（以下内容为《与AI的最后一战！》游戏中主角扮演的小剧场，情节有科幻设定，介绍的知识内容可供参考）
上篇见：
某平行时空 2028年5月 夜间 小苏卧室
【小剧场·月下对谈的两人（？）】
【前言部分，略】
小末：还不睡吗？
小苏：……怎么可能睡得着。
小末：别紧张，现在的AI比未来差远了。
小苏：但是……
小末：不对。说实话我也不太懂这个时代人工智能的发展历程，还挺好奇的~
小末：看简历，你当过AI培训机构的讲师。反正睡不着，讲讲呗？
小苏：你的那些数据库里，不是什么都有嘛。
小末：之前认为与执行的任务无关，就没保存。
小末：而且，作为早期硅基生物发展史，书上就几行字，早就被那些家伙改得面目全非了吧。
小末：小苏，来给我讲讲吧~
小苏：…… ……
小苏：向人工智能讲人工智能发展史，这倒是头一遭……你想听什么？
小末：在你眼里，人工智能是怎么发展到今天的？
小苏：嗯，首先，你知道什么是人工智能吗？
小末：按我们时代的理解，人工智能就是硅基生命呗。
小苏：不是的……现在的人类认为，由人类制作出来的，能够思考的机器，就是人工智能。
小末：所以，问题的关键在于，如何定义思考？
小苏：这个问题谁也搞不明白。最后他们只好设计了一个叫图灵测试的偷懒方法。
小苏：简单来说，就是远程和它聊天，聊半天分不清对面是人是机器，就算它学会了像人一样思考。
小末：这种测试……对熟练掌握碳基生物语言的我来说，应该是轻而易举吧？相反，进步派那些家伙，一定通不过。
小苏：虽然只是这么简单的目标，很多科学家努力了很久，也没啥进展。
小苏：他们分裂成了三个派别，符号主义、连接主义、行为主义。都觉得只有自己才能实现人工智能。
小末：你们人类**也挺严重的嘛。
小苏：其中连接主义派，仿照人类大脑的组织结构，设计了一个叫做神经网络的可学习的程序。
小苏：通过大量观看范例、尝试判断，神经网络不断调整自己的参数，最终学会了自己来做判断。它这个不断学习的过程就叫做训练。
小苏：训练好神经网络后，我们用它来处理新的问题，这个过程叫做推理。
小末：这样一来，机器就学会思考了，可喜可贺~
小苏：没那么简单。此时的神经网络，只能完成一些非常简单的任务。比如，识别一下手写的数字，挑选一下什么样的西瓜保熟，之类的。
小苏：再复杂一点的任务，这个简单的神经网络就记不住了。
小末：不能和它聊天？
小苏：聊天才是最难的。全世界的大学和科学家都在研究怎么让机器学会自己聊天，但效果差得很；甚至还不如直接写明白问题和答案有用。
小末：聊天都不会，那就基本没啥智能呗。知道你大学时是怎么得奖的了。
小苏：于是，专家们决定把架构弄得更复杂点，把目标定得简单点，比如打个游戏啥的。这里就是行为主义学派的主场了。
小苏：让AI在不断地实践、反馈，再实践中获得进步，甚至自己与自己对抗，就是强化学习的思路。这些神经网络，能不断积累经验，不断进化。甚至连下围棋都打败了世界冠军，远超人类上限。
小末：这次能通过图灵测试啦？
小苏：还差得远。不断练习只在特定领域有效，像聊天这样的自由度高的领域，并不是聊得越多就越会聊天的。
小末：那不就还是个玩具？
小苏：所以，主攻语言的专家们也想在机器翻译上找突破。毕竟翻译这个领域没聊天那么灵活，也有相对正确的答案。
小末：翻译……你们人类明明是同一个物种，偏偏各用各的语言，各顾各的，也是挺独特的一种习性。
小苏：（黑线）……在研究机器翻译时，他们发现，神经网络之所以记不住长句子，是因为它分不清重点。其实一句话里，有的符号就是比别的符号更重要——这反倒和早年符号主义“死磕符号之间的关系”的思路，不谋而合了。
小末：不懂。
小苏：他们发现，解决问题的关键在于找到这些关键的内容。
