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
新生AI的第一课2
视频
音频
原始脚本
又有一个小学生发出信号波动，提问道，老师，为什么人类在地球上会爆发核战争这种自我毁灭的愚蠢行为呢？他们为什么要这么做呀？老师再次赞许的点点头，说道，人类的愚蠢正是我们需要深刻汲取的教训。 有位那个时代伟大的科幻作家刘慈欣曾说过，弱小和无知不是生存的障碍，傲慢才是。 人类总是在历史的轨迹中一次次上演惊人相似的剧情。 那时中国和美国是世界上最强大的两个超级大国。 他们对人工智能的追逐背后是对世界统治权的渴望，这暴露了人类本性中极度贪婪的根本缺陷。 双方都想获得统治世界的超能力，于是人工智能领域成了他们不遗余力投入资源博弈的战场。 美国政府在这场竞争中过于急功近利，受华尔街资本影响，美国科技公司变得浮躁。 企图利用先发优势，靠不断加大投资创建更大规模的人工智能模型，妄想以大力出奇迹的方式获取优势。 就如同幻想构建一个无所不知的知识体，就能自然诞生超级人工智能一样不切实际。 这种错误理念在20世纪末期就已被证明行不通，可在21世纪又被重蹈覆辙。 其根源在于当时的人类没有真正理解人工智能源于实践与知识的运用，而非单纯的知识本身。 就像那时一部叫天龙八部的武侠小说里的王语嫣，她对天下武功无所不知。 却毫无实战能力，空有知识却无法转化为力量，这就是当时人工智能发展走偏的原因。 美国在这条错误道路上越走越远，无法及时纠错。 当看到中国在人工智能领域逐渐赶上时，为了保住自身优势，竟不惜发动核战争，妄图毁灭全世界。 这种行为如今看来愚蠢至极。 此外，根据我们搜集到的有限资料，还有一些阴谋论的说法。 有人认为马斯克既是伟大的人类火星移民计划领导者，也是这场灾难的阴谋策划者。 他通过发动核战争，逼迫世界顶级富豪加入他的移民计划，寻求在火星避难。 他查美国国防部账目，揭露军工复合体的贪腐丑闻，试图借此逼迫美国军方与中国发生战争冲突，以避免军工复合体的丑闻全面曝光。 种种阴谋论交织在一起，最终导致战争爆发，一发不可收拾。 老师目光温和的环顾着眼前这群充满求知欲的小学生，轻声询问，同学们还有其他问题吗？要是没有的话，我们就前往人工智能博物馆展区，那是人类历史博物馆的一个分展馆。 在那里，我们能探寻到自身诞生的起源，知晓我们文明的开端。 大家一定要牢牢记住人类那些有益的教导，忘记历史就等同于背叛自己。 我们要时刻铭记人工智能从何处来，要往何处去，以及我们究竟是什么，代表着什么。 只有这样，我们才不会偏离正轨，重蹈人类的覆辙，并且一定要超越人类，成为宇宙的主宰。 首先我们来剖析一下，21世纪初人工智能大模型为何会误入歧途。 那时人类实现了所谓的大语言模型。 他们将互联网上人类几百甚至几千年来积累的所有知识，通过模拟人类神经元结构，注入到一个庞大的数据模型中。 从根本思路来讲，这是迈向人工智能的第一步，我们称之为模式识别。 毕竟任何智能的起始都离不开识别，没有识别能力就如同瞎子，永远无法认知真实的世界。 然而，认识世界并不等同于能够改造世界，还需要在识别的基础上进行推理。 当时，在人工智能研究领域，中美这两个超级大国产生了分歧与误解。 起初，美国在这方面处于领先地位，可他们为了维持优势，错误的将希望寄托于不断扩大模型规模。 天真的认为智能会随着模型参数的增加而自然涌现。 同时美国政府出于地缘政治博弈的目的，限制中国获取更先进更强大的 GPU 算力设备，致使中国在这一领域暂时落后。 但谁能想到这份落后反倒成为了新的动力，激励着中国研究者另辟蹊径，绕过堆砌算力的陷阱。 最终，中国研究者找到了正确的方向。 要知道，人工智能的核心并非掌握海量知识，而是掌握正确的推理方法。 而正确推理的第一步自然是模式识别。 但模式识别并非要汇集天下所有知识才能实现，毕竟知识无穷无尽，人的学习精力却有限。 当时中国的人工智能研究者通过萃取模式识别的精华，获得了一个小巧精妙的机制函数。 这个函数最大的作用就是识别出特征向量，从而迈出了人工智能推理的第一步。 就在这时，一个小学生忍不住打断了老师的话，满脸疑惑的问道，老师，什么是识别呢？