人和大模型的最大差距是什么？

把所有的大模型、人工智能等，加在一起，再乘以一万亿倍的一万亿倍，也没法，跟人的大脑，相比。

当然，再聪明的人，修个桌子、炒个好菜、编个计算机小程序，就可能，满头大汗。

但是，大家要注意，技术，是为人服务的，而不是，相反。

人

问：什么是机器学习呀？机器怎么会学习的？

人：机器学习就是人工智能下的科学，它就跟人一样，从经验中进行学习，并且不断改善自己。

问：那为什么是机器呢？为什么叫机器呢？

人：英文它的提出者给它起了 Machine Learning的名字，并且最开始的使用的是计算机进行这一操作，再加上计算机可以算作一个machine，因此就叫这个名字了。

问：那为什么不是computer learning，而是mahcine呢？

人：？……*%……%&……%&%%&%&¥¥&。烦死了，自己查去。

大模型

问：什么是机器学习呀？机器怎么会学习的？

大模型：机器学习是一种让计算机通过数据学习并改进性能的人工智能方法。它涉及数据收集、预处理、特征提取、模型选择、模型训练、模型评估和优化，并最终将学习到的模型应用于实际问题中。机器学习的成功与数据质量、特征选择和算法应用密切相关。通过机器学习，计算机能够自动从数据中学习规律和模式，无需人为编程即可做出预测或决策。

问：那为什么是机器呢？为什么叫机器呢？

大模型："机器"这个词在"机器学习"中是源自于计算机科学和人工智能的历史演进。在机器学习出现之前，计算机系统主要是由程序员编写的明确指令来执行任务。这些程序需要详细规定计算机要执行的每一个步骤，以及如何根据输入产生特定的输出。这种方法虽然可以解决一些问题，但对于复杂的、涉及大量数据的任务来说，编写传统程序变得非常困难和繁琐。机器学习的理念是，通过让计算机从数据中学习规律和模式，以自动调整自身的模型来执行任务，而不是通过显式的编程指令。因此，"机器"在这里指的是计算机系统，特指计算机能够根据数据进行学习和优化，从而完成复杂的任务。值得一提的是，"机器"并不是指传统意义上的机械装置，而是指计算机和电子设备，因为现代计算机系统是由电子元件组成的，能够进行高效的数值计算和数据处理。因此，"机器"这个词在这里更多地强调计算机的智能和学习能力，而非实体上的机械装置。

问：那为什么不是computer learning，而是mahcine呢？

大模型："机器学习"一词最早起源于计算机科学和人工智能的发展历史。在20世纪50年代和60年代初，计算机科学家和研究人员开始探索如何使计算机具有智能和学习能力。当时，计算机是巨大而复杂的机械设备，因此人们通常称其为"机器"，而不是像今天我们所说的"计算机"或"电脑"。在这个时期，人们尝试使用算法和数学模型来让这些"机器"模仿人类的智能行为，比如学习、推理和解决问题。这种用"机器"来模拟人类智能的研究方向被称为"人工智能"，而"机器学习"则成为实现人工智能的一个重要分支。随着时间的推移，虽然计算机的形态和技术发生了巨大的变化，但"机器学习"这个术语保留了下来，并且逐渐成为了一个通用的术语。它已经成为了让计算机在特定任务上从数据中学习和改进性能的标准术语，而不再仅限于描述早期计算机系统。"机器学习"这个术语的流行还得益于它的简洁性和广泛认知。虽然"computer learning"也可以表达类似的含义，但"机器学习"已经成为一个公认且广泛接受的术语，其在学术界和工业界都得到了广泛应用，因此继续沿用至今。

问：我就想叫computer learning，可以吗？

大模型：当然可以！作为自由的个体，你可以选择使用自己喜欢的术语。"Computer Learning"也能表达与"机器学习"相似的含义，特别是对于强调计算机在学习和改进性能方面的能力。术语的选择通常取决于个人偏好、上下文和交流对象。如果你觉得"Computer Learning"更贴近你的理解，并且在你所处的环境中被理解和接受，那么完全可以使用这个术语。只要能够准确传达你想要表达的意思，使用哪个术语并不会有太大影响。

