最近关于ai的一些思考

# Sora

大洋彼岸的Open AI趁着全国人民正在喜迎新春的时候发布了Sora，风头盖过了同期发布的Gemini pro 1.5（即便它已经能读完一整本书了）。

Sora 能够将文本指令转换成长达 60 秒的高清流畅视频，展现了 AI 在理解真实世界场景并与之互动能力方面的重大飞跃。

在令人震惊的视频生成能力以外，Open AI表示Sora代表了人工智能领域的一个重要里程碑，因为能够深度模拟真实物理世界，创造出包含复杂场景、生动角色表情以及复杂镜头运动的视频。

为什么“世界模拟器”的出现会如此重要，在上一篇文章里面，我尝试理解并介绍了人类智能的重要表现之一的意识可以定义为：“对内部和外部环境（世界）的感知和预测，‘看到’自己如何行动的能力”。意识的这种特征的重要前提是对于外部环境的一切变化具备基本的模拟和理解。

而对于人类意识的理解，目前还仅仅停留在非常粗浅的阶段，Sora是否具备对于世界的模拟能力目前也仅仅是猜测。这种猜测是基于对于所生成的视频种种迹象，并非是基于对于底层知识的理解和解释。

# 人工创造力

最近在看一本书，叫《无穷的开始》。这本书中有一个观点：人类所具备的对于世界现象的“解释”能力推进一切进步的发生。

这个“解释”能力很重要的工作就是“创造新的知识”。作者认为图灵测试已经不再有效，其根本原因是我们无法在不理解基本原理前通过“描述表现”来定义人工智能。“AGI通用人工智能”能够成立的很重要标志是在没有人为干预的情况下“创造新的知识。而这种能力的表现是具备‘泛化’领域的‘涌现’。”

例如我们能够通过大数据量的机器学习来训练“自动驾驶”能力（自动驾驶是目前最领先具备可落地能力的自主系统），但整个过程都有人为干预，并且自动驾驶无法在“驾驶”领域外表现出“涌现”。

我的介绍非常粗浅，建议阅读《无穷的开始》中关于人工创造力的描述。

# 自主系统

回到今天文章的主要内容：自主系统。上一篇文章有提到关于自动系统和自主系统的最主要差异是是否有人类干预。在过去，由“程序员智能”主导的自动系统大幅度提升了人类生产活动的效率。

从去年开始，对于AI agents 的讨论就一直有很高的热度，基于大语言模型作为技术基础，我们似乎看到了自主系统在这个时代成为现实的曙光。AutoGPT、GitHub Copilot等产品的热度一度高居不下。

图片来源：《The Rise and Potential of Large Language Model Based Agents: A Survey》

今天这篇文章主要是几个内容：

• 尝试定义“自主系统”；

• 尝试比较一些目前所能实现的agent的能力与人类智能之间的差距

我会重点以自动驾驶以及这两年大热的大语言模型为基础的自主系统做案例进行介绍

• 外部的诸如周边汽车信息、道路信息、路人信息、交通符号信息等；
• 而来自内部的信息则包含车辆的运动状态，例如速度和加速度；

• 消极反应的目的是避开诸如碰撞等的糟糕情况；
• 积极反应则包含诸如优化乘客舒适度、减少燃料消耗等等；