我其实对国内的AI研究挺悲观的

最近在看相关的书，项少刚对AI的无知及其在中文互联网的影响力，还真是让人头疼。

你如果理解AI大模型的哲学内涵，你就知道开发AI的专有应用，实际上是没有什么意义的。除了因为这种专有应用实际上已经由大量的专业数据库软件提供了；还有通用AI无法兼容专用、单一的数据结构，这会使AI变成一件怪东西。ChatGPT已经从互联网上获得了万亿级别的数据，它还借助自回溯的办法创建了相近数量级的权重。一个形象点的说法，ChatGPT是一个文本世界的过筛器，你的输入会得到类人的惊艳的回答，是因为这个过筛器已经被大量的文本世界变成的数字洪水刷成了一个让人惊叹但不知从而处尝试理解的样子，这使得任何涓滴都会迅速的流向最该出现的地方---你得到了一个满意的回复。

AI是要模拟真实的世界，一个混乱、随机、无序是常态的世界，通过模拟人类注意力来捕捉有用的信息，借以处理临时性的任务。它的目的不是帮你把一堆Al原子制造成一个铝车架，而是让你更方便的理解事物运作的机制，从长远来看，AI让每个人都有机会从个人经验出发去描绘一个和谐、规则、有序的世界，并通过某种方式加以实践，而非借助目前的专家和教育系统。某种程度上目前的专家和教育系统甚至是一个东西，当专家们以一种缺乏常识的方式教大家做事的时候。

举个例子，我们的教育系统伴随着如此多的悲剧，根源就在于教育系统越来越变成一种训练服从性的系统，虽然大部分工业时期都要求人的服从，但这很显然已经越来越不符合未来对人的要求了。未来的教育应该越来越体现对世界本质的探索，而建立在对世界本质更加深刻洞察思想上的新技术---AI，无疑是能够极大的革新目前的教育系统的。

从这个角度出发，我其实对国内的AI研究挺悲观的。国内目前流行的哲学思想，是无法支持AI下一步的发展的。ChatGPT有今天的样子其实是国外持续6,70年AI研究的成果，他们深刻的影响并相互借鉴，举个简单的例子，ChatGPT的神经网络其实不是从头训练的，也不需要从头训练，OpenAI出来的一波人搞的Claude的神经网络也是一样的，更反直觉的是，即使是重复的数据样本，也是有价值的。这里关键的是不断学习。这也是为何通用AI无法专有化的一个重要原因。应用型AI是个伪命题，通用AI不会因为任务而变化它的模型、结构（权重可能会有一些微小的调整，但考虑到每次数据处理后都会使权重发生这类变化可以任何权重也是无变化的），需要变化的是使用者。

这个世界有太多的成本耗散在了诸如不理解、不信任中了，根源在于大部分人都不具备能力捕捉世界的底层逻辑。通用AI给了大部分人一个绝佳的机会，但是还需要参与者提供基本的注意力。我也相信注意力会带来行动力。