今年 ChatGPT的出现，让人工智能又火了一把，但这次和过去深蓝、AlphaGo闹出的动静不一样，产业界都疯了，各大企业陆续投入重金研发AI，生怕自己掉了队。

学术界也很吃惊，比如《流浪地球2》人工智能组的科学家顾问，中国科学院计算研究所的王元卓博士，他就说：2022年之前，我一直强调，不用担心人工智能，它的到来可能是几十年上百年之后的事，但 ChatGPT的出现，颠覆了我的认知，发现AI的发展不是线性的，甚至不是指数级的，而是阶跃的。

人工智能的突飞猛进，也引起了很多普通人的焦虑，很多人就问，《流浪地球2》里的Moss，离我们还有多远。

其实，这部电影讲的就是人工智能一步步觉醒的故事，而Moss，恰恰是中国科学院的科学家顾问团队，精心设计的角色。他们基于当下真实的技术，又以前瞻性的理论眼光，直接参与到剧本的创作之中。

所以这部电影，就成了理解人工智能发展的一个绝佳范例。

那我就用这部电影，再结合现实，同时参考《流浪地球2电影制作手记》里，几万字的世界观信息，跟大家聊聊，为什么ChatGPT引发了这么大的轰动，人工智能的迅猛发展，对普通人的影响有多大，又会如何改变人类的命运。

硅基“专家”：第一次高潮

2016年，美国政府发布了2份关于人工智能的规划报告，美国人在报告里指出，在过去60多年里，人工智能一共经历了3次高潮。

第一次，是基于规则的专家系统。

所谓专家系统，就是人给计算机提供特定领域的知识，形成知识库，然后让计算机推算出最佳方案，这样它就成了解决问题的专家。

过去最知名的专家系统，可能是IBM研发的国际象棋机器人——深蓝，它在1997年击败了碳基世界棋王。

深蓝

那它是怎么赢的呢？

很简单，研发人员先把历史上200多万个棋局给到它，形成一个棋局库，然后配上强大的处理器和（象棋加速器）芯片，这样它在下棋的时候，就能不断检索棋库，类似于背棋谱，从而根据规则，计算出下面几步该怎么走.比如普通人能算出2步，深蓝能算出8步，这样它就赢了。

所以专家系统就两部分，一个是知识库，一个是推理系统。

但这个东西仅限于特定领域，所以它叫专家。比如深蓝，除了下象棋啥也不会。

另外这套系统只是机械地执行命令，并没有创造出新的东西，所以你并不能说它拥有智慧。

在电影里的例子，就是自动防空炮，感知到歼20 X来了，搜索一下知识库，然后推理一下，嗯，是自己人，就放行了，比较机械。

不过这就很不错了，毕竟它可以极大地提升工作效率，所以现在已经被大规模应用于航天、医疗诊断等领域。

学习的革命：第二次高潮

人工智能的第二个高潮，是机器学习的出现。也就是计算机可以模仿人类的学习行为。

典型的例子，是谷歌研发的AlphaGo。

1997年之后，各路人马开始研究用人工智能下围棋，但围棋的复杂程度，是国际象棋的1万后面跟29个亿倍，所以计算机的脑子就不够用了。以至于在很长一段时间，围棋AI一碰到职业选手就跪。

直到AlphaGo的出现。2015年，它首次战胜了碳基2段，并在2016年，击败了碳基九段李世石。

那AlphaGo是如何做到的呢？它可以边算边学。

在AlphaGo的初始版本中，研发人员也提供了大量棋局，形成了一个知识库。

但恐怖的是，AlphaGo可以通过自我对弈的方式，进行训练。在得到训练数据之后，在此基础上继续训练，形成新的知识，所以它的水平越来越高。

后续的AlphaGo zero 版本，甚至连棋谱都没有，只给它规则，让它自己练。

这就是AlphaGo和深蓝的本质不同。

AlphaGo有学习能力，可以创造，所以它的很多招没人下过。2017年柯洁输给AlphaGo之后，大哭了几次，感叹道：“AlphaGo让我明白了，没有什么棋是不能下的。”

AlphaGo之所以取得了重大突破，在于3个方面：

一个是算力的大幅提升。

根据摩尔定律，处理器的性能，大约每两年翻一倍，所以机器的算力越来越强。

2015年，格鲁吉亚的国际象棋特级大师盖奥兹，就在比赛中，因为偷偷划拉手机被抓了。要知道，1997年的时候，深蓝是全球排名前300的超级计算机，现在手机都能干了。

和李世石下棋时， AlphaGo的算力是深蓝的3万倍，已经不是一个位面的了。

另一个突破是算法，AlphaGo的算法，结合了人工神经网络、深度学习、蒙特卡洛树搜索等理论技术，这才具备了一定的学习能力。

第三个突破是数据，凭借强大的算力和算法，AlphaGo通过自我训练产生了大量数据，在此基础上不断分析，又产生了更多的数据，所以人类那几百万个棋局，根本不够AlphaGo下的。

数据、算法和算力，这正是人工智能的三大基础要素。

AlphaGo的诞生，说明机器拥有了初级智慧，能学习创造了，这也是它掀起狂潮的根本原因。

AlphaGo在电影里对应的，是MOSS的最前身，智能量子计算机550A。

根据世界观的设定，550A由两部分组成，一个是量子计算机，另外一个智能AI芯片，量子计算机提供强大的算力支持，而AI芯片，可以加速人工智能应用中的计算任务。

可以简单理解为，量子计算机是CPU，而AI芯片是GPU（泛指），AlphaGo和 ChatGPT都是这么组成的。

到了今天，GPU或者叫显卡，甚至比CPU更重要，成了提升AI算力的关键。

所以550A可以完成复杂的计算任务。它是中国科学院数字生命研究所研发的，专门用于开发数字生命，研发人员为其提供数据，然后让它自我学习。

当图恒宇把丫丫的大脑数据，比如思维方式和记忆，输入到550A之后，就形成了知识库，结合相应的算法和算力，550A开始自我训练，产生大量新数据之后，再继续迭代，最终在425次迭代之后，使数字丫丫进化出了独立的自我意识。

注意，是数字丫丫这个“程序”拥有了类似于人的意识，550A本身还是单纯的机器。

但是，因为550A的算力不足，导致数字丫丫只有2分钟的生命。

回到现实中。

无所不能：第三次高潮

在2016年美国发布的报告里，明确指出，第三次高潮，将会是即将到来的通用性人工智能，也就是AGI（ Artificial General Intelligent）。

今年大火的 ChatGPT，就属于这一类技术。

ChatGPT会的就多了，作诗、翻译、画图、甚至写代码，它都能干，也就是没有一个初始设定的任务，所以它一出来，把马斯克这帮大佬直接惊了。

它是怎么实现的呢？还是从数据、算力、算法这三个要素去解释。

先说数据， ChatGPT之所以这么猛，是因为它背后，是一个拥有1790亿个参数的大型语言模型，这个模型的训练数据就大了，互联网、社交媒体、报纸杂志等等都是，无所不包，为它提供了天量的知识。

要训练如此庞大的大型语言模型，自然需要强大的算力，现有版本的GPT模型，需要在大量GPU组成的高带宽集群上去训练，一次运算就要花450万美元。

国内学者分析，根据算力，这个模型至少用了一万块英伟达V100显卡，一块就需要大几万人民币，一万块就是大几亿了。随着各大公司开始研发大模型，对显卡的需求量越来越大，所以英伟达的市值一下子就破了1万亿美元。