八、个人终端、工业计算与云
计算能力进入现实以后，形成了几种很不相同的形态。手机把计算、通信、摄像、定位和多种传感器放进随身设备，使人可以持续接入网络。个人电脑和工作站则保留了更开放的文件、软件和设备连接环境，在长时间写作、编程、工程设计、科学分析和内容制作中仍然承担重要工作。它们都是人直接操作的通用终端，只是适合的任务和使用条件不同。
另一类计算机嵌入机器和基础设施内部，主要负责测量、判断和控制。它们通常不追求不断增加应用，而是要求在特定环境中长期稳定运行，在规定时间内作出反应，并在故障时进入可预期状态。工业设备的使用寿命可能远长于消费电子产品，所采用的芯片需要长期供应，也要同已经存在多年的机械、传感器和软件兼容。一颗速度更快的新芯片，如果尚未经过充分验证，或者更换后需要重新检查整个系统，未必具有实际优势。这也是较成熟的芯片工艺仍然大量存在的原因之一。
个人终端和工业设备之外，还有越来越多计算集中在数据中心。许多服务器共同使用供电、冷却、通信和维护设施，为远处用户提供存储、计算和软件服务。云计算改变的主要不是计算原理，而是取得计算资源的方式。过去，一个机构开展新业务，常常需要先购买服务器、建设机房并安装软件；云服务则把计算和存储组织成可以按需要调用的资源。任务增加时可以临时扩大，需求下降时又可以减少，使用者不必先确定每一台具体机器。
这种灵活性使小型团队也能迅速获得过去只有大型机构才能建设的计算条件，却没有消除物质限制。云端数据仍然位于具体设备中，远距离访问仍会受到网络速度影响，数据中心仍然需要大量芯片、电力和冷却。服务集中以后，一次故障也可能同时影响许多机构和用户。现代计算体系因此同时包含分散与集中：个人终端和各种设备遍布现实环境，大型计算和存储又不断集中到数据中心，网络把两者连接起来，使一项任务可以在不同位置之间分配。

九、互联网为什么能够形成整体
互联网不是由某个机构一次建成的单一网络。家庭、企业、学校、数据中心和通信运营商各自建设网络，不同网络再按照共同规则彼此连接。“互联网”这个名称本身，指的就是网络之间的互联。信息传输时，一份文件通常不会作为不可分割的整体直接送往目的地，而会被分成较小的数据包。许多用户的数据包可以共享同一条线路，中间设备再根据地址逐段转发。部分数据包可能经过不同路径，到达时间也可能不同，接收端按照共同规则检查和重新组合。
这种方式不要求发送者和接收者之间始终保留一条固定线路。某段网络拥堵或者中断时，数据可能改走其他方向；但数据包也可能丢失、重复或顺序混乱。通信协议规定了双方怎样确认数据、何时重新发送、怎样控制速度以及如何识别不同类型的服务。更特别的是，互联网没有一个负责安排全球全部通信的总调度中心。
一家网络运营者主要管理自己的设备和内部连接，同时同相邻网络交换信息，说明哪些目的地址可以经过自己到达。其他网络结合这些信息，决定数据下一步应当交给谁。大量局部选择连续起来，便形成跨越许多网络的路径。单个网络不必掌握互联网全部线路的实时状态，也不必预先知道每个数据包最终经过哪些设备，只需要按照当前掌握的信息作出下一步转发决定。从有限的局部信息中形成全球连接，是互联网最重要的结构特征之一。
这种体系同神经系统有一点形式上的相似：局部单元不必拥有完整的整体地图，也能通过有限连接参与全局活动。但互联网依靠的不是自然演化形成的神经回路，而是公开的技术协议、网络之间的协作以及工程人员持续不断的运行维护。互联网也不是所有部分都同样分散。域名解析、云服务、软件平台、海底光缆和大型数据中心都可能集中在少数机构或地点，大型运营网络在连接体系中的地位也不相同。更准确地说，互联网的基本通信架构没有一个必须控制所有数据的中央节点，但建立在它上面的具体服务完全可能高度集中。
这种结构使互联网容易扩展。一个新网络不必等待某个全球控制者重新设计整个系统，只要获得地址、建立连接并采用共同协议，就可以加入互联网。局部线路发生故障时，其他路径也可能继续工作。同样的结构也会带来问题：网络之间交换的路径信息可能出错，软件和设备可能存在缺陷，少数重要线路和服务中断也可能产生广泛影响。互联网能够运行至今，并不是因为去中心化天然可靠，而是因为共同协议、分散决策、冗余连接和长期维护共同维持了这个不断变化的体系。

