關注吳大爺二三事，一起共同成長

知識分享 丨生活感悟

學習思考，尋找自我。

大家好，我是滿肚子雞湯的吳大爺，一個天天在鍵盤上敲打心靈，喜歡給人講知識講故事的男人。

這幾年，人工智能風云變幻，主角換了好幾波，從chatGPT到deepseep。

OpenAI火了，奧特曼成了新偶像，仿佛AI的故事從他那里才剛剛開始。

但你如果真這么想，那你就只看到了主角光環，沒看到背后的“班底導演”。

今天我們就來聊聊，那些AI江湖里的開山祖師爺們——尤其是深度學習三巨頭之一的杰弗里·辛頓（Geoffrey Hinton）。

還有谷歌、微軟、Facebook這三大流量入口是怎么從“誰都不信”到“全都搶人”的。

學術和企業，為什么不能兩全其美？

先從一個看似簡單卻很有代表性的問題說起：

為什么辛頓可以一周有一天在大學教書，四天在公司搞研究？

而其他人要么全職教書，要么辭職入行？

答案其實很簡單：他太牛了。

辛頓的“帶資進組”不光是身份標簽的問題，更是他影響力強到可以逼得谷歌破例的表現。在他之前，像谷歌這樣的公司不允許員工兼任外部職務；在他之后，這種“學術+產業”的雙棲身份成了模范。

他告訴我們一個現實：當你有足夠強的能力，你可以不需要在A和B之間做選擇，你可以要A+B。

這話聽著雞湯，但它確實發生了。

AI的大躍進：谷歌的開源，微軟的“被動挨打”

早些年，谷歌做了一件超級重要的事：它決定開放研究成果。

開源軟件，發布論文，吸引全世界頂級研究員加入這場科技競賽。

這不僅不是“吃力不討好”，反而成了它跑得比別人快的秘密武器。

反觀微軟，曾經也在智能語音識別領域發力不少，擁有中美兩地實驗室，但他們被Windows系統死死捆住，錯過了Linux生態的開源浪潮。

說白了就是：全球的AI研究員都在用Linux擼模型，微軟還在教研究員怎么用Windows裝個Python。

于是谷歌在開源和算法上一路狂奔；

而微軟呢，只能眼睜睜看著辛頓和鄧力帶著成果站上風口。

GPU之戰：誰愿意押注“不可見的未來”

你能想象一個項目，單硬件成本1.3億美元嗎？

谷歌干了這事——它砸下重金買了4萬個GPU，搭建了神經網絡系統。

這背后，是一個巨大的認知差異：多數人只能看到手頭的任務，少數人能看到新舊知識交匯的突破口。

正如谷歌高管阿蘭·尤斯塔斯說的：

“大多數人是以特定的方式、特定的視角和特定的歷史來看待特定問題的，他們無法看到那些能改變格局的專業知識的交會點。”

谷歌干了件別人不敢干的事：買一堆沒人覺得值的GPU，只為訓練還沒驗證成功的深度神經網絡。

但后來呢？

他們用推薦算法把這些投入全都賺回來了——預測用戶點擊，提升廣告點擊率，多點一點，賺多一點。

這才是真正的“數學創造現金流”。

數學是真的猛：走遍天下都不怕

辛頓說，深度學習只是“非線性回歸”。

你可以覺得他謙虛，但我覺得這是科學家的浪漫。

今天你看到的谷歌大腦、自動駕駛、語音識別、甚至ChatGPT的前身，幾乎全是用數學模型搭建的認知框架。

它們不像你以為的“科幻片里的AI”，而更像一場計算的精密作業。

這個世界說到底，是用公式和模型跑起來的。

媒體需要英雄，但英雄不是故事的全部

早些年，媒體熱捧辛頓，把他當成AI之父。

今天，鏡頭切換到了奧特曼，好像“未來”只有他掌握密碼。

但真正推動這個領域演進的，是那群寫代碼、搭架構、搞數據清洗、深夜debug的科研老炮。

他們或許不是“高調明星”，但他們的代碼、他們的論文、他們的算力投資，才是讓AI成為今天這個樣子的根本原因。

多倫多學派為什么沒走到AGI？

一個很值得深思的問題：

為什么辛頓那一派沒喊出“我們要搞AGI”，而OpenAI卻敢？

這不是說誰牛，而是路徑選擇不同。

多倫多學派專注的是“把數學用在可見的真實場景”，而OpenAI是賭未來、賭跳躍式變革。

一個是穩步前行的工匠派，一個是冒險出擊的賭徒派。

今天我們看到的是后者成功了。

但沒有前者鋪路，哪有后者跳躍的機會？

結語：你可以選擇當辛頓，也可以選擇做奧特曼

辛頓代表的是“用真實能力贏得自由”的人群，奧特曼代表的是“用想象構建愿景”的冒險家。

兩種人都很稀缺，兩種人也都成功。

而我們普通人要做的，是在有限的資源下，盡量靠近那個“能看到未來交會點”的自己。

記住：不局限于你眼前的任務，而要去理解技術與世界交織的方式。

別只做AI的使用者，也試著成為“看得見AI未來的人”。

歡迎點贊、轉發、評論。

我是吳大爺，夜風同學

愿一路陪你共同成長！