本文主要说了人工智能是如何模仿人类大脑神经元结构的，以及目前人工智能发展的路线分歧，最后，也是最重要的，我还是希望从经济学来探讨一下，为何人工智能在这个时间和地点涌现出来。
AI神经网络
AI神经网络的本质，是对人类大脑的模仿，下图是人类大脑神经元结构和工作原理：
上图来自《深度学习的数学》一书。
人类大脑神经元结构的原理，就是大脑神经元在接收信号超过某个阈值时，触发点火，不超过则不点火。这就跟麦卡洛克和皮茨发表的题为《神经活动中内在思想的逻辑演算》的论文里首次提出神经元的M-P模型一样。
在《深度学习的数学》一书中，用一个更复杂和生动的例子，诠释了AI神经网络的工作原理，本质上和人类大脑神经元结构的原理一致。
问：建立一个AI神经网络，用来识别通过4×3的长方形像素图像读取的手写数字0和1，下图都是0。
答题：
第一步：设定-输入层
4×3的长方形像素图像分为12个格子，每个格子分别编号为1-12：
第二步：组合-隐藏层
这一层，负责特征组合12个格子其中的2个并形成3个模式。比如有如下三种主要特征，分为为模式A、B、C：
不同的模式对应着不同格子的组合。比如模式A对应的是数字4和7，B对应5和8，C对应6和9。
第三步：答案-输出层
这一层是输出的答案，从隐藏层那里获得信息。
上图就是这个案例的导图，从下向上触发：
开始，输入层的2、5、8、11点火；
接着，5和8组合所对应的隐藏层被识别，隐藏恶魔模式B点火；
最后，隐藏恶魔模式B对应输出恶魔1。
结局，识别出图像为数字1。
在上面的例子里，AI可以精确地识别出0和1，但它并不懂0和1，它的眼里只有像素。
难道人工智能和大脑神经元仅仅是二进制代码结构？而不是更深邃或者智慧的什么东西？
这很难让人接受。
相关和因果
那么，人类大脑懂不懂0和1？
对此，人工智能的大佬们产生了分歧：
OpenAI的联合创始人兼首席科学家伊利亚·萨特斯基弗的老师辛顿是这么认为的：
首先，是相对简单的处理元素，也就是松散的神经元模型，就跟上面的案例一样。然后神经元会连接起来，每一个连接都有其权值，这种权值通过学习可以改变。
接着，神经元要做的事就是将连接的活动量与权值相乘，然后累加，再决定是否发送结果。如果得到的数字足够大，就会发送一个结果。如果数字是负的，就不会发送任何信息。
你要做的事就是将无数的活动与无数的权重联系起来，然后搞清如何改变权重，那样就行了。问题的关键就是如何改变权重。
这就是ChatGPT的核心思路：重视相关，忽视因果。
辛顿认为“深度学习足以复制人类所有的智力”，将无所不能，只要有更多概念上的突破。例如“transformers”利用向量来表示词义的概念性突破。
此外，还要大幅度增加规模，包括神经网络规模和数据规模。例如，人脑大约有100万亿个参数，是真正的巨大模型。而GPT-3有1750亿个参数，约比大脑小一千倍。
神经网络模仿了人类的优势：处理有大量参数的少量数据。但人类在这方面做得更好，而且节能许多倍。
也就是说，他认为完全模仿大脑神经网络，这就是答案。
而另一派，Google的DeepMInd创始人戴密斯·哈萨比斯则不同意这个观点：
哈萨比斯认为不管是ChatGPT，还是自家的Gopher，尽管可以帮你写作，为你绘画，“有一些令人印象深刻的模仿”，但AI“仍然不能真正理解它在说什么”。
所以，他说：“（这些）不是真正的意义上的（智能）。”
哈萨比斯的老师，MIT的Poggio教授更尖锐地指出：深度学习有点像这个时代的“炼金术”，但是需要从“炼金术”转化为真正的化学。
另外一位大佬杨立昆也持有同样观点，反对炼金术的提法，但他也认为要探究智能与学习的本质。人工神经元受到脑神经元的直接启发，不能仅仅复制大自然。
“我认为，我们必须探究智能和学习的基础原理，不管这些原理是以生物学的形式还是以电子的形式存在。正如空气动力学解释了飞机、鸟类、蝙蝠和昆虫的飞行原理，热力学解释了热机和生化过程中的能量转换一样，智能理论也必须考虑到各种形式的智能。”
