AI 不能实现人性化只能实现逻辑拟人化
AI 会从另一个维度来看待人性，从海量数据里得到概率参数，把生物的神经情绪反应参数化，概率化，就像三棱镜把光分成七色一样，站在另一种高度把人看透
个人觉得不太认同，觉得 AI 不能实现人性化只能实现逻辑拟人化。
这个讨论源起与chatGPT，就从chatGPT说起。
chatGPT的判断标准是，就是人的表达逻辑，也就是说，chatGPT 根据输入产生的输出给人看，符合人的表达逻辑就行。这个逻辑，显然，符合基本的语言逻辑就可以了。人的语言逻辑，从根本上讲，都是语言文字形成的表述方式。虽然各种语言的表述方式不同，也就是语言不同，但是表达逻辑也是有限的。比如可以用公式表达：我们可以把英文的表达逻辑写做，，相对应的 其他的语言也都可以这样。那么，chatGPT 的统一模型也就是
。也就是一个集合模型，显然这个也是有限的，也就是说这个是可以实现的。
从模型结构角度，chatGPT 本质是 将 文本 和 矩阵 进行 编解码，也就是 encoder 和 decoder；中间串联或者递归 注意力机制组成的。注意力机制是什么呢？在机器视觉领域，有一个效果最好，用处也最广的模型，叫 YOLO，可以以实时的视频流去识别出每一帧画面中的是人、还是车还是各种类别。他最初的原理就是，如果我想在画面里面找到人，一个画面，我划分成四块，人到底是在四块中的哪个部分。在的那个部分就可以继续划分，知道找到准确的位置。这个是在 文本中非常好使用的，因为 文本 特别是 英文文本存在 天然的分割，就算 中文这种不好分割的，北大很早就做过中文语料的分割标定（文言文有个句读），都是完全可以处理的。通过这种注意力机制的判定，就可以知道，你关心的，或者关联关心的内容，都是有哪些。
总结一下，就是 chatGPT 理解 世界 的 原理 是基于 人的语言表达逻辑的，这种逻辑是有限的，在语料丰富的情况下，是完全可以覆盖掉的；而且其判断依据是人的主观，主观带有常识性的注意力表现，这种表现是长期的语言文字的积累形成的，也是符合语言逻辑的。因此，使用 chatGPT 去实现这个功能是完全可能的，虽然大量，但是毕竟有限。
从模型实现的角度，最主要的问题是找这个语言模型函数，神经网络是可以从最大似然估计和贝叶斯理论去解释的，可以看这个视频
有很完整的推导过程。表述方式上都是 概率论，也就是你说的概率参数，但是概率学的基础是服从一定的分布，任何模型的基础模型都是会有分布的约束的，这些分布就是大家常见的 泊松分布、高斯分布、几何分布、二项分布、指数分布。举个例子，神经网络最开始是想替代计算机的 0101，做神经网络计算机，出现的反向传播网络，就是基于 二项分布的，也就是说，我们把所有的事物，都可以通过 A 和 非 A 进行判定，并进行一层一层的叠加。 对于 语料模型来说，他可能没办法进行简单的组合，但是在注意力机制下面，你核心关注的 那几个词汇（token），是服从高斯分布或者泊松分布的；而他和其他词语相关连的相关性，也是符合泊松分布或者高斯分布的。这样，就可以通过大量的“概率参数”，虽然这个函数没办法写出来，实际上也就是 大量的 高斯分布和 泊松分布的串联或者并联的叠加，这个参数也就是 高斯分布或者泊松分布 的参数 加上 叠加的形式，电路的串并联表示也是可分的。这样就可以通过网络模型进行拟合这个超高维度的语言模型。
基于这样一个判断，文本输出产生的文本输出，在符合语言逻辑的这一判定标准上看，肯定能产生确切的结果，也就是 像 和不像，这个结果是确定的。猫肯定就是猫，因为全世界人民定义的猫是一个猫，就算有细节差别，发生判定误差的概率是可以接受的。
接下来，我想说明一下，人性为什么不行？
1. 人性有很强的随机性。
