不得不說，AI用來寫形式主義材料實在是太好用了。

我希望ai機器人能優先取代那些危險的，重復的，對人體能造成永久性傷害的那種工作，并給之前干那種工作的人進行補償，而不是把ai全用在讓各種人物吃飯上。

ai的發展實際上可以理解為人對于工作祛魅，人類的價值將重新洗牌，發展效率將迎來世紀最高，對于我們來說最關鍵的一點，就是分配，人需要ai恰恰是因為人的工作需要被替代，而不是人需要被替代。

目前人類最大的優勢還是在于其的社會性質，人類能參與生產和消費，而ai再發達也只能在生產力上突破，隨之帶來的就是產能過剩。

如果ai全面取代了絕大部分崗位，只有極少部分人負責維護ai，那生產出來的商品就沒人消費了，大部分人連工作都沒有，社會結構將會發生巨大改變，或許會朝著扁平化方向發展。

那樣就實現共產了啊，建成完整的社會主義社會，物質極大豐富，教育得到普及，按需分配人們從公共資源得到產品和服務，勞動不再是謀生手段而是自我實現，在這樣的社會中消費接近零，公司本就該消失，作為統治工具的國家也會消失，這明明是好事你怎么覺得是壞的？

AI是處理已知的東西，而人類則需要處理未知的東西，這樣，人類才有發展的可能。

競爭永遠是人，為啥注意力會在AI本身上，這玩意還算不上新物種好吧，我也沒覺得需要焦慮啥的，不會用那你就去學啊，即使工廠里的工人當年還不是要重新培訓上崗的，失業這事情跟技術進步真不是啥直接關系，每時每刻都有人不斷失業，我反而覺得失業多才是好事，這樣才會重新審視這種生產關系，現代人為啥會對AI感到恐懼，本質上就是怕失業，為什么怕失業，因為沒有任何保障，為什么沒有保障，因為生產關系本來就有問題。

對比人工智能電子原件與人腦神經元的基本特性發現:

電信號比神經信號的傳播速度高六七個數量級

單個神經連接數比單個門電路高六七個數量級。

純硬件的半導體確實沒法與神經元相同，但是抽象的程序里面跑的模型的訓練方式已經和生物一樣了，有回蕩，有反饋，唯一的缺點是目前最大規模的模型的內部鏈接數也沒法和老鼠的一小片大腦相比；也就是規模不夠，但是方式已經是一樣的了。

現在AI最可怕的是，所有的文字都是計算出下一個字應該是什么，而非這個知識或者結果是一個準確的可信的答案，對于AI來說，它的輸出僅僅只是因為這么輸出的話，在它的語言邏輯中是可行的，而非在人類思想中，這些文字所代表的抽象含義，好比說蘋果指的是一個水果，對于AI來說，它只是覺得，這個時候應該輸出蘋，然后因為第一個字是蘋所以第二個字輸出果的結果是最多的。

不知道我這么理解有沒有問題，如果真是這樣，我個人很難對AI產生任何一絲一毫的信任，所有的知識和問題還是必須要從一些專門的地方得到答案才行。

然而你的大腦也是相同的原理，人腦也就是個更復雜的AI而已，你思考出“蘋”的后面是“果”字并不是邏輯運算而是你的大腦根據經驗判斷出來的。

問題是很多人并不想創造，只想按部就班，比如抄作業，按照固定套路解題，而不是自己去開辟一條新的解題思路。

機械，計算機程序，ai和人腦相比，人腦的優勢在于可以把各種亂七八糟的信息放一起抽絲剝繭的尋找出其中數個符合多數結果的邏輯，找到最符合自身利益的部分加以利用，工具本身是人把某一類事物的實現過程中的重復部分歸類壓縮成一項技能，或者一種機械，或者說一種程序，讓產生念頭到實現這個念頭實現時間壓縮到最短也就是完成思維的虛和實物的實轉換的效率最大化。

