本日想跟大家聊一下元宇宙跟 AI 结合会碰撞出若何的火花。
元宇宙，正如我们之前的视频所说，便是以VR为媒介的下一代互联网，突出VR视频和交互技能成熟带来的极致临场感和沉浸感，无限模糊真实和虚拟，拉近人与人之间的间隔。
它与AI人工智能的结合可能大家一下就会想到一些科幻电影，比如当年还是沃卓斯基兄弟的沃卓斯基姐妹的传世经典《黑客帝国》系列，再比如去年的那部《失落控玩家》。
在黑客帝国里面，AI统治了地球，人类的意识被禁锢在了虚拟天下当中，肉体则成为了培养仓当中的生物电池。各种功能的AI不但无所不能，而且还在虚拟天下里突变进化。
比如大反派特工史密斯，作为有思想的杀毒软件，就在虚拟天下的数字信息海洋中，不断学习进化，逆袭了母体，乃至进入了现实天下。
而在失落控玩家当中，游戏里面的NPC Guy某一天溘然产生了人类一样平常的自我意识，分开了他被设定好的那个角色开始在虚拟天下翻云覆雨，还跟现实当中的女主谈起了恋爱。
也便是不管是在AI虚拟天下带来人类末世这种阴郁结局，还是游戏NPC产生人类最宝贵的美好情绪这种光明结局当中，至少在两个点上，电影的创作者们达成了共识：
一是虚拟天下会由于AI的存在变得丰富多彩，并且具备一定的分开人类自我发展迭代的能力二是AI在分开现实天下的束缚之后会变得更加的强大，乃至反过来影响现实天下以是类似这样的未来是否会成为现实呢？
01
在深入磋商之前，我以为有必要先大略地聊一下现在我们称之为AI的那个东西他实质上是个啥，不然空对空说它能干什么不能干什么就有点尬了。对AI非常熟习的朋友可以忽略这段。
大家印象比较深刻AI该当是2016年3月击败李世石的Alpha Go，它就像一个神话故事中的水晶球，只要把现在的棋谱见告它，它内部不知道怎么打算了一下，就能输出一定赢得比赛的落子策略，把杰宝之类的人类高手都打哭了。
在Alpha Go之后，短短几年之间，AI扩展到了我们生活的方方面面。我们现在刷的视比年夜概率是AI推送的，很多视频里面的配音都是AI配的，我们买的东西是AI推举的，我们电脑显卡手机GPU是AI加速的，张学友演唱会逮捕逃犯是靠AI识别的，连现在这段BGM都是AI谱曲的。
而正如芯片有它的基本单元，也便是可以输出0和1的晶体管一样，AI也有它的基本单元，叫做感知机。
02
1957年，康奈尔大学的生理学家兼工程师弗朗克·罗森布拉特受到神经细胞的启示，提出了感知机的构想。
神经细胞的形状呢非常的“支棱”，除了那一坨细胞主体之外，它的外壁有很多树杈状的短突起，叫做树突，还有一根长长的“尾巴”叫做轴突。
树突的浸染是吸收外部输入的各种刺激，形成生物电，这些生物电经由整合后，一旦超过某个阈值，就会经由轴突传导，并在末端分泌神经递质，将信息通报给下一个细胞，否则就不向下通报信息。
以是神经元细胞的输出只有两种状态，用数学表示便是“0”或者“1”，然后人脑有超过一百亿个神经元组成一个神经网络，前面的神经元输出作为后面的神经元输入进一步处理，不断反复，终极实现人类的智能。
参照了输入，处理，分类，输出四个步骤，感知机就仿照出了类似的构造。
每个输入旗子暗记乘上对应的权重，对应着树突的刺激输入，累加这个函数符号仿照了神经细胞整合生物电的过程，激活函数则判断累加值是否达到阈值，比阈值大，就输出1，否则输出0。
类似于看到一只猫，我知道它是猫，这对我来说是废话，问题是我不知道我是怎么判断的。那我猜想，肯定是眼睛看到猫的一瞬间，采集了大量的信息点，比如它的大小，它的花色，它的脸型，它的尾巴长度等等等等，然后我的大脑经由一瞬间综合考虑，以为它是个猫。
