十    对AI路线的分歧，不过是一百多年来某类科学暗涌的延续。

相当长的岁月里，在大雪纷飞的多伦多，辛顿几乎是深度学习唯一的守夜人。

他本科在剑桥大学读生理学和物理学，其间转向哲学，拿的是心理学学士学位，后来再读了人工智能博士学位。

辛顿等人在统计力学中得到灵感，于1986 年提出的神经网络结构玻尔兹曼机，向有隐藏单元的网络引入了玻尔兹曼机器学习算法。

如下图，所有节点之间的连线都是双向的。所以玻尔兹曼机具有负反馈机制，节点向相邻节点输出的值会再次反馈到节点本身。

玻尔兹曼机在神经元状态变化中引入了统计概率，网络的平衡状态服从玻尔兹曼分布，网络运行机制基于模拟退火算法。

玻尔兹曼机。图片来自《图解人工智能》一书

从香农，再到辛顿，他们都从玻尔兹曼那里获得了巨大的灵感。

将“概率”引入物理学，看起来非常奇怪。‍‍

人类直到19世纪之后，才知道“热”是物体内部大量分子的无规则运动的表现。那么，为什么热量总从热的物体传到冷的物体？‍‍‍‍‍

玻尔兹曼说，原子（分子）完全是随机运动的。并非是热量无法从冷的物体传到热的物体，只是因为：‍

从统计学的角度看，一个快速运动的热物体的原子更有可能撞上一个冷物体的原子，传递给它一部分能量；而相反过程发生的概率则很小。在碰撞的过程中能量是守恒的，但当发生大量偶然碰撞时，能量倾向于平均分布。

这其中，没有物理定律，只有统计概率。这看起来非常荒谬。‍‍

坚定的科学主义者费曼，后来也提出“概率振幅”，用来描述物理世界的本质。

对此，费曼解释道：这是不是意味着物理学——一门极精确的学科——已经退化到“只能计算事件的概率，而不能精确地预言究竟将要发生什么”的地步了呢？是的！这是一个退却！但事情本身就是这样的：

自然界允许我们计算的只是概率，不过科学并没就此垮台。

事实上，罗素也主张因果关系的概然性，认为一切规律皆有例外，所以他也不赞成严格的决定论。‍

也许是因为都持有“自下而上”的世界观，玻尔兹曼喜欢达尔文，他在一次讲座中宣称：‍‍‍‍‍‍‍‍‍

“如果你问我内心深处的信念，我们的世纪将被称为钢铁世纪还是蒸汽或电的世纪呢？我会毫不犹豫地回答：它将被称为机械自然观的世纪，达尔文的世纪。”

对达尔文的自然选择理论，玻尔兹曼认识到，生物之间通过资源竞争展开“一种使熵最小化的战斗”，生命是通过捕获尽可能多的可用能量来使熵降低的斗争。

和生命系统一样，人工智能也是能够自动化实现“熵减”的系统。‍‍

生命以“负熵”为食，人工智能系统则消耗算力和数据。‍

杨立昆估算，需要10万个GPU才能接近大脑的运算能力。一个GPU的功率约为250瓦，而人类大脑的功率大约仅为25瓦。

这意味着硅基智能的效率是碳基智能的一百万分之一。

所以，辛顿相信克服人工智能局限性的关键，在于搭建“一个连接计算机科学和生物学的桥梁”。

十一   达·芬奇曾说过：“简单是终极的复杂。”

牛顿那一代相信上帝的科学家，认为神创造这个世界时，一定运用了规则。

他们只管去发现规则，而不必在意暂时的不可理解。例如，万有引力公式为什么长成那样？为什么要和距离的平方成反比？

另一方面，牛顿们信奉奥卡姆剃刀的原则，认为世界的模型基于某些简洁的公式。他们至少相信存在某个这样的公式，从爱因斯坦到霍金，莫不如是。

然而在不确定性时代，概率似乎比决定论派更能解释这个世界。牛顿式的确定退缩到了有限的领域。

也许费曼是对的，科学家是在用一个筛网检验这个世界，某些时刻似乎所有的现象都能通过筛孔，但如今我们知道多么完备的科学都只是暂时的解释，只是暂时未被证伪的筛网。但这并不影响我们向前。

