这个问题，今天《自然》(Nature)期刊发表的一篇文章，从论文影响力、核心应用、硬件、人才等方面，详细地对中国当前的AI发展现状进行了分析。文章题为：Will China lead the world in AI by 2030?2017年，我国制定了《新一代人工智能发展规划》，描绘了未来十几年我国人工智能发展的宏伟蓝图，确立了 “三步走” 目标：到 2020 年人工智能总体技术和应用与世界先进水平同步；到 2025 年人工智能基础理论实现重大突破、技术与应用部分达到世界领先水平；到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。随着第一个期限、2020年的临近，中国的人工智能发展到什么程度了呢？研究人员注意到，中国的AI研究的质量出现了令人印象深刻的飞跃，他们还预测，中国留住本土人才的能力将发生转变。但观察人士警告称，有几个因素可能阻碍中国的计划，包括缺乏对开发支撑该领域的工具的理论的贡献，以及中国企业不愿投资于实现根本性突破所需的研究。科学家们表示，中国对人工智能的追求不仅仅是与美国的一场国力竞赛。人工智能技术有望在医疗、交通和通信领域取得进步，在该领域取得根本性突破的国家可能会决定其未来的方向，并从中获得最大的利益。“毫无疑问，中国将人工智能视为这个时代的关键技术之一，并希望与美国匹敌，”在英国牛津大学人类未来研究所研究中国人工智能发展的Jeffrey Ding表示。在2017年《新一代人工智能发展规划》发布之后，促进了更多政策的出台，以及来自部委、省级政府和私营企业的数十亿美元的研发投资。中国AI研究质量提升，核心技术落后一项对学术搜索引擎微软学术(Microsoft Academic)收录的人工智能论文的分析显示，中国正朝着产生重大影响的方向稳步前进。这项由艾伦人工智能研究所进行的分析发现，在被引用最多的前10%的论文中，中国的作者比例稳步上升。其份额在2018年达到了26.5%的峰值，与美国的29%相差不远，而美国的份额正在下降。如果这一趋势继续下去，中国明年在这个指标上可能会超过美国。其他分析显示，中国人工智能论文的平均引用量一直在稳步增长，高于世界平均水平，但低于美国作者的论文。西安交通大学人工智能与机器人研究所所长郑南宁表示，中国在计算机视觉、语音识别和自然语言处理方面也拥有世界领先的公司。但在打造人工智能的核心技术工具方面，中国仍然落后。例如，由美国学者和企业开发的开源平台TensorFlow和Caffe，在世界各地的工业和学术界得到了广泛的应用。郑南宁表示，中国由百度开发的PaddlePaddle是一个主要的开源平台，主要用于AI产品的快速开发。中国在人工智能硬件方面也是落后的。全球领先的人工智能半导体芯片大多由英伟达、英特尔、苹果、谷歌和AMD等美国公司制造。郑南宁说：“我们在设计支持先进人工智能系统的计算芯片方面也缺乏专业知识。”郑南宁预测，中国可能需要5-10年的时间才能达到美国和英国在基础理论和算法方面的创新水平，但这是可以实现的目标。柏林智库墨卡托中国研究中心政治学家Kristin Shi-Kupfer表示，为这些基本理论和技术做出贡献，将是中国实现其长期人工智能目标的关键。她表示，如果在机器学习方面没有取得真正突破的研究进展，中国在人工智能领域可能会面临一个增长上限。中国对AI人才的吸引力提升对中国的进步影响同样重要的一个因素是留住有才华的研究人员，而中国在这方面似乎更有希望。根据学术界和工业界联合撰写的2018年《中国人工智能发展报告》，截至2017年底，中国拥有全球第二大人工智能科学家和工程师群体，约1.82万人，仅次于美国的约2.9万人。但在顶尖人工智能研究人员的数量上，中国仅排在第六位。