那只要这些信息点，都是详细的可以衡量的类似大小，色号这类可数据化的参数，就可以转化为打算机的输入旗子暗记，而这个调权重加总的过程就可以类比为我脑筋里那一瞬间的综合考虑，终极作出一个它是不是猫的分类判断，输出一个0或者1的数。
说白了感知机便是对付人类神经细胞的一个模拟。
那详细是怎么操作的呢？
03
比如，我们看到一个人的照片，要判断一下它是不是我，那你足够细的话，完备可以找出一万个我这个人的特色。但为了便于谈论，让我们姑且通过脸方的程度、头大的程度两个指标用数字表示，让感知机去判断。
比如设定完备圆脸是0，脸方得跟我的天下里面人物一样是1；比如完备没有头是0，头跟大头儿子一样大是1。
分别把这两个输入当成平面坐标系的两个轴，找一些人的照片，记录他们是谁以及脸型、头的大小这些量化指标，放到坐标系里面。
那很显然，我们可以划一条线，把我跟类似周冬雨这样的人大概率地区分出来，由于我都头比较大脸也比较方，像周冬雨这样的女明星正好相反。
对付打算机而言，这条线便是ax+by+c=0。
如果加权求和出来的结果大于零就在线上方，便是我，如果小于零，便是周冬雨。
当然，现实当中我们不可能只用两个参数来判断这个人是谁，要做出更精确的判断还须要很多维度的输入，比如体型、五官、扮装等等。
引入扮装这个维度，坐标轴就变成三个，成为了一个三维空间坐标，那根一分为二的线也变成了一个平面。
连续引入第四个、五个输入的话就有点无法想象了，只能通过数学的形式来表现，叫做超平面，不过没有关系，这对电脑不是问题，它还是可以通过公式打算，把一个多维空间一分为二。
乍看起来有点弱智，但这个感知机的精髓就在于它不用我去见告它该把线画在哪里，它可以通过所谓的“学习”来自己找到准确的画线位置，这便是它跟以往的所有机器或者工具不同的地方。
还是之前那个是我还是周冬雨的问题，在没有样本点输入的情形下，我可以先在平面上随便画一条线，然后规定这条线上方是我，下方是周冬雨。
但输入了实际的数据后创造直线上方居然涌现了周冬雨的照片，比如她某些角度看起来脸比较方，那弗成。于是我们就可以把这条线往上抬一点。再看一下所有点的分布，再进行判断，如果还弗成再挪一下，再判断，以此类推，直到所有照片都能精确分类，感知机逐渐就精确了。
从打算机的操作来看，挪动直线这个动作便是调度输入权重abc的过程。
比如在这台感知机中，我们就可以打算分类缺点的点到直线间隔的和的函数，这个函数是跟权重参数也便是那个a、b或者c干系，叫做“丢失函数”，越大解释错得越离谱。
就比如丢失函数随着脸型对应的权重参数a的变革是这样的。
那有一种挪动的方法便是，假设现在权重在大写的A这个位置，我们每次就移动A点的导数乘以一个事先规定的值，这个值叫做步长，然后重复这个过程，直到所有照片都能够被精确分类，我便是我，周冬雨便是周冬雨。
由于是参考绩果往前推导“输入的权重”，以是这个方法也叫做“反向传播”。
但是上世纪五六十年代，由于硬件算力的限定和网络构造的过于繁芜，当时这种自我学习理论还无法实现，真正反向传播算法的提出还要等良久。
现在回过分来看，感知机毫无疑问是二十世纪乃至于人类历史上最伟大的发明之一，由于它闭幕了机器只能机器实行人类详细指令的时期，开启了机器会自己想办法完成主人任务的时期。
但是感知机的理论在当时却遭到了另一个人工智能大佬马文·明斯基的强烈反对，明斯基还特意写了一本叫做《感知机》的书来鞭笞罗森布拉特，认为他的研究没有什么代价。
当然明斯基有倾慕妒忌恨的嫌疑，但他的攻击也算是有理有据：
他认为感知机的事理过于大略，无法办理一些问题，比如“异或逻辑”。
