AI 發現了人類不理解的規律#
2020 年，麻省理工學院用 AI 發現了一種新的抗生素 Halicin。這個案例揭示了一個關鍵的認知震撼：
- AI 從 2000 個已知分子的訓練集中，學習出「什麼樣的分子能抗菌」的規律
- 然後從 FDA 已批准的 61000 個分子中，篩選出符合要求的抗生素
- 關鍵在於：AI 發現的化學特徵是人類科學家所不理解的——那些特徵不同於科學家以前的認知
當代 AI 的最厲害之處並不在於自動化，更不在於它像人一樣思考，而在於它不像人——它能找到人類理解範圍之外的解決方案。
AI 的思路不同於人類#
AlphaGo Zero 完全不用人類棋手的棋譜，通過自我對弈學會下國際象棋和圍棋，然後輕鬆打敗人類。它經常走出一些人類棋手感到匪夷所思的走法。
整個訓練模型只是一大堆參數（幾萬或幾百萬個），人類無法從那些參數中讀出理論。這個不可理解性可以說是 AI 的本質特徵——連 OpenAI 的研究者也搞不清 GPT 為什麼這麼好用。
啟蒙運動級別的大事件#
基辛格在 2023 年去世前的最後一本書《人工智能時代與人類未來》中提出：
從人的智能到人工智能之變，不但比信息革命重要，而且比工業革命重要——這是啟蒙運動級別的大事件。
哲學上的跨越：柏拉圖 vs. 維特根斯坦#
- 柏拉圖式理性：世界的規律應該像法律條文一樣，可以一條條寫下來
- 維特根斯坦的觀點：事物之間的相似性是模糊的、難以用語言說明的，想要全都理性化，根本做不到
- AI 的突破：AI 找到的恰恰是難以被人理解、不能用明確規則定義的規律——這是柏拉圖式理性的失敗，是維特根斯坦的勝利
機器學習的兩條路線#
20 世紀 80 年代以前，科學家嘗試用「理性」的思路——把解決問題的規則輸入給計算機。NLP、機器翻譯、語音識別等技術都走這條路，結果越走越難。
另一條路是神經網絡算法，模擬人腦的感知能力。GPT 就是這條路的產物：
- 不用告訴 AI 任何語言規則，把整個學習過程委託給機器
- 這個思路受到人腦神經網絡的啟發，但結構比人腦要簡單
- 分為訓練（training）和推理（inference）兩部分
三種神經網絡算法#
| 類型 | 比喻 | 特點 |
|---|---|---|
| 監督學習 | 學校裡老師對學生的教學 | 對錯分明、有標準答案 |
| 無監督學習 | 學者自己調研大量內容 | 看多了就會了 |
| 強化學習 | 小孩學走路或訓練運動員 | 每個動作立即獲得反饋 |
關鍵技術突破#
- Transformer 架構：讓模型更好地發現詞語與詞語之間的關係，允許改變前後順序
- 生成性神經網絡（GAN）：用兩個網絡相互對抗——生成器負責生成內容，判別器負責判斷質量
- GPT = Generative Pre-Trained Transformer（生成式預訓練變換器）
核心結論#
AI 最不可思議的優勢是：它能發現人的理性無法理解的規律，並據此做出判斷。我們正在目睹一個新智慧形態的覺醒。