從字面解釋，思考分成思和考。

思是 構(gòu)建，分析，歸納的過程。

考是價(jià)值評(píng)定的過程。

我們的思考可能是單一的，直接給出結(jié)果。也可能是循環(huán)的，在考之后發(fā)現(xiàn)價(jià)值評(píng)定過低，再添加輸入的論據(jù)和限制條件再次進(jìn)行思考。

大概說說人工智能的如何思考的。在很大程度上人工智能與生物大腦在處理信息上差別不大了。

人工智能四個(gè)重要的名詞：

神經(jīng)元：處理信息的基本單元。其內(nèi)不光有處理數(shù)據(jù)的算法，還有為由多個(gè)神經(jīng)元構(gòu)成的網(wǎng)絡(luò)提供結(jié)果評(píng)估的運(yùn)算法則。其中之一是權(quán)重和偏置用于評(píng)估輸入信息是否被本神經(jīng)元處理和處理結(jié)果在眾多神經(jīng)元的處理結(jié)果中被采用和參與處理的概率。

模型：將神經(jīng)元組合構(gòu)建成神經(jīng)網(wǎng)絡(luò)的架構(gòu)。雙層還是三層甚至更多層的神經(jīng)網(wǎng)絡(luò)，輸入信息的規(guī)范化，輸出結(jié)果的格式化都是由模型進(jìn)行管理的。

數(shù)據(jù)：數(shù)據(jù)分兩種，一種是訓(xùn)練數(shù)據(jù)集，一種是測(cè)試數(shù)據(jù)集。

訓(xùn)練：神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程。大體如下，訓(xùn)練數(shù)據(jù)集將數(shù)據(jù)和單個(gè)數(shù)據(jù)的加權(quán)一并輸入給神經(jīng)元。例如：黑烏鴉的訓(xùn)練圖片集。在有完整黑烏鴉的圖片權(quán)重就會(huì)高，而沒有或者不是黑烏鴉的圖片的權(quán)重就會(huì)低很多。而有部分黑烏鴉特征的圖片權(quán)重則可能適中。當(dāng)這些數(shù)據(jù)輸入給AI模型后，每個(gè)神經(jīng)元都會(huì)嘗試從圖片中提取黑烏鴉的某種特征，然后將圖像處理的結(jié)果進(jìn)行綜合評(píng)定與輸入數(shù)據(jù)的評(píng)定權(quán)值進(jìn)行比較，然后修正自身的權(quán)值評(píng)定。在整個(gè)網(wǎng)絡(luò)對(duì)某張圖片進(jìn)行處理完整后給出整個(gè)模型的評(píng)定結(jié)果。然后進(jìn)行歸一化給出圖片中有烏鴉或者沒有烏鴉的結(jié)果。測(cè)試數(shù)據(jù)集則是與訓(xùn)練數(shù)據(jù)集完全不同的數(shù)據(jù)集，除了內(nèi)容不同之外，測(cè)試集不包含人工分析后的訓(xùn)練集的權(quán)重評(píng)估。用我們小時(shí)候上課的學(xué)習(xí)來比喻人工智能的訓(xùn)練過程，老師給我們一張烏鴉的高清圖片（訓(xùn)練數(shù)據(jù)），然后告訴我們這種鳥就是烏鴉（預(yù)定權(quán)重）。然后拿出一張百鳥朝鳳圖（測(cè)試數(shù)據(jù)），讓我們找出其中的烏鴉（人工智能處理結(jié)果）。

人工智能處理信息的方式是不是我們?nèi)说乃伎歼^程很相似。人工智能與人的區(qū)別在于人工智能沒有構(gòu)建的過程，它能夠進(jìn)行分析，歸納和價(jià)值評(píng)判。雖然價(jià)值評(píng)判的結(jié)果當(dāng)前只有真和假這種絕對(duì)評(píng)判結(jié)果。而缺乏相對(duì)的“好”與“壞”這樣的評(píng)判標(biāo)準(zhǔn)。

人工智能與生物的區(qū)別在于：1 缺乏主動(dòng)的觸發(fā)分析和評(píng)定的。2 缺乏構(gòu)建要處理的信息的能力。3 當(dāng)前沒有做出相對(duì)評(píng)判的能力。

1 當(dāng)生物看到某事物的某一部分的時(shí)候，例如：長(zhǎng)頸鹿的腿，我們的感知會(huì)控制我們的視覺和肌肉組織將視線上移獲取長(zhǎng)頸鹿的完整樣貌；然后得出看到一只長(zhǎng)頸鹿的結(jié)果。你們有看到全完全由人工智能控制的主動(dòng)移動(dòng)的攝像頭嗎？即便是軍事用的無(wú)人機(jī)也還是需要人為干預(yù)來獲取偵察區(qū)域的完整的足夠做出判斷的戰(zhàn)場(chǎng)信息。人會(huì)主動(dòng)的問：為什么？那是什么？而人工智能則不會(huì)主動(dòng)產(chǎn)生這些疑問。LLM需要在與人的交互中有人提供原始信息和觸發(fā)信息處理過程。