04
异或逻辑问题提及来很麻烦，但实际上便是，这个天下上并不是只有我和周冬雨这两种人啊，还有马云呢，马云脸比我还方但头没有我大，还有雷佳音呢，乃至于，还有姚明呢，姚明是真的很大而且很方啊。
很显然如果让感知机去画一条线，是没有办法把我跟这些个脸型和头的大小互异的人都分出来的。
现实是繁芜的，是没法大略地一分为二的，明斯基指出了最关键的地方，这一波嘲讽效果拔群，导致以感知机为出发点的人工智能研究结束了大约30年。
上世纪7、80年代，随着信息技能的发展，大家逐渐创造，虽然单个感知机能力有限，但我再加两个感知机，即是多画两条线，不就行了吗？
只要感知机层数够多，无论多繁芜的分类问题，不断用反向传播算法进行演习，就能得到最优解。
并且，我们须要把稳到，办理了分类问题并不虞味我们只能做分类，实在基于分类可以办理很多很多问题。
比如判断和分类，逻辑上便是一回事儿。
智能摄像头判断门口来的那个人是不是公司的同事，判断一个途经的人是不是某个新冠患者，便是分成是和不是两类呗。
在规则明确的情形下，对付接下来发生的事情进行预测，实在实质上也是分类，下棋的话分为这样下下去是会输还是会赢呗，扫地的话分成有没有扫过、会不会撞墙呗。
有了预测了之后，就可以进行决策了，扫地，下棋，推举，乃至指挥调度，都可以了，切实其实无所不能啊。
以是，人工智能在上世纪80、90年代开始进入“多层感知机”时期，当时的人工智能在理论上已经非常强大，可以办理大量的问题。
但它还是受到两个关键成分的制约：
一个是系统的算力，也便是动辄几千万参数的反向传播算法须要巨量的算力；其余一个是数据，也便是须要大量打好数据标签的类似我的照片周冬雨照片这样的东西作为人工智能学习的资料。搞定了这两项关键资源人工智能才能真正上路！
05
从1965直到2016年以前，芯片算力都在随着摩尔定律呈几何倍数增长，而最近20年互联网家当发达发展也带来了数据量的爆炸式增长，人工智能的发展有了肥沃的土壤。
其余，科学家也开拓了一系列的方法去处理这两个问题。
深度神经网络，卷积神经网络，蒙特卡洛树等等都是试图用更小的算力处理更繁芜的问题。
比如深度神经网络，便是把我们能提取到的信息点，根据不同的维度，分成更多的层。
比如要分辨一个人，从单个五官，眼睛鼻子嘴各有各的特色，五官又组成了一张脸，脸、身体、四肢又组成了一个人，我们把这些特色分身分歧的层不要混在一起打算，会提升系统的效率。
就比如为了把我跟姚明差异出来，如果把何种参数混在同一层打算有可能你会创造我跟姚明还挺像，但只要把代表体型的那些参数单独拎出来，那就一点也不像了。
再比如所谓卷积神经网络。卷积打算是一种可以从矩阵中提取某些特色值的运算，我当年上大学的时候对这玩意儿印象很深刻由于它手算起来特殊麻烦，到底是哪个傻x发明了这种东西那么无聊，后来创造它还真挺有用。
就比如我们按照片去分辨两个人，那首先我们比较的是两个人吧？你人工智能剖析半天在比较后面的背景那算力就完备打了水漂了。
同理我们智能停车场识别车牌号得先找到车牌在哪里吧？智能阛阓识别顾客得先找到人在哪里吧？这是一项我们人类天生就有的能力，找重点的能力。
那如何让打算机也拥有找重点的能力呢？我们就可以引入一个所谓卷积核，一样平常是个33、55、77像素的矩阵，用它从头到尾扫描图像，把图像和卷积核对应像素点的数值相乘再求和输出，就能得到一张提取了某种特色的更小的图像。然后再基于这些特色，去判断哪些部分是重点，哪些部分是边角料。