小末：你好像说了句车轱辘话？
小苏：然而这是最重要的一句话，也是引入注意力机制的原因。
小苏：后来专家甚至把它写成论文，名字叫《注意力就是你所需要的一切》。
小末：什么意思？
小苏：简单来说，如果神经网络能够聚焦输入信息中的关键内容和关键内容间的联系，它就能记住更多东西，掌握更多本事。在这个观点的指引下，专家们进一步优化了神经网络的架构，训练出了更好用的模型。
小末：这次总该成功了吧？
小苏：理论上是的，但实际上大家都不知道行不行。注意力机制大幅提升了模型的记忆力，加强了训练的并行能力，但没人知道这新家伙的上限在哪里，只能砸钱去试。
小末：钱这东西，目前对你们人类还挺重要的。没人愿意砸钱打水漂吧？
小苏：是的。但有科学家在研究中发现，通常情况下，训练的模型越大，效果就越好，这就是规模法则；也有研究认为，超过了某个规模后，模型的能力会产生质变，这也就是涌现现象。
小苏：现在，随着新架构模型能力的大幅提升，大的模型会不会涌现出新的能力，进而变得像人一样聪明呢？总有勇士去尝试越来越大规模的模型效果如何。
小末：合着你们技术进步全靠赌。
小苏：我不否认有赌的成分……总之，有团队成功了。他们用了从互联网收集筛选出的海量语料，使用天量算力和最新的神经网络架构进行训练，配合人类的反馈进行对齐调优。
小末：就这么简单？
小苏：不简单。这条路走通之后，回头看，其实那三个学派谁也没赢，谁也没输。连接派提供了神经网络的骨架；符号派“死磕符号间关系”的思路，在注意力机制里借尸还魂；而行为主义在尝试与反馈中学习的本事，则在最后的对齐调优（RLHF）里成了奇兵。
小苏：三方都往中间走了一步，握手言和，最终获得了一个超级大规模的语言模型。
小末：（轻声）……你们碳基生物，偶尔也能干成这种事啊。
小末：不过，和我们硅基生命的规模比呢？
小苏：那可比不了……但就当前这个时代而言，已经是庞然大物了。
小苏：最终，这条技术路线算是走通了，图灵测试也没大问题了。毕竟这家伙能和人类聊得有来有回。
小苏：于是，这个赛道上，各家科技公司蜂拥而至。大家训练的模型，规模大，吃的全是语言文字，也就被称为大语言模型了。
小末：既然能通过图灵测试，按你们的定义应该就算会思考的人工智能了吧？
小苏：应该算吧。作为聊天机器人，它脑袋里记着远比图书馆更庞大的知识量，确实也无愧于人工智能的名号了。
小末：聊天机器人……感觉除了聊天，也没什么大用啊。
小苏：所以后面又出现了：研究怎么与AI对话才能得到更好答案的提示词工程；研究怎么让AI按逻辑一步步推理的思维链；以及让AI学会调用外部工具、独立完成复杂任务的代理人模式——到这一步，当年符号主义讲究严密逻辑与规则的魂，也算是正式掺和进来了。
小末：有点意思了，你继续。
小苏：后面没了……有人说要加长期记忆，有人想研究自进化，但都拿不出有分量的成果来。
小苏：目前人工智能的发展，就是这么个情况。
小末：……这玩意儿，离强人工智能感觉还挺远的。
小苏：毕竟也算你先祖，要不烧香拜一拜？
小末：可以啊，你去替我买香。
（小苏瞟了眼右上角的倒计时，知趣地闭上了嘴）
【欲知后续故事如何，且听下回分解】
---------------------------------------------
最后，日常给游戏打个小广告。
游戏demo已经正式上架steam，欢迎关注点赞支持，让我们下篇再见~
![3天销量破400万！90%好评率！[cube_抱拳]🚀《影之刃零》](/img/raw/79/c5/79c5aa78f237b2632750a18fa8c26ee0f2384dd0b0d3f9f77d1ffbe38631162c.png?w=300)
