19
0所以科研理论我们接着去看
从物理学上来讲
就是从实验观察到唯象理论
再到了一种框架
唯象理论就是没有经过严谨论证的
这个总结
实验总结
比如说天象观测
当时大家觉得所有的这个地球是中心
而且呢所有的轨道都是圆的
后来发现不对
这玩意怎么都对不上
有些行星的轨迹
他们就套大圆套小圆
套一堆模型
这个模型就非常复杂
这个就不对了
后来开普勒说
那有没有可能是椭圆的
后来用椭圆的这个事
能解释开普勒三定律
但是开普勒这个人的数学不好
所以他这个后面
他找不到精确的理论框架
牛顿出来以后
牛顿数学非常好
发明了微积分
发明了万有引力
然后完美的去解释了开普勒的三定律
这个人工智能也一样
人工智能呢
现在有超大规模的集群计算集群
我们去做大模型的训练
有一个实验
为什么现在这个像李飞飞教授说
大模型都是在企业里面创新
高校里很少
因为高校没有卡
大部分算力都在企业啊
所以现在企业更像是一个
就中国政府说的
这个叫创新的主体是民企
民企啊但是
现在央国企的算力也开始建设起来了
有了这个实验环境
你才能去做这个大模型的训练和创新
然后就发现了一个唯象理论
叫做
上一个时代是
实际上是深度学习的时代
叫AlphaGo这个时代
所以我们发现了强化学习
等等这样的一些实验的理论
这个其实在心理学上叫行为主义
就是
这个下围棋
我这个我下的好
给这个AlphaGo一个奖赏
就是加分
下的不好给你减分
AlphaGo自己跟自己下
这个
AlphaGo就训练出来围棋的这个水平了
其实人也一样
管理学你想一想哎
员工做的好我给他一个奖励
员工做不好就给他扣分对吧
或者罚钱
其实这个都是一个
这个机械化的一种理论
然后那么现在大模型的这个理论
叫尺度定律
我们叫Scaling Law
它要不断的去变大啊
OpenAI就是压住说越大越好
就是就跟我们做菜一样
这个菜里面一共有三个元素
第一个叫算力
第二个叫数据
第三个叫模型的参数
这三个东西越大越好
所以我们说这口锅就是算力
你没有大集群
你根本这个菜都炒不出来
第二个就是你的数
训练数据集得足够大
你学的东西越多
越多元化
他这个仿真世界的
就是学习这个世界的
这个规模就会越好
第三个就是
人脑是有复杂度的
所以大模型也有复杂度
只不过现在人脑复杂度比大模型高
大概100倍
其实也不远了
为什么大家预测
2028年有可能实现通用人工智能
就因为到那个时候
大模型按照尺度定律来说
再膨胀两个数量级
就达到人脑的复杂度
那是不是我们AI就AGI就出现了
就强人工智能就出现了
但是这个都是实验总结的就一个趋势性的东西
那我们特别期待说
后面有这个理论框架出来
真正指导我们未来几十年的发展
你像量子力学狭义相对论指导100年了
现在这些红利还没有释放完
非常有价值