在2012年的ImageNet大规模视觉识别寻衅赛上，一个叫做AlexNet的深度卷积神经网络在对1000种物体进行分类的比赛中得到了第一名的成绩，缺点率仅为15.3%，比第二名低了大约11%之多，基于卷积神经网络的机器学习算法一战成名。
这是人工智能发展历史上的里程碑事宜，卷积神经网络是一种通用的提升算力利用效率的技能，它现在基本上是人工智能的标配了。
而所谓蒙特卡洛树搜索，也是一种判断哪里是重点哪里是边角料的方法，当年跟李世石对弈的那个alpha go的算法便是基于蒙特卡洛树，而李世石第四局下出所谓神之一手，实在便是下到边角料上了，边角料是神经网络的数据盲区，于是它就乱了套了。
另一方面，人工智能目前最大的发展瓶颈还是来自于数据，目前干系家当的发展速率基本上就等同于获取大数据的难易程度，比如智能推举内容，智能推举商品这些随意马虎获取数据的项目现在就特殊的成功，像自动驾驶这种就会比较慢一点。
06
有一些方法可以人工的去创造数据来喂养神经网络。
就比如所谓强化学习，便是分开人类数据样本，基于环境和规则自己天生数据往下算。下国际象棋便是它有明确的规则，终极的目标便是吃了对面的王，基于这一点去预测接下来最得当的策略，再通过得到的结果和预测值进行比较，优化自身参数，于是就不用输入太多人类的棋谱了。
在国际象棋中，人类顶尖高手可以预测接下来10步的行动。1997年，当时的IBM研发了一个用来下国际象棋的AI，叫做“深蓝”，
深蓝可以预测12步，每一步都遍历了可能发生的所有情形，相称于用强大的算力进行了12步的暴力穷举，击败了当时等级分排名天下第一的加里·卡斯帕罗夫。
当然这个暴力穷举的方法在目前的算力下，对特殊繁芜的问题比如围棋、星际争霸会相对无力一点。
然后还有多智能体，便是搞两个或者以上的AI，让它们自己打自己，卷起来。
结合强化学习和多智能体学习，有时候我们会创造，实在很多人类的履历并不靠谱，还不如让AI自己去算然后自己打自己，就比如Alpha Zero的围棋棋力就完爆学习了人类棋谱的Alpha Go。
还有一个特殊故意思的方法叫做GAN，所谓对抗天生网络。如果说之前的AI紧张干的事儿是判断和决策，在2014年被发展出来的GAN网络则授予AI比较强的创作能力。
刚才我们不是说可以做一个AI判别网络，去对一类东西进行判断分类吗，还可以搞个多智能体，让几个AI自己卷自己比谁判断的准对吧。那我们可不可以换一个思路，让判别网络去卷一个所谓的天生网络呢？
就比如这样，我做一个画图的天生网络，先给天生网络输入一些随机参数，天生网络就会天生一些初始图片，有点类似于玩游戏通过数据捏脸的过程，只不过一开始天生网络还很懵懂，天生的东西都是四不像。
然后把我们已有的美女照片和天生的四不像照片都做好标记，用这两类带标记的图像去演习判别网络的参数，让它自己学习怎么画线，能把美女的图片和乱画的图片分出来。
接下来，天生网络可以根据判别网络给出的结果差距来学习提升，它画出来的美女就越来越像那么回事儿了。
于是判别网络的判断准确率会下跌，逼得它去提升判别能力，它又逼着天生网络天生更逼真的照片去骗判别网络，不断循环，卷起来。
到末了判别网络分不出来了，它判断成功概率会稳定在50%，这时候我们说天生网络已经做到了“以假乱真”。
天生网络就像是热血动漫吊车尾的男主角，判别网络就像是自带外挂的天才男二，随着剧情的发展，男主终极能和男二五五开了。
我们乃至还能通过调节天生网络的输入参数，来对赝品画作的细节或者风格进行修正。
比如把画面中的普通马变成斑马；或者把我的照片变成抽象派油画风格乃至梵高莫奈的风格，以及我们喜闻乐见的ai换脸。也便是我们既可以天生刘亦菲的各种角度各种表情，也可以把条件放宽一点，天生刘亦菲这种风格的美女。
