外行对AI的一点认识

许秋雨，2026年10月11日

如今的AI (LLM) 横扫自然语言和数学语言，如果回想起数十年前的上个世纪七八十年代的Jim Baker at CMU, IBM Watson Research Center, 和 AT &T的hidden Markov model (HMM)在语音识别中的成功应用，其实并不奇怪。后来在 2015 年AlphaGo的前夕，起始于2009，公布于2013年，微软研究院由邓力（Li Deng）所领导的深度学习（深度神经网络DNN）更让语音识别上了一个台阶。在我的认知里，语音各是当时HMM和DNN最为成功的应用。

只要是语言，它就有很明显的Pattern，而这些Pattern正适合于AI的学习。感谢万能的各种互联网，以及免费公开的各种论文平台，让AI有了无穷无尽的data可以学习。特别是那些以文字记载的，包括各种数学公式。所以到现在为止，AI的震惊之举可以说主要还是在原来的语音识别及后来的语言处理的康庄大道上奔驰。只是现在它不光能识别，它还能在无穷无尽的data学习后做出很好的文稿整理和统计推断，甚至于可以解决世界著名数学难题。

俗话说一张图片胜过千言万语，不光是大人还是小孩，这就是人与AI最本质的区别之一，比如有很多内容只能意会不能言传。随便取十个字母，它们成语言的概率非常非常小，以至于小到可以忽略不计。但是把它们随便排一排照一下，就是一张有意义的照片图像。

自从有AI起，就有AI在图像处理中的应用，过去数十年从来没有停过，当然也取得了很多成果，但始终没有像在语言里的决定性成果，因为对一般的图像很难有像语言那样的稳定Pattern可寻，当然对某类特别的图像，也许有，如指纹图像等。也许有人会说，现在很多实际系统里都有视觉识别，如一些医生手术中的高精度应用，大家都说成了是AI的应用。关于此，我只是外行，产品公司可以号称其视频识别方法是AI，或者叫AI什么什么，但这里是计算能力更重要还是AI算法更重要（即传统的视觉识别是否也一样或者甚至更快速？），我不清楚。

我非常希望二十年后能有足够好的养老机器人的出现，但计算机视觉识别是机器人的最重要功能之一。如果计算机视觉识别不能有决定性的实时效果，它的要求甚至于比自动驾驶的应用要求还要高得多，那么养老机器人很可能只是空谈。

AI 在视频处理中应用的现象也将是它在其它所有高维实数据处理中的现象，如在多天线无线通信信道中的应用，因为它们都没有像语言语音中的稳定Pattern可寻。其实一个两维无线信道值表与一幅两维雷达SAR图像类似，一般来说SAR图像都比光图像处理更困难，因为其分辨率更低。所以我一直对AI在通信物理层的应用有很大的怀疑，我一直认为通信比AI更基础。通信在AI里有着必要的地位，如AI对互联网的依赖。反之，难说！

支持单位：