朱头山
无意邀众赏，一心追残阳
听说最近开发的AI聊天利器ChatGPT非常聪明，我就下载了一个β版试试，果然神奇。
先是输入一个知识点，“日俄战争”，回答很长，很全面，有1904和1945 两场战争的详细描述。但感觉和Google没什么差别，都是叙述性的，这不需要什么智力，只要从数据库抽取就可以。
然后输入一个需要分析的过往事件，“习近平如何操弄权力”。其回答还比较专业，比西方的观点正面，比中国官方观点客观，认为习近平通过打击反腐，成功扭转经济危机（好像是有这事），成功控制疫情，纠正贫富差距，分化对手等。这让我对其刮目相看，有点水平，也还算客观。
接着输入一个前瞻性事件，“习近平如何控制当前疫情”。软件回答道，这个程序没有受过对前瞻性问题预测的功能，无法作出准确预测，但根据以往经验，习近平会参考专家意见，政治经济形势和国内外经验，作出一个合适的处理。基于习近平成功的执政经验，相信他能采取合理的决策。厌习的人肯定不爱听，但这说明在软件的基本算法中，还是相当客观的，不戴有色眼镜看问题。至少比一些SB强太多。
我又问了一个我的工作中相当专业的问题，其回答还对头，甚至给了我一个新的思路。儿子说，有人用这个软件试验USMLE考试（美国医生资格考试），能够及格！
AI里程碑的事件是围棋软件AlphaGo, 打败了人类智慧的明珠围棋，让围棋大师成了笑话，现在的围棋比赛成了有上帝视角的游戏，借助AI，讲棋的观棋者都知道结局，就看那些撒逼棋手怎么走了，成了聪明人看斗兽的游戏。最近的AlphaFold, 让颜宁这位蛋白质结构科学家丢了饭碗，只能回国当政治科学家了。
Computer 技术在中文里的名称有变迁，从计算机，电脑，到IT/AI(直接用英文的多）， 其实也代表了computer 技术侧重点的变迁。早期主要是计算功能，是名副其实的计算机，处理的东西必须有明确的计算公式。以后，可以按照指令，运行一些复杂的程序，功能也不仅限于计算，可以控制动作，可以处理视频图像，可以根据不同的情形作出判断和决策。这时再叫计算机就有点小看它了，所以叫电脑，确实具有人脑的某些功能了。那些指令需要遵循某种思路，叫做算法，包括计算公式，但不仅限于公式。
但电脑再能干，却也只是个傀儡，只能按人输入的指令行动。而人脑是具有主动性，学习性，创造性等特点的，因此有专家认定，电脑永远也赶不上人脑。是吗？有人不信邪，开始了用电脑和人脑进行智力竞赛。在1997年，一个叫深蓝的电脑打败了人类的国际象棋冠军。在这项被称为人类智力皇冠的项目上，人类以后再无胜机。国际象棋不是一种机械的活动，对手的每一步都是不可预测的，需要随机应变。人类棋手很多时候是基于直觉和经验下棋的，但如果完全通过计算，也是可能的。因为有可行的算法，加上足够强大的计算容量和速度，使得电脑可以战胜人脑。这以后，对于那些有确定的算法，输入的是确定的数据的工作，如气象预测，股市预测，最优化筛选等，不管计算多么繁复，电脑都能胜任并超过人脑了。
但在有确定数据输入的工作中，有两种情况不好对付，一种是无可靠算法，第二种是计算过于庞大超出了现有设备的能力。典型的例子就是围棋，虽然输入有确定的坐标，也有简单的规则，但判断形势无可靠的参数，如按国际象棋的算法去做，计算量超出了现有最强大电脑的容量。
Google的Alpha-Go项目组，开发出一种新的算法：学习。我的理解，学习算法就是不管要做的事有没有规律，只要跟着人做几遍，照样画葫芦，总结出人的步骤，形成程序，依样行事。这听上去不错，也和人类的行事方法相似。人类大多数事都是学会的，就是像性交这样的本能，一蹴而就的人不多，好男儿都是百炼成钢的，这就是为什么很多少女爱大叔的原因。
