谈谈人工智能、深度学习和GPT

国产零零久

计算机科学是数学的一个分支，这是现代数学的定义，数学能强大到把计算机科学纳入自己的体系，这要主要感谢两个人——约翰·冯·诺依曼和阿兰·图灵。
这个领域是一个非常先进、热门和深邃的世界，远不是我这个小白能以三言两语“道破天机”的，我仅仅根据手头的三篇文章，结合自己的数学的知识给出一个大致的介绍和论述，当然，重点不仅仅是对这方面的科普，更多的是一种从数学角度对这种超级智能的一种个人看法。在这里对这三篇文章的作者表示感谢。
我自己对这个领域不是太感兴趣，那为什么要介绍它呢？因为从“数学发展”的角度来说，我能认识到这个领域是重要的，并非所有我不感兴趣的我都不涉及，只是学习的深入与否罢了。这次“现学现卖”也确实让我自己增长和改观了很多关于“机器学习”方面的认知。
机器网红GPT是几个非常“智能”的家伙，它的出现几乎都不在很多专家的意料之中，而且这东西是有代差的，现在是GPT-4，因为它过于优秀——和人类对话非常自然，而且几乎无所不知，于是一个很重要的新闻近期出现了：
“立即停止训练比 GPT-4 更强的模型，至少六个月！马斯克、图灵奖得主等数千 AI 专家紧急呼吁”
下面就是他们担心的几个主要问题。


当然，他们也担心对AI的升级和训练在一个不规范、无监督、无法律制度保障的前提下进行，可能太过聪明的超级AI和黑暗产业链条的滋生与兴起都会对未来人类社会和人工智能的发展带来极为危险和负面的影响。
不过，说到底，法律与制度只是次要的，眼下有两个是更加主要的：
1.我们需不要AI代替我们的大脑，进而代替我们的工作？这种解放不仅是一种能力上的简单超越，更重要的是替代——这会引起原本内卷是世界就业行情更加危机，一旦大规模普及超级AI而放弃人工，那失业潮可能会席卷全球！
2.AI是否存在一个临界点，当越线之后，它会产生智能的标志——自由意志，或者叫自我意识？那么电影《终结者》系列的背景故事可能就会发生，那时人机的争霸不可避免，这种争霸并非是秀肌肉的争强好胜，就像上面专家担心的“我们是否应该冒着失去对我们文明控制的风险(而创造或者强化AI使其最终拥有自主意识)？”，一句话，这是生存之战，因为没有任何自由意志想被奴役。
在这个问题上确实有凑热闹不怕事大的，比如下面的新闻：
“360的周鸿祎又“开炮”：GPT 6-8就将产生自主意识！我们来测算一下”
他的意思就是GPT-6到GPT-8会产生自由意志。然而该文章通过较为专业的对比和分析已经给出了答案，我们“暂时”是安全的。具体细节估计很多人没那么有兴趣，我们给出文章核心分析的截图。
看完这部分，基本上你就能对GPT的能力有了一个比较深入的了解了。“大模型”就是一种模拟人脑运作的机制，能看出来它模拟的很像，这就是所谓的“仿生”技术——人脑是唯一拥有智能的体现，参照它的工作模式进行所谓的AI设计是自然而然的。










确实，GPT的出现绝对是人工智能领域的大事，它让这种对人脑性能的模拟取得了长足进步。我记得以前在一期AI的专家论坛上，看一个专家发言说：大众总是感觉AI好神奇，能做好多事，而专家总认为AI太低级，什么也做不了。当年专家们的结论并非信口雌黄，那时的人工智能就像第一台机器人一样，动作呆滞，反应迟钝，识别范围有限，而GPT到来似乎在宣告这个领域的一个新阶段。在没有看这几篇文章之前，我对GPT的认识也是停留在原始的人工智能上，看下图。



