top of page
搜尋

AIFP 第零部分: 为什么变革者需要从“第一性原理”开始理解AI?

  • 作家相片: Jinghong Chen
    Jinghong Chen
  • 1月29日
  • 讀畢需時 8 分鐘

已更新：1月30日


嗨, 我是镜鸿. 欢迎你来到这个系列. 这个系列是写给各行各业那些相信AI可以帮助人类进入一个更有创造力的时代的变革者们的. 你也许没有技术背景. 但这不影响你理解下面的内容以及参与到AI带来的变革中来.


自我介绍一下: 我是一名在剑桥大学学习自然语言处理(NLP)的博士生. 在过去的三年间, 我曾担任过工程系硕士生的项目导师, 帮助三名学生从有限的研究经验开始直到独立完成一项研究项目并提交他们的硕士毕业论文. 同时, 我也是北京一家初创公司的AI研发项目负责人, 和伦敦一家AI初创公司的技术顾问. 我曾任五十多名剑桥大学工程系本科生的课程导师, 教授信息论相关知识. 这些是我的技术背景.


促成我写作这个系列的原因是因为我认识几位能从中获得帮助的朋友. 而且我相信: 如果可以让更多有创造精神的伙伴加入, AI能真正帮助人类的未来就越有可能实现. 创造精神可以, 并应该来自各行各业, 而且AI的问题也绝不仅限于技术方面. 在过去一段时间, 我认识到有很多优秀的人需要AI的知识, 而他们能带来的变革将是巨大的. 我对这样的未来感到兴奋, 希望能尽自己的一份努力. 这就是我写作并免费发表的初衷.


现在, 让我解释一下为什么你, 未来的变革者们, 需要从第一性原理出发理解AI.


BridgewayAI是为了连接人存在的, 就像神经网络内部的神经元连接一样. 图像由DALL-E生成. 提示词:"minimalism representation of AI"
BridgewayAI是为了连接人存在的, 就像神经网络内部的神经元连接一样. 图像由DALL-E生成. 提示词:"minimalism representation of AI"



从发明轮子到真正的改变


想象你生活在上古时代的一个部落中, 靠打猎, 采集, 和很基本的农业为生. 有一天, 你脚步沉重地走向你的草房, 准备和家人吃晚饭. 突然, 部落里那位成日在阴暗处敲敲打打的怪人拿着一块圆形的木头从你身边飞快掠过. 你只听到他逐渐远去的声音:


我造出了轮子!

让我们把这位怪人叫做“轮子哥”. 轮子是人类历史上最伟大的发明之一. 它变革型地提高了人类社会的生产力, 为文明的出现奠定了基石. 但, 这一切的功劳都应归于“轮子哥”吗?


显然不是的. 我们可以从常理推导. 只有技术和发明家是不足以改变世界的. 变革来自使用技术解决生产生活中真正的问题. 在”轮子哥“发明轮子之后, 后继者们将轮子改装并制造出了改变世界的解决方案: 手推车让收集变得更加高效, 犁耕让大范围开荒成为了可能, 马拉战车则成为了军事实力的绝对标准, 以至于春秋战国时人们直接以战车的数量衡量国力的强弱(千”乘“之国). 我们的”轮子哥“有可能理解当时人们在采集,农业, 和军事上面对的困难, 并以一己之力发明所有这些变革型的工具吗? 不可能. 同理, 当前我们所处的世界不仅对AI工程师充满机遇(我们这个时代的”轮子哥“们), 对来自各行各业, 希望通过创新解决问题的变革者亦是如此.


但有一件事情是肯定的, 为了制作手推车, 犁耕, 马车, 变革者们首先必须理解轮子是什么. 我可以想象, 这些伟大发明的雏形说不定就是在了解轮子的过程中诞生的. AI也许不像轮子一样能带来颠覆性的改变(还是说, 其实它会?), 但如果你想要使用这项技术进行创新创造, 你就需要对AI技术有基本的理解.


在我看来, 学习AI是一个很好的机会. 说不定下一个改变世界的想法就会在这个学习的过程中诞生. 这个系列的阅读不需要你有任何的技术背景. 因为产生变革性的想法不一定需要你理解所有的技术细节. 你会用AI解决什么问题? 让我们一起探索吧!




从“第一性原理“出发


你肯定在某处听说过AI. 也许你已经在利用专门化的AI工具提高生产力. 为什么要重新从第一性原理出发学习AI呢?


这个系列的目标是从常识出发帮助你形成你自己的对AI技术对理解. 好像是在构建你自己的AI知识树一样. 目前为止, 你肯定已经看过了AI这棵大树上各个枝干上的各种果实. 但你也许不知道这些枝干是如何与主干相连的. 对变革者来说, 更大的问题是如果对大的态势没有把握, 你就无法判断哪些枝条有可能会继续生成, 而哪些几乎肯定会枯萎. 你将不确定如何分配自己的资源.


为了构建你的AI知识树, 我们必须从一个非常坚实的基础出发. 一个你自己可以依赖的基础. 这个基础就是“第一性原理” (或者“公理”). 刚刚“轮子哥”的故事就是这样一个从第一性原理出发推导出当今世界对变革者来说充满机会这一结论的例子. 你只需要常识和逻辑就能让相信这一结论.


当你拥有了自己的知识树后, 你就可以决定你可以为这棵树带来什么: 在哪里栽培和收获属于自己的果实. 同时, 从第一性原理出发能给你“最少假设”这一优势. 你可能因此成为比你的“轮子哥”伙伴们更好的创新者. 专业工程师很有可能对一些假设习以为常, 以致于他们无形中受制于它们. 你可以避免这个问题. 而有价值的革新通常就在质疑现有假设中产生. 这个系列的意义就在于让你具有和技术伙伴进行有价值讨论的理解基础. 你的问题可能会让他们眼前一亮, 而不是因为你显然”不懂AI“而被完全忽略.



