最近迷上了玩弄AI,最开始是尝试着用 Diffusion Models 画图,期间试过AI语音生成、Luminar Ai 修图,现在则是 OpenAI 的智能对话模型 ChatGPT。
在玩的过程中,除了很多欢乐之外,还冒出很多的联想,肯定不正确,但很有趣,值得聊一聊。
故事1:从翅膀到飞机
人类的好奇心,是科学发展的源动力。
早在古希腊时期,人们就开始思考如何飞翔,并试图从自然界中找到灵感。当时的人们,想到用纸做成的风筝来模拟鸟类的飞行。
在17世纪,人们开始构建出类似鸟类的机器,并试图模仿鸟类的翅膀来实现飞行。例如,著名的科学家达·芬奇(Leonardo da Vinci)曾经构建出一种类似鸟类翅膀的飞行器,并试图用这种飞行器来实现飞行。
然而,人类很快发现,受限于材料与技术,当时的的人们通过模仿鸟类的翅膀,并不能造出可靠的飞行器。
因此,人们开始研究使用固定翼飞机来替代传统的人工翅膀。在这个过程中,人类发明了许多新技术,如发动机、螺旋桨等,并不断改进飞机的设计。
随着科技的发展,在19世纪末,许多著名的发明家都涌现出来,他们开始研究各种各样的飞行器,并不断尝试实现人类的飞行梦。
直到1903年12月17日,莱特兄弟(Wright Brothers)驾驶着他们制造的第一架飞机“飞行者1号”,从美国北卡罗来纳州基蒂霍克的一块沙地上腾起,试飞成功,并实现了人类首次的机械飞行。
此后,人类的飞行技术迅速发展,出现了各种各样的飞行器,例如客机、轰炸机、直升机、飞艇、宇宙飞船、无人机等。
在战争中,它改变了战争的时间和空间,使战争变得更加快速、有效。飞机能够不受地形和气候的限制,直接攻击敌军指挥部和重要军事目标,还可以进行侦察,发现敌军的行动情况,为军队的作战决策提供信息支持。
在经济上,它大大提高了货物和人员的运输效率,使贸易和旅游业得到了快速发展。并使得人们能够快速便捷地进行长途旅行,促进了经济的融合和一体化。飞机能够跨越地域和国界,使得不同地区之间的经济、文化和政治等方面得以交流和融合。
故事2:从肌肉到蒸汽机
17世纪,英国人口增长,又正值煤炭逐渐取代木材,导致煤炭需求激增。但随着煤矿的开采,矿井深度的不断加深,深井之下的地下水非常难以处理,整个采矿业对于深井抽水的需求变得极为强烈。
社会的需求,必定会引导科技的发展。
1679年,法国物理学家帕平(Denis Papin)发明的高压锅采用了杠杆式安全阀。1690年帕平根据安全阀的工作原理发明了活塞式蒸汽机,不过帕平只是对设计原理进行了思考,并没有真正制造出可使用的蒸汽机。
1698年,英国发明家托马斯·萨弗里(Thomas Savery)仔细对帕平设计方案进行了研究,发明了并制造了真正可用的蒸汽机,注册了专利「矿工之友(Miner’s friend)」,一种「利用火力抽水」的设备。这台蒸汽机只有气缸,没有活塞,所以一般被称为 Savery 蒸气泵,这就是蒸汽机的原型。
后来,很多人不断调整优化蒸汽机的设计,直到1763年,詹姆斯·瓦特(James Watt)设计了带有分离式冷凝器的蒸汽机,使蒸汽机的效率提高了3倍。到1824年,瓦特蒸汽机就生产了1165台,纺织、采矿、冶金、造纸等工业部门都先后采用蒸汽机作为动力。
科技的发展,必定会带来生产力的提升。
18世纪末期,英国纺织业发生了巨大的变革,这一变革的核心是蒸汽机的应用。蒸汽机可以提供大量的动力,使纺织机器更加高效和经济,替代了人工纺织。这一变革导致了传统的纺织工人面临失业和贫困的威胁,他们感到不满和愤怒。
而生产力的提升,也必然会带来社会变革。
1811年,纺织工人在曼彻斯特爆发了大规模的抗议活动,称为曼彻斯特纺织工人事件。当时,纺织工人组织了一次大规模的游行,要求政府禁止蒸汽机的应用,以保护他们的工作和利益。不过,这场抗议活动最终没有得到政府的支持,并且遭到了镇压和打压。
蒸汽机替代了人力和动力,驱动织布机和纺纱机运行。蒸汽机的应用推动了纺织业的发展,使得纺织品的生产更加高效和经济,提高了纺织品的产量和质量,并扩大了市场需求。
纺织业的发展也为当时的纺织工人带来了新的就业机会。例如,在织布机和纺纱机的操作、纺织品的生产管理、销售和服务等方面,都需要更多的人手来完成。
于是,社会的变革,又回过头来影响了社会的需求,历史就是这么循环往复。
故事3:从大脑到人工智能
人类早在古代就开始研究大脑,并在不断的探索过程中,逐渐了解到大脑是如何工作的。
