生成式AI：人工智能的未来

本书我不做具体评分 对于AI，我的态度比较复杂，因为我硕士的方向是机器学习，后来因为一些主客观的原因，最后就业的时候选了工程 原因包括： 1. 我认同经典机器学习算法，但对神经网络及其衍生算法的可解释性存疑，我不喜欢 2. 对于普通就业者来说，算法岗位最终还是会转换为工程岗，即调参调场景，少数人负责算法创新，多数人负责算法调优 但是自从毕业以来，每隔几年都会来一次AI热潮，我在的几家公司恰好又比较热衷这个东西，学界产业界包括政府都在说或者炒这个东西，所以我静下心来仔细想了一下AI，有几点想法： 1. 情感和意识，这个东西目前看来还是需要有生物学基础的，纯靠二进制是否能实现，我非常存疑，我暂且认为AI在我有生之年不会有情感和意识，以此为前提，我把AI定位为工具 2. 如书中AI自己所说，AI不会产生纯原创性的观点或者知识，那我大胆下一个定论，AI至少不会直接帮助人类实现基础学科的突破，这个点是很重要的，如果实现不了基础学科的突破，那AI的上限无非是提高工作效率，某种程度上可以实现物质的极大丰富，辅以优秀的社会制度，也许可以跑步进入共产主义 3. 延伸一下，基础学科的突破其实是最重要的，没有这种性质的突破，其他的东西，比如今天人脑接口，明天AI机器人，最终也就是娱乐自我罢了，人类最后还是会被封死在地球或者太阳系，多么荒凉 4. 有些东西如果受过高等教育，尤其是理工科，应该要有自己的直觉和判断，比如最近的常温超导，肯定是不可能的；再比如马斯克说几年内要让1000人上火星，怎么可能？举美国全国之力，二十年内能上1个人我感觉都很勉强 5. 我个人对人类未来的发展是比较悲观的，在我看来，不仅仅高能物理盛宴已过，而是整个基础学科盛宴已过 6. 在第5点的基础上，如果没有生存压力，我会建议小修心去主修娱乐感官的学科，比如艺术，厨师等，既然基础学科盛宴已过，我们就应该好好娱乐自我，取悦自我

花了2个小时读完了这本号称仅仅5天就由AI（ChatGPT）写完的书，尽管作者声称是由AI写的，但我认为其实还是由人主导下的AI文字编辑。AI终究是把提问者（作者）想要呈现给我们的观点以文字或者图表“生成”了出来。 这本书的创作时间是2023年，恰是ChatGPT初生，如日中天之际。而在2025年的1月20日，中国春节前一周，DeepSeek这个中国生成式AI大模型以媲美ChatGPT效率且开源的方式震撼全球。短短一个春节内，开源且能蒸馏的DeepSeek以不同“体量”可以灵活免费部署的优势，把生成式AI大模型平民化，实际上完成了生成式人工智能的第一轮真正科普，很多人从这时开始真正面对、接触、探索生成式AI。 但这本书的内容其实并没有向我们展现生成式AI的本质，从人工智能历史讲起，到生成式AI可以干些什么，未来会发生些什么，看似洋洋洒洒写了一大堆，但丝毫没有讲述任何技术本质，当然这和本书的主角ChatGPT本身是一个闭源模型有关——那是别人公司的看家本领，怎么可能拿出来公示。 所以，给这本书打“不行”的评价，或者说按照以前的五星评价最多只能给个“1星”，因为想通过这本书来了解人工智能的未来是完全不可能达成的目标，尽管它自己在副标题上注了这样的7个字。 对于人工智能的未来，我们可能好好需要从哲学、历史学、物理学等角度来突破性思考，而不是简单依靠提问生成式AI来得到答案，况且也不可能得到答案。 这本书的“1星”，可以推荐给对生成式AI完全不了解的书友，因为AI写的书阅读起来基本不用动脑子，确实适合作为入门级的读物来翻一翻，2个小时的阅读时长足矣。