十、经典计算之外：量子技术
前面讨论的计算机，无论采用中央处理器、图形处理器还是专用芯片，都用明确的0和1表示信息，并通过经典电子电路改变这些状态。量子计算尝试使用另一类物理过程处理信息。量子计算机使用能够保持和控制量子状态的物理对象作为量子比特。计算过程中，多种可能状态共同参与后续演化；经过精心安排，不同演化路径可以相互增强或抵消，最后再通过测量得到普通的数字结果。
它经常被说成“同时尝试所有答案”，但这种表述夸大了叠加本身的作用。量子计算机在最后测量时不能把所有可能答案一起交出来。如果没有合适的算法安排干涉，最后得到的只是一种概率结果，并不会比随机尝试更有价值。因此，量子计算并不是一种对所有任务都更快的计算机。只有某些问题具有适合量子算法利用的结构。大数分解、量子物质模拟以及少数数学问题可能获得重要优势；文字处理、数据库、网页服务、机械控制和绝大多数日常计算，不会因为改用量子计算机就普遍加快。
证明某种量子算法在理论上更快，同制造出足够大、足够稳定并能完成实际任务的机器，是两件不同的事。量子状态容易受到环境干扰，操作误差又会不断积累。为了得到少量可靠的逻辑量子比特，可能需要大量物理量子比特进行检测和纠错。量子计算更可能成为经典计算体系中的专用工具：普通计算机准备数据、控制装置并处理大部分工作，量子设备只承担其中适合量子算法的环节。它的长期价值不能从“量子现象很奇特”直接推出，而要看这种特殊计算方式最终能解决多少重要而又无法由经典计算有效处理的问题。
量子通信和量子传感虽然也利用量子规律，却不是量子计算的附属用途。量子通信试图利用测量会改变量子状态的性质建立新的密钥分发方法；量子传感则利用量子系统对环境变化的敏感性，提高时间、磁场、重力和加速度等测量精度。三者面对的问题、工程条件和成熟程度并不相同，不宜合并成一个笼统的“量子产业”。

十一、从执行程序到从数据中学习
从数字编码到程序，从晶体管到芯片，再到个人终端、数据中心和互联网，现代计算已经形成一套覆盖信息表示、运算、存储和传输的完整体系。这套体系最擅长处理能够写成明确步骤的工作。一旦规则已经确定，计算机可以用远超人的速度反复执行，而且不会因为疲劳而随意改变标准。科学计算、工业控制、通信、金融记录和现代行政系统，都建立在这种能力之上。
但现实中还有许多任务，很难预先写出完整规则。人可以辨认不同角度、光照和背景中的物体，却很难逐条说明自己究竟依据了哪些特征；人能够理解同一句话在不同语境中的含义，也很难为语言的所有变化列出确定规则。传统程序并非完全不能处理这些问题。人们曾经编写大量规则，规定机器应该寻找哪些特征、遇到哪些情况作出什么判断。这种方法在范围明确、环境稳定的任务中仍然有效，但当对象变化太多、规则数量迅速增长时，人工列举很容易达到极限。
另一条道路由此逐渐发展起来：不再由人预先写出全部判断规则，而是让机器从大量数据中调整一个模型，使它在新的输入上给出合适结果。程序仍然由计算机执行，训练仍然依赖芯片、存储器和网络，但机器能力的来源发生了变化——一部分规则不再由人逐条规定，而是从数据和训练过程中形成。人工智能不是脱离计算机出现的另一种神秘机器，而是在数字化、芯片、软件和网络已经发展到足够规模以后，人类获得的一种新的信息处理方法。下一节将讨论：机器怎样从数据中形成模型，这种方法为什么能够处理语言、图像和声音，又为什么它在表现出惊人能力的同时，仍然会犯下与传统程序很不一样的错误。