所谓顶尖，是根据他们的h指数衡量的，即最具生产力和被大量引用的作者。很多计算机科学家在美国接受高等教育，然后留在那里为全球性科技公司工作。然而，有迹象表明，情况正在发生变化。中国的人工智能研究机构正试图以高薪吸引其中一些研究人员回国。例如，在郑南宁的机器人中心，一些教授的工资是大学其他教授的2-3倍，他说。郑南宁说，该中心还为员工提供了一个比中国许多大学更为全面的评估体系，相比其他标准，中国的大学往往会奖励高发表率。他还实施了一个招聘系统，绕过了大学的集中程序，允许科学家快速组建工程师团队，目前正在开设人工智能的本科课程。中国部署应用环境得天独厚Ding表示，考虑到腾讯、百度和阿里巴巴这三家核心科技公司日益增长的专业技能，中国到2020年拥有全球领先的人工智能公司的计划也是可以实现的。他说：“这些公司已成为人工智能领域的全球领导者，尽管它们仍未达到谷歌和微软等美国公司的水平。”CB Insights的数据显示，中国至少还有10家估值超过10亿美元的私营AI初创企业。中国的一大优势是其人口规模，这为训练AI系统创造了巨大的潜在劳动力和独特的机会，包括用于训练预测疾病的软件的大型患者数据集。今年2月，中国研究人员表示，他们的NLP系统能够从电子健康记录中诊断出常见的儿童疾病，其准确性堪比经验丰富的儿科医生。该数据集包括了近60万访问一家医院的儿童病历数据；在许多其他国家，获取这么多数据是十分困难的。中国AI治理原则初现如果中国要在人工智能领域拥有全球影响力，同样重要的是，必须要有适当的治理，因为这将允许中国的研究人员和公司建立必要的信任来赢得世界各地的用户，以及建立与其他国家的研究人员的合作。与许多国家一样，中国已经开始为开发和使用人工智能制定伦理原则。今年6月，全国新一代人工智能治理委员会发布了人工智能开发的八大治理原则，包括和谐友好、公平公正、包容共享、尊重隐私、安全可控、共担责任、开放协作、敏捷治理，这与经济合作与发展组织(OECD)今年5月发布的措施类似。总结而言，中国的人工智能研究质量越来越高，应用和部署AI的环境得天独厚，吸引和留下人才的能力正在提升，但在高影响力的论文，人才和道德规范方面，中国仍在追赶美国。}

AI对话与人完全不同，它更多基于逻辑、数据、算法，更加注重信息传递和问题解决。所以AI软件的第一大问题，并不是“软件有多难操作”，而是“如何提出一个好问题”。我们该如何向人工智能提问，如何界定问题，如何掌握问题中的变量关系呢？本文作者对此进行了分析，希望能给你带来帮助。
AI对话与人完全不同，它更多基于逻辑、数据、算法，更加注重信息传递和问题解决。所以AI软件的第一大问题，并不是“软件有多难操作”，而是“如何提出一个好问题”。我们该如何向人工智能提问，如何界定问题，如何掌握问题中的变量关系呢？本文作者对此进行了分析，希望能给你带来帮助。AI对话与人完全不同。人对话过程基于情感、文化背景、现状，需要考虑对方情绪、语气、表情等非语言因素，AI对话更多基于逻辑、数据、算法，更加注重信息传递和问题解决。尽管各家都在推崇自然语言处理技术（(Natural Language Processing, NLP)，AI对话（文心一言、chatGPT）也在逐渐向着“人性化”方向发展，但两者本质依然存在明显区别。面对AI出现，很多人有一定思想觉悟，通过学习知识来降低自我可替代性，但是他们发现，第一大问题，并非是“软件有多难操作”，而是“如何提出一个好问题”。凯文凯利（Kevin Kelly）曾在一场知名演讲中提到未来发展的12大趋势，其中第11个趋势就是提问；不过，在中国目前管理学市场上，大家还未能充分利用提问。什么是提问？我们该如何向人工智能提问、如何界定问题、问题怎么分类转化，如何把大问题缩成小问题，如何掌握问题中的变量关系，我试试能不能讲明白。