而且这个创作能力并不仅限于画图哦，写文章，写诗，写剧本，作曲，做动画都是可以的。
07
到了这一步之后，我们再来看下AI它的能力是怎么回事，它既可以做判断，做决策，也可以做创作，那这些正是元宇宙所须要的呀！
之前我们在第一期节目当中说过，在传统的PC互联网和移动互联网当中，实在我们的天下是被降维打击过的。
无论是生活中去商店里购物，去跟人谈天吹水，去剧院看戏去茶馆听书，所有这些3D场景都被压缩成了一张2D网页或者App页面，以适应这块屏幕，坏处是没有代入感临场感，好处是实现起来比较大略。
而在元宇宙里面，他们将会实现三维展开，对应的事情量也会提升一个维度。
就拿我们最常用的三类app为例，社交：也便是微信，soul；电商：某宝，某东，某多多；以及短视频；
在元宇宙里面的社交，咱俩在虚拟天下里面，面对面谈天，这相对付在一个对话框里面打字那种社交，是颠覆性的。由于说白了包括我在内，很多比较内向的人，是根本没法跟一个不熟的人微信打字的，你不知道ta的背景ta的爱好，都不知道开什么话题啊。
但是只要见了面坐在一起那还是可以尬聊的，尬着尬着就创造，诶彷佛大家都对照来曼城踢利物浦的顶峰对决很敢兴趣，或者大家都对新出的蝙蝠侠很感兴趣，这就聊起来了呀，乃至可以开个电影边看边聊。
但条件是，我得有一个我的形象吧？而且得是一个放在元宇宙场景里面并不违和的比较风雅的，就彷佛老黄发布会那样的虚拟形象吧？你也得有一个你的形象吧？
如果是正式场合商务会商的话，我可能就得用一个跟我现实中的形象比较靠近的顶多轻微美颜一下的形象，在家里就没必要那么正式了，喜好什么形象都可以，比如可以是蝙蝠侠，在一些别的场景下，比如一起去打仗，那我就可以是一个巨型机器人。以是每个人须要好几个不同的形象吧。
那像这样的比较风雅的人物模型都是画图师用Zbrush Blender扣几个月才能扣出来的，而且很贵，便宜的也要几万，那些精细的虚拟网红比如柳夜熙那是花上百万打造出来的，就连好一点的游戏捏脸师傅都要大几千。如果十年之后环球有20亿人上岸元宇宙，均匀每人要有十个形象。
那这两百亿的形象怎么做啊？
再说元宇宙里面的电商，那真的是一家店，它不是一个页面哦，而且比如我要用我的虚拟人在元宇宙里口试一双鞋，大致试一试肯定是没故意义的，由于我得靠这个决定要不要买啊。
像现在得物的那个AR试鞋功能那样是没有用的，那是什么玩意儿，我本来看着一双鞋以为挺好的，用那个一试就不想买了。
以是不是随便试一试那么大略，我这个虚拟人的脚的尺码、脚的受力构造得是跟现实中的我的脚一样的，同理鞋也要一样，这样才能试出合不合脚好不好看。
那这么多深度的数字孪生人和商品，谁来做啊？
再比如说短视频。现在的移动互联网时期，我们这种短视频用户紧张优点便是勤奋好学，学穿搭、学瑜伽、学扮装、特殊是喜好学舞蹈。我想人性的这个需求该当不会随着平台的变迁而发生太大的变革。
那元宇宙里面怎么学舞蹈呢？实在便是你坐那儿然后那个dancer在你边上跳呗，然后你可以语音交互“换一个”，然后就换了。
这不仅是人要换哦，舞蹈那个场景是不是也要换啊，什么场景里面的摆设，场景里的猫猫狗狗也要换啊。我们每天刷那么多短视频，那么多场景，那么多摆设，那么多猫猫狗狗怎么做啊？
只能靠AI，元宇宙里面的这些高等根本举动步伐只能靠AI才能完成啊。
08
然后便是，当我们在元宇宙里面有了非常风雅的3D形象之后，当像商店，咖啡厅，游乐场这些场景都实现了三维展开之后，那这些地方的做事职员、NPC他们得像人才行吧？如果人的形象非常真实场景也无比自然，你凑上去跟一个美女打呼唤结果她头上溘然弹出一个对话框，这就太出戏了。
