人工智能现在火得一塌糊涂,未来也会火得一塌糊涂。不能掉队,学习一下什么是人工智能。
什么是人工智能?人工二字容易理解,就是人类创造的呗。那什么是智能呢?有两种不同理解。一种是本质主义,就是探寻人之所以是人的本质,要有自主意识,要有我的认知。这太难了。另一种是形式主义,就是不去纠结本质,而是看现象,如果展现出来的像智能,那就是智能。人工智能的发展,就是建立在形式主义的基础之上,典型的例子,就是图灵测试。只要一定几率不能分辨被测试者是人还是机器,那就能被认为具备智能。
在此基础上,如何来展现智能呢?又有两种方式。一种叫符号主义,认为人的意识是有逻辑的,逻辑是可以用符号和数字表达的,符号和数字是可以识别和计算的,人工智能就是一系列的逻辑判断、公式和计算。可是人类思维只有理性逻辑吗?非理性的主观认识如何量化?人工智能按照这个思路发展了30年,终于发现这条路走不通。
另一个方式就是联结主义,就是现在主流的神经网络。让计算机来模拟人类大脑,不如干脆来创造一个大脑。用芯片计算来模拟神经元,让神经元之间自主发生关系和影响,让模拟大脑自动呈现出智能,这就叫涌现现象。
涌现现象,就是简单规则加上巨大规模,就会出现升维般的魔幻变化。我曾经读过王晋康的科幻小说《养蜂人》,就是讲述这个现象。单个蜜蜂是个低等生命体,可是整个蜂群就呈现出相当的智慧。在这个规则下,人工智能的发展就是规模主义,就是常说的大力出奇迹。规模越大,智能越高,这就是为什么说人工智能就是拼算力、拼能源的原因。

智能的表现形式有很多种,主要的表现是语言。语言是智能的具象化的载体,这就是人工智能首先以大语言模型作为突破口的原因。因为现阶段人工智能的理论基础是看上去像,而不是真正的理解,故而大语言模型的本质是计算模拟。
大语言模型分为三个步骤:第一步是分拆,把人类的语言拆分成最小的语义单位,这个单位就叫词元,token 。第二步叫嵌入,本质是计算词元在意义空间的距离,通过距离来组合词义,来预测选择词元。说白了,就是用历史概率来排列组合。第三步是注意力,对语言模型输出的句子再进行检测,能做到这一步,来自于巨大数量的训练。
大语言模型的训练分为预训练和深度学习。预训练就是语料的投喂,巨大数量的语料输入,就是规模的大力出奇迹,让模型识别词元,模拟理解语义,预测所有的组合。把人类所有的语言资料输入模型,就能模拟人类所有的语言表达。一只老鼠在打字机上巨大数量的爬行,形成的字符一定能组成一部莎士比亚全集,就是这个道理。剩下的,就是用词义的远近距离,在浩如烟海的人类表达中,预测选择合适的组合。
大语言模型是专用模型,是不全面的人工智能。人工智能要更像人,需要通用的人工智能—AGI。训练AGI就要用到深度学习。预训练的语料巨大但有限,而人工智能训练人工智能,则可创造出近乎无限的可能,下围棋的阿尔法狗,就是人工智能训练出来,以有限对抗无限,人类的大脑,比挡车的螳臂还要脆弱。Deepmind 、Deepseek 的Deep,就是深度学习的意思。
人工智能的计算取决于算力和算法,算力的关键是芯片,这是中美两国争夺的焦点。算法的迭代取决于人类的智慧,人工智能的另一个关键环节,是人才的争夺。
算法的整合总集是模型,模型分为开源和闭源。闭源就是精英主义,关起门来自己玩,更新迭代依靠的是少数的天才和技术精英。开源是大众主义,开放大家一起玩,每人贡献一点智慧,以大众的力量推动技术迅速进步。区别就像苹果和安卓,显然,开源对技术的促进作用是显著的。绝大多数人工智能模型都是闭源的,而2025年有一家公司把大模型开源了,这就是梁文锋的Deepseek,这又是一个里程碑式的事件,人类又一次站到了技术爆发的时点。
越学我越确信,人类的下半场,将由人类和人工智能共同书写,咱们等着瞧吧。
💻 配套实训环境与动手练习
本文涉及的相关技术指令、开发环境与工具链已内置在边学边练在线实验室中,无需繁琐安装配置,随时在浏览器中实践体验: