AI的目前发展与未来困境

        AI是计算的科学，也就是使用计算机等设备计算数字世界的数据，也算是数据的科学（Data Science）。尽管人类对于追求计算智能的梦想，从未停歇，但从幻想到现实，所谓的突飞猛进，也就是今天，这是AI在经历了几次寒冬之后的辉煌时刻。

       那么今天，AI真正走到哪里了呢？撇去资本追逐堆砌的泡沫，目前的AI仍然算是一个主要待在数字世界的宠儿。当然，从物理世界到数字世界的映射，甚至数字孪生，既是目前可行的可计算的路径，也是人类开展智力活动、管理驾驭物理世界的一种从具体到抽象，从抽象到具体，或者说，从实践到理论，又从理论到实践的一条可行的（借助计算机、网络、分布式计算等）改造世界的路径。也可以说是CPS（Cyber-Physical System）虚拟物理系统的处理范畴。

       那今天AI到哪里了呢？

        最为引人为傲，是NLP的突破。目前的LLM就是NLP的胜利。 但NLP属于完全的数字世界虚拟世界的产物，它产生于人类创造的对于物理世界的知识（文本、语言、视频等）的映射，也就是二手的经过人类加工的知识映射。尽管LLM能够完成对于人类问题的一问一答，但是他的智力全部来自于全球人类知识的聚合与集成，本质上仍然属于读书千卷，但终究纸上谈兵，可以基于人类知识的聚合，进行最优化的回答，自圆其说。但是，你让他创新，也就是对于人类所有潜在已有想法的集成，所谓完成集成式创新（单独靠他）。你让他画画，他顶多就是整合模仿，根据提出的要求进行创作，但不太可能，像人一样，创造出具有灵性的创新画风。正如Alphago可以下出令人类惊艳的一子，那也就是它复杂计算的结果，搜索到了人类惯性思维很难达到的搜索空间。但除此之外，他对于围棋的文化又能理解多少呢？所谓看山是山，看山不是山，目前LLM所知道的，都是一些人类灌输给他的二手知识，他不会真正理解什么是山的（feeling，being）。

         也就是，目前的AI，产生并可以畅游在数字世界的闭环中。开环，如果把脚迈入到真正的物理世界，就会产生新的问题，需要研究解决。

         这本质是，AI是数字世界的产物，而数字世界仅仅是物理世界的计算机可以计算的一种映射方式。这并不是物理世界本身。AI因此不能像人类一样理解物理世界的实际运作规律。

         因此，从数字世界的闭环，如何跳出一脚到物理世界，然后再跳回到数字世界，这正是目前AI未来想要做的。但由于物理世界与数字世界在映射过程中（计算机能处理的信息）之间存在鸿沟GAP，因而在对物理世界的计算上，就很难对齐了。

          结果就是，在某些特定的场景专门训练优化后，效果还不错，但一换场景，泛化性就不行了，因此不太具有开放性。但人类为什么行呢？因为人类本质是理解并认识到了人类生存的这个物理世界的运作规律。

        如自动驾驶，引入物理世界的半闭环，在特定环境还可以，但一旦物理世界变化非常大，AI就难以很好地应对变化。

        总体而言，本质上，在于人类仍然需要解决物理世界不能很好地映射到可计算的数字世界的问题。而AI的未来困境，也应该在于如何解决更好地将物理世界映射到数字世界，降低计算机可学习、能学习、可处理的Gap问题。因为AI本质上不能真正理解物理世界，而未来AI研究者需要进一步突破的是，如何进一步改进物理世界到数字世界的映射环节，从而让AI获得更多操纵物理世界的能力，其中包括如何提升AI，特别是AI具身的智能，如何提升对于物理世界多样性应对的能力，也就是具身AI智能的泛化能力。这其中的一波力量，正在突破目前基于token和Transformer之外，去开启新的探索，寻求所谓真正的AGI，或者把token和Transformer作为其中仅仅一个部件或者模块，去寻找能够解决目前AI缺陷的新的对物理世界到数字世界的映射方式。

    PS：以上个人观点，欢迎讨论，并批评指正！