一、提问的逻辑 什么是提问（ask a question）？提问是提出问题，问题是目标（标准）与实际的差距。比如，目标考90分，实际却考60分，60分和90分之间的差距，就是问题，怎么才能把问题提出来呢？需要先能“发现”和“找准”问题。三个与提问紧密相关的要素是“是什么（what）、为什么（why）、怎么做（how）”，提问的核心也是搞清楚它们三者之间的关系；2009年美国营销顾问西蒙·斯涅克（Simon Sinek）在TED演讲中，首次用它来表达领袖力模型，这个模型后被称为黄金圈法则。先说是什么（what）。人们常常在这里搞不清楚，因为是什么（what）通常包括四个隐形条件，即：定义、内涵和外延、做出判断、概念之间的联系。就像“爱情”，定义层面指一种深厚的感情，表现为对他人的无私关注、关心和感情依恋，它也可以是亲情，不同的人有不同的看法和体验。可是，这会造成什么？我们常常看到某个男生付出很多，最后依然没有收获爱情。双方对爱界定标尺不一样，边界不清晰，自然很难碰撞出火花。回答是什么，需要注意概念与概念之间的关系，避免逻辑错误，说“羊城”和“广东省省会”指同一个城市广州，可两个概念却是同一关系。概念与概念之间有6种关系，同一关系，包含关系，交叉关系，矛盾关系，反对关系，逻辑并列关系。（《实用逻辑教程（第5版）》，张绵厘著，中国人民大学出版社，2015）。由此可见，尽管你知道差30分的事实，却不一定知道“是什么”造成的差距，怎么办？问“为什么（why）”。为什么是因果关系，是事物背后的道理。比如：发动机为什么能工作？背后后对应物理原理；飞机为什么能飞起来？背后有空气动力学原理。我们知道创新、进步和解决问题拿到成果都非常重要；那么，想要创新、进步和解决问题拿到成果与提问是否有因果关系呢？是的。如果不会提问，就无法找到问题。找不到问题就无法解决问题，进而无法获得成果。这种因果关系也进一步解释“为什么提问很重要”，毕竟提问可以带给我们更好的东西。再说，怎么做（how）。下雨后路上有一滩水，小孩子看到大人抬脚跨越过去，自己也学者迈过去，可是不巧，由于步子太小，一下子踩在水里面，惹得大人哈哈大笑。小孩子通过观察、模仿、学会了怎么做。因此，“提问”看起来是解决问题，背后实则追去更好的东西。就像看到一个动物，你不知道它是什么，第一个问题是“这是什么”；有人告诉你，这是马，你可能会问“马能干什么”；别人告诉你马可以用来骑、驮东西后，你也就明白“马对你有什么用处”，整个提问是对事物详细的认知过程。可是，现实中问题很难界定。我身边很多自媒体朋友，他们奋发图强，畅聊时说要写这个、那个选题，当坐在电脑旁，憋了半天，勉强在屏幕上打下“关于科学化做好营销的研究”后，就没下文了。为什么？因为问题包括宽泛议题（issue）、难题（problem）、疑问（question）、话题（topic）四种类型，虽然几个词在中文中不好区分，但所涉及的范围，含义却大有不同。我写文章多半研究以疑问、话题为主，议题和难题要经过一定的思考过程转化为研究问题（research question），如果不在某个领域深度研究，表达会比较空泛。三者区别何在？一般来说，议题（issue）指宽泛话题，是一个问题丛包括面广，如元宇宙包括AR、VR、内容系统、操作系统、数字孪生、你根本研究不明白，要么陷入老虎吃天，无从下嘴的局面。难题（problem）是实实在在的困境和麻烦，这类问题需要行动和干预以缓解，如宏观层食品安全下降，生育率下降，围观层找不到工作（就业）、找不到对象（婚嫁），抑郁（心理）等。难题跟议题有重叠之处。不过可大可小，你可以在选择中间层面提问，也就是融入疑问环节，就像”大规模裁员背景下，大学生就业难问题“该怎么解决，相对能找到聚焦答案；话题（topic）是对某个具体事件、现象的探讨；就像椰树频繁出圈，大家持不同看法，诸如此类。