人类智能与AI的本质差异

所谓人工智能，简而言之，就是针对特定任务，将多种精妙的数学手段进行线性与非线性的整合，构建出一个小型系统。其目标是让输入与现实一致的参数时，能够输出尽可能吻合的结果。这在历史上被称为“深度学习模式下的神经网络”。

神经网络的基本原理究竟为何？我们用通俗的语言来解释。这个小型系统被称为“模型”，规模较大的模型通常拥有数量庞大的参数。为了让模型输出尽可能接近现实，必须进行高质量的训练。

在训练过程中，输入数据即可产生模型输出，将其与理想输出进行对比并计算误差，再利用该误差对模型进行调整（即调整模型参数的数值，最常用的方法是通过梯度下降求偏导来更新）。这一过程在宏观描述上与人脑认知的更新极为相似，因此该框架被命名为神经网络。

然而，人与AI的根本区别在于，人类具备主观能动性和创造力。在数学建模的框架下，模型的能力直接取决于其结构本身的拟合能力以及训练数据的质量。以当前热门的大模型为例，其下限和输出风格主要源于后者，而上限则取决于前者。换句话说，目前各大LLM面临的最大瓶颈，可归因于Transformer架构。大模型的成功与失败皆源于此，Transformer的原理是预测词元间的概率与相关性，虽能通过大力出奇迹，但本质上并不具备人脑的智能思维。人类之所以区别于其他生物，在于能够具体问题具体分析，既能依据经验做出判断，也能从容应对新事物。在客观规律的基础上，不断实现令人惊叹的从0到1的突破，在纷繁复杂的冲击中逐渐领悟难以言喻的微妙关系，这正是地球上最高级的生物——人类。

若要真正实现人类级别的智能科技，就必须彻底打破Transformer架构的束缚。