比如狩獵，原始人需要針對不同獵物尋找規律選擇不同的工具進行獵殺，

但現代人如果不是為了玩只是為了獵殺的話，可以靠槍械，熱成像儀，無人機等手段高效尋找目標予以獵殺，原始人要長期練習的投擲被簡單歸類為瞄準和扣動扳機，中間的過程被槍械機構代勞且精度威力都很穩定，原始人移動尋找目標被歸類為開熱成像無人機飛行和尋找鎖定 因為人發現多數生物都會產熱這個貫穿始終的規律，包括運動產生的聲響腳印糞便氣味核心因素是這些家伙在燃燒食物中的能量進行運動進行搜尋生存資源和防止被當做生存資源搜尋的循環，亦可粗略歸類為緩慢燃燒放熱的過程，于是人類把尋找熱源的功能集成到無人機的攝像頭上。

但沒有個做決策的人類，無人機 ，獵槍不會自動獵取動物送到跟前。

假設ai機械已經可以自主索敵獵殺，但決定要不要去獵殺什么時候去哪進行獵殺的還是人，否則只會濫殺無辜的人工智能機械和往樹林里投放幾波燃燒彈沒什么區別何談智能 ，因為決定吃哪個用什么調料加什么配菜是燉了還是煮了還是烤了炸了的還是人類，畢竟機器對吃這些東西沒興趣，他們吃的是幾億年前生物壓縮儲存的能量：煤石油天然氣包括現在直接獲取的太陽能以及其產生的水力風能轉換出來的電力進行運作的。并且不像人太久不吃東西會死，它們是完全可以做到長期有電就活沒電就死弱電休眠的，但因為程序較為簡單不能做到自我檢修和尋找能源需要人進行補充，而且屬于健康的情況下拿了資源絕對辦事的究極黑奴，所以其依然屬于人類附屬品的范疇，所以叫人工智能。

AI還不能形成有效勞動力，完全數據化建模，天量數據流通與處理矩陣都不具備。比如大腦的建模，思維的建模，踐行的糾錯的建模。海量數據流通太耗能，是否劃算很難說。最后就是量子計算研究還很不成熟，傳統技術運算算力可能根本就是在燒錢，應用極其有限。

弱人工智能罷了，真的寫過神經網絡的模型就知道，ai的神經網絡基礎都是一個高維的復合函數，輸入和輸出都是一個向量或者矩陣。訓練模型就是一直求導數，求梯度，總體來說還是數學那套。你說一個函數能產生意識，我覺得是不太可能的。信這個，不如等以后的通用量子計算機問世。

人類是用大腦和雙手改變世界的，現在的ai歸根結底只是個工具，訓練過程精細復雜，使用場景卻局限。

而且，文字作為符號，在人類眼里是有特殊象征意義的，然而AI不會真正明白這個的，它所做的只是在找出必然性最強的符號連接形式而已。

繪畫和音樂雖然不會被取代，但大部分人會失業是早晚的事。因為繪畫和音樂的信息體量本身不大，且有比較明顯的規律性，容易被AI分析和解構。 而且現在繪畫和音樂想要廣泛傳播，只有以數據的形式，但只要上傳，都可能被AI抓取，AI的樣本量會越來越多。就像錢一樣，現在用紙幣的除了偏遠落后地區真的很少了。

神經元也不一定是最小的人腦單元，我記得前幾年彭羅斯不是還因為發現神經元里的量子效應獲得諾貝爾獎嗎？

為什么一定開發所謂的“人工智能”當初可能不太了解，后來發現，我們在解決一個問題或面臨一個現象時，會用自己的邏輯體系去解決。但同樣的問題在學了數學的人，他有可能會建立一個數學模型，總結出一個數學規律或一套完整的操作流程。當他們總結出一個數學公式時，那個領域光速發展。比較詳細的例子是克勞德*香農（大神級）第一個準確定義了信息是什么，并列出相應的數學公式。當一個領域出現了數學上的解決方式，那個領域就光速發展。而人工智能核心是深度學習算法（模仿大腦的數學模型）。與其說是開發人工智能，不如說是我們找到了很強數學模型了解決多個復雜問題。

再擴展一點就是，我們最后目標是找到一個究極通用模型，他唯一的使命就是自我進化，學會并掌控一切。

你如何看待AI人工智能的未來呢？