2023人人必修·AI启蒙课，启蒙课程，不含工具

目前评论：2   其中：访客  0   博主  0

2. 2023人人必修·AI启蒙课 6
   回复 2023年5月11日 下午6:39  沙发

   好，这一节我们讲人工智能里程碑chat gbt。首先，我们讲AI为何突然爆发？你知道我们听说人工智能这个词很久了，但是从来没有像今天这么火爆过，为什么？因为它的发展到达一个预值了，你知道AI里面有一个公式。就是ai等于算法乘以算力乘以数据当ai想突破的时候，必须这三个同时突破，什么叫算法就是你运算的规则，你采用什么样的方式去计算？什么叫算力呢？就是你的基础的架构计算的强度，

   那什么叫数据呢？就是你有多少实验数据可以让你这个机器去跑，如果我们打一个简单的比方，所谓的算法就等于你的炒菜技术。你想这个菜炒的好吃，你没学过炒菜不行，但是你只有炒菜技术不行，你还得有好的工具，比如说厨具和调料，这些就是算力，那这些东西有了，能不能做好呢？也不一定还得有好的原料，这个就是数据。比如说肉禽蛋奶，

   油盐酱醋，于是我们做一个对比的数据AI等于算法乘以算力乘以数据就相当于炒菜等于技术乘以调料乘以原料。那么，对于AI来说，它过去十年完成了一个从量变到质变的过程，尤其是非常重要的技术层面，不管是数据量级，算法模型，还是架构，它都到达了一个全新的临界点。才有了今天看似突然的爆发好，接下来我们讲工业革命与人工智能，先回顾一下我们的高中课本。工业革命第一次是一七七四年瓦特改良的蒸汽机投入使用。珍妮纺织机的发明，

   这是第一次工业革命的开始。然后一八六零年西门子发明发电机，一八七九年爱迪生发明电灯，这是第二次工业革命的开始。一九三七年，第一台计算机被发明。一九五七年，第一颗人造卫星发射，这是第三次工业革命开始。那么，我们今天面临的有可能是第四次工业革命的临界点。从以往我们对AI的了解来看，它基本上还在处于第三次工业革命的期间，还没有出现过太多区别于传统计算机的这种智能的涌现，即使有各种AI的技术，

   所谓的AI的技术，但是他们依然是遵循着传统。计算机的架构体系和处理模式就是我告诉你一二三四五六七怎么去做，他们有自己的解决思路，而全新的架构呢，就像我们刚才的比喻，像一个学生一样，我告诉你学习方法，然后你自己去学，这是一个天翻地覆的变化。但是这种变化只有在算法算力和数据三个维度同时取得突破的时候，才有可能成功，而这个正是我们今天看到的悲哀的爆发。严格来讲，我们并不确定亲爱的gpd是否就代表着第四次工业革命，

   但是从人类的发展来讲，一定是一次又一次的替代，所以这次人工智能的全新升级很有可能会引发第四次的广泛的变革。过去我们有很多这样的产品，也是基于人工智能的算法的个性推荐，但是我们的感觉并不强烈，很多时候我们感觉它像一个人工智障，顶多是你看了一些文章再给你推荐一些更加喜欢的文章，但是我们从来没有把它和思考运用在一起。但是这一次不一样，这是第一次，你发现他似乎有了自己的想法，似乎有了自己的推理能力，所以很庆幸我们这一代可以站在这个关键性的节点上，见证一些历史性的时刻。

   接下来我们讲chat gpt引以为傲的预测能力。chat gpt有一个非常厉害的地方在于它的预测能力，这个要从它的深度学习讲起。在之前呀，很多人认为学习是只有人类才能够完成的任务，计算机是没法做到的。但是我们后来发现神经网络这个词，我们可以让计算机做到像人脑一样模拟人脑的工作原理，所以当算法和算力达到这个预值的时候，它就会触发一场。看起来非常惊人的革命，所谓的预测能力呢？也就是你给他一个推理小说，里面有不同的人物情节，有密室，

   有谜团，你在读的时候完全不清楚下面会发生什么，甚至到了最后一页。你还不知道凶手是谁，但是如果你把这个题直接扔给chat gpt，他会直接告诉你谁是凶手，这个就是预测能力。来我们看个题，你先想一想答案啊，我们看个题，一个夏天的晚上，两名侦查员去追捕一名逃犯，当追到一片稻田的时候，断了踪迹，两名侦查员稍等片刻撤离。