还有一种哲学认为，世界本身就是在为自己建模。试图用一个大一统理论解释世界几乎是不可能的，更何况宇宙还在继续膨胀。

从以上有趣但略显含混的角度看，ChatGPT是用一种反爱因斯坦的方式为世界建模。它有如下特点：

1. 是概率的，而非因果的；
2. 尽可能地去模拟人类世界这一“大模型”，从经验中学习和进化，而非去探寻第一原理；
3. 它信奉（至少暂时如此）“复杂是终极的简单”；
4. 它驱逐了神。因为它自己越来越像一个神。

AI和人类别的热闹事物一样，经常会有周期性的热潮。

上一波是2016年，热起来，然后又慢慢静下来。

七年过去了，AI再次热起。Open AI照例没有打开“黑盒子”，却带来了影响力更为广泛的浪潮。

这一次，广泛性似乎战胜了专业性。人们似乎更关注那个会画画的、可能替代自己摸鱼的AI，而不是那个能战胜世界冠军、能研究蛋白质折叠解决人类顶尖难题的AI。

这其中有多少是工程的突破和技术的飞跃？有多少是商业驱动下的大力出奇迹？有多少是人类社会惯常的泡沫？

毋庸置疑，人类过往的伟大突破，不少都是在多种理性和非理性力量的交织之下实现的。

这里面的机会是：

1、卖水者。如英伟达，Scale AI等；

2、新平台的出现。会有超级应用突破微软和谷歌等巨头无敌的新瓶装老酒吗？

3、新平台既有通过生产力的提升创造的新价值空间，如各种全新的产品和服务，也有对旧有价值空间的掠夺；

4、也许会有iPhone的颠覆者，以及围绕其展开的各种应用和服务；‍‍‍

5、AI会成为基础设施。

但是，水和电成为基础设施，互联网成为基础设施，与AI成为基础设施，绝非简单的类比或升级。

大概的趋势也许是，商业上的垄断与两极分化会更加残酷。职业上，或许中间阶层会更加无望；

6、因为AI极其耗电，能源领域大有可为；

7、“场景”和“应用”会有机遇。尤其是那些能够较好地利用AI平台实现人机结合的场景与应用。

8、对个体而言，我们要问的是，AI还需要人类充当新基础设施和新系统的类似于“操作员、司机、程序员、快递员”的新时代角色吗？

十二   人工智能的变迁，几乎对应着人类认知世界的变迁结构。

从确定性到不确定性，从物理定律到统计概率，物理和信息交汇于“熵”，并以类似的达尔文观念，进化出有生命的熵减系统。

在这个愈发茫然的世界里，AI在疫情后时代获得了世人额外的关切；

诸神已被人类背弃，算法用强大而未知的相关性替代了神秘主义和因果霸权，仿佛成为新神。

真实与信念，确定与随机，意识与虚无，再次于大众的狂欢之中，对峙在时代的断崖边缘。

从乐观的角度看，牛顿的信徒和达尔文的信徒也许可以携手，借助于尚不知进化边界何在的人工智能，去突破人类的智慧疆界。

哈耶克说：“一个秩序之所以可取，不是因为它让其中的要素各就其位，而是在这个秩序上能够生长出其他情况下不能生长出的新力量。”

迄今为止，我们尚不能定义什么是智能，什么是意识。‍‍‍‍‍‍

然而，却有一个黑乎乎的盒子，告诉我们可能会超越人类的智能，甚至涌现出人类的意识。

微软的报告中这样写道：

我们没有解决为什么以及如何实现如此卓越的智能的基本问题。它是如何推理、计划和创造的？

当它的核心只是简单的算法组件–梯度下降和大规模变换器与极其大量的数据的结合时，它为什么会表现出如此普遍和灵活的智能？

AI研究人员承认，智能是否可以在没有任何代理或内在动机的情况下实现，是一个重要的哲学问题。

在2023年的这个并不容易的春天，我对ChatGPT的态度坦然而期待：

我希望见到它所具备的可能性，为这个混乱的世界带来某些“熵减”。‍‍

在所有预测中，我期待Kurzweil的那个“2030 年技术将使人类享受永生”的预言。

我自己对永生没兴趣，但不想失去身边的人们。我对世俗的依赖大过对“超人类主义”的担忧。

我不太相信意识的上传，因为一旦上传，就可以复制，就不是唯一的，就失去了自由意志，又谈何“意识”呢？‍

人类会洞察大脑最深层次的秘密吗？汤姆·斯托帕警告过：

“当我们发现了所有的奥秘，并失去了所有的意义时，我们将会在空荡荡的海边孤身一人。”

