正的智能源于实践、理论、再实践的螺旋式上升，而非对既有知识的静态模仿。
一、大模型的计算器本质，固化的知识、僵化的应用。
当前的大模型无论参数规模多大，本质上都是一个功能强大的计算器。
它在出厂时就被注入了海量的文本数据，其核心能力是基于统计规律进行模式匹配和模仿。
它能精准地计算出最可能的下一个词，却无法超越训练数据的边界进行真正的创造。
这就像中国革命初期，那些从苏联归来的28个布尔什维克，他们掌握了马克思主义的理论知识，却将其视为僵化的教条，不顾中国半殖民地半封建社会的具体国情，盲目照搬城市武装起义的模式，结果导致革命遭受重大挫折。
这种本本主义的错误与大模型的局限性如出一辙。
将知识等同于能力，将理论等同于现实，忽视了实践的决定性作用。
二、智能的 PC 机特质，开放的系统、动态的进化。
真正的智能应当具备 PC 机的特质，拥有开放的操作系统和可扩展的硬件平台。
它不仅能处理预设的任务，更能根据新的需求安装新的软件、学习新知识、运行新的程序、解决新问题，并与外部设备、真实世界进行持续交互。
这背后蕴含的正是毛泽东在《实践论》中阐述的核心思想。
通过实践而发现真理，又通过实践而证实真理和发展真理。
从感性认识而能动地发展到理性认识，又从理性认识而能动地指导革命实践，改造主观世界和客观世界。
实践、认识、再实践、再认识，这种形式循环往复以至无穷。
而实践和认识之每一循环的内容，都比较地进到了高一级的程度。
这段论述精准地描绘了智能的进化路径。
智能不是一个静态的知识容器，而是一个动态的循环上升的过程。
它始于对世界的感知、实践，在大脑中形成抽象的理论模型。
再用这个模型去指导新的实践，并根据反馈修正和完善模型。
这个实践、理论、再实践的闭环，才是智能能够不断自我超越的根本动力。
三、从工具到主体，AI 的跃迁之路。
大模型是强大的知识处理工具，但它不是智能主体。
它缺少智能最核心的两个要素，自主的目标和从实践中学习的能力。
它没有想要做什么，也无法从真实世界的奖惩中获得经验，从而调整自己的行为模式。
要实现从计算器到 PC 机的跃迁，AI 系统必须被赋予实践的能力。
它需要能够像人类一样在真实或虚拟的环境中进行探索、试错，并根据行动结果的奖励或惩罚来优化自身的决策模型。
这正是强化学习所倡导的感知、行动、奖励循环，与实践、认识、再实践的认识论高度契合。
当 AI 能够主动设定目标，并通过与环境的交互来学习和进化时，它才真正摆脱了本本主义的束缚，从一个被动的知识工具转变为一个能够主动探索世界、创造新知识的智能主体。
结语：将大模型比作计算器，不仅是技术层面的类比，更是哲学层面的警示。
它提醒我们，知识不等于智能，模仿不等于创造。
真正的人工智能必须走实践出真知的道路。
毛泽东思想中关于认识论的智慧跨越了时空，为今天的 AI 革命提供了深刻的哲学指导。
只有让 AI 系统投身于实践、理论、再实践的循环，我们才能真正造出具有自主意识和创造性的智能体，而不是一个只会复述人类知识的高级计算器。
这或许就是技术发展与哲学思想碰撞出的最耀眼的火花。

英文翻译

From calculators to PCs: On the true form of AI and the philosophical insights of Mao Zedong Thought.  
Current large language models are akin to calculators, with all their functionalities hardcoded by model companies.  
Comparing large models to calculators and future general artificial intelligence (AGI) to PCs,  
this metaphor precisely reveals the bottlenecks of current AI technology and the direction for the future.  
Yet the deeper philosophical dialectic behind this coincides uncannily with Mao Zedong Thought on epistemology.  
True intelligence arises from a spiral ascent of practice, theory, and re-practice—not from static imitation of existing knowledge.

I. The Calculator Nature of Large Models: Rigid Knowledge, Inflexible Application  
Current large models, regardless of their parameter scale, are essentially powerful calculators.  
They are injected with massive text data at the point of "manufacture," and their core capability is pattern matching and imitation based on statistical laws.  
They can accurately calculate the most probable next word, but cannot transcend the boundaries of their training data to engage in genuine creation.  
This mirrors the early days of the Chinese Revolution, when the "28 Bolsheviks" returning from the Soviet Union had mastered Marxist theoretical knowledge but treated it as rigid dogma. Ignoring China's specific conditions as a semi-colonial and semi-feudal society, they blindly copied the urban armed uprising model, leading to major setbacks.  
This error of bookishness parallels the limitations of large models:  
equating knowledge with ability, theory with reality, while neglecting the decisive role of practice.

II. The PC Nature of True Intelligence: Open Systems, Dynamic Evolution  
True intelligence should possess the characteristics of a PC—an open operating system and an expandable hardware platform.  
It can not only handle preset tasks but also install new software, learn new knowledge, run new programs, solve new problems, and continuously interact with external devices and the real world as needed.  
This embodies the core idea articulated by Mao Zedong in "On Practice":  
"Discover truth through practice, and verify and develop truth through practice.  
Develop from perceptual knowledge to rational knowledge, and then actively guide revolutionary practice with rational knowledge, transforming both the subjective and objective worlds.  
Practice, knowledge, then practice again, and knowledge again—this form circulates endlessly,  
and the content of each cycle of practice and knowledge advances to a higher level."  
This passage precisely depicts the evolutionary path of intelligence.  
Intelligence is not a static container of knowledge but a dynamic, spiraling process.  
It begins with perception of and practice in the world, forming abstract theoretical models in the mind.  
These models then guide new practice, and are revised and improved based on feedback.  
This closed loop of practice, theory, and re-practice is the fundamental driver of intelligence's continuous self-transcendence.

III. From Tool to Subject: The Leap for AI  
Large models are powerful tools for knowledge processing, but they are not intelligent subjects.  
They lack the two core elements of intelligence: autonomous goals and the ability to learn from practice.  
They have no "desire" to do anything, nor can they gain experience from real-world rewards and punishments to adjust their behavior patterns.  
To achieve the leap from calculator to PC, AI systems must be endowed with the capacity for practice.  
They need to explore, trial-and-error in real or virtual environments, like humans, and optimize their decision-making models based on the rewards or punishments from action outcomes.  
This is precisely the perception-action-reward loop advocated by reinforcement learning, which highly aligns with the epistemology of practice-knowledge-re-practice.  
When AI can actively set goals and learn and evolve through interaction with the environment, it truly breaks free from the shackles of bookishness, transforming from a passive knowledge tool into an intelligent subject that can actively explore the world and create new knowledge.

Conclusion: Comparing large models to calculators is not merely a technical analogy but a philosophical warning.  
It reminds us that knowledge is not intelligence, and imitation is not creation.  
True artificial intelligence must follow the path of "genuine knowledge comes from practice."  
The wisdom of Mao Zedong Thought on epistemology transcends time and space, offering profound philosophical guidance for today's AI revolution.  
Only by enabling AI systems to engage in the cycle of practice, theory, and re-practice can we truly create intelligent agents with autonomous awareness and creativity—not just advanced calculators that parrot human knowledge.  
This may well be the most dazzling spark from the collision of technological development and philosophical thought.