   侧耳听了一下，就判断出了罪犯的逃跑方向，请问你知道侦查员是怎么判断的吗？如果你不知道，你先想一想，用五秒钟的时间，我告诉你check gpt的回答。他怎么说的？他说夏天稻田里的蛙声和昆虫的声音非常的响亮，当逃犯逃入稻田的时候，他的行动可能会惊动稻田里的青蛙和昆虫，导致他们的声音发生变化或者暂时。两名侦查员在追捕的过程当中，敏锐的注意到了蛙声和昆虫声音的变化，从而判断出了。

   逃跑方向怎么样？这个就是预测能力。我们再看一个例子，这是傅盛当年讲过的一个故事。我验证了一下他这个题目是这样的，我问我捡到了一只出车祸的小狗，送到了医院治疗了好久才救过来。然后我决定给他起名叫三万，你觉得为什么是这么一个名字，他是这么回答的，我猜测这个名字三万，可能是因为治疗这个小狗的医疗费用很高，达到了三万元。给他起名叫三万，是为了提醒自己付出了这么多的努力和金钱来救他，

   也代表了你对这个小狗的深厚的感情和期望。同时，这个名字也是对他一种鼓励和寄托，希望他能够健康的生活，并且重新珍视这个新的生命。什么感觉？就你会发现这和之前的人工智能完完全全不一样，它能够理解你要表达的，并且能够根据你提供的预测判断出未来走向。就是你会发现这个和之前的人工智能完完全全不一样，它能够理解你能够表达的，并且它能够根据你提供的预测出未来走向。这个非常非常让人震惊。

4. 2023视频号直播投流起号 6
   回复 2023年5月11日 下午6:38  板凳

   好，这一节我们讲从猿到人划时代的乐声，先讲一个真实的故事啊。一九九七年5月11号，它是一个历史性的一天。在这一天呢，IBM的超级计算机深蓝以两胜一负三平的成绩战胜了卡斯帕罗夫，你要知道卡斯帕罗夫是当时世界排名第一的国际象棋大师，一时间全球轰动。机器为什么能够战胜人类？深蓝的设计者许风雄认为，这主要是靠深蓝的强大计算能力穷举，所有的路数来选择最佳的策略。深蓝可以靠硬算预判到12步，而卡斯帕罗夫只能预判十步，

   也就是换句话来讲。深蓝还算不上足够智能，它的算法的核心是暴力搜索生成，尽可能多的走法执行，尽可能深的搜索。它走的每一步几乎都是在便利后续所有的可能之后做出的决策。也就是严格来看，深蓝的胜利是计算机的胜利，它并不是人工智能的胜利，所以人们就在想什么时候计算机可以在围棋上打败人类。你要知道，围棋和国际象棋在复杂程度上是不可同日而语的。围棋的变数极多，一回合有250种可能，而一盘棋可以长达150个回合。

   信息论创始人香农在一九五零年测算过这个难度，国际象棋的复杂冲击度大概是十的120次方左右。而围棋的穷举复杂度又远远超过了国际象棋，达到了惊人的十的360次方。你要知道，目前可观测的宇宙中的原子的总的数量只有十的75次方。所以这个计算就进入了死胡同，于是就有人想，如果不能算，那能不能学呢？就是模拟人脑用强大的算力去学习，而不是暴力计算拆解。就是这么一个思路的切换，创造了一个全新的里程碑。二零一六年3月15日，

   谷歌围棋的人工智能阿尔法狗。四比一战胜了韩国棋手李世石，震惊世界，从算到学是划时代的一步，就像从无机物到有机物，从猿到人的进化一样。所以，阿尔法狗的胜利的秘诀。并不仅仅是强大的计算能力，更重要的是精妙的算法，而算法的核心则是强化学习，深度学习和蒙特卡洛书。当年，柯洁对他的评价就是感觉他像一个有血有肉的人，在下棋一样。

   该气的地方会气，该退出的地方也会退出，非常均衡的一个气氛，完全看不出来是出自程序之手。二零一七年，阿尔法狗进一步升级为新版的阿尔法狗zero，从空白状态学起，在不利用人类任何围棋比赛数据作为训练数据的条件之下，它可以迅速的通过2900万次自我博弈。自学为题，并且以89比11的成绩几百千倍，当年的翻译软件也是一样的。其实早在计算机出现之前，当时的苏联科学家就提出了一个基础的构想。他们觉得翻译很简单嘛，

