#人类智慧

2周前

我也有朋友，靠着AI，几天时间就把自己憋了很久的一个点子，真的做成了一个能点能看的Demo。当时他兴奋地拿给我看，感觉创业梦马上就要实现了。结果呢？没过几周，他就蔫儿了。因为他发现，这个Demo就像一个用乐高搭起来的漂亮模型，看着很棒，但你不能真的开着它上路。想加个新功能，可能整个架子都得重来；用户一多，系统可能就崩了；更别提后面怎么维护、怎么更新了。他拿着AI生成的代码，就像拿着一本散装的字典，每个字都认识，但就是写不出一篇流畅的文章。安子点破了真相：AI能帮你“写字”，但把这些字组成一篇文章、一本书，还得靠人。这个“人”，就是软件工程师。他们的核心价值，从来不是一个个蹦单词，而是构思整本书的结构、脉络和世界观。工具确实让我们有了更强的“造句”能力，但“谋篇布局”的智慧，目前看，还是人类独有的。

#AI工具 #软件工程师 #创业困境 #技术瓶颈 #人类智慧

5个月前

AI远不及人类抽象

#人工智能 #技术发展 #抽象思维 #人类智慧 #机器学习 #科技创新

7个月前

布拉德伯里（Ray Bradbury） "我不认为机器人会接管一切。我认为玩玩具的人接管了一切。如果我们不把玩具从他们手中拿走，我们就是傻瓜。" "如果我们很愚蠢的话，登陆火星不会有任何好处。"

#科技发展 #机器人 #玩具 #人类智慧 #太空探索 #布拉德伯里 #火星

8个月前

人工智能的最高奖项——图灵奖，近日颁给了强化学习领域的两位先驱：安德鲁·巴托（Andrew Barto）和理查德·萨顿（Richard Sutton）。他们提出的强化学习理论，如今已成为ChatGPT等热门AI系统背后的核心技术。故事的起点是1977年，当时巴托在美国麻省大学阿默斯特分校做研究。他提出了一个有趣的想法：大脑里的神经细胞就像一个个追求享乐、躲避痛苦的小生命。也就是说，人类智慧其实源自无数个细胞为了最大化快乐、减少痛苦而不断摸索。一年后，萨顿加入了巴托的研究。他们将这个简单但巧妙的理论应用到了人工智能上，形成了我们今天熟悉的「强化学习」。通俗点讲，强化学习就是让机器通过类似人类的“奖惩机制”来学习做事。表现好就给“奖励”（机器感觉到的“快乐”），表现不好就给予“惩罚”（机器感受到的“痛苦”）。这样不断尝试、不断反馈，机器就能逐渐掌握如何做出更好的决定。 2025年3月5日，全球最大的计算机协会——计算机协会（Association for Computing Machinery）宣布，巴托和萨顿获得了今年的图灵奖。这一奖项创立于1966年，被誉为“计算机界的诺贝尔奖”，他们也将分享100万美元的奖金。强化学习最近十年里在人工智能领域爆发式增长，影响深远。谷歌的AlphaGo围棋机器人，还有OpenAI开发的ChatGPT聊天机器人背后的技术，都是强化学习的直接成果。正如华盛顿大学的计算机科学家奥伦·埃齐奥尼（Oren Etzioni）所说：“他们俩是强化学习领域毫无争议的开创者，他们创造了核心理论，还写了这领域的权威教材。” 他们在1998年出版的教材《强化学习导论》至今仍是强化学习最经典的教科书之一。心理学家早就观察到，人和动物都会从经验中学习。早在1940年代，著名计算机科学家艾伦·图灵就提出，机器也许可以通过类似的方法来学习。但真正把这一想法数学化、系统化的，是巴托和萨顿。他们的研究最初只是学术理论，直到2016年AlphaGo打败了世界顶级围棋选手李世石，这项技术才震惊了全世界。 AlphaGo之所以强大，是因为它在背后进行了数百万场对局，每一步都靠试错的方式学习，找到了哪些走法会赢，哪些走法会输。这背后的技术团队负责人之一大卫·席尔弗（David Silver）正是在加拿大阿尔伯塔大学跟随萨顿学习强化学习的。当然，很多专家曾怀疑强化学习是否能应用到游戏之外的场景。毕竟游戏胜负清晰，而现实生活中成功和失败却并不总那么简单。但强化学习的应用早已突破游戏领域，比如如今大热的聊天机器人。像ChatGPT在发布前，OpenAI聘请了数百人跟它进行对话，并给出具体的反馈意见。ChatGPT就根据这些“奖惩反馈”不断优化自己，逐渐学会了更接近人类的对话方式。这种技术就被称作“人类反馈强化学习”（RLHF）。最近，OpenAI和中国的创业公司DeepSeek更进一步，开发出了一种新型强化学习，让机器人不需要人为干预，就能通过不断自我尝试解决数学题，逐步学会更复杂的推理过程。这些新型AI被称作“推理系统”，比如OpenAI的o1以及DeepSeek的R1。巴托和萨顿认为，这些新系统展示了未来机器学习的新方向。他们预测，将来机器人会像人类和动物一样，通过不断在现实世界中试错，学会如何操控自己的身体，完成更复杂的任务。用巴托的话来说：“通过强化学习学会控制一个身体，这是一个非常自然的过程。”

#图灵奖 #人工智能 #强化学习 #ChatGPT #安德鲁·巴托 #理查德·萨顿 #历史 #神经细胞 #人类智慧