2016 (368)
2017 (136)
2018 (148)
2019 (185)
2020 (305)
2021 (215)
2022 (127)
2023 (142)
2024 (142)
2025 (6)
聽說最近開發的AI聊天利器ChatGPT非常聰明，我就下載了一個β版試試，果然神奇。
先是輸入一個知識點，“日俄戰爭”，回答很長，很全麵，有1904和1945 兩場戰爭的詳細描述。但感覺和Google沒什麽差別，都是敘述性的，這不需要什麽智力，隻要從數據庫抽取就可以。
然後輸入一個需要分析的過往事件，“習近平如何操弄權力”。其回答還比較專業，比西方的觀點正麵，比中國官方觀點客觀，認為習近平通過打擊反腐，成功扭轉經濟危機（好像是有這事），成功控製疫情，糾正貧富差距，分化對手等。這讓我對其刮目相看，有點水平，也還算客觀。
接著輸入一個前瞻性事件，“習近平如何控製當前疫情”。軟件回答道，這個程序沒有受過對前瞻性問題預測的功能，無法作出準確預測，但根據以往經驗，習近平會參考專家意見，政治經濟形勢和國內外經驗，作出一個合適的處理。基於習近平成功的執政經驗，相信他能采取合理的決策。厭習的人肯定不愛聽，但這說明在軟件的基本算法中，還是相當客觀的，不戴有色眼鏡看問題。至少比一些SB強太多。
我又問了一個我的工作中相當專業的問題，其回答還對頭，甚至給了我一個新的思路。兒子說，有人用這個軟件試驗USMLE考試（美國醫生資格考試），能夠及格！
AI裏程碑的事件是圍棋軟件AlphaGo, 打敗了人類智慧的明珠圍棋，讓圍棋大師成了笑話，現在的圍棋比賽成了有上帝視角的遊戲，借助AI，講棋的觀棋者都知道結局，就看那些撒逼棋手怎麽走了，成了聰明人看鬥獸的遊戲。最近的AlphaFold, 讓顏寧這位蛋白質結構科學家丟了飯碗，隻能回國當政治科學家了。
Computer 技術在中文裏的名稱有變遷，從計算機，電腦，到IT/AI(直接用英文的多）， 其實也代表了computer 技術側重點的變遷。早期主要是計算功能，是名副其實的計算機，處理的東西必須有明確的計算公式。以後，可以按照指令，運行一些複雜的程序，功能也不僅限於計算，可以控製動作，可以處理視頻圖像，可以根據不同的情形作出判斷和決策。這時再叫計算機就有點小看它了，所以叫電腦，確實具有人腦的某些功能了。那些指令需要遵循某種思路，叫做算法，包括計算公式，但不僅限於公式。
但電腦再能幹，卻也隻是個傀儡，隻能按人輸入的指令行動。而人腦是具有主動性，學習性，創造性等特點的，因此有專家認定，電腦永遠也趕不上人腦。是嗎？有人不信邪，開始了用電腦和人腦進行智力競賽。在1997年，一個叫深藍的電腦打敗了人類的國際象棋冠軍。在這項被稱為人類智力皇冠的項目上，人類以後再無勝機。國際象棋不是一種機械的活動，對手的每一步都是不可預測的，需要隨機應變。人類棋手很多時候是基於直覺和經驗下棋的，但如果完全通過計算，也是可能的。因為有可行的算法，加上足夠強大的計算容量和速度，使得電腦可以戰勝人腦。這以後，對於那些有確定的算法，輸入的是確定的數據的工作，如氣象預測，股市預測，最優化篩選等，不管計算多麽繁複，電腦都能勝任並超過人腦了。
但在有確定數據輸入的工作中，有兩種情況不好對付，一種是無可靠算法，第二種是計算過於龐大超出了現有設備的能力。典型的例子就是圍棋，雖然輸入有確定的坐標，也有簡單的規則，但判斷形勢無可靠的參數，如按國際象棋的算法去做，計算量超出了現有最強大電腦的容量。