   就一个词对一个词嘛，我直接找到对应的词，然后再加一些策略不就出来了吗？比如说狗是dog，树是three，苹果是apple，那都可以有对应的关系啊，而且语言学有成熟的体系，你把这个语法一拆解，这不就是算法策略吗？就可以水到渠成吗？哎，这个思路看上去没问题，但是实际操作的时候越做越觉得不对劲，因为语言不像数学，

   它有大量随机应变的成分，同一个词语在不同的语境情况之下有完全不同的含义。我给你举个例子，你给我整个整整的整咱俩整一桌，整不整当心我整你好，你看东北话的一个整有无数个意思，每一个意思都要结合文章去理解，你告诉我怎么翻译？怎么用规则去解读？因为这样大量的习惯用法，它是无规律的出现的，所以当你想套用规则的时候，这个规则就会无限的复杂，所以机器翻译就一直停滞了，20多年无数的科学家和什么语言学家苦苦的摸索。

   都没有能够做出一个可以使用的基本模型，这个就是当时翻译的一个流派，是基于规则的，那么其实在更早的时候呢，在将近50年前还有另外一个流派，当时已经有科学家提出了一个全新的理念叫统计。什么意思呢？就是猜用统计学的方式去猜，基于规则是去解题，拿到一二三四个步骤，然后推导出来，但是基于统计是去猜题，我看过大量的题，然后我再一看这个题，我猜他大概是选这个。

   也就是翻译的时候啊，这个机器不需要关心这个词到底啥意思？你不需要去理解，你只需要见过足够多的例子，经过足够多的学习，然后你凭感觉给我猜对就好了。这个方式有点类似人脑，你学汉语的时候为什么感觉毫无压力，因为你是猜出来的，突然冒出一个生词，比如说然并卵，你开始不知道啥意思，对吧，然后这个场景多了之后，你慢慢就知道哦，

   原来就是没啥用的意思。可是你学英语，为什么觉得难？因为你学英语的时候是通过规则对应先学语法，再学语言，然后你就越学越蒙是不一样的道理。但是呢，让机器猜的这个方法在早期一直没有受到重视，因为它的效果跟这个规则翻译没有好到哪里去。直到二零零五年的一天，有一个事情引起了轰动，每年呀，有一个年度的机器翻译评测。叫ni SD在这个比赛当中，谷歌一跃成为冠军，

   比第二名要超出了5%，你不要小看这个5%，这个在当时是一个非常了不起的成绩，引起了轰动。最后，大家发现，谷歌之所以能够成为第一，是因为它有两个独特的资源，第一个是海量的语言数据库，这个是它做搜索引擎的时候积累的，另外一个是它独有的分布式的计算能力，也就是互联网的大公司才有的。语言数据库就等于见多识广，分布式计算能力就等于脑子聪明。在这两个条件的加持之下。

   机器翻译开始往统计的方向走。二零一六年，谷歌发布了基于神经网络的更强大的翻译系统，所谓的神经网络就是让计算机模拟人脑结构。这个就是今天的人工智能和以往的最大区别。在上个世纪80年代，我们的很多科学家做的呢，就是把要解决问题的规则输给计算机，让它执行。比如说我们有一个红绿灯自动抓拍，这个就是解决规则。我告诉你什么一二三四五六七个条件。满足了会怎么样？不满足会怎么样？这个就是你看到所有的编程语言里面的，

   无非就是那几个判断的组合if then else与或非，这种对吧？这种设计最大的问题就在于有一点你没考虑到它就死机了。看起来很智能，实际像个智障，对吧？因为他没有应变的能力，没有规则预输入，他就不知道遇到新的东西该怎么办？就好像一个学渣，他背了100个题，你稍微一变，他就又不会了。但是今天呢，我们更多采用的是神经网络，

   是模拟人的思维，让机器有一些自己的想法，你不需要告诉他任何的规则，你告诉他一些原规则就好了，你告诉他一些基本的学习方法，然后这个具体的路径呢？他们自己去学，就好像一个孩子，你告诉他解题思路，然后他自己做大量的题，然后去考一个高分，从人为的设置规则到机器自动学习，是从语言到人的转变，是计算机领域划时代的。提示。