2024年10月，人工智能浪潮席卷了瑞典皇家科学院，在本届诺贝尔奖获奖名单中，有两个奖项被授予了与人工智能相关的研究，来自谷歌Deep Mind公司的两名科学家获得了诺贝尔化学奖，他们开发的人工智能系统Alpha FOLD能够协助研究者预测蛋白质的三维结构。
此外，两位人工智能工程师凭借在人工神经网络的开创性工作获得了诺贝尔物理学奖，他们的研究成果被深度应用到如今的各类AI产品之中。
人工智能领域的研究自上世纪五六十年代便已经兴起，但在很长时间里，公众对其的感知并不深刻，直到2022年末Chat GPT的横空出世，AI在舆论中的分量才变得越来越重。
在无数前辈理论研究筑下的坚实基础之上，人工智能的辉煌大厦正在快速升起。金融界兴起了AI投资浪潮，无数热钱涌入蓝海，学术界也开始向资源倾斜至AI相关的研究。
实际上，大语言模型的爆发仅仅是本次AI浪潮的一次表象，更深层的原因在于人类与机器交互方式的变革，AI能够理解自然语言，打破了人与AI之间的“沟通壁垒”。
正是这一转变，让AI不再只是少数精英从业者的游戏，而是成为了每个普通人都可以轻易上手的生产工具。这一转变，才是人工智能真正的意义。
语言的壁垒当一个孩童刚刚学会骑自行车，他会自豪地向母亲大喊自己有多厉害。
人工智能创始人约翰·麦卡锡将上述例子用来比喻AI在上世纪60年代的发展。科学家们对人工智能的发展寄予厚望，AI表现出来的能力也令当时的人们感到惊喜。
在这一时期，最具发展潜力的人工智能产品类型莫过于专家系统，这类AI产品可以模拟人类专家进行决策，例如20世纪70年代初，一个名为“内科医生一号”的专家系统项目在匹兹堡大学展开。
“内科医生1号”是一个用于诊断患者病因的专家系统，由知识库和推理机组成，使用者向系统输入患者的症状以及过往病史等信息，随后系统会通过推理机在知识库内寻找与输入信息相匹配的病因，并给出治疗方案。项目开发者哈利波普尔希望“内科医生1号”可以为医疗人才紧缺的贫困地区提供高质量的医疗服务。
约翰·麦卡锡
然而，这一阶段的人工智能几乎没有学习能力，只能依靠软件工程师基地定的编程路线运行。随着知识库内的知识数量的增加，开发者不得不给推理机设置更加复杂的规则和条件，这也极大地提高了专家系统的操作门槛。
“内科医生一号”项目仅停留在了实验阶段，未能真正实践落地，因为任何想操作这套专家系统的人都必须经过长时间的特殊训练，使用门槛极高，这一特性违背了开发者推广普惠医疗服务的初衷，这一问题也是当时几乎所有人工智能产品面临的困难。
使用门槛高、不精通程序语言或者无法准确表达机器才能听懂的语言的普通人，根本无法使用人工智能产品。
此外，由于现实世界相比于当时程序员设置的一条公式和规则要更加混沌和复杂，缺少学习能力的人工智能产品只能处理有标准答案的问题，例如几何和代数问题。一旦放在混沌的现实之中，人工智能便会表现得非常糟糕。例如“内科医生一号”在诊断患有两种或是两种以上疾病的患者时，错误率便会大大增加。
可以说，无论是操作端还是处理端，现实世界的复杂性和模糊性成为了连接现实世界与人工智能的重大隔阂。这一瓶颈也让人工智能遭遇了第一次低谷。
自上世纪70年代末期，政府和市场对AI的投资热情大大减少，直到一种全新观念的兴起，人工智能才再次迎来了新生。
打破隔阂2016年3月15日，韩国首尔，围棋职业九段棋手李世石在5个小时的鏖战后败给了AlphaGo，人工智能以4:1的战绩大胜人类顶尖棋手。
与此同时，太平洋对岸，68岁的杰夫里辛顿守在电视机前，异常兴奋地熬夜到两点看完了比赛。由于这场人机对决对他来说意义非凡。
自上世纪80年代起，杰弗里辛顿便一直在研究人工神经网络中的深度学习。