第二节 人工智能：机器怎样从经验中形成能力
一、过去的计算机，首先要求人知道规则
上一节讲过，计算机能够按照程序处理数据。长期以来，这种能力有一个很自然的前提：人必须先知道怎样把任务写成规则。
计算工资，可以规定税率、收入和扣除项目怎样计算；数据库检索，可以规定符合哪些条件就返回哪些记录；工厂控制系统，也可以规定传感器读数达到什么范围以后启动什么设备。只要规则足够明确，计算机能够比人快得多，也稳定得多。
但人类长期掌握着另一类能力。
我们能认出一张陌生的脸，听懂一句从未听过的话，判断一张模糊照片里是什么东西，也能从一篇文章中大致把握作者在说什么。这些事情并不是没有规律。问题在于，规律很难被完整写成一张规则表。
例如手写数字“7”。不同人的写法可以粗细不同、倾斜不同、大小不同，有的人中间加一横，有的人不加；笔迹还可能断裂、模糊，甚至和“1”有些相似。人通常仍然能够识别。若要求程序员预先规定“只要满足这些具体条件，就是7”，很快就会碰到大量例外。
早期人工智能曾经大量尝试这种路线：把专家使用的知识和判断规则直接写进机器。它在规则明确、范围有限的问题上取得过成功，但面对图像、语言和复杂环境时，规则数量会迅速增长，而且新的例外不断出现。
机器学习带来的重要变化，是把其中一部分工作倒了过来。
人不再要求先把完整规则写出来，而是给机器许多实例，让它在处理这些实例的过程中形成自己的处理方法。

二、机器究竟学到了什么
还是从手写数字开始。
一张28×28像素的灰度图片进入计算机以后，可以表示成784个数，每个数记录一个位置的明暗程度。为了说明方便，我们暂时只看其中几个，把它们叫作a、b、c……
下一层会产生另一批数，例如d、e、f……其中每一个数，都由上一层的许多数按照同一种简单办法算出来。例如：
d = 0.8a − 0.3b + 0.2c + … + 0.1
算完以后再作一个很简单的处理：如果结果小于0，就把它记成0；如果大于0，就保留原来的结果。
e也是这样算，只不过前面的系数换成另一组数；f也是如此。这一层的其他数字，都采用同一种基本计算方法。
到了下一层，还是一样。假如这一层已经得到d、e、f……，下一层的某个数p可以是：
p = 0.4d + 0.7e − 0.2f + … + 0.3
然后同样判断一次正负。
所以，如果某一层是一批数a、b、c……，下一层是另一批数d、e、f……，每一个下一层的数，都是把上一层的许多数分别乘上不同系数，再加起来。基本规则并不会随着层数增加而突然变得神秘，变化的是每个连接使用什么系数。
每层的数字个数也不必相同。一张图片开始时有784个输入，下一层可以变成128个数，再下一层变成64个，最后只留下10个数，分别表示这幅图像更像0、1、2……还是9。哪个数最大，模型就作出相应判断。
单独拿出任何一个节点来看，它所做的事情都只是乘法、加减法，再加一次简单判断。复杂性来自另一件事：这样的节点很多，一层接一层，而且每一条连接前面的系数都可以不同。
这些系数，以及算式最后额外加上的数，就是模型能够通过训练改变的参数。
一个很小的“784—128—64—10”网络，已经有大约11万个这样的参数。怎样理解这个数字所产生的复杂程度？
不妨作一个极端简化：假定每个参数只有10种可能取值。那么整个网络就有10的11万次方种可能的参数组合。这个数字写出来并没有多少帮助，可以换一种想法。
宇宙从大爆炸到今天大约经过了4×10^17秒。可观测宇宙中的恒星数量大约在10^22到10^24这个量级。假定每一颗恒星都变成一台计算机，而且每秒能够试十亿种参数组合，从宇宙诞生一直试到今天，所有恒星加在一起也只能尝试大约10^51种组合。和前面的参数空间相比，这个数量仍然小得几乎没有意义。
甚至可以继续作一个荒唐的想象：把每一颗恒星都换成一整个同样大小的可观测宇宙，再让里面每颗恒星都这样计算；然后再把里面的每颗恒星继续换成一个宇宙，一层一层套下去。要把这个数量级追上，需要套上数千层。
真实训练当然绝不会把所有可能组合逐个尝试。它利用的是另一件事：模型每次犯错以后，可以算出许多参数分别朝哪个方向稍微改变，通常能使误差减小一点。于是它不是在一个不可想象的组合空间里随机试错，而是沿着能够让结果逐渐改善的方向，一点点改变参数。
经过大量训练以后，一批局部看起来极其简单的加减乘法，最后却可以共同完成数字识别这样的任务。神经网络的复杂，并不意味着每一步计算复杂。恰恰相反，每一步可以简单得近乎乏味；复杂能力来自海量简单关系经过训练以后形成的组合。
经过这些层以后，模型内部形成了一批新的数值关系。同一个“7”可以写得很大、很小、很斜，原始像素可能相差很多；经过多层计算以后，它们却可能变成较为接近的内部状态。相反，有些局部相似的“1”和“7”，又可以逐渐被分开。机器学习中所谓“表示”，大体说的就是这种事情：原始数据仍然是那些数据，但模型学会了一种更适合当前任务的组织方式。

