聊一聊deepseek和AI的一些看法

最近AI技术特别火，特别是deepseek在春节期间几乎成了AI中最重要的话题。几乎所有人都在聊AI，聊deepseek,所有人都在和AI发生关系，生怕因为不懂deepseek和AI被时代淘汰了，或者错过了新的时代机会。

我也对AI做了下了解，但技术出身，仅仅是浅尝辄止的使用下AI并不能让我满足。因此我着重去阅读了一些AI相关的技术文档和书籍。简要分享下我的看法。

首先AI不是个新东西，几十年前就有了，历史上也曾经流行过两三次，又冷却了两三次，这一次能不能真正火起来，还不好界定，但我们只有知己知彼，才能牢牢把握住方向，只有知其全貌，才能避免盲人摸象。最近非常火的词汇，强化学习，机器学习，深度学习，一般人可能难以区分。AI是人工智能，机器学习只是AI的一个领域，非机器学习也有可能发展出AI。机器学习的当前技术重点就是神经网络，以前是浅层神经网络，没有太大的实用性，现在是深层神经网络，超过了4-5层，甚至更多层，所以又叫做深度学习。所以深度学习只是机器学习的一个子集，强化学习更强调的是i训练的过程。所以对于一般人而言，将强化学习，机器学习，深度学习这三者理解为一样的，并没有太大影响。

深度学习的开源框架有google的Tensor flow和facebook的pytorch，因为开源，大家都可以免费去学习。

AI最早是用来做语言文字处理的，语言文字对计算机只是符号，属于信息论领域的研究内容，但刚开始，计算机没有那么快的处理速度，一个字符一个字符的进行处理，要很长时间，而处理完了，也不知道怎么交流和回答。后来通过数学上的发展，新的方法的提出，慢慢可以处理短句子了，但对计算机并不知道这些短句子是什含义，于是有人就将很多现有的文章内容数据让AI去识别，慢慢的，AI就可以根据输入的内容，从数据库中寻找相关的内容呈现出来了。

曾经有过支持向量机的方法，也有过神经网络的方法，但限于计算机的处理能力，效果并不好，只不过现在多层神经网络被计算机运转起来了。

AI最需要的有三项：数据，算法和算力。

数据就是要有大量的内容让AI识别，它才能从数据库中找到相关相近的东西。

算法就是数学和信息学上的不断改良，提高运算速度，众所周知，随着半导体的发展，运算速度在加快，一个简单的公式所需时间也一定少于复杂公式所需时间。

算力就是并行处理能力，英伟达之所以股价飙升，就是因为它的显卡非常适合于并行处理，而AI需要的刚好是并行处理能力。就像图像显示一样，我们看到的是一幅图片，但放大了看，每幅图片都是由许多个细小的像素点构成的。而这些像素点之间并没有直接相关关系。这就是并行处理。所以显卡很适合与为AI提供算力，加快运行速度。

而这三要素并不是一般小公司能承受的，需要大量的成本。

未来AI一定会继续发展，甚至可能具备智商，但当下还难以下结论。动物的大脑是由亿万个神经元连接而成，量变形成质变，才具有智慧能力的，谁也不知道亿万个电子神经元会是什么样子的，就算有了显卡加持，也难以达到这个量级。

但因为AI属于大量数据运算的，其运算速度一定是有上限的，无法突破芯片运行速度的物理极限。

对于一般人而言，个人认为，对AI保持关注即可，可以试用其产品，就像使用互联网一样。AI只是一个工具，不要寄希望于AI就能改变命运了。利用AI做好短视频的，是因为知道怎么运营短视频。利用AI做好绘画的，是因为至少懂得如何构图和审美，AI帮助节约了重复劳动，并不是一个外行有了AI就可以生成“旷世神图”；

用AI写文字的，亦是如此。如果一个人根本不知道什么样的文章是一篇好的文章，AI给出的文章还不如自己的拷贝粘贴呢。但AI可以的确可以帮你完成复制粘贴的工作。

同样用AI做软件工具的。那也是能够理解软件的流程和结构，外人像指挥管家一样命令AI生成一款工具，显然是高估了AI的能力的。

所以，现在的AI风口，更多的是本身业务能力的体现，否则外行就容易沦为韭菜。千万不要因为AI，而成为了别人的韭菜，有人在用AI赚钱，但恐怕更多的是那些所谓的付费的课程，因为商品如果卖不出去，可以把卖商品的技巧变成商品。人都有从众心里，《乌合之众》已经讲的很明白了。

如果AI真的能提高生产力，我们将有幸见识到人类社会的重大变革，但其实变革每天都在发生着。

人类对新鲜事物存在天然的好奇心，但在众人疯狂时保持谨慎，还是有必要的。

面对AI，独立思考尤为重要。