这个有个很简单的例子，就是老板提的需求，让你写的报告，肯定不会通过的，也有时候竟然神奇的通过了。当你问通过的原因，可能并不是你写的好（符合很好的老板的语言逻辑），而是今天老板比较忙，被其他的事情耽误的，时间来不及了。有时候一直不让你通过，你可能改了很多遍，可能是非常牛的人写的，但是还是通过不了。这种随机性，和文本本身没有关系，也就是说你注意的是文本，你搜索和文本相关的关系，你还是找不到原因。这个时候老板忙这个影响因素出来了，他和你写的这个东西，在空间时间和概率上，并不能严格的认为有显著相关性，A 的发生影响 B 或者隐式影响 B，也就是符合马尔科夫过程或者隐马尔科夫。那么，在数据上，就很难标定出相关性，计算的时候就以小概率的形式已经 pass 掉了，所以，得到的结果，是非确定的。假设存在，但是结果的发生，不是大概率倾向某一种结果。计算出来的结果可能倾向某一方，但是在实际中表现的就是一直是 50% 和 50%，你给老板的报告，不管是谁写的，都是这样的结果。
2. 人性和理论会产生巨大的差别。
举个例子，就是弹钢琴，计算机制作出来的音乐，和大师隐藏自己身份去谈的结果，显然大师的你会觉得更好听，为什么？虽然大师有瑕疵，但是你会觉得他有丰富的情感表达，丰富的随机性，这种随机性，来自于他的心情，而这个心情可能是想起来之前的开心的事（喜欢的狗安乐死了，狗死了在不同的人看来会觉得是开心的也有很多人认为是不开心的，从数据判定的角度是没办法核准的）也可能是弹错了，比如最近比较火的 郁可唯在 时光音乐会唱 水中花的时候抢拍却成了经典，从锚定上看，抢拍绝对是有问题的，音乐的基本规律上是不通的；那再从历史数据上反映，从音乐的角度，这种提前演唱提起欣赏者兴趣的技术是常见的，但是好和坏的判定，是没有大量文本的支持的，因为这个是根据当时的环境，当时的气氛，可能郁可唯在浴室里面唱，别人就觉得是不合适的了一下子听出了不好。这种理论判断和实际结果产生巨大的差别，也是难以用模型量化的。
最近除了 chatGPT 以外，还出了 robotics 的 transformer 的模型，其实就是把场景通过 图像生成的技术进行更换，产生新的数据，放到模型中去训练。可以想象为郁可唯在时光音乐会唱歌，我给他 p 一个中国好声音的舞台，她就是在中国好声音的舞台表演。虽然能生成更泛化的数据，也就是将郁可唯的失误变成一种大概率事件。但是唱歌产生效果，除了舞台背景的显示图像的因素，还有 背后的 伴奏根据实际情况配合表达，这种表达从语言描述的角度，是时间上的配合，但是这种配合是很少见的，如果把这种时间上的配合也用上面的技术泛化，调整到郁可唯唱前三个词后 0.1，0.2，0.3...秒产生数据，显然这种泛化是不准确的，因为这个情况就只对应这一个情况，他不是随机的，不是确定的，他没有一个必然的因为 A BCDE 就一定会产生 F 的 逻辑关系，产生结果的原因是可以事后分析形成语言性的表达逻辑，但是结果并不是一个语言逻辑表达推导下的必然结果。
所以我觉得用 AI 去模拟人性的东西，是很难的，只能实现语言表达逻辑上的拟人化，达不到实际的 AI 人性化。
看一下 chatGPT 自己的回答：
作为一种技术工具，人工智能（AI）无法实现真正的人性化，因为它缺乏人类自身所具有的主观意识、情感和道德判断等能力。
然而，AI可以通过编程实现一些逻辑拟人化的功能，例如通过深度学习和机器学习技术进行图像识别和语音识别，模拟人类的思考过程来完成一些决策任务。此外，AI还可以通过自然语言处理技术和机器翻译来模仿人类的语言能力，从而实现更加智能化的交互和服务过程。
虽然AI不能完全替代人类，但是随着技术的不断发展和进步，它可以成为人类社会的有力工具，为人类的生产生活提供更多的便利和支持。
完结，撒花。。。