chatGPT看起來不需要前端和後端，實際上它的前端和後端都是人_風聞

【本文來自《我發現，國內媒體上的學者對人工智能的理解還是停留在“計算機處理信息”這個局部》評論區，標題為小編添加】

• 湖畔看彩虹
• 你的這些觀點我多數認同，但是行文上由於一些概念的模糊而有些混亂，容易讓人誤解，並且有些説法是有點問題的。

人工智能技術目前在學術界是指人工智能算法本身和相關的如數據預處理、訓練、調參等技術，在產業界是指應用了人工智能算法的解決方案，但核心還是算法。你説的這些前端後端都是人工智能技術在應用層面的配套技術，本身它們可能不具備人工智能性質，比如剎車系統，他們自己不具備學習能力，你放到其他沒有人工智能屬性的應用場景去用也一樣可以工作，所以這些輔助技術所應用的控制論博弈論什麼的也就不能稱為人工智能技術，而僅僅只是個工程實現上的問題。比如傳感器是人工智能技術在應用上的瓶頸，不是人工智能技術本身的瓶頸，所以目前自動駕駛技術的落地和升級更多是工程上的問題，也就是配套技術跟不跟得上算法的問題。

因此你説的人工智能技術是一個系統工程也不完全對，更準確的説法是人工智能技術在應用層面上的產業化是一個系統工程，而系統工程本來就是中國的強項，所以在很多相關產品方面都可以做到全球領先。但是作為產品大腦的人工智能算法，目前絕大部分都是由美國科技體系貢獻出來的。這個必須要承認，因為人工智能的研究初始於美國，從機械的邏輯歸納，到專家系統，再到當前處於主流地位的、以連接主義為基礎的人工神經網絡和深度網絡，美國一直都是站在世界前沿，有着相當大的先發優勢。

不過目前基於神經網絡的人工智能算法已經有走到頭的跡象，開始越來越依賴擴大模型規模來提升性能，而模型的規模越大，同時其他領域的工程能力，比如傳感器和計算卡的性能趕不上模型的進化速度的話，這兩者之間的差距就會越大，必然導致模型的使用維護成本急速膨脹。除非有工程上的重大突破，比如量子計算實用化甚至芯片化，按這條路走下去，一般的智能應用將會逐步停滯，而超級模型必然只能集中到少數幾個實體手中，就有可能出現少數人通過壟斷智能技術來控制大多數底層民眾的黑客帝國式的場面。所以中國一方面應該開發自己的超級模型，百度文心一言不管怎麼説是開了一個好頭，另一方面也應該嘗試跳出神經網絡的侷限開發新的人工智能架構，開發性能高同時耗費資源低的模型，拉平工程和模型之間的差距，這樣人工智能技術才能更好地深入每個人的生活中。

　　你這樣理解的人工智能就是狹隘的人工智能。深度學習，神經網絡，語言模型等這些都只是算法，説是人工智能算法是可以的，説是人工智能核心算法也勉強可以，但不是人工智能全部。

　　從認識論的角度講，從實踐到認識，吸收信息和處理，建立模型，再由認識指導實踐，驗證和改進，每完成這樣一個循環，智能才會前進一步。

　　第一步要先有實踐才有認識，也就是從實踐到認識，這個過程離不開前端的傳感器和輸入系統。然後再從認識到實踐，這個過程也離不開後端的各種設備。

　　chatGPT看起來不需要前端和後端，實際上它的前端和後端都是人，是人在操縱和使用它，沒有成千上萬的人蔘與訓練，它的智能沒法進步。這種系統訓練到一定的程度之後，在某些領域可能很有用，比如對一些信息的處理、分析、歸納方面，可以比一些專家更高效和準確，但在更廣闊的範圍來看，其作用十分有限。