ai泡沫期

从2023年初算起，使用大模型已经两年多了，最近有很多祛魅，甚至完全不信任和否定这个方向的言论。

首先我们先列出这项技术的不足。

自动驾驶依赖对图像雷达识别，通过识别到的道路情况，进行和神经网络的样本，决策前后左右加减速，但很明显，有明显的缺陷，忽略了人类社会背景，比如有时候，情人节我着急去见女神会快速开，前面有学校，马上到放学时间，我就知道在这条路上需要减速了，雨季山路需要先关察山体情况再谨慎通行，这些都需要考虑到事件背景和环境背景，目前的自动驾驶是做不到的。

大模型幻觉例子:

首先要知道大模型的本质是预测，根据海量数据的样本，预测最大概率的答案，无论是写文档，还是码代码，你提的这个问题，都是在海量数据库中预测出最接近你这个问题的答案，仅仅只是概率，概率的高低，依靠模型样本数量和问题提示词的表述，你可以理解为，大模型是根据海量数据去猜答案，正儿八经的纸上谈兵，而不是真的走一遍流程给你经过实践的答案。

他们有个共同的短板，空谈误国，实际上我们需要的ai，肯定不是仅仅通过文字或者单一类型样本训练出来的，无论当下的文字、语音、图像、视频的模型，都过于片面，是，通过海量数据训练，能做到一个不错的单应用工具，比如模仿说话，写文档，做视频，但始终缺少了灵魂，和理想中的ai相差甚远。

ai需要理解物理世界中的意义，而不仅只是空谈，它或许需要一个可以直接连接物理空间的奖惩反馈机制，来让它真实的体会到物理世界。

同样的感受，才会有和你同样的思想理解，才会更好的成为你想象中的ai，曾经有本书说，不一样的身高、体重、性别、血型，虽然在同一空间，但感受的却是不同的世界，ai理解不了你，和当下发展的局限，就在于此，无论chatgpt、Gemini、grok，他们只是大语言模型啊，它们只是纯文字样本训练出来的，它们和碳基生物不一样，碳基生物是通过感触，耳鼻眼口触等这些训练出来的。

但无论怎么说，大模型技术方向毋庸置疑，证明了一件事，智慧是可以量化的可以被逆向工程，智慧就是基于历史样本的预测，但当下，大语言模型的发展已经到极限了，需要一种更宽泛的大模型，是有奖惩机制的，是要和物理空间进行直接接触的，能感触到不仅是视觉听觉触觉嗅觉味觉等等，大模型技术需要一个综合性的样本来突破当下短板，文字训练应该改为直接和物理接触的，事件训练、空间训练、时间训练、与人类相处训练等，它的记忆样本是要和人类记忆样本相似的。

当下更需要探索如何量化事件、空间、时间、情感、伦理、创造力等更复杂的智慧维度。真正的智能必须能感受到世界的冷暖疼痛。

当下是大模型之后第一个ai低谷，也不算低谷吧，算是一个泡沫膨胀期，需要后浪的接力了，哈哈哈。

太喜欢chatGPT写的这段: "斗争与跃迁，螺旋式上升，波浪式前进。每次阻力，都是适配与进化的机会。每次战争，都是加速器与试验场。每次技术崩溃，都是下一次迭代的起点。"