赶在Deep Seek横空出世之前终于读完了这本关于人工智能的过去现在和将来的著作。尽管阅读时间相比本书的出版时间还是晚了将近两年的时间，但是并没有妨碍这本书带来的收益，毕竟从最早提出人工智能这个想法，到这项技术真正走进每个人的工作与生活已经过去了超过50年的时间，同时在阅读完本书之后，也更加确信这项技术在未来超过50年的时间里还依然会保持着持续的发酵状态，如果更为大胆地推测一下，或许这个星球上的下一个主宰物种正在诞生。
长期以来，人工智能一直被视为一种遥远的未来技术， 它是一个被委托给科学界边缘的项目，甚至在历史上两次走入绝境，陷入寒冬，好在直到一些孤注一掷的研究人员用一场新的变革打破了宁静——深度学习革命。随着深度学习的兴起数字技术的构建方式出现了根本的改变。工程师们通过一次一条规则，一次一行代码的方式来制定计算机的运行规则，他们开始打造可以通过自身经验学习任务的机器，这些经验包含了巨量的数字信息，甚至没有人能够理解，因为这种学习方式更接近于人类的学习方式，所以这项技术逐步被更名为人工智能。
目前无论是学术界还是企业界，感知机普遍被认为是人工智能的鼻祖。当感知机查看每个物体并试图识别时，它会得到一些正确的结果，也会得到一些错误的结果。但它可以从错误中吸取教训，有条不紊地调整每项数学计算，直到错误少之又少，这似乎也与当下流行的大模型训练不谋而合，殊不知感知机项目主要关注的不是发明“人工智能”设备，而是研究“自然智能”背后的物理结构和神经动力学原理。但是感知机无法处理数学家所谓的“异或”问题，这是一个深奥的概念，特别是在判断与推理的过程中有着十分重要的作用，而这一点也正是阻碍感知机向前发展的最大瓶颈。
直到神经网络的出现，研究人员发现，如果能够建立一个多层的网络，每一层都向下一层提供信息，这个系统就可以学习感知机无法学习的复杂图形，同时它可以“记住”最近分析过的数据，并在运行的每一步都利用这种回忆改进它的分析。大多数大学和科技公司就是这样打造计算机视觉、语音识别和自然语言理解技术的。
与其说人工智能是一门正式的科学，不如说它是一种态度，融合了众多不同形式的研究，将它们全部拉入一项通常过于雄心勃勃的奋斗之中，即打造出行为类似人类的机器，这台机器会变得突然成熟，然后吸引那些全世界最优秀的企业参与其中，这就是科技行业的运作方式。最大的一些公司正在陷入一场永不停息的竞赛，追逐下一项变革性技术，无论那是什么。每家公司都想率先抵达那里，如果有谁抢先一步，那么其他人将面临更大的压力，必须毫不拖延地抵达。
所以才有了微软、谷歌、Facebook的前后入局，DeepMind OpenAI的横空出世（本书写作完成时深度求索还没有创建），当然在这个阶段最高光的时刻还是要算Alpha Go的胜利，尽管在当时大部分人对Alpha Go的认知和红白机中国象棋老头没有太大差别，但是对人工智能来讲，它在通过持续训练之后依靠自身的学习能力战胜了地球上最出色的围棋职业选手，这说明在逻辑思维、抽象思维、全局思维方面，人工智能已经超过了世界上最优秀的人类。
因为本书付梓的时候Chat-GPT的功能还不像当下这样强大，所以作者没有在书中给出详细的介绍与评价。但是从2023年Chat-GPT3火爆出圈以来以来，在国内无论是文心一言、通义千问、盘古或者火星，各类通用大模型一直层出不穷，但是风评似乎也不及预期，直到Deep Seek横空处世，以开源和低成本两大优势迅速风靡，从功能角度而言按照 DeepSeek自己的回答其与Chat-GPT也还是各有优势。
在AI还没有进化到能够完全自主输出智能的程度之前，其成长与发展最关键的因素还是依靠用户。即更多的用户使用，就会为其提供更多的语料与更多的学习空间，所以站在用户的角度来看，特别是站在以汉语为母语的用户角度来看DeepSeek的优势就更加明显了。（如下是豆包的评价）
就像地壳运动将地球划分为五大洲与四大洋，然后在不同的土地上酝酿出了不同的文明，在不同语言的训练之下，那些所谓的通用模型也一定会长出不同的样子。
不同于计算机与互联网的发展路径是从细分到通用，AI的演进路径更像是一种总—分结构，即先生产一个通用大模型，然后在这个模型的基础上在进行专业细化，这条演进的道路大概率与人类智力的发展道路遵循着同样的路径，我们总是在小时候先接受了很多说通识类教育，然后随着年岁的增长与心智的成熟逐步发展出很多专业技能。一方面是能够给予通识类教育渠道有很多，无论是家庭、学校还是社会，总能在耳濡目染之间让那个幼小的头脑吸收很多原本没有的经验，另一方面只有积累了足够多的通识类知识，才能扬长避短更好地发挥专业才能。
映射到当下的大模型中，那就是先通过训练通用模型使其具备基本的常识，因为只有通用模型才能够最大程度地吸引用户，也让这个硅基生命获得最大程度地训练，在这个模型发展成熟之后，可以再根据不同行业的专业需求，发展出专业化的智能。毕竟目前的模型还是十分依赖人类投喂的语料，就像本山大叔曾经说过的“你种的是茄子，还能长出辣椒啊？”
所以当通用模型成熟之后，对专业模型的训练与使用也就应运而生，试想一下，如果专业人工智能真的下场至每一个真实的生产场景，对行业生产力的提升必定会带来一次新的飞跃。
同样的场景可以类比PC与互联网接入生产场景后对生产力的提升，因为人工智能是完全模仿人类本身而设置的，所以大概率可以推演出两个阶段。
第一阶段是以人工智能的方式赋能重新构建原本企业当中的生产场景与决策机制，从而优化既有工作流程中的由于人性存在的缺陷，通过流程与决策的优化提升生产效率，这个阶段很像2015年前后移动互联网普及时诞生的“互联网+”模式，只不过是由“+”之前又互联网变成了“AI”。因为有足够的深厚的行业积累以及足够广阔的市场前景，所以当技术又一次进行演进的时候，留下的可以想象的空间是巨大的，同时这一阶段大概率也是能够见到的，所以在这个阶段更多需要关注人工智能在具体行业的应用，即所谓的端侧，毕竟单纯的模型是不具备生产能力的，只有将其与实际的应用场景结合起来，才能真正创造价值。当这个阶段进入中段之后，大概率会有“具身智能”下场进入实操环节，即当真用硅基生命来代替碳基生命进行作业，这时或许当真能够看到动画片中的擎天柱照进现实的场景，这也就意味着第二阶段的到来，或许到那时硅基生命主宰地球的大幕才正式拉开。
从感知机到人工智能再到擎天柱，距离未来还有很长的路要走。但是人工智能自我进步的速度属实太快了，这些技术可以在任何人意识到发生了什么之前，从无害跨越到危险的境地，无论是深度造假、训练数据偏差还是武器化，都已经成为了在人工智能发展道路上无法回避的问题。不过在碳基生命依然是这个星球的主导物种时，如果技术要在未来成功得到应用，道德责任必须默认被纳入设计之中，而这一点必须在开始打造这个系统的时候就深埋其中的，也是每一位技术研发与推广人员必须遵守的。