三、为什么训练样本之外的表现更重要
一个模型如果只会认训练时见过的图片，并没有多少实际价值。
真正有用的是，换一个人写，换一支笔，图片稍微变暗，数字向旁边移动几个像素，它仍然能够作出合理判断。这种把训练中形成的能力带到新情况中的表现，通常称为泛化。
泛化并不会因为模型足够复杂就自动出现。
恰恰相反，一个拥有大量可调参数的模型，很可能把训练材料中的偶然细节也学进去。例如一批训练图片中，猫恰好大多出现在沙发上，狗大多出现在草地上。模型完全可能利用背景完成分类，而不是学会我们真正希望它掌握的动物特征。这样，它在训练材料上的成绩可以非常好，一换环境却迅速失效。
如果模型过分适应了训练材料中的这些偶然特点，通常称为过拟合。
更多而且更多样的训练数据，往往是减少这种问题的重要办法。只看几十张照片时，沙发和猫可能总是一起出现；看过不同环境、不同姿态、不同品种的大量图片以后，这种偶然关系就更难一直成立。模型必须找到能够跨越更多变化仍然有效的关系，才容易在新数据上保持表现。
因此，机器学习真正关心的并不是“能不能把已有材料学得足够熟”，而是学到的东西离开原来的材料以后还能不能用。
这也解释了为什么测试模型不能只看一个最高分数。真正需要知道的是：换一些没有参加训练的数据，它还能不能保持能力；如果环境进一步变化，这种能力又能维持多久。

四、深度学习改变了什么
早期机器学习已经可以让机器从数据中调整模型，但很多任务仍然需要人先替机器决定“应该看什么”。
识别图像时，工程师可能先设计程序提取边缘、纹理、轮廓和颜色，再把这些人为选择的特征交给后面的分类器。语音识别和其他领域也有类似做法。
深度学习的重要变化之一，是让这种“怎样表示问题”的工作有更大一部分也进入训练过程。
多层神经网络可以让前面的计算先形成某些较简单的内部关系，后面的计算再在这些结果上继续组合。层数增加以后，模型可以逐渐形成越来越适合任务的内部表示，而不必要求工程师预先规定每一种特征应该长什么样。
这并不意味着人退出了设计。网络结构怎样安排，训练目标怎样规定，什么数据进入训练，怎样评价结果，仍然需要大量人为选择。只是其中一部分过去必须直接由工程师写出的表示方法，现在可以通过训练形成。
这件事看起来只是技术路线变化，后果却很大。图像、声音和语言中的大量规律，本来很难逐条写成程序。只要这些规律能够在大量数据中稳定出现，机器就有机会通过训练把它们吸收到内部表示中。
过去一项任务往往需要工程师先理解问题，再把理解翻译成特征和规则；现在，有些原来只能依靠这种人工翻译的步骤，可以交给数据和训练完成。