学习应用chatGPT-3: 其未来发展内容，读本书能希望真正体会该“工具”之写作威力！ 本书本书的特别之处在于，“它是一本由AI撰写的书，AI以自己的视角，对未来的行业和世界进行了展望”。作为一般科普入门了解，休闲读物，为深入阅读而先开阔视野。 “人工智能（AI）领域涉及到多个关键方面，其中算法、算力和算能是三大重要领域，它们相互影响，共同推动着人工智能的发展。 1. 算法（Algorithm）： - 定义：算法是解决问题或执行任务的一系列有序步骤。在人工智能中，算法是实现机器学习和深度学习的核心。常见的算法包括决策树、支持向量机、神经网络等。 - 作用：算法决定了人工智能系统的学习、推理和决策能力。优秀的算法能够提高模型的准确性、泛化能力和效率。 2. 算力（Computing Power）： - 定义：算力指的是计算机系统的性能和处理能力。在人工智能中，需要大量的计算力来训练复杂的模型和处理海量数据。 - 作用：更强大的算力可以加速训练深度神经网络等复杂模型的速度，提高人工智能系统的效能。云计算和专用硬件（如GPU和TPU）的发展对提供强大的算力起到了关键作用。 3. 算能（Algorithmic Power）： - 定义：算能是指算法在实际任务中的执行效能和智能水平。一个高算能的系统可以更有效地执行任务并提供更智能的解决方案。 - 作用：算能的提高意味着人工智能系统更具适应性、自适应性和自主性。算能的增强通常涉及到更复杂、更灵活的算法以及对数据的更深层次理解。 这三大领域相辅相成，形成了人工智能的基础。强大的算力支持复杂算法的训练，而先进的算法提高了系统的算能，从而推动了人工智能技术的不断发展。随着技术的不断创新，人工智能将更好地应用于各个领域，实现更为智能和高效的解决方案”。 而ChatGPT 主要特点： 1. 自然语言理解：“ChatGPT能够理解和生成自然语言，使其在对话和提供信息方面表现自如。 2. 上下文感知：它通过上下文理解对话语境，能够根据先前的输入生成更一致和连贯的回应。 3. 多领域应用：它广泛应用于不同领域，包括答疑解惑、写作支持、编程辅助等，具有多功能性。 4. 大规模预训练：它是在大规模语料库上预训练的，使其具备广泛的知识和语言模型。 5. 用户互动：它通过与用户的互动不断学习，能够适应不同风格和需求，提高对话质量。 发展未来趋势： 1. 更智能的对话：未来ChatGPT版本有望更加智能，能够深入理解上下文，提供更具深度的对话体验。 2. 领域专业化：可能会看到它在特定领域进行专业化，以更好地满足特定行业或任务的需求。 3. 实时学习：未来的发展可能包括更强大的在线学习能力，使它能够更实时地适应新信息和用户反馈。 4. 个性化定制：未来它有望提供更强大的个性化服务，根据用户的偏好和需求进行定制化。 5. 应对复杂任务：未来它可能进一步发展，使其能够更好地处理复杂的任务，如创造性写作、问题求解等。 ChatGPT未来的发展方向可能会集中在提高对话的智能水平、加强在特定领域的专业性，并不断优化用户体验，以更好地满足不同用户的需求”。 简言之、本书最有特点是其幽默与笑话，特别是用AI所产生的一些图像，令人印象深刻。

比较水。所谓一本用 GPT 写出来的书。作者通过发问的方式，引导 GPT 回答了若干关于生成式 AI 的内容。对我来说，第二部分还行，复习了一些 AI 的和 GPT 的机制原理。 后面的章节在各个场景，给出了不少操作的实例。相当于针对不同的情境，比如写作、写商业策略、合同、学习等等，表演了怎么使用 ChatGPT。对于初学者小白，可能有点用吧。

对于 ai 完成写作，从文字的角度来说还是非常顺畅的，从思考的角度来说还是非常浅薄，如同很多应时的写作类似的状态，大家都在争取最早出版和占据市场，已经阅读了两本由 GCAI 完成的内容，大部分还是框架式的结构，中间填充了若干内容，但是也算是比较熟悉的内容，对于其中的深度来说还是非常肤浅，所以可以在很短时间内容完成，其中总体的逻辑框架还是人类完成，但对于语意的把握来说 GCAI 已经超越了 50% 以上的人类，从这个角度以及演化的速度来说，ai 确实可以成为人机交互的主体，但是社会组织结构的影响力来说已经从 2-8 规律转变为 10-90 甚至是 1-99 的分布状态，ai 影响的往往是其中 90-99 的个体，但是这些个体往往不知觉，而且不知道把 ai 变成工具或者手段，对于 GCAI 作为 2022-2023 年的焦点和热点相当于采用大数据模型来实现对于语言的把握和生成，对于类比猴子打字写出来了唐诗宋词的状态，但是这个就是现实，通过对于文字语意的理解来实现文字以及图片甚至视频的产生，也会成为我们社会生产力的一部分，类似于各种机器取代人类的劳动过程，只是这次取代的是人类的大脑。