学习路线大纲


我会自上而下地开始解释AI技术, 从最基本的概念出发. 我们会尝试”重新发明“每一个重要的AI课题. 下面是我们会讨论的内容:


第一部分. 全局 (The Big Picture).

  1. AI能做什么? AI不能做什么? (What can AI do? What can't AI do?)

  2. 一个(开始)理解任何AI系统的框架. (A framework to (start) understanding any AI system.)

  3. 一份搭建任何AI系统的指南: 人才, 资源, 方法 (A guide to building any AI system: Who, What, and How. )

  4. AI技术简易史 (A short history of AI technology.)

  5. 2025年AI能力概述 (A brief overview of AI capabilities as of 2025.)


在第一部分里, 我们会回答人们看到一样全新事物时会提出的问题: 想象你是一个第一次见到飞机的小孩. 你可能会问下面的问题, 而他们对应了这个系列的五篇文章:

  1. 飞机能做什么? 它能带我们上太空吗?

  2. 这个庞然大物是怎么飞起来的?

  3. 谁造了这架飞机? 他们是怎么造出飞机的?

  4. 谁发明的飞机? 飞机是怎么发展到现在的样子的?

  5. 现在的飞机能飞多快? 它以后还能飞得更快吗?



第二部分. 技术 (Technology)

  1. AI常规”武器库“: 分类器, 预测器, 检索器, 生成器 (The standard AI "weaponary": Classifier, Predictor, Retriever, Generator.)

  2. 训练AI: 从数据中学习的方法 (Training AI: ways to learn from data.)

  3. 运行AI: 如何提供AI服务 (Running AI: what you need to provide AI services.)

  4. 评估AI: 设立有用的”考试“ (Evaluating AI: setting up useful "exams".)


在第二部分, 我们会构成强大AI系统的技术. 这些技术之于AI就好像飞机引擎和升力原理之于飞机一样. 你会学习到AI“轮子哥”们的技术语言. 你会拥有对AI技术的宏观理解, 而这不需要我们研究代码和数学(我相信在未来的时代, 大部分人都不会需要编程. AI会帮助我们). 我们的目标是让你理解你的技术伙伴面对的挑战. 如此, 也许你能帮助他们克服这些困难.


第三部分. 能力 (Capability)

  1. 语言生成：AI 是如何像人一样写作的？(Language Generation: how do AI write like human?)

  2. 图像生成：AI 是怎么画画的？(Image Generation: how do AI paint pictures?)

  3. 视觉检测：如何 AI 变成“看家护院”的守卫 (Visual Detection: making AI "watchdogs".)

  4. 信息检索：如何更快地找到对的东西 (Information Retrieval: finding the right thing faster.)

  5. 胜者预测：如何比买彩票更靠谱. (Predicting the Winner: a better chance than lottery.)


在第三部分，我们将了解如果把第二部分所述的技术组装起来形成有用的工具. 就像有了喷气式发动机和机翼之后，人们能造出战斗机、货运机、无人机。如果把构建创新解决方案比作组建军队，那么了解 AI 的能力就像清楚知道你麾下士兵和将领的能力. 我会介绍几种最广为人知、已被大量现实应用的产品利用的AI 能力. 你会明白这些能力是如何从上一部分的技术组装而成的, 也能思考哪些能力对你所处的领域更有帮助。我们会在第四部分给出更多的现实应用案例.



Part IV. 应用场景 (Use Cases)

  1. AI辅助写作: 美梦已成真 (AI-Assisted Writing: a dream that has come true.)

  2. AI辅助视觉设计: 应许之地? (AI-Assisted Visual Design: the promised land?)

  3. AI辅助安全系统: 已商业化的技术. (AI-Assisted Security and Surveilence System: a commericialized technology.)

  4. AI辅助搜索: “长尾”将变得更长. (AI-Assisted Search: the "long-tail" is getting longer.)

  5. AI辅助科学研究: 找到最有可能成功的方案. (AI-Assisted Scientific Research: finding the most-likely successful path.)

在第四部分, 我们会深入探索AI的现实应用并展示如果组合多种AI能力构造有用的解决方案. 有些使用场景已经非常成熟(如AI辅助写作); 有些还在比较初级的阶段(如AI辅助科学研究)但有着可观的前景. 我们的目标是提供一些研究AI能力的局限性的现实案例, 从而引发更深层的思考. 但这个阶段, 你将有能力自行评估你的解决方案是不是真的可以通过AI技术完成.


第五部分. 未来 (Future)

  1. AI技术将去向何方? 大问题和大机会. (Where is the AI technology headed? The Big Problems and Opportunities.)

  2. AI世界中, 人类何去何从? (What's left for human in an AI world?)

  3. AI安全和社会影响: AI会是破坏性的吗? (AI Safety and Societal Impact: Can AI become destructive? How?)


在第五部分，我们会探讨那个宏大的问题：未来。在2025 年，我们已经可以肯定，试图去预测未来的具体技术细节（比如将来会用什么算法训练 AI）注定会失败。过去 5 年里，这个领域已经经历了超过 3 次技术范式变更。但每一个想要改变现在的人都关心未来，所以这些问题依然重要：我们能对 AI 的未来做什么合理的预测？人在 AI 时代将扮演什么角色？AI 将如何影响我们的社会？我们能做些什么来确保 AI“向善”？



以上就是我们的路线图。希望你也和我一样，对这趟旅程充满期待！让我们一起开始吧！





 
 
 

留言

关注我们.

​获得新内容提醒

bottom of page