裁员后，我成了科技教父 第67节

　　一念至此，何钢顿时一个激灵，没有忍耐住心中的疑惑，开口问道：“郝总，我突然有一个问题特别想听听你的看法。”

　　“嗯？”小艺在开车，郝成一偏头：“什么问题？”

　　“这跟我们的合作以及任何的商业行为都无关哈，我只是突然有点儿感触。”何钢先是解释，而后又问道：“你认为AI未来究竟能做到什么程度，有没有觉醒自己意识的可能？”

　　这个问题很多时候都是一些外行问的，因为他们不了解AI的训练、不了解AI看似神奇的能力是怎么“算”出来的，于是幻想，AI觉醒，统治人类什么的。

　　真正的业内人士都知道，这东西在现有的人工智能基础之上，是不可能出现的，现在人工智能的本质其实是数学、逻辑学、计算科学的综合延伸。

　　虽然很复杂，但再复杂也无外乎“算法”二字。

　　但今天小沙的表现却让何钢迟疑了，问出这么一个问题。

　　“不可能！”郝成说的十分笃定。

　　“为什么？”何钢和沈伟几乎是异口同声的反问了一句。

　　“意识的定义就决定了，”郝成说道：“意识的主体是人。即便机器产生了类似的东西，它也不叫意识，除非修改定义。”

　　郝成故意插科打诨了一下，接着说道：“如果要问，类似人类意识的东西机器会不会产生，如果从生物学的角度定义——在有机体生存的适应活动中，由发达的中枢神经系统产生的主观性，可称为意识。

　　“类似这种意识的东西，AI是可以轻易产生的，我认为小沙都已经离得不远了。”

　　郝成这么说着，如果说初版的小沙还不行，那么昨天晚上经历了对“度”的把握的升级之后，小沙明显也有一个蜕变。

　　对是非对错的认定也渐渐有了一些除规则和逻辑之外的东西，这个东西具体是什么，郝成当前还无法得知。

　　要说这是“主观”性，那确实不是，但说这是“类主观”，是“人主观性”的一个映射，郝成觉得还是没有问题的。

　　基于此，有一天，小沙一定可以产生类似“意识”这样的东西。

　　“对于人来说，意识是人脑对外界物质世界的反映，是感觉、思维等各种心理过程的总和，表达了人的情感、追求和意志。”

　　郝成接着说道：“但是对于AI来说，它是不存在这些东西的。但它又会产生一些东西，这个东西是什么？

　　“我认为，是【趋同于人】的【类似意识】。”

　　对于这类泛泛而谈的概念，郝成并不吝啬多说一些，而且他还反问了一句：“趋同于人？具体趋同于谁呢？”

　　“趋同于训练者！”郝成说了很多，这个概念虽然之前没有听人说起过，但是两个人都不算外行，一个之前是电信专业的，一个是电路系统设计，这几年对AI也都一些了解，这些大路上的理念，还是很容易就想出来的。

　　“是的。”郝成说道：“不管是传统的AI，还是小沙，它最终成长成什么样，还得看你喂给了它什么数据和知识。

　　“如果它最后真的产生了【趋同于人】的【类似意识】，那这个东西也一定是类似于训练者的。”

　　对于这一点，郝成也是有所思考，因为“微意识体”的训练，最终归结于两个字，也就是“映射”。

　　这是最关键的核心。

　　每一次深夜课堂，都必提到的，也是必复习的，截至目前，郝成所有接触到的，包括那天他设计了一个“加法器”通过能量点升级之后得到的东西，其中体现的最深的，还是“映射”这个理念。

　　那么，AI如果产生了【趋同于人】的【类似意识】，那也一定是一种更加复杂的映射。

　　如果说人的意识是人脑对客观世界的反映。

　　那么AI产生的这个【类似意识】就是【AI网络】对【训练者输入给它的世界】的【反映】。

　　那么，它的【趋同于人】，趋同于谁，那就显而易见了。

　　而这个反映，表现在操作方式上，那就还是那个【超级符码系统】，还是【映射】。

　　“还有一点更关键的，我还认为，AI是不是会产生所谓的这种【类似意识】根本不需要担心。”

