思考奇

现在是2024年底。我对于当前的AI评价就如标题描述。大语言模型让自然语言搜索变得顺畅，但是知识体系仍然基于训练集的正确性。 我在了解iPhone越狱现状时发现了一批假工具，在GitHub有介绍但是没源码，下载时需要先付费给某商店。当我为此询问AI助手时，它总结并引用了我见过的那些假工具，"不假思索"地。 不过仍认为现在的神经网络走对了方向，只是道路还很漫长。

记忆应该不是"将输入的数据直接存储"。 我的假想是：输入的数据在大脑中作为训练集微调了参数，而输出是按照大脑这个模型给出的 argmax。

下图是苹果系统自带的翻译。看起来是注意力机制在翻译 eighty-two 时错误地关注了后面的 28... 26 ... 28？ Google Translate 是能够正确地翻译这段话的，虽如此，我还是不禁担心神经网络在进行这类任务时的可靠性问题。如何解决呢？

人的大脑真实不可思议，比如尾状核跟壳核为什么需要像桥墩子一样的连接结构呢？

就像自画像是画家避不开的题材，作为智能的爱好者，我的研究对象自然也包含我自己的脑。 前段时间写了点很简单的前端，由于我对 js 使用的很少，需要查阅网络上的资料来实现自己的想法，相关内容网络上能检索到很多，不过由于一些原因，我会对内容进行一下"偏好评级"，大约是这样的： • 问题描述完全一致的，会着重阅读； • 许多技术博客由于排版混乱（可能是复制来的），我会直接关掉； • 一些技术博客是匆忙构建的，属于更大项目的一部分，这样的文章示范往往代码比较复杂，甚至包含没有完全展示的部分。这种情况我往往会把标签页右移，等学会了只是后作为验证，并能了解到更多的相关知识； • 在检索过程中，往往会根据查询到的结果，对自己的关键词进行增删、替换、修正，以得到更多结果； • 尤其是 javascript，往往解法有很多，我还会按简洁程度、通用性排序，依次尝试； 上面只是我的个人习惯，不过，通过对这件事的回顾，我发现，大脑工作的原理一定是"模块化的"，也就是类似于示波器的旋钮，每个旋钮都只控制一件事一个方面，而不影响其他的维度。我依然觉得， 端到端的训练模型只是现阶段"混沌神经网络时代"的一个暴力解法而已，最终能真正构建出"智能"的模型一定不是大模型，而是无数个只干好一件事的小模型在一群"只负责按照问题来调用其他模型"的整合体系。Viola & Jones algorithm?

会不会是， 梵高的卷积核很大？