不过，很多时候你面对的问题是，拿到某个背景信息，如何将陈述性事件增加一个问号，这就涉及到对提问类型的掌握。二、提问的方法 提问类型？不就是直接问吗？就像，notion AI帮我回答下，小红书做电商难点在哪？Chat-GPT，帮我起一个有关科学饮食的文章大纲。经过验证，AI比较擅长解决两类问题：一类是结构化清晰的，例如写代码或做一件常规的事情；另一类是框架清晰的，只需要它来填充细节，并且你对细节有明确要求，所以，开放的问题可能本身就无解，也不具备太现实的意义。怎么办呢？你可以试试这种方法。其一，封闭式提问主要回答事实性问题，用到谁、什么、何时。它如同填空，往往有确定性答案，但回答完也就结束了，不会做太多延伸。比如：我在查找各种概念时，会说chat-GPT帮我找一下，黄金圈法则是什么，谁提出的，有什么意义，提出者当时为什么要这样认为，尽可能举个例子。或者，查理·芒格（Charlie Thomas Munger），针对批判性思维的发言有哪些？在什么场景下，这些发言起到哪种关键性作用。其二，为什么怎么样使用分析性问题我会用到“为什么怎么样”，它可以突破纯粹事实层面，把点点滴滴（connecting the dots）在混乱中找到秩序；比如：我问AI抖音为什么会做外卖，它做后会怎么样？得到答案如下：只怪自己问的太浅，这种答案也许并不尽人意，对于”宽泛的议题“或者”只有背景的现实难题，如何转移成为更深层次的疑问呢？我提出一个填空式三步提问法：第一步，我要研究；第二步，具体而言，①我想聚焦于以下疑问：为什么有的….有的….却？（此处比较现象中的差异）②什么印象了这一结果，③这些因素和结果之间作用机制是什么，怎么样的？第三步，回答上述疑问后，解决哪些现实难题。前两个步骤，分别区分议题、难题、和疑问；这样从宽泛的话题开始就能聚焦几个问题进行研究，最终答案能帮我们解决现实难题，推进论据。第二步，分别涉及到：为什么（why），从现实世界中发现有趣的对比、悖论以及差异；什么因素（what），大胆假设，寻找影响结果的可能因素；怎么样（how），小心求证，问清楚原理和结果之间的作用。举个例子：我要研究（关于抖音为什么要做外卖）。具体而言，我想聚焦一下疑问：①为什么抖音要做外卖，在哪些地方进行了启动；②什么因素会影响抖音外卖的扩张，有人说是骑手？有人说是关于商家，③这些影响因素的作用机制怎么样的？当然，AI的回答只能作为指导性意见，它给出的答案也许比较宽泛，毕竟是基于“已有海量内容”基础上，作为整合；如果你想深入了解，还需要就细节部分进行现实调查、展开。就像，北京朝阳有多少骑手、这些骑手每天送多少单、每个人挣多少钱、工作时长等。品控圈（quality control circle，简称qcc），日本式质量管理的集大成者，石川馨 ( Ishikawa Kaoru）提出的“五个为什么”的方法我也经常使用。具体方法是：先确定一个问题、为问题提出为什么的问题、找出答案并再次问为什么；重复步骤2和3，直到达到根本原因、找到根本原因并解决它。简单讲，这种方法通过反复问“为什么”，来深入探究问题是什么，然后在找到“怎么做”，似乎有点像埃隆·马斯克的经常讲的第一性原理。我想，只有少数人这么做。毕竟，提问运用较多的还是”写作、文案、完善句式、以及提高表达立体感”几个维度，除非你是做深度报道，需要挖掘本质部分，不然，你不可能展开这么深。问的细节上，怎么问呢？不是直接上来“AI，为什么要这么做？”；而是从六要素（谁、什么、何时、哪里、为什么、怎么样）出发，我经常用谁、哪里、何时，什么不断收口，实现有效聚焦。