五、规模为什么会改变能力
许多复杂任务之所以直到近年才取得明显突破，一个重要原因正是机器可以利用的数据规模和计算规模发生了巨大变化。
对于手写数字，几万张图片已经能提供相当丰富的变化。但语言面对的是另一种数量级。
一句话的意思不仅取决于其中有哪些词，还取决于词语怎样组合、前后文说了什么、说话的人默认哪些背景知识。同一个词放进不同领域可能含义不同，同一个问题在不同语境中也可能需要完全不同的回答。
如果希望机器只完成一个很窄的任务，需要学习的范围还比较有限。如果希望同一个模型能够阅读新闻、翻译文章、编写程序、解释科学概念、总结文件并回答开放问题，它就必须接触远为广泛的经验。
数据规模扩大带来的不只是“同样的东西看更多遍”。更重要的是，模型接触到的变化范围扩大了。
一种语言怎样写法律文件，怎样写小说，怎样讨论化学，程序员怎样解释错误，历史学家怎样描述一个事件，这些材料之间有很多不同，也有大量共同结构。模型如果能够同时从这些材料中学习，就可能形成一些不只服务于单一任务的内部关系。
近年的一个重要变化，是同一个大型模型开始能够承担许多原本分开的任务。
过去，机器翻译是一套系统，图像识别是一套系统，语音识别和问答又各自发展。今天，它们中的相当一部分开始建立在共同的大模型能力之上。模型先在极大规模的数据上学习较为通用的表示，再通过指令、示例、进一步训练或者外部工具用于不同任务。
这使人工智能逐渐从“一种任务配一套专门模型”，走向一种更通用的信息处理基础能力。
当然，数据很多并不意味着什么数据都同样有价值。同一批材料重复一千遍，不会产生一千倍新的经验；错误、重复或者极度单一的数据，也可能让模型学得更加狭窄。真正重要的，是模型能够接触到多少彼此不同、又与任务有关的有效经验。
这个问题到了大型模型时代，会变得更加重要。因为这时已经不能只问“有多少数据”，还必须问：这些数据究竟是怎样来到这里的。

六、为什么预测后面的文字会产生这么多能力
大型语言模型常见的一种训练方法，看起来甚至有些简单：给出一段文字，要求模型判断后面最可能出现什么。
如果材料只有几个词，这种任务确实很简单。但文字规模扩大以后，预测后文需要利用的关系会越来越复杂。
一篇历史文章写到某个人物，接下来发生什么，取决于人物、年代和事件之间的关系；一段程序能不能继续写下去，取决于变量、函数和前面代码的结构；一个科学问题如何回答，则需要利用大量概念以及它们之间的联系。
为了在极其广泛的文本中不断预测后续内容，模型不得不形成越来越丰富的内部关系。
这并不等于它在内部保存了一部可以逐页翻阅的百科全书，也不能说明它以和人完全相同的方式理解这些内容。更准确地说，语言中大量反复出现的结构、事实关系和表达规律，被吸收到模型的内部表示中。
这样训练出来的模型，在使用时可以根据新的输入生成此前没有完整出现过的内容。它可以改写一句话，可以根据资料写摘要，可以完成程序片段，也可以把若干概念组合起来回答一个新问题。
“生成”由此成为一种新的计算接口。
过去使用软件，人通常必须知道某个菜单、命令或者程序提供什么功能；生成式模型则允许人直接用语言描述目标，让机器根据已有能力组织输出。
这显著降低了使用复杂计算能力的门槛，也使许多原来相互分开的软件功能开始集中到同一个交互界面中。

七、模型学到的世界，从哪里来
一个模型接触了极其庞大的训练材料，并不意味着它接触了“世界本身”。
现实中的事情首先要发生，然后被人观察、测量或者经历；其中一部分才会被记录下来。记录可能变成书籍、报纸、论文、档案，也可能成为实验数据、病历、企业文件、照片、录音、网页和论坛帖子。记录下来以后，还必须被保存下来；纸质材料可能经过几百年仍然存在，也可能毁于战乱和火灾，数字材料看起来容易复制，却也可能随着网站关闭、数据库迁移或者平台停止维护在几年之内消失。
保存下来的材料还需要能够被机器取得和处理。一部从未数字化的旧书，对今天的模型几乎等于不存在；一批已经扫描但无法可靠识别的档案，也很难直接使用；大量存在于私人组织和企业内部的数据，则可能从来不会进入公共训练材料。
因此，一条知识真正成为人工智能能力的一部分，中间经过的并不是一个简单过程：
事情发生 → 被观察或测量 → 被记录 → 被保存 → 能够取得 → 被转换成机器可处理的形式 → 进入训练
每一步都会留下选择。
哪些事情值得写进正式文件，哪些经验主要靠口传和操作继承；哪些书籍被大量出版，哪些只留下极少副本；哪些语言拥有庞大的出版和网络资料，哪些语言很少数字化；哪些机构愿意长期保存原始数据，哪些只保留最后整理出的报告——这些差异都会影响后来机器能够看到什么。
更重要的是，这些缺失并不是随机发生的。
一个社会怎样生产知识、怎样记录事情、怎样保存档案、什么资料可以长期取得，本身都有稳定的制度和习惯。它们原本并不是为人工智能设计的，但几十年甚至几百年以后，却可能直接决定模型能够从过去学到多少东西。
于是，知识生产、记录、保存和可访问性的制度，会成为人工智能能力的一部分。
这并不是说这些制度被直接写进了模型程序。它们更早地作用于训练材料：决定什么经验留下来了，什么消失了，什么被反复记录，什么几乎没有留下痕迹。模型再从这些材料中形成自己的内部结构。
扩大训练规模可以减少“材料太少”造成的问题，却不能自动恢复没有留下记录的世界。
这也是为什么“读过整个互联网”即使真的能够做到，也不能等同于“读过人类经验”。互联网只是人类记录的一部分；今天还能取得的互联网，又只是过去互联网保存下来的一部分。