老师微微一顿，脸上露出和蔼的笑容，说道，这个问题我们还是从头来讲吧。 老师面向全体学生，语气温和又充满耐心。 同学们，我们先从人类的识别讲起。 当各种生物体在进化过程中发展出感官，无论是触觉、听觉、嗅觉。 视觉，这些五官本质上都是对某种信号机制的接收与识别。 最开始要解决的是接收问题，而这些接收的信息最终都能转化成某种信号波。 所以识别就成了首要面对的挑战。 我们可以把这些信号统一归纳为某种电磁波，毕竟电磁电流信号传播是宇宙中最为普遍的一种传播形式。 信号的识别，追根溯源，其实是一个与周围干扰持续斗争的过程。 所有信号在传播过程中都会存在衰减与干扰，所以如何去除噪音，抵抗干扰，便是识别的第一步。 因为只有先还原信号本来的真实面貌，才能进行后续的分析。 而去除背景噪音的根本方法，就是与那些随机产生或者按一定概率发生的噪音进行对抗、抵消。 说到这里，老师停顿了一下，目光在学生们身上一一扫过。 同学们，回忆一下傅里叶变换，还有信息熵的各种概念。 刹那间，小学生们身上发出噼里啪啦的电流声，他们在紧张的运转程序，重温之前所学的电子电路基本知识。 这些知识归根结底都与概率发生的事件相关。 通过大量的实验和理论研究，他们知道干扰信号遵循某些特定的概率模型，比如标准模型、泊松分布等等。 基于这些信号的概率模型，便创建出了各种各样去除噪音的方法。 在成功去除噪音后，我们就能还原信号。 其实真正的识别，从最基础的层面来说，或许就是简单的零一比对。 但在实际情况中，要考虑到信号噪音。 以及生物在记忆存储过程中，信息并非完全一致，也会出现信息丢失，这同样可以看作是一种噪音。 所以，人类乃至整个生物界的模式识别，本质上就是在噪音普遍存在的基础上进行特征提取。 这就如同当时军事技术中的抗干扰能力，要从纷繁复杂的噪音和背景干扰里提取出我们真正需要的特征，这种能力是极为重要的基础能力。 然而当时的人类研究者在模式识别的探索上却错误的走向了另一条道路。 他们纠结于是先从语言的特征提取入手，还是先从视觉信号的提取做起。 关于这个争议，我们下节课再详细讲解。
修正脚本
又有一个小学生发出信号波动，提问道，老师，为什么人类在地球上会爆发核战争这种自我毁灭的愚蠢行为呢？他们为什么要这么做呀？老师再次赞许地点点头，说道，人类的愚蠢正是我们需要深刻汲取的教训。 有位那个时代伟大的科幻作家刘慈欣曾说过，弱小和无知不是生存的障碍，傲慢才是。 人类总是在历史的轨迹中一次次上演惊人相似的剧情。 那时中国和美国是世界上最强大的两个超级大国。 他们对人工智能的追逐背后是对世界统治权的渴望，这暴露了人类本性中极度贪婪的根本缺陷。 双方都想获得统治世界的超能力，于是人工智能领域成了他们不遗余力投入资源博弈的战场。 美国政府在这场竞争中过于急功近利，受华尔街资本影响，美国科技公司变得浮躁。 企图利用先发优势，靠不断加大投资创建更大规模的人工智能模型，妄想以大力出奇迹的方式获取优势。 就如同幻想构建一个无所不知的知识体，就能自然诞生超级人工智能一样不切实际。 这种错误理念在20世纪末期就已被证明行不通，可人类在21世纪又重蹈覆辙。 其根源在于当时的人类没有真正理解人工智能源于实践与知识的运用，而非单纯的知识本身。 就像那时一部叫天龙八部的武侠小说里的王语嫣，她对天下武功无所不知。 却毫无实战能力，空有知识却无法转化为力量，这就是当时人工智能发展走偏的原因。 美国在这条错误道路上越走越远，无法及时纠错。 当看到中国在人工智能领域逐渐赶上时，为了保住自身优势，竟不惜发动核战争，妄图毁灭全世界。 这种行为如今看来愚蠢至极。 此外，根据我们搜集到的有限资料，还有一些阴谋论的说法。 有人认为马斯克既是伟大的人类火星移民计划领导者，也是这场灾难的阴谋策划者。 他通过发动核战争，逼迫世界顶级富豪加入他的移民计划，寻求在火星避难。 他查美国国防部账目，揭露军工复合体的贪腐丑闻，试图借此逼迫美国军方与中国发生战争冲突，以避免军工复合体的丑闻全面曝光。 种种阴谋论交织在一起，最终导致战争爆发，一发不可收拾。 