热点｜GPT当前发展到什么程度，AI学习为什么很难？

一、传统计算机科学和现代AI的差异

传统计算机科学如果用一句极端概括的话来说，可以概括为6个字，人为构筑函数。不管是单机的计算机，还是互联网，还是移动互联网，都属于传统计算机科学的范畴，一切都是基于人来编写的规则，应用的是比较确定的编程范式。

实际上在计算机类设备上实现的任何事情本质都是由一堆人为构筑的函数来帮你完成的。确定性的输入和已经写死的函数最终一定出来一个确定性的结果。

在这样一个框架下，我们作为后发者如果要去追赶传统计算机科学，第一个是把既有的函数结果拿来用，第二个就是学习构筑撰写函数的能力。

现在的AI的情况是，所谓的机器学习是在给定的初始条件下，由机器自行迭代函数，虽然一个初始学习环境，一个初始的统计学手段是人给定的，但是得出最终函数体系的过程是机器自发迭代完成的，而最终所得出来的函数结果实际上是超出人类的理解和表达范畴的。

这个函数已经超出人的掌控范围，虽然它广义上还是一个函数，只是这个函数已经没法辨别出来这个公式应该怎么表达。

既然这个函数已经没法理解了，第一步，理论上可以学习他们的初始统计学环境和规则，就是用来迭代的起点。但它是高度保密的，高度封锁的，尤其对中国更加高度封锁，所以不知道初始条件。而迭代出来的结果是其实也不知道，就算知道也看不懂，它自己也看不懂。所以要去追赶学习的起点很困难。

第二步，如果掌握了一定的起点，还要解决一个海量的迭代问题。实际上GPT4.0应该是半年多以前就训练完成了的，花了大量时间，大量的算力、财力、人力、物力、资源去训练。这就涉及到一个问题，迭代所需要的投入，如果只是钱，只是人，中国擅长，但问题它涉及到大量的高性能算力，这就涉及到我们现在硬件被卡住的地方。

所以AI的学习会比传统计算机科学要困难很多。

二、当前AI发展阶段的GPT的状况

首先，GPT对自然语言的理解已经完全没有问题。GPT的自然语言的输入输出即接受和表达能力可能已经强于85%的人类。

第二，对于已知数据当中没有答案的问题，GPT已经具备了一定的通过已知信息规则去做它自己的推进和判断的能力。但是他没有验证这个模块，所以GPT现在对于事实的处理上还是有很多错误。由于人类还没有给它接入现实当中实时进行验证的一个实践模块，所以GPT现在不适合追求事实对错。

第三，GPT现在已经能够理解一些人的感知，甚至能玩一些不太大的梗。实际上它并不是真的理解这些梗，它只是找到了这些梗和相应的反应之间的关系。很大程度上反映出来它的一个模态和模态数据以及大模型的参数丰富程度的问题。

第四，GPT应该可以对视频数据进行提取和理解当中的逻辑剧情。

第五，GPT现在的写代码能力至少强于80%的程序员。