其都係埋廾年, 靠GPU先張NN起死回生, 當時就係个feedback (backpropagation) 的computation cost太高, CPU根本搞唔掂.
但係, 其实人工粒neuron 同人腦粒 neuron, 其实重差好远, 人工个粒, 只靠条pre-activation function同feedback, 但人腦个粒, 有唔同种類(几十類)的chemical, 如血清素, 多巴胺, 去幫助腦訊号传播, 但更重要係, 其实人腦係唔洗feedback的, 重要係3-D的, 所以目前最熱门的方向, 己方棄左backprogation, 而試緊用forward-forward (ff), 也試紧張2-D的neural layer, 学人腦咁, 改用3D, 但, 改左用ff同3d后, 又跌返去之前的困境, 就係依家最勁的GPU都係太慢, 所以, 都其实重有排搞.

粗略估計, 依家最先進的neural system, 仍然慢人腦最少十万倍, 所以, AI要完全取代人類仍不可能的. OpenAI 的Sam說, 2030年的AI可达到level-2水平, 但人腦是level-3, 而且, 如非科学(如哲學同心理学) 層面的AI特破唔倒, AI要达到level-3水平暂时仍係不可能. (不过, AI去倒level-2, 己有很多很多人会冇野做了, 都几大獲嫁)

---

我覺得AI與人腦最大的區別就是，AI是建立在已有的知識基礎上，可以發揮巨大的威力。

比如一個不知道的問題，以前用搜索引擎，費時費力可能還不完整，現在問AI，能馬上給你一個總結性的答案，相當完整，效率高很多。

但是人類社會目前還沒有出現過的東西，AI無能為力。

丘成桐舉過一個例子，我印象比較深刻，比如虛數單位i，在i還沒有出現之前，AI能不能發明虛數？

其他學科可能也有類似的問題，比如AI能寫小說，但能不能建立一種哲學思想？

當然一切皆有可能，今天的觀點在未來，都有可能被推翻。

---

多謝分享補充觀點！:good:

---

我覺得AI與人腦最大的區別就是，AI是建立在已有的知識基礎上，可以發揮巨大的威力。

[
所以, AI可幫手快速去开發新药, 或更快去發現人類基因的組合, 因為这是發現, 本來己全在, 差別係幾時先揾到.



但是人類社會目前還沒有出現過的東西，AI無能為力。

[这是exploration capability. 30%对的, 因目前的AI是已具備部份自我創做的, 主要是基於random trial同改变個可接受度的uncertainy 參數]


这是只發明, 如沒有edison, 我们便好有可没有电燈用, 但其它人卻可能發明另一种照明系统. 所以, "發明"某d野, 係可以永远都發明唔到出來的, 因為, 人類的創意, random/uncertainty係未能完滿解釋到"人類的創意"的定義.

---

"丘成桐舉過一個例子，我印象比較深刻，比如虛數單位i，在i還沒有出現之前，AI能不能發明虛數？"

發明这两个字, 正正是关建所在
:good:

---

造物主的奇妙！
Hallelujah!

---

所以現時出現既所謂AI 嚴格來說唔算係物野intelligence.
To be exact, 佢叫generative AI, 唔係generic intelligence.

如你說，而家既AI 係建立在已有資料上。某程度你可以話資料庫搜尋上，加左一個language model，提供比較人味既控制介面，而且佢係在既定目的下訓練既intelligence, 我幾懷疑有無任何問題推論能力。

即係而家好多大驚小怪既港人，吹噓大陸科技如何先進，什麼「炒菜機器人」如何厲害! 但「炒菜機器人」都唔及屋企位阿媽厲害，炒菜得，打掃又得，洗衫亦得。

阿媽呢D 先係叫 真intelligence!

---

聽過講解agentic AI 可以按指示執行任務, 用戶授權比佢, 出事負責在誰就係另一個考慮

---

多謝信息。
但係agentic AI, 都係在某context 內， 即係goal specific 有若干自主能力而已。

都係屋企阿媽叻好多！

---