八、数据记录的，有时不只是我们想研究的对象
数据还有另一层容易忽略的性质。
医院数据库记录疾病，但它同时记录了哪些人能够到医院、医生怎样诊断、哪些检查被做了以及医院怎样保存病历。犯罪数据记录案件，也同时受到报警、立案和统计制度影响。企业销售数据不仅反映消费者，还反映企业过去怎样定义客户、怎样考核员工、哪些失败交易值得记录。
因此，一套数据常常同时包含两种东西：它想描述的现实，以及产生这套数据的制度和过程。
如果模型直接从其中寻找规律，两者可能一起被学进去。
一个地区登记了更多某种疾病，不一定只说明那里疾病更多，也可能说明检测能力更强；某类事件在数据库中很少，也可能因为它很少被记录。
这并不是人工智能特有的问题。统计学、医学和社会科学长期都要处理类似困难。
人工智能让这个老问题变得更加重要，是因为今天的模型能够吞下远超个人阅读能力的数据规模。数量增加以后，人很容易产生一种错觉：资料足够多，局部偏差就会相互抵消。
有些随机误差确实会随着样本增加而减小。但如果记录机制本身持续朝某个方向筛选，更多同类数据只会更加准确地学习这种筛选结果。

九、更多资料为什么不自动产生更正确的知识
人工智能很擅长从大量材料中发现反复出现的规律。
但资料更多，只能让模型更充分地学习这些材料中存在的规律，并不能保证这些规律本身正确。
例如，如果我们主要用哥白尼以前的欧洲天文学著作训练一个模型，它学到的自然会是一套以地球为中心解释天体运动的知识体系。它可以非常熟练地解释行星为什么有时看起来向后运动，也可以利用当时已经相当精细的计算方法预测天体位置。
如果把这样的资料增加十倍、百倍，它会把这套知识学得更加完整，却不会因为书读得足够多，就自己得到后来建立起来的现代太阳系图景。
这里缺少的并不是更多旧书，而是新的观测和新的证据。
随着天文测量越来越精确，望远镜带来了过去没有的观察结果，原有理论与新的事实不断发生摩擦，人类才逐渐建立起新的天文学。
人工智能面对已有资料时也是如此。
如果历史记录长期重复同一种错误，模型没有一种站在资料之外的特殊能力，能够仅凭“读得足够多”自动把它纠正过来。相反，它完全可能把这种错误学得非常完整，甚至比任何个人都更熟练地解释和运用整套旧知识。
所以，更多数据解决的是“怎样更充分利用已有经验”的问题，却不能单独解决“已有经验本身是否正确”的问题。
新的知识最终仍然要来自世界本身：新的观察、新的测量、新的实验，以及能够让不同解释接受检验的方法。
人工智能能够大幅提高我们利用已有知识的能力，但学习过去留下的记录，不能代替继续向现实世界取得新证据。

