主题:如果要走向强人工智能,openai的路线根本就是错的 -- 亮子
从gpt到Sora,一堆人搁那吹“理解,认知”,直接吹成强人工智能了,真的挺无奈。
原因很简单,人脑的功率只有30-40w,一张4090的显卡无论算力还是功率都远超人脑,结果现在为什么需要成千上万张显卡去叠?
因为你走错路了啊!
一万辆自行车堆一块能变成汽车吗?
一个人从丫丫学语到大学毕业,这中间人脑所消耗的能源不会超过几万美元,结果gpt一次训练所需要的电费就要百万美元。目前openAI的路线算法层面的改进基本已经到顶了,剩下的就比谁能更加大力出奇迹。
您说的强人工智能指什么?
似乎不是指可以取代人类那种有自我意识的人工智能。
探究世界认知世界还是要靠人。人工智能还是辅助。
就像有人调侃,本以为人工智能就像20世纪初畅想的机器人代替人劳动,结果人工智能转头去搞了琴棋书画,大众仍然需要务农进厂打螺丝。
还是讲故事收割,而后一地鸡毛那一套。
虽然资本充裕,应用前景广阔,非要用吸血造极富这种形式吗?
极端私有制的作用力和反作用力都在增强,加速接近转折点?未必是坏事。
机器学习可以理解为一个算法。目前这个算法还在日新月异的提高,新的技术层出不穷。
这个算法不依赖底层的编程,缺点或者说特点是需要进行巨额的计算去确定程序中参数的值。 但是优点是一旦确定了参数的值,未来应用所消耗能量是微乎其微的。这也是为什么人们要花力气去训练。跟修铁路的道理是一样的,修铁路很花钱,但是修好了通车就很节省。语音识别训练一次要多少个亿,但是之后就相当于无数人24/7为你无条件服务,而成本是极低的电费(使用一个AI程序的消耗,基本要远远小于普通的程序,因为就是简单的线性计算)。
机器从力量,速度到精准度早就远远领先于人类了。之所以还有大量的人力劳动,不就是“理解,认知”跟不上吗?自动驾驶就是一个最好的例子。这个事情成了,解放多少劳动力?自动驾驶都能成,那在工厂,仓库搬东西,整理货架还不是轻而易举,从A到B不要闯祸嘛。 打螺丝为什么还需要人,因为精度不够,但是人为什么行,人的眼睛和手都没有机器精度高。因为人可以根据情况反馈。既然这样,机器学习更可以。 将来连螺丝都没得打了。
为什么chatgpt,sora而不去研究如何打螺丝?因为这个东西更容易变现,利润更大。你能把电影特技给改改,能把剧本给润色一下,至少节省个几十万吧?代替一个打工人,那才值多少钱(再说又涉及到低收入就业,天然就不正义)。你不在乎,但人家好莱坞从业人员先罢工为敬了。
tesla现在搞的,号称没有一行代码。 光子进,行为出。和人开车的道理是一样的。
自动驾驶其实比chatgpt还要简单一点,因为输出太简单了,加速或者减速,转弯,打转向灯,鸣笛,估计也就几十个动作吧。
看效果吧,不是说快要推了吗。
业界一致认为机器学习的自动驾驶最终要超过传统编程的自动驾驶。
为啥AI搞琴棋书画了,因为这个没有客观标准,糊弄过去就行。好看不好看,好听不好听,本来也没有一定之规。但是打螺丝打上,打不上,打得松紧都是可以客观衡量的,糊弄不过去。只要一上客观标准,AI的功效立刻数量级降低。所以文科生最怕AI,养老院擦屁股的最不怕AI。司机在中间。
AI一个大的好处,是让大家知道,那些挣大钱的文科生其实不值钱。
不过应付实际路况,不限于高速公路和城市道路,可能要复杂一些。
机器学习算法毕竟是通过统计,进行非线性回归计算推导出的模型。 所以天然就不可能是100%的。 所以对错误的容忍度也是应用的一个关键。
生成一个动画,每一帧有几个,或者几十个像素不够完美,人眼睛又看不出来。
写一篇文章,几个词用的不好,改改就完了,或者不改也无所谓。
开车出错一次,人没了。 所以必须得99.999%往上这事情才能实用。别人不管你做对了多少次,就看你每天出多少车祸。 所以卖的车越多,挑战越大。
但是难度很大。关键是车在路上遇到的小概率奇怪场景太多了,专用人工智能很难全部覆盖。
通过增加效率的方式。而不是走主脑代替政府,为少数人当白手套玩垄断-收过路费的行当。现在的这种但凡有点小突破就要搞资本垄断炒作,不能长久。
还是说缺陷小到一定程度就可以忽略不计了,但是机器学习的效率强于写代码。
马斯克的逻辑就是建立在这一点上。在驾驶这一单一事务上,电脑强过人脑或迟早超过人脑,摄像头的分辨能力迟早会超过人眼,自动驾驶的特斯拉不一定需要超过配备有其它硬件如激光雷达的竞争者,它只要超过绝大多数人类驾驶员,让保险公司能够计算出一个可接受的赔率即可。