大模型的底层架构是基于14纳米制程的宏观物理计算机。

理论是基于爱因斯坦的相对论。

而人脑的底层架构是基于量子物理的计算机。

量子理论目前仍不完善，人类对量子世界基本一无所知。

更别说在其之上制造和人脑媲美的量子计算机了。

从过往历史来看，量子领域理论的突破还需要50-100年，而应用还需要100年，所以人脑领先现有大模型200-300年左右。

理解能力：

尽管AI大模型已经在处理自然语言任务方面取得巨大进展，但它们仍然无法像人类一样真正理解语言。AI模型是基于统计学习和大规模数据的模式匹配，而不是拥有内在的理解能力。人类能够理解语言的含义，上下文和推理，并且能够应用背景知识来解决问题。

PS：众所周知，红烧狮子头和夫妻肺片是AI领域最难攻克的！

人可以增量学习，机器学习还不行。大模型的预训练需要一次性把语料准备齐，不能一次学一点。

机器也不能自己选择和准备context。如果我们把context当成短期记忆来使用。机器现在还做不到选择性的遗忘和选择性的保留context里的内容。只要你放到context里的东西，它就会认为是相关的，而不能主动忽略无关的context。

人不会一次推理过一遍所有的参数，做一次学习就更新一遍所有的权重。LoRA 等方案还差很远。

人有问题，大模型只有答案。

人的运行机制是闭环的，人类无需外部调参就能从数据中提取信息

大模型的运行机制是开环的，它离不开人类的调参

什么时候大模型只需提供算力，无需调参就能自我更新，那么智能就实现了

大模型缺少获取丰富模态信息的硬件和软件处理能力

一个技术问题，却需要哲学式的回答。

大模型是人的产品，就像米来自稻子，但不能说稻子都是米。

不认同大部分答案，以及我的看法可能某些视角下比较悲观。

人类之所以强于其他物种，是因为人类在进化的过程中产生了真正的“意识”，意识所带来的改变比纯粹的基因或者肉体进化所带来的改变要强太多了。

一个生物如果要从陆地进化到能在海洋里生存，可能得几千年甚至几万年才能慢慢在后代里长出鳍或者鳃，而因为人类拥有的“意识”，很快就可以造出船和潜水艇。

从生物学的视角来看，“意识“是肉体系统逐渐变复杂过程中“涌现”出的能力。

大模型如今“涌现”的交流和推理能力，和人类当年从猴进化成人类的过程中，所出现的交流、推理能力在我看来没啥区别，都是一种初级意识。

但我不认为以 Transformer 和超大量数据为基础的语言大模型是 AGI 终极形态的载体，这个载体可以类比为早期智人的肉体大脑，而早期智人的大脑和现代人大脑构造还是会有比较大的差别。

所以如果问的是“人和大模型的最大差距”，那我觉得目前技术架构（大脑）下大模型能代表的能力是要比人弱一阶的物种。

推理能力、信息处理效率、深度信息分析都比人差至少一个阶级，可能比宠物强一些的 level。

但如果问的是“人和 AGI 的最大差距”、或者“人和有意识的人工智能的最大差距”，我倾向于认为人只有在能量转换效率上比 AGI 强，而且只在几百年之内，在更远的未来，因为人类在碳基肉体算力的限制相比 AGI 硅基机器算力的差距，人类意识的进化速度和能够带来的改变将会在所有方面被 AGI 碾压。AGI 将成为更高维的物种。

