我所说的一切都可能是错的！
即使你赞同我的观点，
你的生活也不会因此有任何改变！
除非——你采取了相应的行动。
（这是书先生的第374篇原创分享。2024年7月25日，于新加坡）
你好，我是一直在读书的书先生。
昨天上午，我接受了新加坡本地杂志《华汇》的一个小采访，主题是对 AI 的看法。
（顺便一提：这个杂志去年也采访过我，主题是终生学习。那期杂志这个主题还是封面话题。）
其中一个问题是问我是否担心 AI 会取代人类。我的回答是：完全不担心。
我给的理由是，大模型，至少大语言模型，还不具备人类的推理能力。它在回答问题上表现出的语言能力，或许能够以假乱真了，但人类的推理能力和语言能力并不是一回事儿。语言并不是推理的必要条件。
采访结束后，我又想了想，其实人脑仍然在很多方面能力远超当前的 AI，甚至在可预见的将来，这些能力也是 AI 很难企及的。
下面，我们就来看看人脑到底多厉害。
以下对人脑强于 AI 的总结，基于我目前的知识，如有疏漏之处，欢迎留言指出。
首先，我们来看看人脑的“神经网络参数”。
大家都知道，这几年 AI ，尤其是大语言模型，发展迅猛，几乎都是大力出奇迹的结果。
第一代 ChatGPT 背后的大模型是 GPT3.5，它的参数规模是1750亿。当参数规模达到这个量级后，大模型似乎涌现出了智能， ChatGPT 的表现于是惊艳了世人。
尝到了甜头，OpenAI 再接再厉，在 GPT4 里把参数规模提到了一万亿。目前，和 GPT4 在能力上并驾齐驱的两个大模型，Claude 3.5 和 llama3.1 的参数规模分别是约一万亿和4050亿。
是不是觉得这个参数规模很吓人。但如果和人脑比起来，就是小巫见大巫了。我问了 ChatGPT 关于人脑“神经网络参数”的问题，它是这样回答的：
它给出的估算数据是86万亿参数，这个数字还是保守的估计，但已经对现有的大模型参数规模有数量级的碾压优势。
请注意，这只是一个粗糙的类比，实际上，人脑的工作原理远比 AI 背后的神经网络要复杂。
除了参数规模，人脑超高的能效比也是目前 AI 望尘莫及的。人脑的功率约为20瓦，也就是50个小时才用一度电。
也就是说，我们人类，每天顶着个参数达百万亿规模的“大模型”，进行各种复杂推理，连续工作两天都用不到一度电。
再来看大模型。以 GPT4 为例。它的参数规模估计在一万亿以上，至少需要 128 个 A100 GPU 集群才能运行。我们把什么 CPU、内存、存储、冷却、节点功耗等等都忽略不计，仅就这128个 A100，总功率就在51.2KW，足足是人脑的2560倍。
目前 GPT 参数规模只有不到人脑的2%，能效比的差距已经如此之大。如果 GPT 的下一代或下几代参数规模达到人脑级别，不知道功耗有多大。我都不敢想象，因为功耗和参数规模并不是线性关系。
就是这种超高的功耗，GPT4 仍然只能处理单一模态的任务。现在虽然有所谓的多模态模型了，但仍然只能针对特定任务（只不过任务种类多了一些）进行推理。而人脑，是一个神经网络处理所有类型的信息。
也就是说，我们具备通用智能，目前 AI 还不具备。
除此之外，人脑相比 AI ，还有一个巨大的优势，那就是我们的“参数”可以随时调整。用计算机术语来说，就是我们的“大模型”是可以实时微调的，而且绝对不会出现“灾难性遗忘”的问题。
所谓“灾难性遗忘”，就是大模型针对特定任务微调之后，其它方面的能力下降了，有时候甚至除了这个特定任务，啥都不会了。
人类迄今为止尚未出现学了新技能后，其它方面都变成白痴的例子。话又说回来，如果人类有这个风险，谁还敢轻易学东西啊？
在 AI 无法实现参数实时调整之前，取代人类助手的 AI 助手不可能实现。甚至可以这样说，哪个公司率先做出了具备从参数里调取长期记忆的 AI 助手，哪个公司就可以宣布率先实现了通用人工智能。
顺便说一下，这周的《靠谱英语》直播，我们正在一起读扎克伯格关于 AI 未来的文章，欢迎周六一起来读。
1. 靠谱的学习方法分享；
2. 靠谱的英语词汇精讲；
3. 靠谱的长、难句解析。
结语
我是一直在读书的书先生，感谢您的阅读。
今天的推文，我分享了我认为 AI 暂时无法超越人类的几个理由，总结如下：
1. 人脑的参数规模仍然远大于大模型。
2. 人脑有超高的能效比。
3. 人脑可以用同一个神经网络处理所有类型的信息。
4. 人脑可以实时更新“参数”。
你还知道哪些人脑相对于 AI 的优势吗？欢迎在留言区分享。
（原创内容，未经允许，不得转载！）
今晚9点，我们一起来读一篇主题略显沉重的论文：阅读理解能力较弱的儿童在长期前景如何？
关于作者