简单地说，人工神经网络是一种受到动物神经网络启发的人工智能模型，而深度学习是一种赋予人工智能自我学习能力的算法。正是这种算法让人工智能迎来了新生，因为拥有深度“学习算法”的AI开始获得了理解复杂真实世界的能力。
人工神经网
2012年，在机器识别图像竞赛中，杰夫里辛顿指导下的深度学习模型以惊人的84%识别准确率夺得冠军，断崖式领先第二名。
AI图像识别技术很快便投入了实际生产。例如一个名为UC vision的公司开发了一种用于水产养殖的小型自动潜艇，它能在复杂的养殖场图像环境中识别出有害生物或是污染源，甚至辨别鱼虾贝壳的健康状况。
2017年，微软研究人员利用深度学习模型，在语言识别领域实现了与专业人工转录员同等水平的语音转录这一技术被广泛应用到会议纪要、视频自动生成字幕等领域。
2022年Chat GPT发布，生成式人工智能开始被人们看见，可以说，深度学习让人工智能拥有看懂、听懂和读懂真实世界的能力。这一特性不仅让AI解决实际问题的能力大大提高，也极大降低了AI使用的门槛。
AI可以读懂自然语言，意味着普通人可以轻易上手AI，使用“远超人脑储量空间和数理逻辑推算效率的人工智能“来处理日常事务。而在各式各样的AI产品中，夸克的AI产品更新动作令人尤为关注。
当夸克拥有自研大模型，更新了AI能力，它想的还是如何让AI落到应用层，融入日常，让虚无缥缈的AI概念变成”有用的工具“。
Chat GPT
对于家人最关心的健康问题，比如看不懂体检报告的某项数据，或是身体突然有些不适，不知道挂什么科。输入问题置顶回答都是经过三审三校的三甲医生审核，看得明白，问得安心。
以夸克为代表的AI产品正在逐渐消解普通人与专业人士之间的信息差，这就相当于为普通人量身定制了一套专家系统，可以快速且准确地搜索和筛选信息。
不同的是，上世纪的专家系统需要经过特殊培训的人员来操作，且适用范围有限。
而如今的专家系统已经成为了每个人都能轻易用得上的实用工具，并适用于生活的方方面面。
突破边界2021年，在阿拉斯加东南部的海洋线上，一艘科研船的水下扬声器发出一串声音，随后一头座头鲸脱离了它的群体，向科研船靠近。
它绕着船转了一圈后，随即发出声音进行了回应。这是人类第一次与鲸语进行了有意识的语言互动。
科学家播放了座头鲸用来相互联络的语音，而这头名为吐温的座头鲸则对其进行了兴奋地回应。在随后长达20分钟的时间里，鲸鱼和科学家乐此不疲地进行了36次语言互动。
经过5000万年的演化，鲸鱼拥有了自己的语言系统，它们依靠声音相互交流，包括导航、寻找配偶以及躲避捕食者。
它们的幼崽会像人类婴儿一样咿呀学语，甚至来自不同海洋地区的同类鲸鱼还会有地方言。
2020年，由海洋生物学家戴维·格鲁伯领导的鲸类翻译计划正式启动，而用来解读鲸语语言的关键技术便是拥有机器学习算法的人工智能AI，可以处理数据量巨大的鲸与彼此对话的音频，并提取音频的表征，转化为可识别的代码，成为解码鲸鱼语言的重要数据。
人工智能
可以说，随着模型的优化与算力的提高，人工智能的潜力正在被不断挖掘。
在过去数十年的时间里，AI获得了听懂、读懂人类自然语言的能力。或许在未来数年，我们将见证可以读懂甚至发出具有智力动物语言的人工智能产品。
如今，地球物种计划在实验室环境中播放AI生成的斑胸草雀叫声，然后观察鸟类的反应。研究人员表示，很快我们的人工智能模型将通过雀科、乌鸦或鲸鱼的图灵测试，动物将无法分辨它们是在与机器交谈还是同类交谈。
从更长远的角度上看，破译动物语言的意义远不止于此。科学家的野心在于构建一套快速解码非人类语言的人工智能模型，为可能到来的第五类接触做准备。
地外文明研究小组深度参与了破译座头鲸语言的项目，小组成员格鲁伯表示，人工智能可以让人类在更深层次上了解其他生命形式的交流方式。
人类的语言边界正在被AI突破，而AI所能做的将远不止于此。
文本来源@棱镜Talk的视频内容
