AI 會從另一個維度來看待人性，從海量數(shù)據(jù)里得到概率參數(shù)，把生物的神經(jīng)情緒反應(yīng)參數(shù)化，概率化，就像三棱鏡把光分成七色一樣，站在另一種高度把人看透

個人覺得不太認(rèn)同，覺得 AI 不能實(shí)現(xiàn)人性化只能實(shí)現(xiàn)邏輯擬人化。

這個討論源起與chatGPT，就從chatGPT說起。

chatGPT的本身模型就是 大量文本的輸入，形成一個以文本為輸入，文本為輸出（視頻、圖像、文字，在電腦里面處理之后其實(shí)本質(zhì)上都是一樣的；圖像會以多通道的灰度圖保存、文本也是以文本的 token 進(jìn)行保存，都是矩陣）的函數(shù)模型。也就是

chatGPT的判斷標(biāo)準(zhǔn)是，就是人的表達(dá)邏輯，也就是說，chatGPT 根據(jù)輸入產(chǎn)生的輸出給人看，符合人的表達(dá)邏輯就行。這個邏輯，顯然，符合基本的語言邏輯就可以了。人的語言邏輯，從根本上講，都是語言文字形成的表述方式。雖然各種語言的表述方式不同，也就是語言不同，但是表達(dá)邏輯也是有限的。比如可以用公式表達(dá)：我們可以把英文的表達(dá)邏輯寫做，，相對應(yīng)的 其他的語言也都可以這樣。那么，chatGPT 的統(tǒng)一模型也就是 。也就是一個集合模型，顯然這個也是有限的，也就是說這個是可以實(shí)現(xiàn)的。

從模型結(jié)構(gòu)角度，chatGPT 本質(zhì)是 將 文本 和 矩陣 進(jìn)行 編解碼，也就是 encoder 和 decoder；中間串聯(lián)或者遞歸 注意力機(jī)制組成的。注意力機(jī)制是什么呢？在機(jī)器視覺領(lǐng)域，有一個效果最好，用處也最廣的模型，叫 YOLO，可以以實(shí)時的視頻流去識別出每一幀畫面中的是人、還是車還是各種類別。他最初的原理就是，如果我想在畫面里面找到人，一個畫面，我劃分成四塊，人到底是在四塊中的哪個部分。在的那個部分就可以繼續(xù)劃分，知道找到準(zhǔn)確的位置。這個是在 文本中非常好使用的，因?yàn)?文本 特別是 英文文本存在 天然的分割，就算 中文這種不好分割的，北大很早就做過中文語料的分割標(biāo)定（文言文有個句讀），都是完全可以處理的。通過這種注意力機(jī)制的判定，就可以知道，你關(guān)心的，或者關(guān)聯(lián)關(guān)心的內(nèi)容，都是有哪些。
總結(jié)一下，就是 chatGPT 理解 世界 的 原理 是基于 人的語言表達(dá)邏輯的，這種邏輯是有限的，在語料豐富的情況下，是完全可以覆蓋掉的；而且其判斷依據(jù)是人的主觀，主觀帶有常識性的注意力表現(xiàn)，這種表現(xiàn)是長期的語言文字的積累形成的，也是符合語言邏輯的。因此，使用 chatGPT 去實(shí)現(xiàn)這個功能是完全可能的，雖然大量，但是畢竟有限。

從模型實(shí)現(xiàn)的角度，最主要的問題是找這個語言模型函數(shù)，神經(jīng)網(wǎng)絡(luò)是可以從最大似然估計和貝葉斯理論去解釋的，可以看這個視頻

有很完整的推導(dǎo)過程。表述方式上都是 概率論，也就是你說的概率參數(shù)，但是概率學(xué)的基礎(chǔ)是服從一定的分布，任何模型的基礎(chǔ)模型都是會有分布的約束的，這些分布就是大家常見的 泊松分布、高斯分布、幾何分布、二項(xiàng)分布、指數(shù)分布。舉個例子，神經(jīng)網(wǎng)絡(luò)最開始是想替代計算機(jī)的 0101，做神經(jīng)網(wǎng)絡(luò)計算機(jī)，出現(xiàn)的反向傳播網(wǎng)絡(luò)，就是基于 二項(xiàng)分布的，也就是說，我們把所有的事物，都可以通過 A 和 非 A 進(jìn)行判定，并進(jìn)行一層一層的疊加。 對于 語料模型來說，他可能沒辦法進(jìn)行簡單的組合，但是在注意力機(jī)制下面，你核心關(guān)注的 那幾個詞匯（token），是服從高斯分布或者泊松分布的；而他和其他詞語相關(guān)連的相關(guān)性，也是符合泊松分布或者高斯分布的。這樣，就可以通過大量的“概率參數(shù)”，雖然這個函數(shù)沒辦法寫出來，實(shí)際上也就是 大量的 高斯分布和 泊松分布的串聯(lián)或者并聯(lián)的疊加，這個參數(shù)也就是 高斯分布或者泊松分布 的參數(shù) 加上 疊加的形式，電路的串并聯(lián)表示也是可分的。這樣就可以通過網(wǎng)絡(luò)模型進(jìn)行擬合這個超高維度的語言模型。

基于這樣一個判斷，文本輸出產(chǎn)生的文本輸出，在符合語言邏輯的這一判定標(biāo)準(zhǔn)上看，肯定能產(chǎn)生確切的結(jié)果，也就是 像 和不像，這個結(jié)果是確定的。貓肯定就是貓，因?yàn)槿澜缛嗣穸x的貓是一個貓，就算有細(xì)節(jié)差別，發(fā)生判定誤差的概率是可以接受的。

