【8 级，154k】随着 ChatGPT 的火爆，我对于生成式 AI 有了极大的好奇，主要有两个疑问：之前的人工智能（Siri 和 Google）是怎么卡住的，而 ChatGPT 做了什么让它与众不同。带着这两个主要的疑问，我很激动地翻开了这本书。从结果来看，它很好地解释了第一个问题，这还算让我满意。但是对于第二个问题，这本书并没有给我很好的答案，它甚至都没有提到任何 ChatGPT 和 Transformer 的内容。让我觉得这 10 个小时有些浪费时间。在我看来，20 世纪之后的聊天 AI 其实是有三个阶段的：前 Siri 时代（Web2.0 时代），后 Siri 时代，后 ChatGPT 时代。Siri 其实是第一代我们能直接接触到的 AI 产品。它之所以能出现是因为 Web2.0 时代大量的用户上传了海量的数据，在深度学习和大数据下喂养出来的。然而 Siri 发展了数十年，依然像一个弱智一样只能实现基础的功能和回答简单的问题，似乎深度学习和大数据这条路走到了死胡同。而这本书很好地解释了这个死胡同的来由：深度学习 + 大数据本质上来说没有解决 AI 的创造性问题，因为创造性问题的本质在于推理。本书提到了三个主要的推理方式：溯因推理、归纳推理、演绎推理。简单来说，归纳推理就是从日常现象中得出一个看似合理的一般性理论，演绎推理就是利用这个得出的理论来演绎（推导）还没有见到过的现象，溯因推理就是给这个一般性理论寻找合理的解释。本质上来说这三个推理也是人类探索世界的根基，是人类智能的体现。目前深度学习 + 大数据这条路可以很好地解决归纳推理，但是很难实现演绎推理和溯因推理。本书提到溯因推理的难点在于常识和理解力的缺乏。而目 Siri 和 Alexa 就是卡在了这里，它们不断优化 DL 模型、投喂更多的数据，只会让模型过拟合，并不能解决缺失的两个推理能力。而 ChatGPT 之所以惊为天人，就因为它很好地实现了溯因推理和演绎推理。它的新能力其实来源于 Google Brain 和蒙特利尔大学于 2017 年开发的 Transformer 模型。简单来说 Transformer 解决了一个 “权重” 的问题，也就是注意力问题。之前的模型在处理超长文本的时候（比如一篇论文或一本书），模型内无法储存大量的上下文信息，这就导致模型像鱼一样没有记忆力。而 Transformer 很好地提炼了重点（注意力），从而帮助模型从更高的层次来理解更长的上下文环境。而 Transformer 进一步对重点进行了编码，将词义和上下文信息映射到了一个非常巨大的向量空间中，用数学关系来解释语义关系，从而彻底解锁了另外两个推理能力。而这一部分的内容在本书中是完全没有提到的。这可能是因为本书第一次出版的时候 Transformer 模型还很小众吧。而本书的剩下的内容就是在 Siri 的那个 “牛角尖” 里继续发散，介绍了包括神经科学、模拟人脑、人工输入常识库等常识，试图解决推理能力。作者最终感叹于科学界和工业界将大量的资源和人力消耗在 “没有前景” 的深度学习上。这一点在 ChatGPT 出现之后被明显证明是错误的。不过本书的另外一个价值在于它提供了多个评价人工智能 “通用性” 的标准，包括维诺格拉德模式（ChatGPT 在这个测试中也失败了），语言金字塔（ChatGPT 通过了大部分测试）。事实证明这些评价标准确实暴露了 Siri 这一代 AI 的推理问题，但是也很好地表现出 ChatGPT 的进步非常巨大，让我们清楚地知道 ChatGPT 距离 AGI 还有多远。如果说本书的主题是想解释 Siri 为什么不是 “神”，那么它恰巧还证明了 ChatGPT 有成为 “神” 的潜质。其实读这本书是我的一个小尝试。读书本身是一个不太轻松的爱好，一本 15w 字的书读下来经常要七八个小时，甚至理论性强一些的要用掉十个小时以上。而我又是一个读到一半会放弃的性格，所以选择一本书的成本是很高的。如果我选到了一本质量不高的书，就会有一种 “投资没有回本” 的感觉。所以我选书通常会很谨慎，至少选择的是出版了有些年头、上万人读过、而且评价比较高的书。但是人工智能这个行业发展实在太快，市面上的书都太新了，而我心里的好奇心与日俱增，最终决定冒险尝试一把，选择了这么本刚出来不久的书。从结果来看，并不尽如人意…… 不过读这本书的过程中我有了一个意外收获：ChatGPT 确实是一个高效的学习助手，它很好地解释了一些尖酸冗长的句子，甚至还贴心地补充了论据。简而言之，我不太推荐这本书，如果你真的对 ChatGPT 和它背后的原理很好奇，知乎和 Youtube 可能更适合你，更何况你还可以直接问 ChatGPT 呢？

这本《造神：人工智能神话的起源和破除》讲述了现在社会上盛行的未来主义的由来，以及因为对于人工智能的不了解，先是蒙上一层神秘的面纱，且在媒体铺天盖地的宣传下，以讹传讹，越来越夸大人工智能的能力范围。由乐观其成，到最后的盲目崇拜 (造神)。 现在智能手机已经相当普遍，像智能助手这样的 APP (应用程序) 也开始具有简单模仿这种能力，但它们依赖于信息源的精心开发，使其能够正确运行并准确地解释和回答问题。对于研究人工智能潜力的许多商业和技术领导者而言，这一过程的运作机制是神秘的，很容易受到流行的神话和对空间的误解的误导。本书作者埃里克・J. 拉森是一位资深的美国计算机科学家，由他来为人工智能去昧，有一定权威性与可读性。在他的论述中，有一点我认为很关键，就是当我们对于一件事情的前因后果 (结构、材质)、来龙去脉 (流程) 越清楚越了解，就越能冷静客观地看待这件事。不管流程多复杂，只要能先了解其作用原理 (全景)，就不怕让别人干扰带偏。