机器学习算法在实际使用中有着广泛的应用场景。以下是一些常见的应用场景： 分类算法： 图像分类：在计算机视觉领域，图像分类算法被广泛应用于图像识别和分类，例如垃圾邮件识别、猫狗图片分类等。 文本分类：文本分类算法被用于对文本进行分类，例如情感分析、主题分类等。 推荐系统：推荐算法被广泛应用于电商、视频网站等平台的推荐系统中，根据用户的兴趣和历史行为推荐相应的内容。 聚类算法： 异常检测：聚类算法可以用于异常检测，例如在金融领域，可以检测到异常的交易行为。 客户细分：在市场营销领域，聚类算法可以用于将客户进行细分，以便进行更精准的营销策略制定。 关联规则学习： 购物篮分析：关联规则学习被广泛应用于购物篮分析中，通过分析顾客购买商品之间的关联关系，为商家提供更有针对性的销售策略。 时间序列预测： 股票价格预测：利用时间序列预测算法可以对股票价格进行预测，为投资者提供参考。 气候预测：时间序列预测算法还可以用于气候预测，例如预测未来的天气走势等。 深度学习： 语音识别：深度学习算法在语音识别领域有着广泛的应用，例如语音助手、语音转文字等。 图像识别：深度学习算法在图像识别领域也有着重要的应用，例如人脸识别、物体检测等。 强化学习： 自动驾驶：强化学习算法可以用于自动驾驶汽车的控制，通过不断学习和优化，使汽车能够在复杂的交通环境中自主行驶。 游戏AI：强化学习算法也被广泛应用于游戏AI的实现中，例如在电子游戏和棋类游戏中，通过不断试错和学习，实现更高级别的游戏表现。 无监督学习： 异常检测：无监督学习算法可以用于异常检测，例如在生产线上检测异常产品等。 数据预处理：无监督学习算法还可以用于数据预处理，例如降维、去噪等，提高数据的质量和可用性。

#小紫学小扎# 24-18《生成式AI:人工智能的未来》这本书是一位AI大咖推荐的，原因非常简单，这本书是以作者引导AI编写的一本关于AI的书。虽然绕口但很特别的一本书，赶紧翻开看看，重在图个新鲜。基本上提问回答的AI基本情况介绍，计算机到人工智能的前世今生，AI应用领域和发展，有点类似用GPT写出来的科普书，内容比较基础且略显枯燥。在其他环境和体系下，总是会对人工智能产生无尽的恐惧和惊讶，还好在这本书里，让我想到另一种思考方式：计算机和互联网让信息处理的速度成指数型甚至加零型成长和高效发展，人工智能在人类各行各业和生活中的辅助会更加速在人类已知领域的高效性学习和任务处理。但总体上，人工智能和机器人是不能超越和伤害人类的，如果不能超越人类，就代表还需要人类对基础科学的研究深入与拓展，才能提升人工智能高效性的天花板高度；而能不能伤害人类的机器人三原则理论，吴军曾经说过，可能机器人的设计和使用者人类会用机器人伤害其他人类，人工智能的监管和法律边界在哪里，可能更加成为人工智能的未来要考虑的。想要尝鲜AI写书的可以看看，对AI科普的可以看看，泛读即可。

这。。真是令人哭笑不得。一看这是2023年出版的书，想问作者你没事儿吧。如果是10年前这种的还具有新鲜感，你是不是觉得到了今时今刻，普通民众还理解不了如何跟ChatGPT沟通是吧。那如果说大众需要提高沟通技巧与提问能力，那你这本书里也没有这方面的讲解啊。并且你与AI的沟通表现还不如网络上一些大神呢。这跟AI对话无趣也无深度，凑了一本书出来耽误读者的时间，就是作者的不对了。也请出版社们，不要为了凑数而凑数，不要为了当下人工智能的热度而蹭热度，至少抱着一些负责任的态度选择译本。

全书可以说是非常的乏味，既不通俗易懂，也不引人入胜。内容基本是AI写的，作者只是个提问者，然后将那些回答整理成书而已。也够偷懒的 目前完全让AI来写书肯定不行，最好是作家主写➕AI辅助。而这书作者本末倒置了， 引言开头说是给入门级读者看的，但我还是建议你别废那时间，有这功夫直接去看真人作者写的，像《生命3.0》《AI未来进行式》之类的都是很不错的书。 如果你只是抱着新奇的角度去看，迅速泛读一下就可以了

还行，整理了一下Ai发展的历程，现在的主要影响和未来的畅想。没有高深的术语，当科普读物读一下还是不错的。 Ai的潮流不可阻挡，和以往的技术革命很相似。对各行各业的影响已经在深入发生。