以是在元宇宙里面我们须要非常像人的AI来供应各种做事。
而这些都正在发生。
比如这个“此物不存在”网页当中，这些猫，这些房间，这些人像，你打开这个网页就彷佛在看一些人的自拍照，唯一的差异是这些人是AI天生的，他们并不存在于我们的天下。
当2D的人物、场景和物件的天生可以被完美实现的时候，实在3D也就不远了，比如这个PIFuHD算法 ，可以直接从2D图片天生真人的3D模型，并自动补全背面的信息。
但这还不足，到这一步你得到的小姐姐也只是个雕塑而已，得让她动起来呀。于是，就有了I2L-MeshNet，可以从2D图像天生人物动作干系的骨骼和3D建模，导入动作参数，于是小姐姐就真正来到了你的身边。
这还不是终点，由于我们的元宇宙虚拟小姐姐还得多才多艺，更要会互动才行，也便是要实现类似失落控玩家里面的效果。
有几个朋友在做一个项目叫做RCT-AI，是一个北京的团队，他们在做一个事情便是用AI去自动天生游戏里面的人物脚本，比如这个“抢银行”的Demo。AI会学习自行判断的如何合营玩家，有时会很怂，有时则会跟劫匪硬刚到底。
合营玩家？如果换一个场景，演习一个女仆或管家型的AI是不是变得可行了呢？
实际上，在做事型AI方面，OpenAI公司的GPT-3，现在不仅可以和人谈天，乃至还能按照人的哀求写代码。
也便是多少年往后当我们在元宇宙里面创作的时候，我们大概率扮演的是一个导演或者宏不雅观设计师的角色，那些详细的事情将由AI完成。
而本日的动画游戏作品中，与一个纸片人小姐姐、小哥哥交往，你还须要脑补，但当你明白本日AI的发展程度，就会创造，你所抱负的统统独一无二的美好，正在通过一行行代码，走近现实。
这便是为什么AI毫无疑问是支撑元宇宙的根本举动步伐之一，如果没有AI去赞助人类制造各种数字产品以及担当NPC，元宇宙的运用处景，元宇宙的丰富程度势必受到严重的限定。3D区不能没有蒂法，也不能只有蒂法。
而且我认为更故意思的是，元宇宙也会成为AI起飞的主要推力。
09
刚才我们有讲到，AI是须要大量数据去喂养的，现在AI家当发展碰着的最大障碍便是，随意马虎得到大数据领域实在是太有限了，那些不随意马虎得到大数据的领域即便有巨大的需求也会发展缓慢，比如自动驾驶汽车。
我们固然可以用打算机仿照去演习自动驾驶算法，但这里面缺少一个关键的成分，那便是人。就算我们可以完美的仿照路况和车况，路上别的司机行人的各种奇葩举动怎么仿照啊？
而元宇宙不仅能供应更大的数据量，更关键的是它是有大量人类生活在个中的3D虚拟天下。在这样的一个天下AI的运用处景会被大大拓宽，然后现实天下当中的AI产品就可以用元宇宙版本先跑到80分，再去现实中进一步发展。
就比如大家知道我们在3D电影和游戏当中用到的人物表情是个很难做的东西，要做到鲜活真实，就得做真人表情采集，就得找演员用专业设备专业团队，否则就会很假。
而到了元宇宙里面，我们天然就有用虚拟人去呈现自己的表情去嬉笑怒骂的需求啊，在之前的节目中我们说过，facebook的下一代VR一体机设备Project Cambria有内置的表情传感器，于是乎facebook将获取所用用户表情的大数据。
在这里我可以下一个判断，在Project Cambria发售一年之内，AI虚拟人表情假这个问题将会被彻底的办理。
再比如刚才说的自动驾驶，在元宇宙里面我们可以举办公路拉力赛，把园地设定在北京城，然后不雅观众可以走到赛道上，可以往赛道上扔东西，乃至可以把自己家的车开上赛道，这个场景下演习出的自动驾驶AI应对突发状况的能力绝对炸裂。