这个流派的核心思路就是：重视因果，忽视相关。
因果派和概率派继续千年论战。
当然还有和稀泥派，不少科学家认为应该给人工智能加上常识，加上因果推理的能力，加上了解世界事实的能力。所以，解决方案也许是“混合模式”。
不过目前无论谁都同意，ChatGPT明显走在的前面。
但谁又知道结局呢？诺基亚曾经也是手机一哥啊。
所以结局未分，但卖铲子的英伟达无论如何都是最大的赢家。
科技为何涌现
格林斯潘在《繁荣与衰退》中这样自夸过：“美国人的天赋隐藏在三个方面，其一是能把伟大的发明做成用户方便使用的产品，其二是能让把新发明商业化的企业成长壮大，其三是能用新的手段使企业经营获得成功。”
发明→产品→市场→财富，这是科技涌现的密码。
历史上三次工业革命，前两次的历史性发明都没诞生在美帝：
第一次工业革命，由蒸汽动力技术所推动，发明者是英国；
第二次工业革命，则由电力和内燃机等技术牵引，核心驱动力是电力和内燃机技术，其大部分专利都诞生于欧洲，尤其是英、德两国；
第三次工业革命，引擎是芯片和软件等信息技术，1945年，世界上第一根晶体管在贝尔实验室被点亮，紧接着，信息革命先后掀起了至少10次产业创新浪潮，分别是：晶体管/集成电路、大型机、PC机、企业软件、数字通信、互联网、云计算、智能手机、移动互联网和人工智能——这些创新几乎全部源起于美国，并且每一次技术突破，都伴随诞生了新的商业巨头。
用不着10次，1次就足以杀死苏联。
苏联不是没有追赶过，苏联在追赶美国时几乎用上所有招数，包括仿造、抄袭、间谍、国家立法、财政补贴、贸易壁垒、人才引进……
但最关键，也是唯一缺的，就是消费市场。
回到这次人工智能涌现，为何又诞生在美国？
当2020年疫情来袭，美联储为了拯救美国经济，疯狂扩表。美国总共推出3轮共计6万亿美元的财政刺激，其中对居民直接现金补贴总规模8700亿美元，相当于美国GDP的4%。第一轮在2020年3~4月，符合条件家庭每成人1200美元，儿童500美元；第二轮2020年12月增加补贴每成人儿童均600美元；第三轮2021年3月每成人儿童均1400美元。三轮大规模补贴使得居民收入不降反升，支撑了消费的强劲增长，当然也导致了核心通胀居高不下。
有统计数据，疫情以来大规模财政刺激导致居民增加了2.3万亿美元的超额储蓄，这些钱让美国消费持续繁荣。
疫情首先让因疫情居家办公的人们产生了一个刚性需求，就是升级电脑进行在线会议，毕竟人虽然在家，但企业还得运转，而且大家口袋里都很有钱，于是ZOOM被开发出来，随着在线会议的功能多元化以及在线娱乐的需求爆发，诞生了元宇宙，甚至FACEBOOK直接ALLIN了元宇宙，接着，ChatGPT横空出世。
这还能说是巧合么？
消费市场是技术创新的原动力，苏联虽然很早也出了晶体管、计算机、移动通信电话，但是，后来这些技术都被美国碾压了。为什么？因为苏联国内没有足够的消费需求，无法支持技术发展。比如，移动电话这种产品具有天然的网络效应，接入的用户越多，市场价值就越大。但是，苏联没有这方面的消费支撑，只能沦为实验品。苏联只有唯一一个技术买家，那就是政府。
那么，消费市场如何才能繁荣？
消费是居民财富的函数。简单来说普通家庭要有钱，包括有储蓄，有社会保障，有工资收入，有经营性收入，有资产收入，还有收入预期。
米塞斯说的：“没有市场的地方，哪怕是立意最佳的指令，也不过是僵化的文字而已。”
尾声：
杨立昆估算，需要10万个GPU才能接近大脑的运算能力。一个GPU的功率约为250瓦，而人类大脑的功率大约仅为25瓦。
这意味着硅基智能的效率是碳基智能的一百万分之一，人类还没有被背弃。
但这场竞争，无疑是残酷的，谁都想获得通往下一个时代的船票。
任正非说的：“我们不能因美国打压我们，就不认为它不是老师，不向美国学习，这样会走向自闭。”
消费市场，这是美帝皇冠上的刻印，也是苏联用血书写的遗书。
全文完。
如怕丢失，请加作者微信。