1. 大腦在處理信息時(shí)會(huì)進(jìn)行層層壓縮和過濾，只有最重要的信息才會(huì)進(jìn)入我們的意識(shí)。

2. 圖像識(shí)別的突破在于找到了提取圖片特征的方法——卷積神經(jīng)網(wǎng)絡(luò)。

3. 語言的特征提取問題困擾了人類很多年，直到RNN的出現(xiàn)才得以解決。

4. 但RNN的訓(xùn)練方法存在問題，無法找到正確的詞向量。

5. Transformer模型的出現(xiàn)創(chuàng)造性地提出了一種叫做自注意力機(jī)制的方法，解決了自然語言的特征提取問題。

6. Transformer的訓(xùn)練方法是完形填空，能夠讓電腦理解語言。

7. Transformer模型的出現(xiàn)使得通用人工智能成為了可能。

8. Open AI選擇增加訓(xùn)練數(shù)據(jù)和參數(shù)數(shù)量來提升模型性能。

9. 在參數(shù)規(guī)模達(dá)到1000億量級(jí)的時(shí)候，涌現(xiàn)現(xiàn)象產(chǎn)生了。

10. Cheat GPT的出現(xiàn)令人驚嘆，但涌現(xiàn)是否會(huì)產(chǎn)生意識(shí)，以及對(duì)人類文明產(chǎn)生的影響，仍需探討。