哥德尔的“不完备性定理”告诉我们，不确定性是人类认识的形式逻辑思维本身所固有的。

“一个计算机可以修改自身的程序，但不能违背自身的指令——充其量只能通过服从自身的指令来改变自身的某些部分。”

哥德尔算是为AI，为人类划定了边界吗？否则，人类制造超级AI，然后拜其为神，何尝不是自我奴役？‍

哥德尔又告诉我们，人类永远可以在“实在主义”中通过“直观和直觉”引入构成高一级形式系统的新东西，建立新公理系统，如此推进以至无穷。

这就是彭罗斯所持的那种“人心超过计算机”的观念。

最后

上一次，七年前，在阿尔法狗面前，人类曾经哭泣过；

这一次，无人哭泣，却有万众狂欢。

在两次AI高潮之间的7年里，我们经历了许多，失去了许多。

人们渴望拥抱某些希望，某些确定性，即使那些确定性来自一些不确定性的智慧。‍‍‍‍

就我自己而言，也遭遇了一些前所未有的艰难时刻。所谓艰难，并非指一些困难的抉择，也并非说没有选项。‍‍‍‍‍‍‍

恰恰相反，依照最优决策原理，我很容易通过期望值计算，得出最佳选项，获得所谓最大化的收益。

然而，我追溯到内心的源头，重新定义了自己的期望效用，然后据此做出了有点儿辛顿风格的“基于信仰的差异化”选择。‍‍‍‍‍‍

对任何一个人而言，不管是难是易，是聪明是愚蠢，是理性是任性，这种事儿在技术层面都只算小菜一碟。

可对AI来说，自己去定义期望效用，暂时难于登天。‍‍

所以，研究人员称，为“大型语言模型”配备代理权和内在动机是未来工作的一个迷人的重要方向。

而“代理权”与“内在动机”这两点，一个普通人类只需要一秒钟或者几个不眠之夜即可实现。‍‍

或许关键不在于得失，不在于效用函数，而在于“存在”。

如伊塔洛·卡尔维诺所言：

“随着时光流逝，我慢慢地明白了，只有存在的东西才会消失，不管是城市，爱情，还是父母。”

在本文开篇写到的传奇故事里，扫地少年皮茨和教授麦卡洛克两人之间非凡的友谊直至终生。‍‍‍

比起电影《心理捕手》里的心理学教授“威廉姆斯”，麦卡洛克对皮茨的情感更为深厚，充满了父亲般的爱，和学术上的“琴瑟和鸣”。

后来，当麦卡洛克与控制论之父维纳产生决裂，皮茨毫不犹豫地站在了麦卡洛克一边，尽管维纳是他的博士生导师，几乎能够左右他在学术界的前程。皮茨甚至为此烧掉了自己的论文。‍‍‍‍‍‍‍‍

他如街头少年般热血而冲动。

不久以后，皮茨继续遭遇了学术上的打击，有个实验表明，似乎逻辑并未如他的理论所预期般决定大脑的思维过程。

这个锅炉工的孩子再次回到命运的枷锁之中。曾经点燃他灰暗岁月的对数学和逻辑的激情，以及关于人工智能的天才般的构想，一点点被世俗的烟尘淹没了。‍‍‍‍‍‍‍‍

陨落中的天才用血脉中无法斩断的自我毁灭，来违背自己无与伦比的逻辑天赋。皮茨开始酗酒，最后在寄宿之家孤独死去，年仅46岁。‍‍‍四个月后，麦卡洛克也在同一年去世了。‍

许多年后，当人们追溯神经网络波澜起伏的发展历程，总会来到起点：麦卡洛克和皮茨共同构建的丰碑。‍‍‍‍‍‍

就像我们来到大江大河的源头，发现不过是一处小小的溪流。

哥德尔曾在哲学手稿中留下一句话：世界的意义就在于事实与愿望的分离，即事与愿违。

我更愿意用纪伯伦的话语来代替哥德尔的迷惘，尽管就底层而言也许是同一件事。诗人说：

我们活着只为了去发现美，其他一切都是等待的种种形式。

作者：孤独大脑，公众号：孤独大脑（ID：lonelybrain）

【文章来源】人人都是产品经理；特别声明：以上内容(如有图片或视频亦包括在内)来自网络，已备注来源；本平台仅提供信息和存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by user of ASKAI, which is a social media platform focused on technology of CHATGPT and only provides information storage services.