1.ChatGPT的出现再次说明，基于人工神经网络等技术所进行的模拟的确可以比较好的模拟人脑的思维学习过程和思维结构，虽然其在总体上可以算是一个黑箱或灰箱模型，但是从目前的表现来看，有许多方面都与人脑的表现非常相似：包括涌现的现象（可能类似于顶级智慧人物在经历了充分的学习和人生体验后的顿悟和学识升华现象），也包括时不时说一些明显错误的话，还包括在某些方面说的很有道理很聪明但在某些方面的认知却存在严重的障碍和缺陷（这个现象在人类社会里也经常出现）。

2.要获得超级通用的人工智能，脱离海量信息的输入和海量数据的训练完全类似于阿尔法零是完全不可能的，因为真实的世界尤其是包括了人类社会的真实世界，其内部运行规则极为复杂，是多层面、多角度、多维度和非线性的，真实世界的复杂性远大于围棋，尤其是在运行规则方面的复杂度远大于围棋，是无法通过几个简单规则的输入就能够完全去模拟的和自主训练的（当然，阿尔法零能够在围棋等游戏中做到这一点已经是非常了不起的成就了）。因此，对于这种超级通用型人工智能，更值得关注的一个重点是：在训练集里面的这些训练数据的可靠性问题和价值观选择的问题。更为具体地，笔者认为输入与训练的关键点不仅要包括加上了比较详细的且正确判断的数据信息的输入与训练，也要包括在判断上和归类上比较模糊的信息数据的输入与训练，还应包括对于一些明显错误的信息数据在判断并标记了其错误之后的输入与训练等等。也就是说，不仅要象教学生一样（当然人的学习也包括当事人的自主阅读书籍和人生历练等）大量教给他们什么是正确的知识，同时也要教给他们什么事情是错误的知识，还要把并不好简单判断是非对错的知识教给他们以扩大其知识面和增加其知识视野中的包容性、容错性和外延能力（包括泛化能力等）。

3.人工智能的下一个超级重大突破，也许是可以纯粹依靠人工智能去解决许多纯数学难题和数学猜想之类的。因为纯粹的数学知识，虽然在逻辑结构上非常深奥，是人类现有知识体系中的顶级知识体系之一，但相比物理类和社会科学类知识来说，复杂性却要更低一些，因此也许可以通过将人类现有的数学知识充分地‘教’给（即输入和训练）人工智能后，依靠人工智能来解决许多艰深的数学难题和数学猜想等。这件事情也许可以先于超级通用人工智能的诞生之前而做到，当然，具体是那家公司首先做出这个突破的，让我们拭目以待吧。

（图片来自网友‘亦水木’的提供，特此说明并感谢）