大模型發展到現在，在各個領域的應用已經很強了。人類夢想的強人工智慧，是不是已經來到了？看懂現在，展望未來，或許可以從回顧歷史開始。
大模型發展到現在，在各個領域的應用已經很強了。人類夢想的強人工智慧，是不是已經來到了？看懂現在，展望未來，或許可以從回顧歷史開始。
一轉眼已經到了2024年的4月，不知道螢幕前的各位是否安好，距離大語言模型，或者說GPT，被很多人熟知已經過了一年半。
作為網際網路從業者，第一次給我帶來震撼並非是chatGPT，而是在更早之前使用Github Copilot；
一個可以幫助開發者自動寫代碼的工具。
一個「聰明」的代碼助手
關於自動寫代碼的工具，也就是代碼輔助，其實開發者的編輯器一直都有；
給非開發者的小夥伴舉個例子：就像上圖，編輯器會根據你當前的輸入給出代碼的提示，此類提示都是語法的提示，機器其實並不知道你究竟要寫什麼代碼，只是在匹配在字典中提前做好映射關係的欄位，就像輸入「今天」，輸入法推薦，「今天很開心」一樣，輸入法並不知道這句話什麼意思。
同時是代碼提示，為什麼Github Copilot可以給我一種震驚的感覺呢？
Copilot仿佛能夠看懂我的代碼，並給出他的建議，而不是語法上的提示，就像真的有一個程式設計師在幫我寫代碼。
這種感覺就像：你想拿掃把來掃地，結果掃把自己動起來了，而且還知道具體怎麼掃，而你需要的只是，確定一下。
這是一種非常的震撼的感覺。
而Github Copilot這個工具的背後，就是微軟與openAI公司合作開發的一款人工智慧工具，這款產品正是基於生成式AI GPT3.0進行實現。
如果AI都能「看懂」代碼，並可以編寫代碼，距離直接看懂人類的語言還遠嗎？
我們人類一直以來的夢想強人工智慧（AGI），是不是已經來到了我們的身邊?人工智慧正在如何改變我們的生活？它將把我們帶向何方？
看懂現在，展望未來，或許可以從回顧歷史開始。
古老的夢想
人工智慧的起源可以追溯到神話、哲思、想像。
早在機器人（robot）的概念被大眾所知曉之前，人類世界就有了很多關於自動機械的想像，多被稱為「automaton」，該詞最早起源於亞里士多德的《物理學》。
大約在2500年前的古希臘神話中，人類歷史上出現了一個行走的機器人，據《荷馬史詩》描述，那是一個叫做塔洛斯的銅製巨人，保護克里特島免受外來入侵。
除了古希臘羅馬文化，其他文明也不乏對人工智慧的探索，猶太人傳說中存在有生命的泥人，印度傳說中守護佛祖舍利子的機器人武士，雖然這些似乎都和現在我們理解的人工智慧不相關，但是總是能夠看到人類嘗試模擬、創造人類的夢想。
這樣的超級智能的機器，依舊是更多的存在於想像而不是現實，至少目前是如此。
而我們今天的主角AI，作為計算機科學的一個分支，一個短短70年的歷史的學科，似乎讓這一切有了可能性。
經典人工智慧時代
1956年，4位AI鼻祖麥卡錫（John McCarthy）、明斯基（Marvin Minsky）、羅切斯特（Nathaniel Rochester）和香農（Claude Shannon）一起寫一份提案，人工智慧（artificial intelligence）一詞正式亮相。
人們開始研究機器是否可以模擬人類的認知、學習過程，用邏輯推理與現有信息來解決問題，並做出決定？
1957年，AI的第一個研究方向確定了：符號主義（symbolists），後來我們稱之為：經典人工智慧。
符號主義源於數理邏輯、基於邏輯表達式，用數學和物理中的邏輯符號來表達思維的形成，最終產生人一樣的推理與決策；
簡單來說：如果我們把這個世界所有的問題都告訴AI，AI就能幫助人類解決問題了。比如：