　　郝成接着说道：“即使产生了也没有任何问题，最关键的其实是欲望，只要机器不产生欲望，那就是万事大吉的。

　　“而产生欲望，我认为是不会的，至少小沙不会。”

　　郝成之所以这么说，还是因为【微意识体】的训练方式最关键的【超级符码系统】和【映射】。

　　人的欲望怎么产生的？

　　人会饿，所以会产生吃的欲望，历史上，大多数的起义都是因为灾荒吃不上饭引起的。

　　甚至，有很多段子都是这么编的：如果我穿越回古代，每天只给士兵吃榨菜和白饭，他们造反吗？

　　造反个屁，他们会给你披一件黄色的衣服！

　　但AI会有这个概念吗？莫不成电压低了，AI说我饿？无非是计算的慢一点罢了。

　　按照深夜课堂里【超级符码系统】和【映射】的理念，是没有的！不仅是饥饿寒冷没有、情和性、意志、情感等等等等这些都是没有的。

　　它度过了最初的阶段，比如昨天之前的小沙，之后再要成长，确实需要对人类意志情感等的模拟，而这种模拟靠的就是事实与逻辑的“映射”，复杂的“映射”交织出来的是“类似”这个概念。

　　类，毕竟不同。

　　所以“微意识体”体系训练出来的AI，是不可能产生欲望的。

　　这是郝成得出的结论。

　　只要不产生欲望，那就一切都不需要担心。

　　……

　　跟何钢和沈伟说了这么多，郝成自己也醍醐灌顶般的对【超级符码系统】和【映射】，甚至是【微意识体的训练】瞬间有了更深刻的一些理解。

　　到了饭店，郝成也是默不作声的拿出手机将这些东西记录下来。

　　“该说不说，这手机越来越大了，单手操作是越来越困难。”

　　Mate70 Pro+那个宽度，就算郝成手算大的了，单手操作还是非常困难，尤其是打字的时候，左边一排都够不着。

　　输入法还好，还有个单手模式可以把输入法的区域调小，但如果另一侧有一个按钮或者图标需要点的时候，那就没有任何办法了。

　　“如果，我手指头往那边去的时候，我要点的东西，它自己能过来，”郝成一边说还一边比划着，右手拿着手机，拇指伸的老长，像是要去够最左上角的那个图标：

　　“如果这个时候，整个屏幕往右下移动，逆着我手指头动的方向，咦，到中间，它重合了，我一点，啪，是不是很棒？”郝成看着何钢，说着属于他的“很棒”。

　　“那如果能识别到你想点儿哪儿，直接帮你点了不更好吗？”何钢发出了这个疑问。

　　“识别不了吧！”郝成摇了摇头：“如果你那姿态传感器能直接识别动作，我眼神聚焦到哪儿，它点到哪儿那也行啊，但现在应该没有这个精度。

　　“而且眼神控制不好用，眼睛动来动去也挺累的。但，我我感觉识别一个大概区域是不难的。甚至都不用大概，把屏幕上中下三等分，左右对半分，一共就六个区域。

　　“我手想去操作了，眼睛肯定跟着有变化，然后识别出来的这个要操作的区域临时往手指这边偏一下，操作完了恢复，这样折中一下子，应该不难实现。”

　　郝成一开口就是不难实现，但是，自家人知自家事儿，对于姿态传感器能干什么，何钢可是清楚的很。

　　之前设计抓一抓的时候，那只手都需要刻意做动作。

　　后来利用小沙的AI能力，做“甩一甩”甩文件这个动作，那动作的幅度也是很夸张的。

　　现在，识别一只手指和眼神？

　　哪怕只是确定一个六分之一大小屏幕的区域，能做估计是能做，但是这个准确度恐怕没法保证，如果准确度不能保证，那意义就不大了。

第110章 OpenAI最近有点儿跳，得限制一下！

　　郝成请了一顿饭，何钢吃了满肚子的心事。

　　饭局刚刚一结束，他就立刻回到酒店，联系上了于东。

　　“老何，我咋发现你每次一去临州，都会变得这么慌慌张张的呢？”于东甚至调侃上了。

　　“你先别忙，听我说。”