随着科学技术的发展,人类对大脑的研究也在不断深入。1943年,Warren McCulloch 和 Walter Pitts 发表了名为《A Logical Calculus of the Ideas Immanent in Nervous Activity(神经活动内在思想的逻辑演算)》的论文。
这篇论文提出了一种新的逻辑模型,可以用于描述神经元之间的连接方式。它将神经元抽象成一种逻辑门,用来模拟人脑中神经元之间的交互。论文中提出的这种模型为后来的神经网络研究奠定了基础。
神经网络是一种模仿人脑的信息处理系统。它由多个节点(通常称为神经元)组成,这些节点构成一个网络,可以用于处理大量信息,并且能够从中学习。神经网络通常用于机器学习任务,可以用来进行图像识别、语音识别等。
太阳之下并无新事,我们通过研究鸟儿的翅膀,发明了飞机;我们通过研究大脑的运行,发明了神经网络。
2010年,DeepMind 在英国创立,公司使命是“解析智慧、发展科学、造福人类(Solving intelligence to advance science and benefit humanity)”:
- 2016年,它开发的 AlphaGo 程序以 4:1 击败韩国围棋冠军李世石(Lee Se-dol);
- 2017年,它发布了 AlphaGo Zero,在自我训练3天后以 100-0 击败了 AlphaGo;
- 2022年,其 AlphaFold 破解了几乎所有已知的蛋白质结构,包含了超过2亿种已知蛋白质结构;
- 2022年,发布 AlphaCode,可以编写与人类相媲美的计算机程序;
- 2022年,发布对托卡马克装置中的等离子体构型进行磁控制,帮助达到可控核聚变的人工智能。。
2015年,OpenAI 在美国创立,公司使命是“实现安全的通用人工智能(Ensure that artificial general intelligence benefits all of humanity)”:
- 2018年,发布GPT语言模型的第一个版本;
- 2019年,OpenAI Five打败了当时的Dota2世界冠军;
- 2021年,发布DALL·E模型,可以从文字说明生成图像;
- 2022年,发布 ChatGPT,它不仅能流畅地与用户对话,甚至能写诗、写小说、编程。
尤其是这个ChatGPT,让我玩得特别开心。
但是,并不是所有的人都很开心。就在昨天,全球CG美术行业的专业社交平台ArtStation上的人们,发起了“NO TO AI GENERATED IMAGES”运动,即禁止他人使用AI学习他们的作品。
其原理在于,AI模型为了生成高质量的图片,也必须大量学习高质量的作品,并且在生成图片时,我们可以指定艺术家的风格,让生成的图片尽可能接近原作者的作品风格。这就让很多作者无法接受,因为原作者并不会得到任何益处,反而有被砸饭碗的风险。
越来越多画师旗帜鲜明地抵制AI绘画,有没有让你联想到在211年前,纺织工人因为蒸汽机的使用,在曼彻斯特爆发的大规模的抗议活动?
有句话是怎么说的来着,历史不会重演,却总会押着相同的韵脚。
一些想法
AI,对我们会产生什么影响?
我不知道,但我猜它们会成为新时代的蒸汽机、内燃机、电动机,甚至是涡轮发动机,毁灭一些东西,然后创造更多的东西。
DeepMind 的研究科学家乔纳斯·布赫利(Jonas Buchli)曾表示,“我们相信,人工智能是人类创造力的倍增器,它开启了新的探索领域,使我们能够充分发挥潜力。今天,人工智能系统变得足够强大,可以应用于许多现实世界的问题,包括科学发现本身。”
AI,未来将会发展到怎样的程度?
我也不知道,但我猜它们会成为新时代的飞机、直升机、无人机,甚至于航天飞机,但很难成为真正的小鸟。虽然,他们在不断试图这么做。
Facebook AI 首席科学家,卷积神经网络之父 Yann LeCunn 表示“希望人工智能能够像人类婴儿时期那样,通过观察前人的东西进行学习”,如果人工智能系统能够在训练数据集之外,对现实世界能够有更深入、更细致的理解,显然它们将更有用,最终也将使人工智能更接近人类层面的智能。
我问ChatGPT,人类与AI该如何相处?它回答道:
人类与AI之间的相处应该是相互尊重和合作。人工智能有很多优势,比如速度和精度,而人类则擅长于创造性思考和判断。通过合作,人类和人工智能可以更好地协作,完成更多任务,并取得更大的成功。
PS:本文在ChatGPT的帮助下完成。