看到紅燈 = 停下；看到綠燈 = 通過；禁止停車的標誌 = 禁止停車；
任何形式化的符號問題都可以被此程序解決，理想情況下機器將知道了所有「符號」在物理世界的含義。在這樣的原理的基礎上，通用問題解決器（General Problem Solver）誕生了，後面也被稱為專家系統。
其原理其實非常簡單：內部包含一個巨量的知識庫，就像「專家的腦袋」，以及推理引擎，用戶理解人類語言的技術從知識庫中尋找最可能的問題的答案。
在接下來的20年中，專家系統逐漸被全世界接受，並且在知識庫、知識工程領域發揮了巨大的威力
但是，它能夠被稱得上是人工智慧嗎？
很顯然這樣的邏輯匹配距離我們人類期望的人工智慧還相差甚遠，通用問題解決器看似智能， 但實際上他們只是盲目地進行模式匹配。
並且還存在一些難以解決的問題，專家系統維護費用很高，它們難以升級，難以使用，脆弱（當輸入異常時會出現莫名其妙的錯誤），專家系統的實用性僅僅局限於某些特定的場景。
1980年，美國哲學家約翰.瑟爾提出了一個思想實驗《中文房間》：
當有人說恭喜發財的時候，我們就從這本書找到了對應的答案，謝謝，再反饋給對方
當有人說恭喜發財的時候，我們就從這本書找到了對應的答案，謝謝，再反饋給對方
一個對中文一竅不通，只說英語的人關在一間只有一個開口的封閉房間中。房間裡有一本用英文寫成的手冊，指示該如何處理收到的中文訊息及如何以中文相應地回復。房外的人不斷向房間內遞進用中文寫成的問題。房內的人便按照手冊的說明，查找合適的指示，將相應的中文字符組合成對問題的解答，並將答案遞出房間。
儘管房裡的人可以以假亂真，讓房外的人以為他說中文，但事實上他根本不懂中文，就像通用問題解決器，他並不知道人類的語言究竟是什麼意思。
雖然這似乎與」人工智慧「差距還很大，但是為人工智慧的發展作出重要貢獻，專家系統的成功開發與應用，為實現人工智慧聯繫實際走向應用具有重要意義。
機器學習時代
在專家系統大放異彩的時候，另一個在2000年左右大放異彩的技術已經出現，機器學習（Machine Learming）。
1952年，阿瑟·薩繆爾在IBM公司工作時研製了一個西洋跳棋程序，這個程序具有「學習能力」，它可以通過大量棋局的對弈，越來越會下跳棋；並且程序很快就下贏了薩繆爾自己。
該程序推翻了一直以來人類的傳統認知：計算機不可能超越人類。
關於機器學習後來也有了準確的定義：在不直接針對問題進行編程的情況下，賦予計算機學習能力的研究領域。
但是為什麼在2000年之前的幾十年的時間裡面，機器學習這一概念一直被專家系統遮掩了光明呢？
因為機器學習需要巨量的知識來進行學習，在互聯時代還不夠發放的時候，想獲取大量的數據並非易事，比如讓機器學習識別小狗，就需要巨量的小狗的照片。然而到了20世紀90年年代，隨著網際網路時代的到來了，爆炸式增加的數據，讓機器學習獲得了充足的養料。
隨後我們迎來了AI的機器學習的發展浪潮，以及一些震驚世界的標誌性的事件
- 1997年IBM的深藍在世界象棋領域擊敗了冠軍卡斯帕洛夫
- 2016年AlphaGo在圍棋領域擊敗了排名世界第一的柯潔
在2000年以後，機器學習不斷發展，開始出現了很多分支、有監督學習、無監督學習、半監督學習、深度學習、強化學習、集成學習，機器學習伴隨移動網際網路滲透到到我生活中
比如使用有監督學習+無監督學習，可以實現了讓我們每個人受益的推薦系統，比如網易雲的每日推薦音樂、抖音的推薦、淘寶的推薦，這些都可以算作機器學習的範疇，他們在垂類領域做到了比用戶更加了解自用戶己。
既然AI已經存在這麼多年，並且對我們每個人都存在深遠的影響，為什麼似乎我們以前沒有學習AI的焦慮呢?