接下來，我想說明一下，人性為什么不行？
1. 人性有很強(qiáng)的隨機(jī)性。

這個有個很簡單的例子，就是老板提的需求，讓你寫的報告，肯定不會通過的，也有時候竟然神奇的通過了。當(dāng)你問通過的原因，可能并不是你寫的好（符合很好的老板的語言邏輯），而是今天老板比較忙，被其他的事情耽誤的，時間來不及了。有時候一直不讓你通過，你可能改了很多遍，可能是非常牛的人寫的，但是還是通過不了。這種隨機(jī)性，和文本本身沒有關(guān)系，也就是說你注意的是文本，你搜索和文本相關(guān)的關(guān)系，你還是找不到原因。這個時候老板忙這個影響因素出來了，他和你寫的這個東西，在空間時間和概率上，并不能嚴(yán)格的認(rèn)為有顯著相關(guān)性，A 的發(fā)生影響 B 或者隱式影響 B，也就是符合馬爾科夫過程或者隱馬爾科夫。那么，在數(shù)據(jù)上，就很難標(biāo)定出相關(guān)性，計算的時候就以小概率的形式已經(jīng) pass 掉了，所以，得到的結(jié)果，是非確定的。假設(shè)存在，但是結(jié)果的發(fā)生，不是大概率傾向某一種結(jié)果。計算出來的結(jié)果可能傾向某一方，但是在實(shí)際中表現(xiàn)的就是一直是 50% 和 50%，你給老板的報告，不管是誰寫的，都是這樣的結(jié)果。

2. 人性和理論會產(chǎn)生巨大的差別。

舉個例子，就是彈鋼琴，計算機(jī)制作出來的音樂，和大師隱藏自己身份去談的結(jié)果，顯然大師的你會覺得更好聽，為什么？雖然大師有瑕疵，但是你會覺得他有豐富的情感表達(dá)，豐富的隨機(jī)性，這種隨機(jī)性，來自于他的心情，而這個心情可能是想起來之前的開心的事（喜歡的狗安樂死了，狗死了在不同的人看來會覺得是開心的也有很多人認(rèn)為是不開心的，從數(shù)據(jù)判定的角度是沒辦法核準(zhǔn)的）也可能是彈錯了，比如最近比較火的 郁可唯在 時光音樂會唱 水中花的時候搶拍卻成了經(jīng)典，從錨定上看，搶拍絕對是有問題的，音樂的基本規(guī)律上是不通的；那再從歷史數(shù)據(jù)上反映，從音樂的角度，這種提前演唱提起欣賞者興趣的技術(shù)是常見的，但是好和壞的判定，是沒有大量文本的支持的，因?yàn)檫@個是根據(jù)當(dāng)時的環(huán)境，當(dāng)時的氣氛，可能郁可唯在浴室里面唱，別人就覺得是不合適的了一下子聽出了不好。這種理論判斷和實(shí)際結(jié)果產(chǎn)生巨大的差別，也是難以用模型量化的。

最近除了 chatGPT 以外，還出了 robotics 的 transformer 的模型，其實(shí)就是把場景通過 圖像生成的技術(shù)進(jìn)行更換，產(chǎn)生新的數(shù)據(jù)，放到模型中去訓(xùn)練?？梢韵胂鬄橛艨晌ㄔ跁r光音樂會唱歌，我給他 p 一個中國好聲音的舞臺，她就是在中國好聲音的舞臺表演。雖然能生成更泛化的數(shù)據(jù)，也就是將郁可唯的失誤變成一種大概率事件。但是唱歌產(chǎn)生效果，除了舞臺背景的顯示圖像的因素，還有 背后的 伴奏根據(jù)實(shí)際情況配合表達(dá)，這種表達(dá)從語言描述的角度，是時間上的配合，但是這種配合是很少見的，如果把這種時間上的配合也用上面的技術(shù)泛化，調(diào)整到郁可唯唱前三個詞后 0.1，0.2，0.3...秒產(chǎn)生數(shù)據(jù)，顯然這種泛化是不準(zhǔn)確的，因?yàn)檫@個情況就只對應(yīng)這一個情況，他不是隨機(jī)的，不是確定的，他沒有一個必然的因?yàn)?A BCDE 就一定會產(chǎn)生 F 的 邏輯關(guān)系，產(chǎn)生結(jié)果的原因是可以事后分析形成語言性的表達(dá)邏輯，但是結(jié)果并不是一個語言邏輯表達(dá)推導(dǎo)下的必然結(jié)果。

所以我覺得用 AI 去模擬人性的東西，是很難的，只能實(shí)現(xiàn)語言表達(dá)邏輯上的擬人化，達(dá)不到實(shí)際的 AI 人性化。

看一下 chatGPT 自己的回答：

作為一種技術(shù)工具，人工智能（AI）無法實(shí)現(xiàn)真正的人性化，因?yàn)樗狈θ祟愖陨硭哂械闹饔^意識、情感和道德判斷等能力。
然而，AI可以通過編程實(shí)現(xiàn)一些邏輯擬人化的功能，例如通過深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)進(jìn)行圖像識別和語音識別，模擬人類的思考過程來完成一些決策任務(wù)。此外，AI還可以通過自然語言處理技術(shù)和機(jī)器翻譯來模仿人類的語言能力，從而實(shí)現(xiàn)更加智能化的交互和服務(wù)過程。
雖然AI不能完全替代人類，但是隨著技術(shù)的不斷發(fā)展和進(jìn)步，它可以成為人類社會的有力工具，為人類的生產(chǎn)生活提供更多的便利和支持。

完結(jié)，撒花。。。