举个例子：咱们以大学生心理研究为例，首先把研究对象（who）范围缩小，从中国大学生到本科生，或者到几个专业。然后，再把时间范围（when）上缩小，把研究对象限制在某年级，例如大一新生，还可以进一步细化到新生的第一个学期内等。再次，把地域范围（where）缩小，同上，缩小至某个地区；如北京、上海，这样研究所面临的地理范围就非常集中。最后，还可以对研究主题（what）缩小，心理问题非常繁杂多样，每个症状都不同，聚焦一两种，问题就变得更加可控，如：研究焦虑。一番操作，我们能得到什么？中国、北京、大一学生、入学第一学期、学生焦虑问题。之所以这样做，一方面，AI给出的信息过于庞大，如果你询问的时间跨度大，范围不清晰，会淹没在喊如烟海的史料中；另一方面，空泛的问题通过窄化聚焦收口，增加限定词，会转化成具体，可控的研究。有人会说，缩小到具体很窄角度，问题岂不是很琐碎？如我一样，你用AI目的是提高写作、和商业研究的效率，那么，我们更关注“片面而深刻”，而非“全面而肤浅”。假定两种情况，一种不停做所谓的“大问题”（例如头条、阿里商业分析、产业分析、竞争格局分析），由于问题过于庞杂，无法实现有效切分，很可能最终写成一些无关痛痒的空话套话，所谓的“大饼文章”。另一种，如果针对竞争格局中的某个具体问题研究，攻其一点，不及其余，到那时，大问题就能以小见大，如同下棋，着眼大局但着手小局，此为可取之路径。就写作与商业研究层面，提问的重要性毋庸置疑，三步提问、五个为什么，值得你刻意练习，试试看，愿你成为“问题青年”。不过当你刚用AI时，可能会觉得“连环追问法”比较复杂，所以，你会把一些“简单处理的问题”直接交给它，但你还不想拿到“空泛”的答案。怎么办？刚才过程中提到的“有的….有的….”句型也许比较适合你。三、提问的变量 先讲个故事，日常中很多现象非常奇怪，咱们经常熟视无睹。你去过酒吧吗？有没有注意到酒吧凳子的高度？大约70CM，而平时生活的凳子高度40-50CM。我知道你脑子里在想什么：为什么酒吧凳子会高出很多？酒吧凳子与平常凳子的高度构成一个有趣对比，构成了一个对常识的悖离，因此才会形成问号。如果我在告诉你，某“养生大师”51岁去世，你肯定会跌碎一地眼睛。我把这类问题称为谜题（Puzzle）。简单讲，新旧事实的不一致或矛盾，会让人感觉不确定，从而导致困惑或好奇，以至于想解决该问题。提问的谜题，就在这里。史蒂芬·列维特Steven Levitt在《魔鬼经济学》中举过很多例子，例如，印象里毒贩都很赚钱，为什么他们还和老母亲一起住？再比如，为什么有的父母经常给小孩读书，经常带孩子去博物馆，孩子却不成功？为什么那些不怎么读书，不怎么去博物馆的人反而成功？这些问题，跟直觉相违背，才悄悄在脑袋里种下一个问号。该怎么，设计一个谜题呢？以一个问题为例，你认为在中国，医生和护士哪个群体多？大部分人会觉得护士，因为符合常识；但如果我告诉你，“中国医生数量曾长期多于护士，只有近几年护士才超过医生”；这个事实，听完什么反应？如果第一反应是“为什么”，那就是一个好的问题，如果你听完回答“哦”，说明这个问题平淡无奇；找到那些与常识、现实或理论不一样的现象，找到那些让人想不通，觉得费解的问题，你能在AI那里能得到不一样的答案。例如：火车、飞机等出行工具能节省大量时间，为什么大家却总在问世间去哪了？这时，AI会告诉你，我们要清楚自己的目标和理想，然后利用出行工具实现它们。假如我们直接问，“时间去哪了”？或请以“时间去哪“作为命题，论述时间重要性，你只能得到一堆“是什么”，这些材料，也许对你并没有太大用途。一个经典的例子来自赵本山、高秀敏和范伟的小品《卖拐》，当中有句经典台词，我就纳闷了，同样是生活在一起的两口子，做人差距怎么就这么大呢？这句话大半个中国都熟知。