人除了工作，还有各种欲望。

精神上的欲望、美食的欲望、旅行的欲望、出行的欲望。

欲望产生消费，消费产生市场。消费本身就是一种强大的生产力

1、大语言模型以chatgpt底层的大模型为代表，本质上还是在做预测，预测的准确率综合来看，在65%左右，所以比抛硬币要略强一些，但离商用的要求95%还差不少，而且要提升这30%也许是一个非常非常难的问题，而人经过专业培训之后，很快能够达到准确率提升的要求，可以总结为人的可塑性要比大模型要更好，更适用现在的商业要求；

2、大语言模型自己不知道自己不知道，你给他的提示，他作为输入，然后给出输出，即使输出是胡编乱造的，那也是输出，有一些不能回答的问题，大语言模型的确没有回答出来，但那个信息实际上已经被前面的一些预处理给过滤掉了，如果去掉这些过滤的限制，大语言模型还是会继续输出，但人贵在有自知之明，能够在回答问题的时候去反思自己，这也是人与大模型的区别；

3、大模型的所蕴含的信息量是远超人脑的，人脑不可能学习那么多内容（这里说的是内容而不是知识），人学习的内容只有消化吸收之后才能为人脑所用，大语言模型学习的内容大部分都吸收了，而人脑会选择性的忘记或者根本就没有学习进取，这也是大模型与人脑的很大一个区别，归纳总结就是，人会选择学习的内容，而大模型会根据输入进行学习，基本上不挑食；

4、大模型目前属于硅基计算，无论是训练还是推理，都会消耗大量的能量，而人脑没有那么大的消耗，也就是说，如果不考虑疲劳问题，那么现在人脑的消耗和成本还是低于现在的大模型，是更优秀的计算系统；

5、大模型的生成能力更强，而人写作文也好，作画也好，虽然创作力，艺术感能够更好，但这都是少数人才具备的能力，并不是一般可获得的能力，归纳总结说就是，大模型的生成能力比一般人要强很多；

综上所述，人和大模型最大的区别我觉得是人会疲劳，而大模型不会。

足够多的多样性的个体

人发明了大模型。

还没有一个大模型能理解人的运行机制，连人自己都不理解……

大模型可以永生，但是，比较难产生见解。

人是个体，大模型几乎是所有人

一个吃米饭馒头水，四个馒头一瓶水可以搬砖10小时

一个吃电，还得给他空调房降温，18度电能跑一天吗，18度电的电车大概能跑100公里

其他回答都是从人类相较于大模型的优势来说的，创造力、情绪情感等等，我从大模型的优势来答一答。

我认为是可重复性工作的执行效率。

看过往数次科技革命:十八世纪晚期，蒸汽机的广泛应用使得英国的纺织品产量在20多年内(从1766年到1789年)增长了5倍；马车的时速约20km/h，而现在高速路最低的速度都是60km/h，速度的提高可不仅仅是简单的倍数关系，还有燃料成本、折旧费用等等边际效益。

可能每个环节单拎出来的差距还不是很明显，如果把整个生产链和输送链结合起来，我简单拿运输效率提高一倍举个例子。（在举例子时将节省的效率量化为成本）

假设一家物流公司在过去使用了10辆传统燃油货运车辆进行物流运输，每辆车每年的燃料成本和折旧费用总计为10万元，总计为100万元。平均每年运营利润为50万元，净利润为40万元（考虑了运营成本后的利润）。

现在，该物流公司决定转向使用电动货运车辆进行运输。

那么此时想保持相同的运送水平，设电动车辆每辆车每年的电力成本和折旧费用总计为5万元，总计为50万元。同时，电动车辆的平均每年运营利润为60万元，净利润为55万元。

对比：

传统燃油货运车辆：

• 总运营成本：100万元
• 净利润：40万元

电动货运车辆：

• 总运营成本：50万元
• 净利润：55万元

你看，使用电动货运车辆后，总运营成本减少了50%，净利润则增加了37.5%，成本节省了，利润增加了。另外，由于电动车辆对环境友好，还可以在品牌上做营销，进一步扩大优势，而这仅仅是提高一倍。

而人工智能会为我们整个社会的生产效率提高多少倍呢？

重复性生产的效率提高了，损耗降低，成本随之降低，当成本降低到低无可低的时候，美好生活不就来了吗？看看现在的衣服费用（不考虑品牌溢价），共享单车，地铁，公交等等。

也许未来有一天，坐飞机出游会像骑共享单车一样普遍且廉价，山珍海味会像路边小摊一样普遍，每个人都可以恣意的发展......

