最近人工智能變得非常紅火。先有AlphaGo所向無敵，戰勝了世界上所有的圍棋大師；又有現在的ChatGPT，能夠回答很多稀奇古怪的問題，還能幫助做作業，生成文檔等等。人工智能的輝煌成就不但唬住了普通人，甚至連許多專家也擔心說：不要再研究人工智能了，人工智能太強大了，對人類可能是一個災難。
當前所謂的人工智能到底是一個什麽東西？有兩個比較重要的概念：一個是深度學習，另外一個是神經網絡。換句話說，現在的人工智能就是能夠進行深度學習的神經網絡。
神經網絡這個概念比較唬人，猛一聽大家自然而然的就以為是人的大腦，因為人的大腦不就是神經網絡嗎？可惜的是此神經網絡非彼神經網絡，我們下麵稍微深究一下這個問題。
我們先看看生物學上的對神經網絡的理解。
生物學中神經網絡的基本單元是神經元（neuron)和它們的聯係(synapse)。一個神經元可能與幾十個或幾百個神經元線聯係，相互聯係的神經元構成了神經網絡。人的身上有很多神經網絡來完成某些特定功能，比如說人的大腦用來推理，人的視網膜用來識別，當然還有實現聽力、嗅覺等等的神經網絡。
人工智能研究的終極目標就是利用機器來模擬人的大腦，或者說模擬人的大腦的神經網絡。
現在所謂的深度學習實際上隱含的是一個特定的、金字塔形的神經網絡，這個網絡是來模擬人的大腦的嗎？答案是否定的。它實際上模擬的是人的視網膜！那麽人的視網膜是來幹什麽用的呢？簡單回答是識別物體。所以說白了現在基於深度學習的神經網絡是模擬人的識別功能，不是人的推理和思維功能。
聰明的讀者這時一定會來反駁我：你說深度學習的神經網絡隻能做識別，不能做推理。那為什麽AlphaGo可以下圍棋下的這麽好，可以天下無敵？下圍棋不是要推理的嗎？
實際上大家都被AlphaGo的成功給誤導了。AlphaGo的成功並不是基於模擬我們大腦的推理和思維功能，而是基於雲計算的超級存儲（記憶)功能。
記得以前有一個電影叫“雨人(Rainman)”。裏麵有一個天才，他能把見過的任何信息都記住。既然他有這種功能，那麽假如你訓練他把世界上所有的路都走一遍，那麽下一次再走的時候，他一定會找出一個最佳路徑。
用數學的定義來說：在一個有限的空間裏麵，假如你有足夠大的存儲量，能把所有的可能的答案都記下來的話，那麽在任何時候，你都可以找到最優解。
簡單來說，這是以空間換時間的概念，或者說以空間換計算量，以空間換推理功能。雲計算的發展讓這個無窮大的空間成為可能。
明白了這個道理，那麽對於現在的所謂的人工智能的成就並不需要恐懼。因為他們有的隻是記憶和重複的功能，沒有人類的推理和聯想的功能。當然這裏說的重複功能也包括一些簡單推理，類似於數值計算中的曲線插值。
這個作用，比以前GUI出來的效果還要影響深遠。
非常好的文章， 言簡意賅， 講解生動準確。 是個好科學家，也有好文筆。
深藍，AlphaGo, ChatGPT(GPT4) 都曾激起千層浪， 引發庸人自擾。其實，AI到目前為止， 雖然已經有60多年的發展曆史， 還隻是toy, 連tool都不是。
不過“假如你訓練他把世界上所有的路都走一遍，那麽下一次再走的時候，他一定會找出一個最佳路徑”不太準確。 最短路徑問題是計算機理論裏的NP-Complete。也就是說，路徑太多時最短路徑可能在有意義的時間限製內找不出來。 GPS偶爾會出錯，經常找不出最佳路徑就不難理解了。