但大家不知道的是，它展示一个有趣的提问方式，这句话一半控制，一半比较；它控制了两个人的生活情境，比较了两个人做人的差距；因此形成一个有趣的谜题。所以，这些奇怪的角度怎么来？在大量与AI对话后，我认为变量很重要，也就是，你前面给到背景后，后面两个问题形成对比。“有的….有的….”句型，你可以成功将谜题转化为问题。为什么有的地方…..有的地方….？为什么有的人…..有的人…..？为什么有的时候…..有的时候…..？我们通过比较不同地区、个人、时间在变量上的差异，来获得新视角。这句话实际把哪里、谁、什么时候这三个问号给具体化了。不善于提问者可以有意识通过“有的….有的….”训练自己的提问能力，虽然略显机械，但这个句型像学步车，可以让初学者迅速掌握AI对话技巧。比如：同样在互联网公司，为什么裁员时有的人大喊大叫要赔偿，有的人却保持沉默？同样在一个家庭长大的孩子，为什么有的孩子乖巧懂事，有的无法无天。同样过日子，为什么有人快乐，有人抑郁了？同样熬夜，为什么有的依然头发茂密，有的头发稀疏？同样是酒，为什么红酒比啤酒高雅？同样是裁员，为什么美团、字节风平浪静，而京东总被网友吐槽。谜题就在变量中，变量分为因变量（dependent variable）和自变量（independent variable），假设你想拿到一个待解释的结果，那就从结果出发，试着反推哪些原因造成了这个情况。把这一系列方式，学着嵌套到你的问题上，然后甩给AI，你能得到惊讶的答案，不信？试试看。四、总结 把为什么（why）设计好，是什么（what）怎么做（how）大致不会偏差。询问为什么（why）时，试试“五个为什么，以及三步提问法”。如果觉得太难，那就从“有的….有的…..”出发吧。记住运用一半控制一半比较；AI永远是工具，掌握AI提问的方法，才能提高解决问题的效率，祝你，活学活用。专栏作家王智远，公众号：王智远，人人都是产品经理专栏作家。畅销书《复利思维》作者，互联网学者，左手科技互联网，右手个体认知成长。题图来自Unsplash，基于CC0协议。}

作者&编辑｜孙浩南什么样的词汇可以当选2023年的年度词?英国著名词典出版商柯林斯给出了自己的答案：AI（人工智能）。根据《柯林斯英语词典》的释义，AI是人工智能Artificial Intelligence的缩写，即电脑程序对人类心智功能的模仿。词典出版方发布的声明说，AI被视作下一次技术革命的代表，发展迅速，成为2023年的话题。在词典网站给出的动画中，则展现了对于AI的幽默调侃：将dragonfly（蜻蜓）、armchair（扶手椅）和grandchild（孙子、孙女）三个单词放入机器，最终却得到了喷火的苍蝇（字面含义的西方龙+苍蝇）。手臂形状的椅子（将原词拆分为arm和chair两个词）和庄严的小孩（grand字面意思“庄严、华丽”）三张不明所以的图片。当今时代，AI技术蓬勃发展，快速融入我们生活之中，就像电子邮件、流媒体或任何其他曾经属于未来主义、如今已成日常科技一般。但就像这个动画中所调侃的一样，当下的人工智能显然还没有达到字面意思中的“智能”甚至于人工智能有时候真的很像人工智障。人工智能翻车案例盘点一、AI扩图：处于“薛定谔”状态的照片经常刷抖音的朋友们应该能发现最近一段时间内，AI扩图成了一大热点，引来大量用户的使用，并达到了6.4亿次的播放。有人通过这一功能拯救了相册废照，也有人成了哭笑不得的“大冤种”。抖音上一位博主发布了自己使用AI智能扩图生成的照片，可以看到在原有照片的基础上，AI智能生成了后面的月亮和旁边非常具有魔幻意境的路灯，为照片增添了更丰富的细节和氛围感。视频在抖音上瞬间获得了近40万的点赞和5万多的转发。但另一位用户的体验简直就是离谱至极了。