　　何钢仔细的将郝成在车上的话简单跟于东复述了一遍，而后总结道：“可不要看这东西是郝成在扯闲篇，是在泛泛而谈大路的概念，是没有透露任何AI训练方法的。

　　“但实际上，他这个泛泛而谈，跟我们一大群人去聊天，他不一样！”

　　“我知道，他已经训练出小沙了，他的大路概念那是正确的概念。”于东长长的呼了口气：“从这泛泛而谈中或许能找到方向。

　　“但光听这些也没有用啊！”思索了很久，于东也是无奈道：“你说的所有的东西，我只能总结出三个字‘类似人’，而这种方向，团队早就考虑过了。

　　“但现在的问题不是方向，是方法，我们没有找到任何的方法。唯一的好消息是，我们以传统方式训练AI的成本也大大的降低了，效率却大大的提高了。”

　　于东说的这个倒是实情，不仅仅是华为、抖音、腾讯甚至OpenAI，训练AI的成本都降低了。

　　究其原因，也很简单，他们让小沙帮他们做数据清洗、标定和反馈。

　　数据清洗原本是一个非常复杂且繁琐的工作，也是训练AI非常关键的步骤，数据清洗的质量越高，AI训练的质量也就越高。

　　以往，这个工作都是由人工来实现的，也有用AI来做的，但是效果就会很差，往往会投喂一些垃圾数据，造成模型被污染，进而产生一些低级错误。

　　而现在有了小沙，这项工作可以更快速的进行，准确率甚至不比人工清洗差。

　　而更关键的一个问题，以往GPT类的模型，是RLHF，也就是基于人类反馈的强化学习。

　　怎么做的呢：就是先预训练一个语言模型，然后做微调。

　　微调怎么调呢：就是你问一个问题，语言模型给你回答，然后人工给这些回答进行排名，然后获得一个有质量排序的数据集，用这个数据集反过来再去微调相关的模型参数，一遍又一遍循环往复，然后答案就会越来越接近人想要的。

　　而现在，小沙代替了人工的这个步骤。

　　RLHF模型先前被认为不可能无限提高，其中最重要的一个原因就是，随着参数越来越多，数据量越来越大，人工去获取一个有质量排序的数据集也变得越来越不可能。

　　于是有人就认为，自我反馈模型，也就是让模型自我去评价去提升的模型才是未来，纵然它有时候显得很弱智。

　　但是现在，有了小沙，小沙替代【基于人类反馈的强化学习】里边的人类，变成了【基于小沙反馈的强化学习】，这一切就又变得可能了！

　　不仅解决了自我反馈容易弱智的问题，同时解决了人工反馈效率过低、成本过高的问题。

　　这就相当于将两个模型的优点直接结合了。

　　而且，超大规模超超大规模，也不用担心人工的问题了。

　　所以，各家的模型现在进步都非常大，原因就在于此。

　　想要变得跟小沙一样厉害，那当然不可能——基于小沙训练的AI想超过小沙那本身就是一个悖论。

　　但是，只要舍得堆积算力，无限的堆积算力，再加上用小沙代替人类进行反馈的强化学习，理论上最终能极限逼近小沙的水准。

　　当然，理论只是理论，现实中不存在无限算力，考虑实际情况，用这种方式结合超大算力训练一年，达到小沙的六七成水准应该是可能的。

　　华为这边默默的评估过，现在几乎所有的AI训练企业都在偷偷的这么干。

　　“需要跟郝成说一下这个情况吗？”何钢问了一嘴。

　　“这他应该知道吧？”于东一愣：“以前，很多模型都用ChatGPT反馈做初期训练，训练到一个阶段了才转人工反馈的，都是惯例了。”

　　“我估摸着他还真不知道，他现在应该没关注其他的AI同行。”

　　听何钢这么说，于东直接嘴角一抽，是啊，一群弱鸡同行，有什么好关注的呢：

　　“那还是说一下吧，这事影响还是挺大的。尤其是OpenAI，他那算力堆的，而且最近有点儿跳，得限制一下。”