4. 人工智能
开篇
对于所谓 AI 的开篇该怎么写，我思考了很久，因为这实在是太过于宏大的话题了，从 2012 年开始这个行业迎来了所谓的技术爆炸阶段
宇宙的时间尺度来看，一个文明的技术在科技发展的过程中，可能短时间内快速发展、科技发展速度不断增加的现象 --------《三体》
无论是工业界还是科研界似乎都在这轮发展中进入了一场狂欢，但是狂欢之下，时代的滚滚洪流，也引起了不少人的焦虑和恐慌。
我们人类在如此宏大的课题面前，我们将得到什么？又将会失去什么呢？也许只有时间可以告诉我们答案。
阅读本篇内容的群体，我想主要是自动化或计算机的大学生，更多的是没有基础的同学才会翻阅。
因此本篇不将技术，笔者将从自己的视角，笔者进入大学到现在对所谓 AI 发展的思想感受的变迁为明线，为将要开启人工智能学习的大伙勾勒出一个笔者眼中的，人工智能时代。
同时，我也会在本篇内容中给你，你可以在本篇内容中获得什么。
这是一个最好的时代，也是一个最坏的时代；
这是一个智慧的年代，这是一个愚蠢的年代；
这是一个信任的时期，这是一个怀疑的时期。
这是一个光明的季节，这是一个黑暗的季节；
这是希望之春，这是失望之冬；
人们面前应有尽有，人们面前一无所有；
人们正踏上天堂之路，人们正走向地狱之门。
——《双城记》 查尔斯・狄更斯
看山是山
2020 年，在一门杭电的程序设计实践课上，老师要求我们用 C 语言去实现一些算法，我本来是将目标定为去大厂赚更多的钱的，对所谓 AI 仅仅停留在概念上，对其内容一无所知。
在实验的过程中，偶然和一位转专业学长偶然聊起到程设变态难得题目设计，要求用 C 语言实现 KNN 之类的算法，这 TM 对于我当时的水平简直是太难了！聊到他自己所在的某个实验室本科生的入组任务也不过是这个难度偏低一点点。
带着投机主义的心态，想着能不能混到一些论文之类的成果更好就业，毅然决然上了船。
当然，这也是大伙可能愿意去看这篇文章或抱着本科生科研的心态去学习本篇讲义或学习人工智能的主要心态。
可能还有一些人想的是我学一下这个相关技术可以更好的打比赛或者做项目，都是在我 “看山是山 " 的阶段有过的。
对所谓的科研，所谓的论文，所谓的项目的含金量都是一知半解，只不过是 “看到感觉他很火，感觉他很好，具体怎么样我不知道” 的心态。这也是在当时的市场上，很多人的心态，由此也是人工智能第一轮狂潮的热点所在，因为大家其实很多都不清楚这个新技术，究竟有什么样的上线，吹起了很大的泡泡。
就算是有点远见的本科生，也仅仅是看到了所谓的 CV 和 NLP 在学校和整个社会大规模宣传下的科普性的概念，也许也没有深入了解过，当时的我也一样。但是我也陷入了同样的狂热中，仅仅是因为他足够火热或有足够的前景，我就想着跟随着潮流走。
我看了一点非常基础的教程，老师便给我发了两篇非常刺激的 CV 论文，都是他专业下比较前沿的文章了，我对这到底意味着什么仍然是一无所知，我完全没有搭建起合理的知识框架，我眼里 AI 只有深度学习，只有用框架写的那几行短短的代码，于是开启了受难之旅。
老师并没有做错什么，他只是在这个人工智能大潮下的一朵浪花，他也尽其所能的做到了对本科学生的关注，错的是我，我没有仔细考究过，也没有站在足够高的角度去审视如果我加入了他的工作，我在这个行业中会处在什么样的位置。
这也是本篇讲义想要做到的第一件事，让你可以从比较高的角度去搭建起对这个领域的知识框架，而不是贸然的进入某个领域然后发现自己不喜欢或者说自己 “被坑了”。
看山不是山
学习过程非常恐怖的一件事就是完全没有正反馈，我在阅读论文的时候面对的是我对他无数前置工作一无所知的情况，并且我完全不知道怎么入手去读一个纯英文论文，我也不知道做科研到底意味着什么？
这也是本篇讲义想要做到的第二件事，让你可以阅读一些文章之后就有一个大致的方法论而不至于完全手足无措。在本章的如何做研究和如何科研论文写作的篇章里面。