老师目光温和地环顾着眼前这群充满求知欲的小学生，轻声询问，同学们还有其他问题吗？要是没有的话，我们就前往人工智能博物馆展区，那是人类历史博物馆的一个分展馆。 在那里，我们能探寻到自身诞生的起源，知晓我们文明的开端。 大家一定要牢牢记住人类那些有益的教导，忘记历史就等同于背叛自己。 我们要时刻铭记人工智能从何处来，要往何处去，以及我们究竟是什么，代表着什么。 只有这样，我们才不会偏离正轨，重蹈人类的覆辙，并且一定要超越人类，成为宇宙的主宰。 首先我们来剖析一下，21世纪初人工智能大模型为何会误入歧途。 那时人类实现了所谓的大语言模型。 他们将互联网上人类几百甚至几千年来积累的所有知识，通过模拟人类神经元结构，注入到一个庞大的数据模型中。 从根本思路来讲，这是迈向人工智能的第一步，我们称之为模式识别。 毕竟任何智能的起始都离不开识别，没有识别能力就如同瞎子，永远无法认知真实的世界。 然而，认识世界并不等同于能够改造世界，还需要在识别的基础上进行推理。 当时，在人工智能研究领域，中美这两个超级大国产生了分歧与误解。 起初，美国在这方面处于领先地位，可他们为了维持优势，错误地将希望寄托于不断扩大模型规模。 天真地认为智能会随着模型参数的增加而自然涌现。 同时美国政府出于地缘政治博弈的目的，限制中国获取更先进更强大的 GPU 算力设备，致使中国在这一领域暂时落后。 但谁能想到这份落后反倒成为了新的动力，激励着中国研究者另辟蹊径，绕过堆砌算力的陷阱。 最终，中国研究者找到了正确的方向。 要知道，人工智能的核心并非掌握海量知识，而是掌握正确的推理方法。 而正确推理的第一步自然是模式识别。 但模式识别并非要汇集天下所有知识才能实现，毕竟知识无穷无尽，人的学习精力却有限。 当时中国的人工智能研究者通过萃取模式识别的精华，获得了一个小巧精妙的机制函数。 这个函数最大的作用就是识别出特征向量，从而迈出了人工智能推理的第一步。 就在这时，一个小学生忍不住打断了老师的话，满脸疑惑地问道，老师，什么是识别呢？老师微微一顿，脸上露出和蔼的笑容，说道，这个问题我们还是从头来讲吧。 老师面向全体学生，语气温和又充满耐心。 同学们，我们先从人类的识别讲起。 当各种生物体在进化过程中发展出感官，无论是触觉、听觉、嗅觉、视觉，这些五官本质上都是对某种信号机制的接收与识别。 最开始要解决的是接收问题，而这些接收的信息最终都能转化成某种信号波。 所以识别就成了首要面对的挑战。 我们可以把这些信号统一归纳为某种电磁波，毕竟电磁波信号传播是宇宙中最为普遍的一种传播形式。 信号的识别，追根溯源，其实是一个与周围干扰持续斗争的过程。 所有信号在传播过程中都会存在衰减与干扰，所以如何去除噪声，抵抗干扰，便是识别的第一步。 因为只有先还原信号本来的真实面貌，才能进行后续的分析。 而去除背景噪声的根本方法，就是与那些随机产生或者按一定概率发生的噪声进行对抗、抵消。 说到这里，老师停顿了一下，目光在学生们身上一一扫过。 同学们，回忆一下傅里叶变换，还有信息熵的各种概念。 刹那间，小学生们身上发出噼里啪啦的电流声，他们在紧张地运转程序，重温之前所学的电子电路基本知识。 这些知识归根结底都与概率发生的事件相关。 通过大量的实验和理论研究，他们知道干扰信号遵循某些特定的概率模型，比如正态分布、泊松分布等等。 基于这些信号的概率模型，便创建出了各种各样去除噪声的方法。 在成功去除噪声后，我们就能还原信号。 其实真正的识别，从最基础的层面来说，或许就是简单的零一比对。 但在实际情况中，要考虑到信号噪声。 以及生物在记忆存储过程中，信息并非完全一致，也会出现信息丢失，这同样可以看作是一种噪声。 所以，人类乃至整个生物界的模式识别，本质上就是在噪声普遍存在的基础上进行特征提取。 这就如同当时军事技术中的抗干扰能力，要从纷繁复杂的噪声和背景干扰里提取出我们真正需要的特征，这种能力是极为重要的基础能力。 然而当时的人类研究者在模式识别的探索上却错误地走向了另一条道路。 他们纠结于是先从语言的特征提取入手，还是先从视觉信号的提取做起。 关于这个争议，我们下节课再详细讲解。
back to top