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。
