AI中那些吃灰的最终星光灿烂。人工智能发展跌宕起伏，最看好的却最后累死，最不起眼的冷板凳却变成热门。 《人工智能简史》这本书里，提到了三种AI流派。可以看到这种变化一个是语料派的逻辑主义。这是符号、规则、推理派。这是一直高歌猛进的一派，实际上它由于过于无法穷尽的规则而成为最受挫折的一派。 这一派在过去30年一直接受人工智能的最多的资助。然而，过于模仿人的思维而陷入了困境。 一种是强化学习派的自然主义。自己跟自己学习。这是一种从环境对抗式学习智慧。它跟做一件事情所获得的奖罚有关。如果穿越一个迷宫理论上讲，这种方法是最好的，它不需要知道规则。算法只需要知道，如果碰到墙，就是一种惩罚。它就会慢慢逼近出口。 谷歌的alphaGo是强化学习的一种典范，但也与深度学习的突破直接相关。 第三种是连接主义。它是基于神经网络的层层延伸而展开。贝尔实验室在1984年就成立了神经网络派单在相当长的时间，这是人工智能的边缘派，直到它在算法得到了极大的提升。 最关键的是它是一种并行计算，因此也在等待gpu算力的提升，直到2018年二者得到了最紧密的结合，剩下的就是openAI的故事。 如今，深度神经网络支撑的连接主义，成为大模型的根基，推动生成式AI的发展。这就是当下最显赫的一派。但Meta的首席科学家杨力昆，一直在抨击生成式AI不靠谱。 其实杨力昆，跟深度神经网络之父辛顿，还有openAI的最核心人员伊利亚，都有着强烈的学术交集。。Ilya是辛顿的弟子，而后者其实是被谷歌作为重点捐助对象。 为什么有辛顿支持的DeepMind采用了深度学习，并且推出了Tansformer框架，但却收获寥寥？那么辛顿去干什么了。 OpenAI的大语言模型，在Transfomer架构上，能够异军突起，为什么奇迹，却没有发生在谷歌身上？OpenAI的头9号员工，有五名来自Deepmind。 谷歌如何错失了AI世界最大的一条鱼，却只是收购了一个象征性意义的AlphaGO，让代表人类大脑算力巅峰的围棋从此变成一个可有可无的友谊？ 神经网络源远流长，但一开始却是一片微弱的星光，而现在则主宰了人工智能的宇宙。先进技术总是提前来到，身处闹市无人知晓，真正崛起则要等待一个合适的引爆时机。#IT的本质#