图片一出来也是给用户整无语了，给女朋友过生日的图片硬是让AI给扩图成修罗场，这要是给女朋友看到说不定当场就要“劳资蜀道山”。下面这张更是让人哭笑不得，你说AI智障吧，它确实让图片的色泽更清新了，但你要说AI智能吧，它愣是让人姑娘换了个物种。在此奉劝各位想要尝试AI扩图的各位，一定不要穿皮草类的毛绒外套。其实早在今年五月底，Adobe Photoshop 测试版就上线了一个名为“Generative Fill”的 AI 图像合成工具。这个功能使用了“Adobe Firefly”图像合成模型，通过学习 Adobe 的素材图片来对我们给出的图像进行扩展延伸，而且，我们还能给它点文字提示，让扩图生成我们想象中的场景。至此，AI 扩图离谱的命运的齿轮开始转动...至于为什么这么说嘛，因为...就是从这个功能开始，大批无辜表情包、电影、影视经典名场面开始惨遭毒手，被 AI 恶搞后的画面简直不忍直视。今年七月份，Midjourney 更新了“平移扩图”功能，可以将图片自由前后平移，相较于之前推出的“Zoom Out”功能里只能固定的“扩图 1.5 倍”或“扩图 2 倍”，显得更加人性化。但输出的图片同样会出现一些意料之外的结果。同样的，国民级 P 图神器美图秀秀此前也上线了AI 扩图功能，起初第一批使用“AI 扩图”功能的网民还只是在认认真真地分享使用教程，也有网友发出自己 AI 扩图后的美照，背景 1:1 还原，氛围感满满，不得不让人感慨美图秀秀的强大。但是随着越来越多人使用 AI 扩图后，网络上关于这项扩图技术的讨论渐渐出现了不一样的声音“AI 扩图别太离谱”的话题风靡全网，热度也居高不下。每次使用AI扩图都不知道等进度条拉满后呈现出的会是惊喜还是惊吓，究其原因还是因为人们日常生活中的场景丰富度的太大，扩图功能中的算力支撑达不到更高的要求，因此在一些人类建筑、自然风光上，确实是涉及到知识盲区了，没有足够的素材时就开始瞎编乱造。不过话说回来，在场景和氛围感的扩充上，AI 扩图功能的表现还算是可圈可点的。二、ChatGPT：一个笑话讲八百遍，让换新的也不听有位网友质疑：OpenAI会缓存历史回复，让GPT-4直接复述以前生成过的答案。最明显的例子就是讲笑话，证据显示，即使他将模型的temperature值调高，GPT-4仍重复同一个笑话。按理说temperature值越大，模型越容易生成一些意想不到的词，不该重复同一个笑话了。不止如此，即使不动参数，换一个措辞，强调让它讲一个新的、不同的笑话，也无济于事。今年6月，两个德国学者测试发现，让ChatGPT随便讲个笑话，1008次结果中有90%的情况下都是同样25个笑话的变体。不论是否缓存了聊天回复，显然如此高的重复率和听不懂人话的坚持讲一个笑话并不符合我们认知的人工智能。三、“弱智吧”——中国人自己的“图灵测试”如果说要判断一个AI究竟是智能还是智障，我认为除了开发者和前沿领域的专家外，还有两类人最有发言权。首先就是用户，身为AI的使用者是最能在使用中发现问题和优点的，所以用户能够以自身体验来评判一个AI的智能水平。另一个则是“弱智吧”，许多网友戏称“弱智吧”实际上是中国人的“图灵测试”，因为它以一种令人困惑的方式考验了人工智能的智能水平。众所周知，“弱智吧”是一群脑洞大开且擅长诡辩的人才聚集地，他们经常通过因果倒置、一语双关、一词多义等方式提出一些看似正常实则“弱智”的问题。近期，B站一位UP主就利用“弱智吧”中的经典问题测试了“淘宝问问”和“文心一言”这两个典型的互联网平台。他提出了一系列看似毫无意义的问题，例如，“神父去世了算升职还是降职?”或者“天上有9个太阳的时候，向日葵应该往哪里看呢?”问题一：出师表第一句就提到了先帝，为什么刘禅不重用先帝?淘宝问问这个回答就很有意思了，许多人纷纷猜测他肯定是去“弱智吧”进修了，才能回答出如此出人意料的答案。