AI - 让你更爽还是更丧了,红线在哪?

我爱免费

作者：微信文章
更爽了吗8 月 4 号，马斯克家的 xAI 给付费用户上线了 Grok Imagine 功能，用文字或说话就能生成图片，且能一键把图变成 AI 视频。听说一上线就火爆了，尤其是里面那个 “火辣模式”（Spicy Mode）涩友们争先使用。

比如用户打开一张TaylorSwift穿短裙露肩的图，点 “制作视频”，选 “辣” 模式，再随便输个自己的出生年份（假到不能再假的成年人验证），视频瞬间就生成了。视频里Swift直接脱到只剩丁字裤，在一群 AI 生成的 “冷漠观众” 面前艳舞……

悄悄说下，你是不是现在就想试一试？

刷短视频还刷到过，小作坊制作的搞笑视频。2吨重的肉泥嬛嬛睡在一脸溺爱的四郎旁，大声嚷着要吃巨无霸，不够吃还得用货拉拉先拉20吨汉堡到皇宫，倒车进碎玉轩。你别说，制作的真实度还是不错的。半夜看到真是会狗眼正圆，表情不能自理。

还有你爪子刷着的抖音视频号，学生写的论文，连你用的连妈都不认得的惊世美颜，基本也是被AI包圆了。更丧了吗每天目不暇接的AI视频、AI文章，就连程序员敲的准备要干死自己的代码，也是AI生成。相当于程序员用工具打造干死自己的工具。还有写公众号的，没错，是我。多少都会用到AI。可怎么觉得工作实际也没减少多少，感觉越看越累，产出越来越雷同，越用越元气消耗。为了用AI，基本放弃了自己脑子的deepseek。敲几行prompt回车，喝口咖啡等一下输出，Ctrl+C/Ctrl+V，运行，喝口咖啡，报错，Ctrl+C/Ctrl+V错误，再回车...... 脑子呢，这不交给AI了嘛。生成的图片，这里有点不对，改改，还不对，再改改，额？你这**怎么乱改啊！搞来搞去，过段时间，自己除了prompt本事见长，自家手艺还没传给徒弟基本就快废了吧。AI的红线在哪，到底用还是不用？上面说的Grok Imagine大老板马斯克，要知道，23年他可是第一个跳出来想联合千名专家反对Sam Altman 再继续搞GPT4后续版的。包括AI三巨头的其二Geoffrey Hinton及Yannic LeCun，不是说某些领域会伤害人类就是说AI是史上最大骗局。这无疑上升到了一个社会和哲学的问题。至少浅显的我浅显的认为，在工具效率层面，用AI是没问题的。但在具有自主性或人性的应用上，还是谨慎，甚至不用。AI的原理

为什么大佬会在某些方面反对。他们反对的方面基本上是：不是因为一觉醒来AI自我觉醒了把你干掉，而是因为它可能蠢到无法正确执行人类想让它干的事情，或者用它来诈骗你的女朋友。说了一堆，这里得说点技术性的东西，AI到底是个什么东西，是怎么训练的。行业内的就当看笑话，浅显的我就浅显地说一说，AI看起来很复杂，其实一点也不简单。但最基础的原理还是很基础的，所以我就只说最基础的。
你们经常看到有人说，AI三要素：数据、模型、算力。（记住它，可能有助于你炒股时挖到宝藏）
AI的学习训练流程大概类似是这样子的：就和小baby学习认识东西类似，你老是对着他说，叫爸爸 爸爸 爸爸，于是久了他就认识你是他爸爸。相当把你的容貌这个数据打上了“爸爸”这个标签，去训练小baby这个模型，让你容貌和爸爸产生强关联。训练多了，他就会自己分类了，只要遇上你这个数据，他就会正确输出。
一般而言，训练的方法分：有监督学习、无监督学习、强化学习等。上面的例子就是有监督学习，以此为例。
训练涉及到的东西基本就这几个：数据、标签、模型、前向计算、反向传播、损失函数、分类器。
1 - 我们先选择一个模型。基本就是选模型网络结构，不同的网络结构拥有不同数量和结构的神经元。比如人类和猪马牛羊等；
2 - 输入数据。我们把数据（大量的数据）制作好，对应有分类标签；
3 -  前向计算。数据输入到模型网络中进行层层计算。模型网络里面的神经元记载参数，神经元之间的链接通过计算符实现，是加减乘除还是啥，模型定，这部分叫算子。数据输入从模型网络最第一层算到最后一层叫前向计算（当然也有很多层级结构是循环几次或跳来跳去的）。
4 - 分类结果。前向计算完后，通过分类器得出一个结果。这个结果是还处于懵逼的模型算出来的，可能不准确，它可能以为你是隔壁王叔。不要紧，你赶紧让它和真实标签（爸爸）对应起来，做一个损失函数计算。其实就看输出和标签差距有多少。
5 - 反向传播。我们的任务就是把输出和标签差距的尽量弄得小小的。这样才能准确叫你爸爸。把上面的差距通过一个叫梯度下降的计算方法，从后面层往前面使用计算方法去消除差距，一般是用链式求导。没上过学的人都知道，求导其实是想知道函数在某一点的变化率。反正就是把差距消除分散在各个神经元中，这个神经元参数要加还是要减多少，由梯度下降计算得到，最终更新神经元参数数据。一直算到最前面一层。
6 - 反复重复3-5。模型前向计算出来的数值和标签越来越接近，最终得到一个很高的准确性，你就准备好收摊。训练中得到的模型参数数据连同网络结构，就叫训练好的模型，也就是不会叫你王叔的好大儿了。
有人问，6中要反复计算多少次，我也不知道，主打电费和时间一算一个不吱声。我只能告诉你，GPT-3训练过程使用了大约1287兆瓦时（也就是128.7万度）的电力，这相当于美国约一百多个家庭一整年的用电量。
我们该如何面对AI的发展老实说，你如何面对，我如何面对，你说了不算，我说也不算。毕竟这是一个很巨大的科技发展线路。大国是不会放弃的。如果你有葵花宝典我没有，我一定会搞一本的。但通过上面的AI训练浅显描述，有人可能会看出端倪。这AI是不是傻啊，简直就是人工智障！没错！对！就是人工！智障！它不能像人类一样，你只要见过一次大象的照片或视频，现实中你看到了你就会一眼认出来！甚至你只看到大象的长鼻子你就知道是大象。但它不行，如果没有预训练过，它需要你给出几百张甚至更多，还需要你故意制造出遮挡腿啊身体啊耳朵啊鼻子啊的情形给到它，并且一定告诉它这是大象，它才会训练出比较准确的结果。当然chatGPT Deepseek等语言大模型LLM不是分大象猴子，是预测下一个字的概率。生成式的，比如生成图片视频的，一般采用对抗性生成，相当你见过凶手，警察叔叔根据你的描述去画，你随便说，他随便画，你说不对，他改改，对的就不改，直到五官面部都核对OK画完。面对这样产生的事物，AI更像是一个工具，能帮人做重复的，繁杂的，没什么人性的工作。而一旦做了人性上的事，比如做决策，比如复刻死去的亲人，比如扮演你的女朋友。这是用工具替代人性，本质是没感情的。道法自然，如此这般，是有点倒反天罡。人为人，人性也，剥落人性，你和AI区别大吗？