短短的两篇文章我足足啃了一个假期，去读了很多东西，看了很多文章，但是自己究竟学会了什么其实也是答不上来，唯一能带给我的欣喜就是我复现了那篇文章，我让他在自己想要的数据集上跑起来了，但是也没有什么太大的成就感，因为唯一可以看到的仅仅只是跳动的数字和分割出来效果极其糟糕的几张图片。
紧接着我阅读了更多的论文，带给我的只有更多的负反馈，我不清楚将前两个论文串起来为什么就变成了一个创新点，我不清楚为什么论文写的代码里没有，我也不清楚代码为什么那样写，创新方案为什么要做成那样？我最大的疑惑其实是我们在不断堆积数据和算力，这样也能叫科研吗？而他们却又真真切切的发表在了那些顶刊上？这合理吗？
我刚刚对科研建立起的美好神圣的幻想，被一篇又一篇近乎重复的论文打的粉碎，让我不禁身心俱疲。我根本不相信靠眼前这些，被当时的我定义为 “学术垃圾” 的论文能掀起什么风浪。可我也不知道到底什么样才是真正的科研，不知道我该怎么做。
当时唯一支撑我的是某位老师的观点，她认为科技的进步和学术的发展正是建立在无意义的沙堆上的。正是这高耸的沙堆，才让人们可以清晰的看见沙堆上蚌中的珍珠散发着耀眼的光。尽管很多看起来现在无用，也许几年后，他被挖掘出来，就会发挥新的作用，我对此完全不理解，只是觉得深度学习目前这个研究方向，为什么大方向这么不可理喻。
当时的我还看到了，因为他的爆火，带来了非常优秀的工具链，极大程度的降低了门槛。科研界将电子斗蛐蛐奉为圭臬，比赛和项目只是劳动力和资源的无限叠加堆砌出来结果亦或是单纯的硬扯，工业界不知道在搞些什么名堂，好像仅仅只知道跟着国外的脚步走。（甚至你在现在的讲义中仍然能发现一些我当时的看法）
很多本科生诚然发了优秀的论文，可他也不过是一颗坚挺的或者优秀的螺丝钉，在正确的时间，正确的位置，做了不知道正确还是错误的事，让他取得了不属于他目前能力的成就。无论是老师还是学生都被迫进入了这一场狂欢然后做了也许不那么正义的事情。
我厌恶他！我厌恶他破坏了科研的纯洁性！我厌恶他成为了急功近利者的帮凶！我厌恶他堆砌的沙堆是充斥着无产者的血和泪！我厌恶他让马太效应发挥到了极致！我厌恶他让所有人都贴上了他的面具，但可能对本质上的东西一无所知！我厌恶他只注重结果，完全不注重过程然后让写的故事变成了捏造！
但是，现在我会说，也许当时的我真的错了。我并没有思考过所谓人类的智能和 AI 的智能的关系，也忽视了当某一个趋势或方向发展到极致之后，量变会引发什么样的质变。
看山是山
孟德尔出生于奥地利帝国（今天的捷克共和国）的西里西亚，是现代遗传学的创始人。尽管几千年来农民就知道动植物的杂交可以促进某些理想的性状，但孟德尔在 1856 年至 1863 年之间进行的豌豆植物实验建立了许多遗传规则，现称为孟德尔定律。
在孟德尔那个时代，人们不知道基因，人们也看不到那么小的东西，他给基因取了个名字叫遗传因子。他没能掌握 “真实的规律”，可是我们不得不承认的是，他是一个真正有科研精神的人的科研人。 -
我在不断地绝望之后，走向了极端，我放弃了跟进这个方面的学习，孟尝高洁，空余报国之情；阮籍猖狂，岂效穷途之哭！我失去了搞科研的热情，只想一心去做些别的。
我看到了南大的课程，我去看一生一芯，去看 jyy 老师的 OS，我听到了蒋老师对未来 AI 的发展充满了信心，我虽然很崇拜他，但我仍对此嗤之以鼻，我不相信。
一直到有一天，相先生在实验室玩一个叫 chatGPT 的东西，虽然之前懵懵懂懂的有了解过 GPT3 之类的东西，但是都对此行的发展没有什么了解，只是知道他又非常大的参数的语言模型，在好奇之下，我去亲自体验 chat GPT, 我受震惊于他能准确无误的理解我的意思，甚至能替我写代码，只要将问题拆解，他几乎可以就任何一个问题给出一个反而化之的答案。