2 構(gòu)建是指當(dāng)我們獲取的每一條信息只是某個(gè)整體的一部分時(shí)，人工智能無(wú)法將這些部分綜合為一個(gè)整體。這個(gè)過程我們需要提出與大多數(shù)信息相矛盾的部分，將趨同性的信息結(jié)合起來。一個(gè)訓(xùn)練得很好的人工智能系統(tǒng)可以對(duì)單一信息做出很好的處理。但是對(duì)于復(fù)雜系統(tǒng)的多個(gè)要素的綜合反映，特別是存在錯(cuò)誤或者矛盾信息的處理上無(wú)能為力。例如：對(duì)于經(jīng)濟(jì)體的健康程度進(jìn)行評(píng)估，經(jīng)濟(jì)學(xué)上有很多重要的指標(biāo)，CPI，就業(yè)率，GDP增速，產(chǎn)業(yè)結(jié)構(gòu)占比，進(jìn)出口數(shù)據(jù)，經(jīng)濟(jì)政策等等等等。如果你將某種參數(shù)給人工智能，他能給出一個(gè)大致的分析結(jié)果。而如果你將統(tǒng)計(jì)局報(bào)告給人工智能，他會(huì)給出多條相互矛盾的結(jié)果。

3 相對(duì)概念的產(chǎn)生對(duì)于生物來說是因?yàn)閱误w在客觀世界中的渺小。由渺小的個(gè)體在龐大整體中的哪個(gè)位置的認(rèn)知產(chǎn)生的相對(duì)。雖然沒有人特意說明，但實(shí)際上我們的認(rèn)知是由參照體系決定的。例如：以當(dāng)前位置為參照物，正對(duì)面看到的是前，相對(duì)的后，白天相對(duì)的是黑夜，好相對(duì)的是壞。這也是二元論產(chǎn)生的基礎(chǔ)，同時(shí)也是基礎(chǔ)認(rèn)知的方法。也是數(shù)學(xué)中0，1，2這些整數(shù)的由來。但是人工智能不會(huì)產(chǎn)生相對(duì)結(jié)果，一個(gè)原因是人工智能對(duì)結(jié)果做了歸一化，同時(shí)也是因?yàn)橐粋€(gè)相對(duì)的結(jié)果對(duì)我們沒有幫助。假如人工智對(duì)于碰撞能給出一個(gè)89%的概率結(jié)果，你是踩剎車呢還是不踩呢？

我們回到針對(duì)思考的“思考上”。

生物有時(shí)會(huì)主動(dòng)出發(fā)思考，主動(dòng)的去獲取/學(xué)習(xí)信息和方法，然后給出結(jié)果；但并非總是如此，有些人“說話不經(jīng)大腦，隨口答應(yīng)”都是沒有經(jīng)過思考過程，依賴網(wǎng)絡(luò)的隨機(jī)信息流路徑給出輸出和結(jié)果。

生物會(huì)嘗試通過多個(gè)信息的輸入來構(gòu)建一個(gè)描述的整體；但有時(shí)不會(huì)。構(gòu)建的過程與分析的區(qū)別是搜集看起來不完整的信息片段。如果你知道“一個(gè)腦袋”，你能回答這是什么生物嗎？不能，你會(huì)追問：“幾只眼睛？幾條腿？”對(duì)嗎？但是有的時(shí)候吧，我們并總是嘗試構(gòu)建事件的全貌，而且這種情況非常常見。例如：某地受到了導(dǎo)彈襲擊。我們會(huì)直觀的判定，襲擊造成了很大的損失，死了很多人。但事實(shí)往往并非如此。如果襲擊被攔截了呢？如果是精確地落在了一個(gè)無(wú)人區(qū)的空地上呢？如果啞彈落在沙漠里了呢？

分析和綜合并不困難，但是似乎大家都并不主動(dòng)的對(duì)信息進(jìn)行分析。比如：我們打敗了天頂星人，我們宇宙無(wú)敵了！初步分析：打敗，天頂星人，無(wú)敵。其內(nèi)在的信息是，我們與天頂星人發(fā)生了異常沖突，而天頂星人戰(zhàn)敗了。在這個(gè)宇宙內(nèi)，沒有比我們戰(zhàn)力更強(qiáng)的對(duì)手了。但是，現(xiàn)實(shí)是我們還沒有走出太陽(yáng)系，我們沒有見過所謂的天頂星人，我們也從來沒有和地外生命發(fā)生或沖突。簡(jiǎn)單的分析綜合的結(jié)果就是這條信息是假的。雖然這條信息是刻意編造出來的假消息，但是在我們周圍有著更多似是而非，刻意的在真實(shí)信息內(nèi)摻雜虛假信息構(gòu)建的虛假結(jié)論。材料學(xué)上沒有領(lǐng)先，電子設(shè)備的設(shè)計(jì)制造沒有領(lǐng)先，機(jī)械加工技術(shù)和特殊材料處理上沒有領(lǐng)先，分子生物學(xué)，化學(xué)工藝沒有領(lǐng)先。怎么就全面碾壓遙遙領(lǐng)先了呢？靠什么領(lǐng)先？靠做夢(mèng)嗎？

結(jié)果額價(jià)值評(píng)定就更有趣了，“我知道是假的但是我選擇相信！” “沒有這些，我們就不能領(lǐng)先了？”“沒有基礎(chǔ)戰(zhàn)術(shù)的研究和針對(duì)性訓(xùn)練我們就不能打以最小的犧牲獲取勝利了？”類似種種只有無(wú)語(yǔ)。

嘗試將思考的主要構(gòu)成：主動(dòng)提問，構(gòu)建，分析，歸納，價(jià)值評(píng)定。進(jìn)行細(xì)化的分析和綜合？漸漸的將進(jìn)入哲學(xué)思想的范疇。而這些只是科學(xué)發(fā)現(xiàn)的基礎(chǔ)，這些產(chǎn)生了科學(xué)的萌芽和早期的科學(xué)發(fā)現(xiàn)。

喵呀，又爬我鍵盤上了。別叫了，你是不準(zhǔn)成精的！