AI开始脱离人类思维，前景不祥
AI在真理与准确性方面的挑战
近年来，AI在真理和准确性上面临了许多问题，而这些问题与人类的思维模式息息相关。新一代的AI正在尝试更具实验性的方法，这种方法可能会让机器学习走得更远，甚至超越人类的思维极限。记得DeepMind的AlphaGo吗？它是AI发展史上的一次重要突破，因为它是首批能够在没有人工指导和规则阅读的情况下进行游戏的AI之一。相较于传统的训练方式，它利用自我强化学习技术，从数百万甚至数十亿场虚拟游戏中进行纯粹的试错，逐步建立起对游戏的理解。
随着DeepMind在国际象棋领域推出了类似的AlphaZero模型，这一现象更加明显。AlphaZero与传统的国际象棋AI（如DeepBlue）不同，后者通过人类的知识和规则集进行训练，而AlphaZero通过自己的尝试与错误，与世界冠军Stockfish进行的100场比赛中获得了28场胜利，其他比赛则平局。这一现象让我们开始反思：或许人类思维并不是AI获得成功的唯一途径。
人类思维的局限性
DeepMind在掌控多个游戏时抛弃了「模仿人类」这一理念，开始探索AI独特的思维方式。这些电子思维并不受限于我们人类的逻辑和知识，反而拥有了从零开始建立理解的自由。AlphaZero并不熟悉国际象棋的历史和名局，它只是通过大量的对局，以一种近乎冷酷的方式，依靠输赢的结果建立自己的认知。这使得它在对局时的表现远超任何以人类思维训练的模型，标志着一场思维革命的开端。
OpenAI的o1模型：与人类思维的背道而驰
现在，让我们看看OpenAI的新o1模型。它与人类的思维方式背道而驰，开始尝试一种全新的方法。与早期的国际象棋AI一样，o1吸收了大量的人类知识，但它并不只是模仿。LLM（大型语言模型）像GPT-4o的讨论，让人不禁思考：人类如何能在能力上与如此强大的AI竞争呢？
LLM的重点在于语言的运用，而非确保事实的准确性。这就是为何它们偶尔会「幻觉」——用华丽的语言表达错误的信息，却表现得非常自信。语言中充满了模糊的地带，很少有绝对的对错。然而，在有明确成功与失败标准的领域，比如考试或编程，LLM的表现就显得不够可靠。
o1模型的进化：引入试错法
OpenAI的o1模型采用了一种新的策略，在回答问题前内置了「思考时间」。在这段时间内，o1会产生一个「思维链」，试图推理解决问题的方法。与以往的模型相比，o1不仅仅是一个自动完成的系统，它真正「关心」答案的正确性。通过部分训练，o1在推理时能够自由地使用随机试错的方法来解决问题。
虽然o1仍然依赖于人类生成的推理步骤，但它能够灵活应用这些步骤并得出自己的结论，进而判断哪些方法最可能带来正确答案。换句话说，o1正是第一个真正开始创造出一种类似AlphaGo式的独特理解的LLM。它在知识与能力上不断突破，通过自我生成的数百万次尝试，逐步建立自己的理解与判断。
AI的未来与物理世界的探索
随着o1的进化，我们看到这种「外星智能」开始迈出超越人类的第一步。如果把游戏世界视作现实生活的一个缩影，我们可以预见未来的发展方向。如果拥有足够的能量，这种智能将如同短跑运动员一般，迎头而上，持续加速。
然而，o1仍然主要接受人类语言的训练，而语言仅是对现实的粗略表示。它可能无法真正理解物理世界的本质。想象一下，如果我们让AI去探索物理世界，而不是单纯用语言描述它会发生什么？随着AI开始建立自己对物理世界的理解，我们将见证一场认知革命。
具身AI的奇异之旅
未来的AI将摆脱人类的束缚，采取一种奇特的方式理解世界。它们不会遵循人类的科学方法，而是通过观察现实的结果，自主建立理论，探索有效与无效的界限。这种自由学习的AI将展现出超乎想象的创造力，甚至可能在我们未曾想到的领域开辟出全新的知识。
尽管这种变化不会在短时间内发生，但我们可以预见，随着技术的不断进步，具身AI将逐步展现出其潜力。特斯拉、Figure和SanctuaryAI等公司正在全力以赴地开发类人机器人，一旦他们实现商业化标准，未来的AI将能快速、深入地理解物理世界。
结尾：未来的可能性
OpenAI的o1模型看似不显眼，却代表了AI发展的重大转折。它将以全新的方式超越人类思维，探索未知的领域。未来的AI将以无法预见的方式影响我们的生活，或许我们正在见证一场崭新的科技革命的曙光。
