?AI模型與人腦在數(shù)學(xué)機制上并沒有什么區(qū)別。

只要模型夠大、樣本夠多，AI就可以變得更智能！

chatGPT的出現(xiàn)，實際上已經(jīng)證明了這點。

1，AI和人腦的底層細(xì)節(jié)都是基于if else語句

邏輯運算，是產(chǎn)生智能的基礎(chǔ)運算。

編程語言的基本邏輯是if else，它會根據(jù)條件表達(dá)式把代碼分成兩個分支。

在這個基礎(chǔ)上，程序員可以寫出非常復(fù)雜的代碼，實現(xiàn)各種各樣的業(yè)務(wù)邏輯。

人腦的基本邏輯也是if else，if else這兩個詞就來自英語，對應(yīng)的中文詞匯是如果...否則...

人腦在思考問題時也是這么一個邏輯思路，這點上跟電腦沒有區(qū)別。

if else語句，邏輯的核心

AI模型的“if else語句”就是激活函數(shù)！

AI模型的一個運算節(jié)點，我們也可以叫它“神經(jīng)元”。

它有一個輸入向量X，一個權(quán)值矩陣W，一個偏置向量b，還有一個激活函數(shù)。

激活函數(shù)的作用實際就是if else語句，而WX + b這個線性運算就是條件表達(dá)式。

在激活之后，AI模型的代碼相當(dāng)于運行在 if分支，而不激活時相當(dāng)于運行在else分支。

多層神經(jīng)網(wǎng)絡(luò)的不同激活狀態(tài)，實際上也是對樣本信息的二進制編碼。

深度學(xué)習(xí)也是對樣本信息的二進制編碼

AI模型對樣本信息的編碼是動態(tài)的、并行的，而不是和CPU代碼一樣是靜態(tài)的、串行的，但它們的底層基礎(chǔ)都是if else。

在電路層面要實現(xiàn)if else并不難，一個三極管就可以實現(xiàn)。

2，人腦比電腦聰明，是因為人類獲得的信息更多

人腦每時每刻都在獲取外界的信息，每時每刻都在更新自己的“樣本數(shù)據(jù)庫”，但程序代碼沒法自我更新，這是很多人能做到的事而電腦做不到的原因。

人腦的代碼是活的，電腦的代碼是死的。

“死代碼”當(dāng)然不可能比“活代碼”更聰明，因為“活代碼”可以主動查找“死代碼”的BUG。

而根據(jù)實數(shù)的連續(xù)性，只要“死代碼”編碼的信息是可數(shù)的，那么它就總存在編碼不到的BUG點。

這在數(shù)學(xué)上可以用康托三分集來佐證。

不管我們用多少位的三進制小數(shù)去編碼[0, 1]區(qū)間上的實數(shù)，總有至少1個點是沒法編碼進去的。

所以當(dāng)兩個人抬杠的時候，總是能找到可抬杠的點?

但是電腦的代碼一旦寫好就沒法主動更新了，所以程序員可以想出各種辦法去欺騙CPU。

例如，intel的CPU本來要求在進程切換時要切換任務(wù)門的，但Linux就想出了一個辦法只切換頁目錄和RSP寄存器?

在intel CPU看來，Linux系統(tǒng)一直在運行同一個進程，但實際上不是。這就是所謂的進程軟切換。

所以，只要CPU的電路固定了，那么CPU編碼的信息也就固定了。

CPU編碼的信息固定了，那么它編碼不到的信息就是無限的，就是可以被程序員利用的。

而程序員之所以可以利用這種信息，是因為程序員的大腦是活的，可以動態(tài)的更新樣本。

3，神經(jīng)網(wǎng)絡(luò)的出現(xiàn)改變了這種情況

神經(jīng)網(wǎng)絡(luò)真是一個偉大的發(fā)明，它在固定的電路上實現(xiàn)了動態(tài)的信息更新。

所有寫好的程序能處理的信息都是固定的，包括CPU電路，也包括各種系統(tǒng)的代碼。

但神經(jīng)網(wǎng)絡(luò)不是這樣，它的代碼雖然是寫好的，但它只需要更新權(quán)值數(shù)據(jù)，就可以改變模型的邏輯脈絡(luò)。

實際上只要不斷地輸入新樣本，AI模型就可以不斷地用BP算法（梯度下降算法）更新權(quán)值數(shù)據(jù)，從而適應(yīng)新的業(yè)務(wù)場景。

AI模型的更新不需要修改代碼，而只需要修改數(shù)據(jù)，所以同樣的CNN模型用不同的樣本訓(xùn)練，它就可以識別不同的物體。

在這個過程中，不管是tensorflow框架的代碼，還是AI模型的網(wǎng)絡(luò)結(jié)構(gòu)都是不變的，變的是每個節(jié)點的權(quán)值數(shù)據(jù)。

理論上來說，只要AI模型可以通過網(wǎng)絡(luò)抓取數(shù)據(jù)，它就可以變得更智能。

這跟人們通過瀏覽器看東西（從而變得更聰明），有本質(zhì)的區(qū)別嗎？好像也沒有。

4，只要模型夠大、樣本夠多，或許ChatGPT真可以挑戰(zhàn)人腦

人腦有150億個神經(jīng)元，而且人的眼睛和耳朵每時每刻都在給它提供新的數(shù)據(jù)，AI模型當(dāng)然也可以做到這點。

或許比起AI來，人類的優(yōu)勢在于“產(chǎn)業(yè)鏈”更短?

一個嬰兒的出生只需要Ta父母，但一個AI模型的誕生顯然不是一兩個程序員可以做到的。

僅僅是GPU的制造就不止幾萬人。

GPU上的CUDA程序并不難寫，但GPU制造的產(chǎn)業(yè)鏈太長了，遠(yuǎn)不如人類的出生和成長。

這或許是AI相對于人的真正劣勢。