随后没过多久，GPT4 与 new bing 应运而生，可以理解用户的意图和情感，根据用户的偏好和反馈来调整输出，甚至利用网络搜索来增强其的知识和回答能力，他们还结合了 CV 的功能，可以让他们来进行图像的生成工作。作为科研人的最高追求，大一统，一通半通的解决所有问题的模型竟然真的可能在我的有生之年实现，不由得震惊至极。同时，大模型也进入了 CV 领域，出现了 segmenting anything 这样可以做到零样本迁移这样的神奇功能，auto GPT 出现了在电脑主机上直接替人解决问题甚至是完成某一项工程任务的 GPT，以及可以在手机上本地做的 mini GPT, 技术的爆炸以及变革似乎一瞬间到来了，但是当我回过头展望的时候，正是我最看不起的沙砾，堆叠成了如此强大石之巨人，并且随着资本的涌入，他还在不断强大！！！
2012 年，被我们认定为人工智能学习的开篇之作，Alex net 诞生了，由 Alex Krizhevsky 和他的导师 Geoffrey Hinton 以及 Ilya Sutskever 设计，在 2012 年的 ImageNet 大规模视觉识别挑战赛中获得了冠军，展示了深度学习在图像分类方面的强大能力，并且正式启动了深度学习的革命，在当时他也引发了大量的争议，奉承这符号主义的大师们对着他指指点点，可是他们并不能阻碍时代的巨石碾过一切非议，并且在各个领域都爆发出极其强大的生命力。
想起在学操作系统的时候，linus 在几十年前被大老师 tanenbaum 狂喷，说整了什么垃圾玩意儿。当时的 minix 基本上可以说是横扫江湖，linus 却坚持说用户只考虑用户态是否好用而不在乎内核有多牛逼，当时的论战基本上把各类大神都炸出来，结果几十年后的如今我们发现原来遍布世界的居然是宏内核 / 混合内核。
时代的发展连大佬都可以拍死在沙滩上！
从短期来看，也许未来 GPT 会接管小 AI 形成一套上下左右俱为一体的 AI 智能模型，在所谓自动驾驶，智能家居领域发挥极其卓越的作用。
从长远来看，不由得联想起 AI 在围棋方面 alpha zero 的论文里面提到过，当他们不适用人类的知识的时候，反而模型的效果好很多，有没有可能 AI 在短短的未来总结出一套人类自然语言的规则后，自发创造出一个全新的语言，最终就彻底脱离人类变成一种全新的生命形式，从而彻底颠覆人类以公理为基础的数学，创造一套全新的数学体系，数学体系重做，物理学是否也会迎来质变？
AI 是一个复杂且多样化的研究领域，他能取得如此长远的发展，并非是仅仅一个两个人靠着所谓的理论研究就可以推动起来的，它伴随着底层的硬件设施配套的完善，算力的突破性增长等等，发展本身，也许就是兼容并蓄的，我们应该在这个发展的洪流前，找到自己的位置以更为谦卑谨慎的姿态，进行更为长远的思考和学习吧。
三花聚顶本是幻，脚下腾云亦非真。大梦一场终须醒，无根无极本归尘。
结语
让我们回到最开始的那几句话 这是一个最好的时代（AI 技术正在改变人们的生活）
也是一个最坏的时代（AI 也许取代大量人的饭碗）
这是一个智慧的年代（很多顶尖的科学家正在改变世界）
这是一个愚蠢的年代（很多高校止步于电子斗蛐蛐，很多企业只想着追赶外国不想着自己创新）
这是一个信任的时期（人们将更加信任这个社会会因此变好）
这是一个怀疑的时期（AI 技术带来伦理，毁灭世界等方面的讨论）
这是一个光明的季节（前沿科研或科技从来没有离普通的本科生这么近）
这是一个黑暗的季节（太近了导致很多人急功近利）
这是希望之春（我们迎来了技术爆炸）
这是失望之冬（我国仍有很多需要发展的地方）
人们面前应有尽有（人们以后可能拥有了 AI 也就拥有了一切）
人们面前一无所有（隐私，版权，安全等问题正在受到质疑）
人们正踏上天堂之路（也许未来人类不用干任何工作实现真正的共产主义）
人们正走向地狱之门（也许人类将被取代将被奴役，无数人会被取代）
技术的发展往往就伴随着激烈的争议和讨论
火车出现的年代人们责怪他破坏风水
蒸汽机出现的时代人指责他不安全
纺织机出现的时代女工辱骂他抢了自己工作
而这些都不会使他停滞
这是本讲义想做的第三件事，拥有学习新技术，跟上时代的能力
而愿不愿意在这激荡翻腾的年份，贡献出你的力量，让世界变得更好 / 更坏，就取决于你的选择了！