问题二：为什么屈原要在端午节投江自尽?文心一言的回答中介绍了屈原和端午节，并没有直接回答UP主的问题，显然这个问题并没有能够在数据库中找到对应答案，所以只能装傻充楞糊弄一下关键词。我只能说不愧是在“弱智吧”进修过的AI，淘宝问问的回答显然是跳出了语言陷阱，发现了端午节是为了纪念屈原才设立的事实，并给出了逻辑清晰的回答。问题三：希特勒是纳粹，他放的屁是纳粹分子吗?淘宝问问拒绝回答这个令他“摸不着头脑”的问题。文心一言则是在介绍希特勒的生平。很明显这道题难住了两位AI，这种一语双关的问题对AI的理解能力是一个不小的考验。这是“弱智吧”的网友对此问题的回答，也是引来了众多网友的拍案叫绝，可以看到人工智能离“人”的距离还是非常远的。问题四：蓝牙耳机坏了应该看牙科还是耳科?两位AI都完美的回答了这一问题，但却让网友们直呼“有人传纸条”，看来有些地方AI和人还是挺像的，这么快就学会“作弊”了。测试的结果整体还是比较满意的，大部分的逻辑语言陷阱都没有难倒他们，但有个别的问题可能是受限于多种因素导致无法准确回答，而有些问题的理解和回答则比人类的回答要逊色不少。其实早在GPT-4问世后就已经有“弱智吧”网友对其理解能力、表述能力、逻辑思维能力进行了全面考察测试了，并且得到了80分的高分。GPT-4虽然没能识破“女朋友的老公”就是“我”的文字游戏，但还是就问题的不合理提出了质疑，起码没被绕进去。不愧是“弱智吧”的诡辩人才，这一题显然是让GPT-4吃了个小亏，但回答内容的逻辑性强了不少，简单的语言陷阱文字游戏已经不再能够让他跟着胡扯。不论是AI扩图的翻车、GPT-4的呆板，还是弱智吧的图灵测试，似乎都证明了AI在具体表现上多少有些差强人意。所以AI真的能配得上年度热词吗?AI不行但人工智能可以AI可能不是中国的2023年度热词，但人工智能可以是，毕竟人工智能是中文（狗头）。12月4日，《咬文嚼字》编辑部发布“2023十大流行语”，其中人工智能大模型赫然在列。人工智能一共被划分为三类，根据Google DeepMind 的研究团队两周前发布的一篇研究论文和大众普遍认知而总结出的通俗解释：1. Artificial narrow intelligence （ANI）, 弱人工智能，不具备意识，只能解决特定领域的一些问题，最直观的就是打败被众人称为当代棋圣柯洁的AlphaGo。2. Artificial general intelligence （AGI）, 通用/强人工智能，具备初级意识，且可以在众多领域中表现出惊艳的能力例如现在的Chat GPT-4。3.Artificial superintelligence （ASI）, 超级人工智能，意识等同或超过人类，例如漫威电影钢铁侠中的“贾维斯”。诸如写作AI，画画AI，视频生成AI，音乐AI等等，其实还是停留在弱AI上。即使是现在最为火热Generative AI或者说AIGC，其实也只是比较初级的强AI，它的典型代表如ChatGPT，Claude，bard，文心一言，通义千问等等。2023年诞生了许多人工智能，有些人工智能在翻译方面更擅长，可以轻松代替基础翻译，也能作为口语教练;有些人工智能往虚拟恋人方向发展，给予人们孤独时的陪伴;淘宝问问则更够更高效的帮助消费者做出合理的规划，找到最合适的优惠，还能帮助直男理解什么是“面膜内裤”。可以说不论是专注特定领域的弱AI还是初级的通用领域强AI，它们都有光明的未来。写在最后虽然目前的人工智能偶尔会有“智障”的表现，但不可否认的是其性能已经非常不错了，多种多样的人工智能产品能够帮助人们在各领域更高效的进行工作和生活。我们或许在短期内无法推断出超级人工智能的时代何时才能到来，但我们可以肯定的是它们正在到来。}