而且Google开发的算法是通用的，并不仅限于围棋，还发表在公开的科学杂志上，当然具体怎么运用就是各家自己的本事了，那属于专利了。就Alpha-Go的学习算法而言，是通过大量的练习，对每一步都优选了7-10种走法，练习得越多，优选的对策越好。虽然总计算量依然很大，但比国际象棋那种算法要好多了，现有电脑能力可以应付。Alpha-Go的成绩也很好，先是打败了欧洲冠军，然后挑战称霸世界围棋棋坛十余年的李世石，4：1， 李还赢了一盘，过了一年又挑战现霸主柯洁，5：0，柯洁根本没有机会。以后又出了第二代，在围棋网上摆擂台，人类选手根本不可望其项背。
这种学习算法在AI历史上是划时代的，从此AI的发展出现井喷现象，在很多没有规律，高度依赖经验的领域出现突破。其中中国的进展神速，原因之一是这种算法高度依赖于练习量，中国人多，又没很多限制私人信息使用的法律，因此就构成了优势。
但在输入信息不稳定的领域，AI遇到的挑战很大，特别是在预期市场巨大的无人驾驶和人工翻译领域。用过单反相机（通过眼睛摄取）的人都知道，人眼比手机和无反的显示屏摄取速度快，分辨率高，在背景反差很大的地方，如背光时，显示屏上人脸全黑了，而人眼分辨起来一点问题没有。这还要从数据处理方法的不同说起。用过老式手机的人都听说过模拟制式，这是模拟信号的波形的一种数据处理方法。现代手机都是数字式，就是把信号转化为不同的开关堆砌。电脑也是用的数字方式，但人脑除了有数字式的动作电位，还有模拟式的连续电位，表现为易感性变化的潜在电位等，获取和解析信号的水平是电子眼无法企及的。因此，人眼不但比电子眼敏感，而且容受性高，对物体分辨率，解析率高。
语言的难度不在于书面，和一般性的听说，而在于面对面交流。在面对面交流中，信息的80%通过肢体语言。这里又回到视觉上了，要通过眼睛读懂对方表情，肢体的变化的含义，这是目前电子眼难以做到的。这方面的突破，要等待电子读取和解析技术的发展，学习算法可能有点帮助，但突破不太可能。
AlphaGo 和AlphaFold,虽然神奇，但毕竟学习机会很多，有无数棋谱和蛋白质结构与氨基酸程序的实例，经过学习，能够成为一个顶级专家，这还可以理解。但ChatGPT的功能则太强大了，涉及任何领域，也有理解语言的难度，虽然不用考虑肢体语言，但输入信息是不稳定的。看来，AI又有了重大突破，其强大程度，恐怕是已经超越了AlphoGO的思路了。
一圈下来，我的结论是：对于输入信息确定的领域，无论是有规律的还是高度依靠经验的，AI将很快取代人类，这里包括一些高级职位，如投资经理，放射科病理科医生，法官，律师，甚至牛逼哄哄的伟大领袖。输入信息不稳定的领域，则已经取得了重大突破。
另外，现在AI的未来还是掌握在人手里，人可以克制自己不去发展某个方面。如创造性，如果电脑会创造，那它就可能是主人了。当然，像中国政府那样，想着AI 为其所用，发展起来去控制人民，那也是很无奈的事。人类已经犯了一个错误，创造了最后成为自己主子的独裁政府，那就不要再犯错误，去创造可能成为自己主人的电脑了！
现在已经不能这么说了。
人眼里有9千万个明暗感受体，再加上5百万个颜色感受体。一亿算是上限吧。
现在市场上 Phase One 数码照相机的感光板有一亿五千万个像素。 是人眼的 150%。
Hasselblad 和 Fujifilm 有些型号的数码照相机的感光板也有一亿个像素。