用你的目光扫视下面这张图：

有没有看到闪烁的白点？

这是张静态图。根本没东西在闪，你看到的闪烁完全是你脑补出来的。

这张图有个名字，叫“赫尔曼网格幻象”（Hermann grid illusion），它在1870年就被提出来了。

这种视觉效果，你无论怎么跟人描述，别人都感受不到。但你拿出图片让人一看，立马就能明白。

你看，这种信息在现实中不存在，由人脑凭空创造出来，并且无法用语言传递，只能通过具身感受到。

我很好奇，大模型（也许我们可以放宽一点限制，不光语言模型，计算机视觉方面的模型也可）能否学会这项能力？

当然，如果有人做到了，或者对此有自己的观点，欢迎提醒我。

LVAD在医学上指的是左室辅助装置，主要有两种类型，即搏动轴流泵和连续轴流泵。左室辅助装置是在左心室无法满足灌注需求时，给循环提供支持的机械性辅助装置，目前主要用来治疗严重的左心衰竭以及等待心脏移植的患者。

患者由于左心室已经衰竭，不能有效地将血液泵入到主动脉中，不能够满足组织器官的需要，这时可以应用左心室辅助装置帮助左心室完成泵血功能，将左心房或左心室的血液，直接引入到左室的辅助装置中，将血液泵入到主动脉中，沿着主动脉各级管道送到身体各组织器官，满足组织器官的需求。左室辅助装置可以给严重心衰的患者及等待心脏移植的患者更多机会，使心脏能够恢复部分功能，等待合适的时机进行心脏移植。临床上通常会应用于急性心源性休克、顽固性左心衰、致命性心律失常，或心脏术后没有办法脱离体外循环的患者，另外高危患者做支架时，也可以使用左室辅助装置。

左室辅助装置需要在体外循环支撑下植入，部分肾功能、肺功能、肝功能障碍或感染的患者，不建议植入左室辅助装置。植入左室辅助装置后患者应注意体重控制，以及饮食习惯的改善，避免吃过多油腻的食物，如奶油、肥肉、油炸食品等，避免加重心脏负担。

大模型是人类发明出来的，是助力工具，需要好好监管

欲望

人类的意识是自然模型，而且是经过了数十亿年残酷的生存竞争和自然选择而幸存下来的自然模型，既然是幸存者，就必然存在幸存者偏差，这个幸存者偏差就是“欲望”，只有有欲望的模型才能在数十亿年的生存竞争中幸存并延续下来。

而人工智能的人工模型，不用经历这个数十亿年的生存竞争和自然选择，所以有智能和意识而没有欲望的模型，就这样展现在了人类面前。

不过这只是暂时的。

我很好奇，人工模型进化出欲望，会有多快。

应该说大模型和人最大的差距是什么。

这个问题人工智能完全没有反应出来，我要问的是他自己怎么运行，怎么开始和结束。

这个问题人工智能没有确认出意图，说明它不具备哲学思维的能力。

他不具备沉默这一种表达方式。说明他一直处于被探视状态。并且处于被动强制接受的状态。不答不行。

这说明他不具备精神的世界。

总的来说离开知识，这个世界对人工智能来说意味着不存在

他没有办法以零知识为起点来进行。

但对人类来说离开知识并不意味着不存在，相反人类还可以很多精神层面，情感层面的沟通，甚至不需要语言。

所以人类可以决定认识的对象，思考的对象，具备独立的精神世界。从而可以融化整个知识世界。