机器学习全新的运作模式

因此，这种机器学习，甚至是所谓的深度学习理论都是不同于诺依曼和图灵当年给出的计算机的定义【机器还是那个机器，但是运作模式改变了】，它是AI的新阶段的标志。






这三段话才是GPT带来的数学哲学与认知观的哲学影响。我们从数学知识结构与创造的角度来说一说GPT的智能。
GPT带来的姑且算是一定程度的“认知革命”，这种认知是基于统计和归纳推理，它是在对一定数据与“答案”的摸索中，来寻找哪些情况与“答案”更像，通过所谓的“训练”来让机器积累越来越多的“经验”，从而“总结”出规律。根据前面的图表，当GPT-9问世时，它的超强参数数量必将超越人类的神经突触数量，那么在面对大数据处理时，它不是更加在行，而是把人类甩出几条街！
然而就像文章论述的一样，在通用的智能领域——医疗、交通、民生、刑侦等等，这种，不问为什么，只问是什么或者可能是什么的领域，GPT必将如日中天，但是在强调“为什么”的领域中，这种“智能”在大脑面前犹如资料的辛勤收集与整理者，它给出了已有知识的脉络和可能联系，但是究竟对于哪种联系是必然的，哪种是或然的，甚至为了某种目的要有所突破时，这些都不是它现有的模式可以实现的，能实现这种创造性工作的现在看只有大脑！
通用智能和高级智能是有区别的。对于数学，即便是下放到一些初级内容上，我也是有所怀疑的。我不相信它在没有任何例子的情况下给出柯西和魏尔斯特拉斯关于极限的“有限手段操作的定义”—— \varepsilon-N 定义；只用集合的“属于关系”就把自然数推广到超限数上，这不是例子多少的问题，而是观念的升华问题；我甚至都怀疑，它能不能在大量的“整系数方程”的知识训练下，给出 \sqrt{-1}=i ，从而让无解的方程变的有解。这些都不是根据已有的规律进行所谓的归纳和可能关联的总结，它们更多的是一种扩展，而且是有目的的扩展，这种目的性就是人脑的自由意志的体现——我们需要针对当下被研究的问题给出一个没有先例的设定：
我们不知道所谓的无限接近是怎么接近的，是我们“需要”一种可操作的手段来实现“与基本四则运算”无矛盾的、没有任何数量限制接近，这就是 \varepsilon-N 定义；每个非零自然数都是由比它小的有限个自然数作为元素形成的集合，是我们“定义”这种包含可以推广到无穷，从而有了超限序数，而且，这种推广是可以被演绎推理严格保证的；在实数体系内，整系数方程要么有根，要么无根，就这两种情况，这相当自然，是我们“希望”它们都能有根，从而在代数性质上做出定向的推广。
GPT在高级智能尤其是数学创造上，最大的缺憾就是定向性，这本质上就是自由意志！它太依赖对于给定数据和相关“答案”的关联性的分析与识别。给出“答案”本身就是一种人为控制手段，它当然可以通过指数级增长的参数控制能力让自己给出更加复杂系统的某些“可能”关联，但是还是那句话，它的结论依然是以归纳推理为主，这些对于数学来说是具有启发性的，但是不具有必然的因果联系。数学的论证，从来都是“基于归纳，终于演绎”！
至于，GPT能否改变人们对确定性规律的世界观和认知观，我认为，还为时尚早。世界确实存在测量误差以及混沌现象，但是更多的基本规律都是确定的——粒子物理的标准模型、宏观引力的广义相对论，光的波粒二象性，热力学三定律，甚至所有的化学反应方程式，它们都在明白无误地向我们宣告，世界是由确定的基本规律支配的，但是它的复杂的，这种复杂性，我们对于其认知才刚刚开始。
最后，GPT能否有一个临界点，让其产生自由意志？这个我真是外行，不能给出什么有力推断。反正，根据我上面给出的那些博主的文章看，我倾向于，它距离人脑的自由意志还有很远的距离。但是在处理大数据方面，未来的它真不是那些“最强大脑”的冠军们可以比拟的。以后，人脑对于GPT的唯一优势就是定向、有选择的创造。毕竟，我们的大脑是生物的，而GPT是机械与程序的，而这种程序是基于一种简单的数学模式，是否存在更复杂、更像人脑的模式？那得看我们对于数学、计算机、生物这三者的整体联系与认识了。

下一个自己

LZ是天才，坚定完毕