Google的Alpha-Go項目組，開發出一種新的算法：學習。我的理解，學習算法就是不管要做的事有沒有規律，隻要跟著人做幾遍，照樣畫葫蘆，總結出人的步驟，形成程序，依樣行事。這聽上去不錯，也和人類的行事方法相似。人類大多數事都是學會的，就是像性交這樣的本能，一蹴而就的人不多，好男兒都是百煉成鋼的，這就是為什麽很多少女愛大叔的原因。
而且Google開發的算法是通用的，並不僅限於圍棋，還發表在公開的科學雜誌上，當然具體怎麽運用就是各家自己的本事了，那屬於專利了。就Alpha-Go的學習算法而言，是通過大量的練習，對每一步都優選了7-10種走法，練習得越多，優選的對策越好。雖然總計算量依然很大，但比國際象棋那種算法要好多了，現有電腦能力可以應付。Alpha-Go的成績也很好，先是打敗了歐洲冠軍，然後挑戰稱霸世界圍棋棋壇十餘年的李世石，4：1， 李還贏了一盤，過了一年又挑戰現霸主柯潔，5：0，柯潔根本沒有機會。以後又出了第二代，在圍棋網上擺擂台，人類選手根本不可望其項背。
這種學習算法在AI曆史上是劃時代的，從此AI的發展出現井噴現象，在很多沒有規律，高度依賴經驗的領域出現突破。其中中國的進展神速，原因之一是這種算法高度依賴於練習量，中國人多，又沒很多限製私人信息使用的法律，因此就構成了優勢。
但在輸入信息不穩定的領域，AI遇到的挑戰很大，特別是在預期市場巨大的無人駕駛和人工翻譯領域。用過單反相機（通過眼睛攝取）的人都知道，人眼比手機和無反的顯示屏攝取速度快，分辨率高，在背景反差很大的地方，如背光時，顯示屏上人臉全黑了，而人眼分辨起來一點問題沒有。這還要從數據處理方法的不同說起。用過老式手機的人都聽說過模擬製式，這是模擬信號的波形的一種數據處理方法。現代手機都是數字式，就是把信號轉化為不同的開關堆砌。電腦也是用的數字方式，但人腦除了有數字式的動作電位，還有模擬式的連續電位，表現為易感性變化的潛在電位等，獲取和解析信號的水平是電子眼無法企及的。因此，人眼不但比電子眼敏感，而且容受性高，對物體分辨率，解析率高。
語言的難度不在於書麵，和一般性的聽說，而在於麵對麵交流。在麵對麵交流中，信息的80%通過肢體語言。這裏又回到視覺上了，要通過眼睛讀懂對方表情，肢體的變化的含義，這是目前電子眼難以做到的。這方麵的突破，要等待電子讀取和解析技術的發展，學習算法可能有點幫助，但突破不太可能。
AlphaGo 和AlphaFold,雖然神奇，但畢竟學習機會很多，有無數棋譜和蛋白質結構與氨基酸程序的實例，經過學習，能夠成為一個頂級專家，這還可以理解。但ChatGPT的功能則太強大了，涉及任何領域，也有理解語言的難度，雖然不用考慮肢體語言，但輸入信息是不穩定的。看來，AI又有了重大突破，其強大程度，恐怕是已經超越了AlphoGO的思路了。
一圈下來，我的結論是：對於輸入信息確定的領域，無論是有規律的還是高度依靠經驗的，AI將很快取代人類，這裏包括一些高級職位，如投資經理，放射科病理科醫生，法官，律師，甚至牛逼哄哄的偉大領袖。輸入信息不穩定的領域，則已經取得了重大突破。
另外，現在AI的未來還是掌握在人手裏，人可以克製自己不去發展某個方麵。如創造性，如果電腦會創造，那它就可能是主人了。當然，像中國政府那樣，想著AI 為其所用，發展起來去控製人民，那也是很無奈的事。人類已經犯了一個錯誤，創造了最後成為自己主子的獨裁政府，那就不要再犯錯誤，去創造可能成為自己主人的電腦了！
現在已經不能這麽說了。
人眼裏有9千萬個明暗感受體，再加上5百萬個顏色感受體。一億算是上限吧。
現在市場上 Phase One 數碼照相機的感光板有一億五千萬個像素。 是人眼的 150%。
Hasselblad 和 Fujifilm 有些型號的數碼照相機的感光板也有一億個像素。