去年过年我找文心一言写了祝福语，顺便让他加了些表情包；今年我让深度求索写了祝福语，顺便让他加了些表情包。然后便是同样熟练的拷贝+粘贴。

人很难免俗，啥人啥人工智能来到中国，都得学会拜年。机器人也一样，你不给我跳段广场舞，穿个大红袄，扭个东北秧歌，甩个手绢，那是无法证明自己有多智能的。

最近两年，大模型+具身智能是看得出来的人工智能两大热点方向。尤其是前者的进步，非常快，人们已经开始惊叹他的智能表达水平，与人类，这一地球上毫无争议的no.1智能体相比，快不相上下了。人类正在面临前所未有的、来自人工智能的全方位的竞争和替代。

那么，人类是否还有翻盘的空间呢？这涉及到一个关键问题，学习。

我记得小朋友曾经分享过一段关于学习的经验。她说，在做题的时候，建议不要一开始就使用求助，求助作业帮、求助人工智能衍生的各种软件、求助同学，而是得自己先思考，直到你想不出答案时，再去求助。但有意思的是，往往在想的过程，自己就找到答案了。只有这样，思考的过程才能够很好地消化吸收，你才能形成自己的判断和思考。

比较有趣的是，成人的世界对人工智能的使用似乎是反的。我们现在越来越习惯，先利用人工智能生成一段粗略的能表达自己想法的文字，再在此基础上进行改进，然后发表。这显然提高了我们的工作效率，但无形中也让我们成为了人工智能的奴隶。

我曾说过，人工智能的现状像脑补的人工智能。大意是，95%的内容、逻辑走向是由人工智能控制的，人类只负责最后的5%点睛之笔，然后说，全部内容是自己写的。显然，这与先自己思考再找人工智能帮助，在策略上是完全不同的。前者才有可能帮助我们形成独特的视角，而这才是创新的基础。

后者虽然好，但它在目前大的框架下来看，是有明显的同质化特点的，不管哪个模型都是如此。原因很简单，一是高质量数据的混用。以前我们会蒸馏国外公司大模型的数据，现在可能是相互在借鉴。二是提示词的使用。首先、其次、第三、总而言之是比较常见的提示词设计框架，随着思维链结构的进一步深化，我们已经能看到更为复杂、也更为啰嗦的思维链表示形式。但不管是哪种情况，它的框架是聪明的人类根据大模型的特点，考虑了与人类思维的一致性进行了大量简化获得的。三是强化学习，这是个好东西。因为它突破了独立同分布的假设，让人工智能能应付与之前数据分布不同的表达。自AlphaGO战胜围棋世界冠军以来，已经越来越能看出他的强悍。

如果说新的一年，大家看到了新的突破口，那必然是小算力也能跑大模型。但从大的发展方向看，我们目前走的路仍然是同一条，即从认知层面形成超越人类的AGI。而具身智能这块，相对来说，要困难一些，因为它与感知、决策，这些难问题更相关。据说，扭秧歌的机器人，也有人偶尔帮忙扶一下。

为啥感知会更难呢？这还是得回到人工智能的“莫拉维克悖论”上。即人类觉得复杂的，机器觉得简单；机器觉得复杂的，人类觉得简单。

现在大模型的发展，实际上在更为宽泛的智能定义上给了我们一个提醒，人类所谓的智能，究竟是不是复杂的。也许，我们需要重新定义真正的智能是什么？另外，自然界进化出的本能，究竟是不是简单的。为什么我们学会了飞行，却至今没有仿制到一只真正的鸟？

好了，今天就写这么多，我得去拜年了，也祝各位新年愉快，万事如意，阖家幸福！

                                                                                                                                                张军平

                                                                                                                                                 2025年1月29日