我之前跟一个做自动驾驶的朋友提过一个广告营销的策划，便是你别像马斯克那样整天推特上说自己的AI出事件概率是人类的五分之一十分之一，这没用，大家不会信的。
你干脆拍一条广告，在一个漆黑的雨夜，主角的豪华轿车缓缓驶入一大片阴森的城区，这时候暗中埋伏的几辆车溘然亮起车灯，仇敌要开车撞去世他进入一段追车戏。
但是撞了半天创造主角的控车技能太灵巧，根本就撞不到，只能眼睁睁看着他突围而出。末了主角的车行驶到阳光残酷的开阔公路上，镜头拉近创造驾驶座上竟然没有人。这时候屏幕中间涌现他们公司的logo。
如果自动驾驶AI能做到这样，那用户自然会明白，我们安心玩手机就可以了，开车不是我们该管的事儿。
再比如实在很多人都很想要那种非常靠近人类能帮我们干各种活的通用型AI机器人，就彷佛银翼杀手里面的高司令那样，但是在现实当中这种机器人不仅受到智能水平限定，还受到硬件水平的限定，说白了便是它的身体也实现得不好，波士顿动力花了30年才让机器人能像人一样走路。
在元宇宙里面就没有这个限定了，机器人只须要一个模型和一些代码就能行动自若，到时候再把演习好的AI导出来装在现实中的机器躯体上，人与机器的界线就彻底模糊了。
元宇宙作为下一代互联网，人类信息技能手段的集大成者，传播与天生的数据势必呈指数级增长，AI也将受益于这样的数据海洋，进化速率远非本日可比。
我常常听到一种说法，便是人工智能它只能做一些机器式的操作，而人的想象力创造力是人工智能无法取代的。
听完我刚才的剖析大家也能看出来，这个说法是完备缺点的。
10
事实上无论是扫地拧螺丝这种机器式的劳动，还是下棋打游戏这种竞技运动，亦或是画画谱曲这种创造性事情，充分发展之后的人工智能干什么都会比人类干得好，而且是多快好省，全方位的上风。
如果说我们干工作的套路是先形成希望，然后在我们所节制的能力或者资源范围当中去探求知足这种希望的方法，终极形成决策，向前推进。
人工智能短缺的不是任何的能力或者方法，它缺的是左边这块，希望。
也便是说AI无法成为终极的决策者，它供应的只是达成目的的实行力，或者说他只是个工具人，这才是人与AI的根本差异所在。AI做的任何事情背后都一定有人的推动，哪一天AI真的杀了人，你终极肯定能找到一个幕后的始作俑者。
AI会带光降盆力的碾压，在AI近乎无限复制的生产力面前，我们现在的那些自动掌握技能，什么996007压榨工人的操作，都会变成毛毛雨。
AI会带来战斗力的碾压，在遮天蔽日的智能无人机蜂群面前，再强大的人类翱翔员都会成为小可爱。
AI会使得人类变得更加自由，由于它会放大每一个人的能力。同时它也会使怎个社会的代价创造向头部集中，便是当高端玩家的决策能力被AI无限放大的时候，当你们单位联欢会都能找张艺谋来导演的时候，低端玩家就找不到活儿干了。
这也是很多人在提全民基本所得背后根本性的缘故原由，由于对付绝大多数人我们目前理解的那种劳动代价将会不复存在。
人工智能的发展提速无法阻挡，一定会对社会造成冲击，而真正主要的是谁能掌握人工智能家当。
就像当年的工业革命，我们现在活着的险些每一个人都由于工业革命而过得更好了，但在它展开的过程当中，有些人借着风口平步青云，另一些人则成了发展的垫脚石，乃至有些民族直接没了，作为学习过中国近代史的中国人，我相信大家都明白这是什么意思。
这便是为什么AI家当是我们必须要尽全力节制和领先的领域，而这确实也是我们的国策。在十四五方案当中涌现最多次的专业术语，便是人工智能，如果我没记错的话，涌现了18次。
而在那之后会发生什么，就看我们是否能够雕琢前行不忘初心了。
作者：酷玩实验室