十、为什么一个很强的模型仍然不等于一个可用的系统
模型训练完成以后，拥有的是一种处理信息的能力。现实工作却通常要求更多。
一个模型回答企业库存问题，需要取得当前数据库；安排出差，需要访问日历和交通信息；辅助研究，需要读取实验数据；控制设备，则必须接收传感器状态并把结果送给执行机构。
因此，现代人工智能越来越多地和搜索、数据库、普通软件以及其他工具结合。
模型可以负责解释目标、处理非结构化信息、选择下一步操作；传统程序则负责精确计算、查询可靠记录和执行明确动作。
这种组合十分重要。因为模型内部保存的知识可能过时，也可能不够精确。能够实时查询可靠外部资料，就不必要求模型把一切事实永久记在参数中。对于计算、数据库修改和其他需要精确执行的任务，也可以把工作交给更可靠的普通程序。
这使人工智能从“给出一段文字”逐渐走向“完成一项任务”。
但系统越向现实行动靠近，对可靠性的要求也越高。一个模型偶尔把一段广告写错，代价可能很低；如果错误结果直接进入财务系统、生产设备或者医疗决策，完全相同的错误率就可能不可接受。
所以评价一项人工智能应用，不能只问模型是否演示过这种能力。还要继续问：它需要哪些数据？这些数据是否可靠？能否接入现实流程？错误是否容易发现？结果怎样验证？失败以后谁来接管？
这些问题不是给人工智能设置额外障碍。它们本来就是任何技术从“能够工作”走向“成为现实能力”必须经过的过程。

十一、人工智能为什么会出现一些很不像人的错误
现代模型有一个很有意思的特点：它可以完成许多人认为相当困难的任务，却仍然可能在一些简单问题上突然失误。
这和它形成能力的道路有关。
人的知识建立在身体经验、长期教育、社会生活和现实行动中。模型则主要从训练材料中形成内部关系。两者都能表现出语言、推理和分类能力，却不必以同一种结构实现。
因此，用人的直觉预测机器在哪些地方会失败，并不总是可靠。
一个模型可以写出复杂程序，却在一个略微改变的问题上漏掉明显条件；可以生成非常流畅的科学说明，却同时编出一个不存在的引用；也可能在多数情况下表现稳定，在一种训练中很少出现的环境中迅速失效。
这并不意味着模型“完全不懂”，也不能因为它偶尔完成了困难任务，就认为所有较简单任务都已经自动解决。
更实用的评价方式，是看某种能力在什么条件下稳定存在。成功率有多高？输入稍有变化会不会失效？失败容易不容易被发现？能否用外部资料检查？错误的代价有多大？
这种判断方式并不只适用于人工智能。任何复杂技术最终都要从演示能力转向可靠性、边界和使用条件。

十二、机器是否“理解”，不是所有问题的前提
大型模型能够写作、编程、回答问题以后，一个自然的问题是：机器究竟是不是在“理解”这些内容？
这个问题有一部分可以实验，有一部分则取决于我们怎样定义“理解”。
如果所谓理解，是指能够利用概念之间的关系处理新问题，那么现代模型已经表现出相当广泛的这类能力。它们可以把同一件事换一种方式解释，也可以把学到的关系迁移到训练中没有逐项指定的新任务。
但这不能自动推出模型拥有和人一样的主观体验、意图或者自我意识。
前一章已经看到，人类智能形成于神经系统、身体和社会环境的长期相互作用。机器通过数字数据训练形成能力，是另一条完全不同的道路。
在多数实际问题中，我们也没有必要先解决这个哲学问题。
一座桥不需要具有“理解力”，我们仍然可以判断它能否承重；一个模型是否具有和人一样的意识，也不是判断它能否可靠完成某项工作的前提。
真正需要知道的是，它在什么条件下拥有什么能力，以及这种能力能否被验证和使用。

十三、从一种任务一个程序，到一种模型承担许多任务
回头看人工智能的发展，最重要的变化并不只是机器在某几个测试中超过了人。
更深的变化发生在机器获得能力的方式上。
过去，计算机的用途主要来自人写出的程序。机器学习以后，一部分处理方法可以从数据和反馈中形成。深度学习进一步让内部表示本身也更多地由训练塑造。到了大型基础模型，同一套训练得到的能力又开始跨越过去彼此分开的任务。
这并没有使程序、数据库、搜索、测量和传统工程消失。相反，人工智能越进入现实，它越需要同这些系统结合。
模型提供的是一种新的通用能力：从大量经验中形成内部表示，在不可能逐项写出规则的问题上处理新的输入，并利用语言等开放形式与人和其他软件连接。
这项能力有非常明显的限制。它受到训练材料、计算资源和现实数据的约束；从记录中学到的世界并不等于世界本身；能够生成合理结果也不自动意味着结果已经经过验证。
但它已经改变了计算技术的一条基本边界。
过去，人通常必须先知道怎样解决一个问题，才能把解决方法写进机器。现在，在一部分问题上，人可以先提供经验、目标和反馈，让机器形成一套人没有逐条写出的处理方法。
而当这种能力开始集中在能够处理许多任务的通用模型中以后，人工智能就不再只是若干特殊软件的总称。它开始成为现代计算体系中的一个新的基础层。
下一节讨论的，将是另一道边界：当机器不只处理文字、图像和数据，而需要在现实世界中感知位置、控制运动、应对变化时，计算能力怎样真正变成行动能力。

