AI獲得兩個諾貝爾科學獎，神經網絡發展需要正本清源，大模型輸出質量太低_風聞

1. 諾貝爾物理學獎，居然發給了Hopfield和Hinton，這個絕對沒想到過。Deepmind的哈薩比斯等人獲得化學獎，這個倒是符合預期，AlphaFold預測蛋白質太成功了。對於學計算機的人，Hopfield和Hinton搞的神經網絡，最終會獲得諾貝爾物理學獎，非常迷惑。

2. 成績是真的，神經網絡、以及大膽利用神經網絡開發算法的開拓性工作，應該是這些年來科學界最為醒目的科學成就。我想，這是評獎委員會最為看重的。

3. 神經網絡一開始，是模仿人類神經元的。“連接主義”，就是把神經元用越來越複雜的辦法分層連起來，構造出了規模越來越大的神經網絡。再一個是“梯度下降”等辦法，不斷訓練樣本，調整係數，降低LOSS（預測誤差）。這個框架一直是這樣，越玩越大。2018年得了圖靈獎，在本學科得到了認可，2024年得了諾貝爾獎。在科學界乃至產業界，這個框架的威風可以説橫掃了所有人。

4. 人類的“經驗”，變成“樣本”，輸入給神經網絡做訓練。然後神經網絡就真的能模擬人類的“智能”了。在圍棋這樣的例子，甚至經驗也是不需要的，只要規則輸入就行了。有的遊戲甚至規則也不需要，AI自己能總結出來。當大模型把網絡與訓練樣本規模推進到，人類大腦、整個互聯網這麼多時，甚至AI研究的聖盃“通用人工智能”都看到了希望。一些大模型顯得無所不知，還能參加高考、得奧賽獎牌，有博士知識水平。

5. 我覺得目前AI熱潮有些過了，無論它取得了什麼樣的科學成就、聊天有多厲害，回到本源來看，第一性原理，神經網絡就是那個“降低LOSS”的本性。它所做的一切都是為了降低LOSS，然後模擬的效果顯得很智能。這就是“人工”智能的意思，機器做的不是智能，是人工讓它顯得象有智能。它是一個很厲害的工具，但本原就是如此，會受到基本框架的限制。

6. 當一個工具不斷突破取得了重大成就時，它的潛力就顯得非常大。全球的IT大公司捲入了大模型軍備競賽，將英偉達推向了3萬億美元市值，而且業界還在叫算力不夠。這種瘋狂，就是經典的FOMO，Fear of Missing Out，害怕錯失。因為這個恐懼症，大公司花上百億美元也在所不惜，中國公司甚至有錢還買不到。

7. 個人直覺是，神經網絡不應象比特幣挖礦那樣，耗費了無數的算力、電力，吐出的內容只是讓人類測試員對其輸出滿足。大模型從未產生讓人驚豔的文學作品、科研成果，缺少人類智慧所需的“靈魂”。網絡上充斥着AI創作的新聞，如體育新聞，看了讓人厭惡。大模型不能成為垃圾內容炮製者，需要高質量的輸出。

8. 圍棋、蛋白質預測，是人類算法設計的成果，神經網絡是工具，而不是主體，還有許多產業應用。這方面的科學成就，是讓人驚豔的，沒有AI，人類確實做不來。所以，圖靈獎、兩個諾貝爾科學獎，都是實至名歸的。正本清源之後我們發現，大模型並未產生人類做不到的內容，只能取代一些中低水平的重複性工作。即使作為工具，它的意義也被高估了。