未来人工智能可能会取代人类吗？

首先明确回答：没可能。

目前大多数人觉得可怕的是chatgpt，为什么这么说？

首先我们先了解一下chatgpt的底层学习方法--神经网络。一开始称它为感知机，现在称深度学习。其实就是换了个说法。那什么是神经网络呢？

我们都知道神经元由多个树突和一个轴突组成。树突接收信号，每个树突的权重不同，当信号到达一个阈值，轴突发送出去。我们的神经网络就是模拟神经元。没错，这么高深的ai就是模仿这个操作。

我们假设树突x1,x2,x3和轴突y。

举个例子，比如你追大漂亮，x1代表你请她一起钓鱼，x2代表和她一起看日出，x3代表在她难过的时候陪伴他，y表示她突然喜欢你。到达一个阈值，它突然就喜欢你了。那对于大漂亮来说，x3的权重就高些，只有你x3的输入越多，才有可能它喜欢你。

我们大概可以用这么一个式子表示。

f(a1x1 + a2x2 + a3x3 + b ) => y 【a1,a2,a3代表不同权重，b一个常数，f(x)代表激活函数】

然后就通过不断的输入，一个一个试错去训练，从而回答你的问题。

早期采用的RNN算法，按顺序去匹配最近的词，无法正确理解。

比如【你喜欢我，用手给我————。A.赞同 B.一大嘴巴】

RNN就会匹配最近的【用手给】，那毫无疑问会选B。

很明显，我想要的是点赞同，但算法会给我一大嘴巴。

值得注意的是，chatgpt跟我一样聪明，chatgpt引入了自注意机制transformer【主要由编码器和解码器组成，具体的此处不再赘述】。

google擅长编码器，用于语言理解；openai擅长解码器，用于语言生成【把话说的更规范漂亮---熟读唐诗三百首，不会作诗也会吟。】

一开始openai是打不过google的，当时面临两种选择：

1、优化场景算法，把模型的性能提高

2、增加训练层数，向量维度，训练参数量更大的模型

openai选择了后者，很奇妙的是，当训练达到1000w的时候，chatgpt的推理能力涌现出来了。这就是我们现在用的chatgpt文本生成大模型。大家只能去调参，不知道是怎么产生推理的，只知道这个参数调的能推理，另一个就是不行，这就是一个黑盒。

看到这，是不是很害怕人工智能不断学习再学习？

比如大家先做一个推理问题，看你能不能赢chatgpt？

题目是：

一个人向南走100千米,再向东走100千米,再向北走100千米,此时他回到原地且看到一头熊.问:这头熊是什么颜色的？

321出答案！！！

chatgpt能推理出来：

完了，是不是觉得他比我自己厉害，我们人类输了。其实它这些早就看过了，而我们人脑没这么多储备的知识，不可能所有都知道。

我们给chatgpt喂了好多好多数据语料，每个语料形成了字向量，相同相近的词离得近，chatgpt就在这个大的向量空间里寻找最准确的。他一开始肯定也是错的，但是它是机器呀，这次错了就不断纠正，就不断更正自己的预测函数。最后给出相对准确的回答。

本质上chatgpt还是在做我们预制的文字游戏，它必须把你的问题输入，再输出出来，推理结果必须根据输出结果来生成。根据北极再跟熊连接就是北极熊向量最近。从而推出答案。

当然chatgpt更加复杂，我这里只是做个简单的比喻解释。更多的靠在座的各位不断学习。

总之，不要怕，它就是个机器，只会按程序做事。但反过来讲，我们应当警惕，谁掌握了它，背后受谁控制？

把chatgpt比喻成枪，人拿着枪和猴子拿着枪，你更害怕谁？

现在就是猴子拿着枪，它没有心智，那枪可是说开就开了的。