第三节 感知、控制与机器行动

一、固定环境里的精确机器
工业机器人并不是人工智能出现以后才有的。几十年来，汽车、电子、机械加工等工厂里已经有大量机械臂完成焊接、搬运、喷涂和装配。它们可以一天重复成千上万次相似动作，而且位置误差很小。

这样的机器并不一定需要“看懂”周围世界。工程人员可以先规定机械臂应该经过哪些位置：从这里下降，到那里夹紧，再抬起、转动，最后移动到另一个位置。机械臂的每个关节由电机驱动，编码器不断测量关节已经转到了什么角度。控制器比较“现在在哪里”和“应该在哪里”，再调整电机。

因此，一个机械臂即使不知道自己抓的是汽车零件还是一块木头，也可以把动作完成得非常精确。这里有一个重要条件：现实环境也必须配合机器。

工件要每次出现在差不多相同的位置，所以工厂使用夹具把它固定；传送带在规定位置停止；零件尺寸受到公差控制；无关物体不会随意进入工作区域；必要时还会用围栏把人和机器隔开。如果机器难以应付世界的全部变化，一种非常有效的办法，就是先把机器周围的世界变得可预测。

这种方法直到今天仍然十分重要。在大量重复生产中，让环境标准化，往往比制造一台什么情况都能应付的机器人更便宜、更快，也更可靠。

问题出现在环境开始变化以后。把原本固定的零件向旁边挪十厘米，那台机械臂仍然可能准确地伸向原来的位置。它的电机没有坏，控制也没有失灵，只是它不知道世界已经变了。机器要面对这样的变化，首先必须获得关于周围环境的信息。

二、机器怎样知道周围发生了什么
机器可以使用很多种传感器。编码器告诉机器关节转到了哪里；加速度计和陀螺仪反映自身怎样运动；力传感器可以知道是否碰到了东西；温度、压力、声音和化学传感器观察不同的物理变化。摄像头、雷达和激光雷达则可以在较大范围内取得环境信息。

摄像头有一个很特殊的优点：一张画面里可以同时包含物体的位置、大小、形状、颜色、文字、道路标志、人的动作以及物体之间的关系。而且人类环境本来就有大量信息是为视觉准备的。交通标志、标签、仪表、屏幕、指示灯和人的手势，原本都是给人看的。机器一旦能够可靠处理图像，就可以直接利用许多已经存在的环境，而不必给每一件东西重新安装专门接口。

但机器感知并不只依赖视觉。摄像头可以看到机械臂前面有一个杯子，却未必知道杯子有多重；真正接触以后，力和触觉信息才开始变得重要。无人机保持姿态时，陀螺仪和加速度计通常比视觉更直接。自动驾驶汽车还可以利用雷达、轮速、卫星定位等不同来源的信息。

这些传感方式观察世界的物理原理不同，失效方式也不同。黑暗、强光、雨、雾、积雪、遮挡和地面反射，对不同传感器的影响并不相同。因此，现实机器经常把多种信息结合起来。

这也带来新的问题。传感器会有噪声，不同设备需要校准，时间可能不同步，两个传感器还可能给出互相矛盾的结果。信息越多，并不自动意味着机器对世界知道得越准确。

真正的问题是：为了完成这项任务，机器必须知道什么？恒温设备不需要知道房间里桌椅的位置。机械臂抓取一个零件，需要知道零件在哪里、朝什么方向、机械臂自身在哪里，以及是否已经抓牢。汽车则需要知道道路在哪里，周围有哪些物体，它们正在怎样运动，自己又处于什么状态。

这些信息未必由某个传感器直接给出。机器往往需要把许多不完全可靠的测量合在一起，形成对当前状态的估计。它并不需要复制整个现实世界，只需要形成一份足以支持下一步行动的状态。