我覺得原因主要是：機器學習的人工智慧，只能在垂類訓練與發揮能力，比如做推薦、做分析，並非通用性的人工智慧。
並且稍微深入了解，大家都知道一點，就是本質上，他並不知道人類世界，依舊是機器，我們依舊可以使用機器的運作邏輯去解釋他。
直到大語言模型的到來。
大型語言模型
2018年，OpenAI發布了第一個代號為「ChatGPT的生成預訓練變換器模型」，這是一種新型的深度學習模型。
深度學習起源於1943年，由美國神經科學家麥卡洛克提出神經元的數學模型，參數越大，代表神經元越多，比如GPT-3的相當於人腦中1750億的神經元。
深度學習起源於1943年，由美國神經科學家麥卡洛克提出神經元的數學模型，參數越大，代表神經元越多，比如GPT-3的相當於人腦中1750億的神經元。
2019年，GPT-2發布，擁有1.5億參數（參數可以理解為知識量），已經可以做到配流暢的生成文本、一定程度的理解上下文。
2020年，GPT-3發布，擁有1750億參數，在文本生成、創作、代碼生成多個領域展現出驚人的實力，在巨量數據以及技術優化下，GPT-3開始湧現出「智慧」，它似乎形成了智慧。
2022年11月底，OpenAI發布了GPT 3.5模型驅動的ChatGPT。
5天之後，該網站註冊用戶超過100萬。
眾所周知，早些時候註冊GPT並不是簡單的事情，我們使用國內科技愛好者搭建的鏡像網站，和chatGPT聊了很多，只是當時我沒有意識到，一個能聽懂人類的語言，感知人類的情緒，並能夠提出建議的AI是一種什麼樣的存在。
直到2023年2月，chatGPT開始出圈，開放API接口能力，讓大家都可以基於GPT做應用、發布更強的GPT4、多模態能力、文生圖能力。
那一個月我感到非常焦慮，因為我突然意識到了我這身處人類歷史的一個里程碑，大語言模型讓人類一直以來追求的真正的通用型人工智慧不再遙不可及，遠在幾千年前的神話故事有了發生在人類世界的可能性。
《創造亞當》時刻來了，上帝創造了亞當，人類創造了AI。
雖然他還存在很多限制，比如模型本身不能聯網、記憶是有限的、偶爾會瞎回答，但是他也表現出了類似人類的智能，它理解你文字的含義，滿足你的各種需求。
這樣的人工智慧的想像空間實在是太大了，隨著更多資源的投入，生成式人工智慧將會在未來幾年得到超快速的發展，以及逐漸在我們生活中出現。
我們國內相應也出現了很多生成式人工智慧，比如在側重數理領域的文心一言、多模態領域表現出色的通義千問、自然語言理解出色的雲雀大模型、2000K長文的KimiChat、各項評分不俗的智譜清言。
雖然與美國有些差距，但是在大模型這個領域我們依舊走在前沿，網際網路公司的大語言模型，將會逐漸賦能各家App，由該技術支撐的AI助手會逐漸走到每一個消費者的面前。
大語言模型對於我們所生活的世界的改造已經在發生，並且呈現不可阻擋之勢。
身處時代洪流之中的我們
每當新的先進技術的出現，一些工作就會消失，就業市場也會發生改變。
當鬧鈴出現的時候，那些專門敲門提醒人們起床的工作消失了。
當計算器出現的時候，專門計算的人就會失業。
這並非壞事，我們工作中重複、骯髒、沉悶、危險或者困難的某些部分，未來都很有可能自動化；我們將更加專注我們工作的本質，例如創造力、解決問題、同理心、領導力。
如果說工業革命為人類創造了工業化的工作，那麼生成式人工智慧革命將使我們從這些工作中獲得解放與自由。這是對未來的範式徹底改變。
我們每個人都會變成自己的創意工作室，你的願景和實現之間的障礙將消失，複雜的寫作、繪畫、音樂、電影和其他形式的創意製作工具將會被簡化並觸手可及，人類將從消費者轉換為創造者。
那我們現在應該怎麼做呢？
- 主動學習、擁抱生成式AI，讓AI成為你的最佳助手
- 增強個人獨特的情感、創造力、交流能力，這是任何AI都無法模仿的
讓更多人、更多組織可以從生成式AI中收益，是本系列文章的初衷；學會運用AI，與AI和諧共處也是我們共同面臨的挑戰，在接下來的系列文章中，我會使用通俗易懂的語言，與大家帶領大家學習與了解提示詞工程、插件、知識庫、agent，普通人也可以在很短的時間內學習與使用AI，我們一起走到時代的前沿。
本文由 @狗阿木的產品日誌 原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議