AI 的“终极设计图”是什么样子?文|史中我写这篇文章的时候,正值 DeepSeek 撕开防线,和人类最强的智能 ChatGPT 隔空对峙。DeepSeek R1 的凶猛,并不在于它超越了对手 o1 模型的逻辑推理能力(实际上只是几乎追平),而在于它实现这些能力,只需要十分之一的成本。换句话说,它的智能密度相当之高。具体实现方式,DeepSeek 已经公布了论文,很多大神也做了详细解读,不多说了。今天咱们试着潜入智能的最深处,讨论三个层层递进的话题:1、用“显微镜”看,智能的微观结构究竟是什么?2、什么东西在决定“智能的密度”?3、我们有办法做出智能密度达到极限的 AI 吗?这么深刻的话题,中哥确实没能力自己构建理论体系。给你介绍一个高手,他就是计算机科学家,被称为目前活着的最聪明的人——史蒂芬·沃尔夫勒姆。这篇文章的核心观点,就是来自这位大神。Stephen Wolfram友情提示,接下来 20 分钟,我们要和最聪明的大脑打交道,也许有些观念过于抽象,需要一些额外的“思维垫脚石”。有些垫脚石乍看和主题无关。但相信我,它们都是通向最终结论所必须的。如果卡住,延伸开去琢磨一下,再回到主题,最后一定会有收益。让我们开始吧!(一)智能的莲花开在淤泥上 沃尔夫勒姆从一个简单的人工智能神经网络开始:上图是一个很有“二极管”风格的函数,它其实和人脑很像。你可以理解为它就是你的大脑在恋爱中所做的判断:当 x 满足某些条件时,你会上头,和 ta 结婚,此时 f[x]=1;当 x 不满足这个条件时,你会下头,和 ta 分手,此时 f[x]=0。现在,我们想“克隆”一下自己的大脑——用人工智能来模拟和这个“目标函数”一模一样的操作。该怎么做呢?我们可以搞一个神经网络,然后从这个目标函数上做数据采样,用这些采样去训练神经网络。经过 1000 轮训练,最后出来的结果是酱的:一堆神经元分层