自从2022年底ChatGPT引爆生成式人工智能热潮，“看得见、用得着”的生成式，让普通大众第一次对人工智能有了真实感。随后，人工智能在“内容生成”赛道上一骑绝尘，持续不断地“震惊”着我们，让越来越多人相信科幻世界中美好的场景近在眼前。
那么与人类相比，人工智能还差点啥？今天我们抛开眼花缭乱的创新应用，与晦涩难懂的底层技术，从人类思考的两种模式来看人工智能。
诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）在《思考，快与慢》（Thinking, Fast and Slow）中总结了人类的两种思考模式——快思考和慢思考，并把快思考称为系统1，慢思考称为系统2。
系统1：是直觉系统、无需集中注意力、反应速度快，不费脑力，例如熟练驾驶汽车而无需努力思考。
系统2：是理性系统，需要集中注意力、反应速度慢、耗费脑力，例如逻辑分析需要认真思考并耗费较长时间。
我们只要醒着系统1就一直在线，只有当系统1遇阻才会激活系统2，系统1和系统2互相配合构成了人类的思考模式。通常情况下，这种分工方式是高效的，但系统1会持续不断为系统2提供印象、直觉和感觉等输入。而且，由于系统1是无意识的，并不能确保对现实的准确反映，如果系统2没有发现这些认知错误，就很难避免做出错误的决策。
在人工智能的发展过程中“符号主义”与“连接主义”两大流派交相辉映，与人类的两套思考系统不谋而合。
“符号主义”（Symbolicism），又称逻辑主义、主张用公理和逻辑体系搭建一套人工智能系统，奉行模仿人类的逻辑方式获取知识。
“连接主义”（Connectionism），又叫仿生学派，主张模仿人类的神经元，用神经网络的连接机制实现人工智能，奉行大数据和训练学习知识。
在20世纪80年代，专家系统开始出现，专家系统把人类专家的知识与经验整理为知识库，再通过推理机模拟人类专家的思维过程来解决特定领域的复杂决策问题。1996年击败国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)，就是IBM基于“深蓝”计算机开发的国际象棋专家系统。早期专家系统基于规则推理，后发展为基于案例推理，但专家系统的本质是“符号主义”，很明显是在尝试解决人类思考的系统2问题。专家系统是人工智能的第一个真正商业化应用，在医疗、军事、地质勘探、化工等领域，产生了巨大的经济效益和社会效益。
但是，专家系统的知识领域往往很狭窄，而且会随着时间推移而过时，维护知识更新与推理模型更新的成本很高，这让它只能服务于超大型企业。目前专家系统已经很少作为独立系统存在，而是成为业务系统中的规则引擎，在征信、反诈骗和风险控制等，强规则领域广泛应用。
从2010年开始“连接主义”复兴，神经网络价值显现，算力硬件的发展更是让基于神经网络的深度学习如鱼得水，成就了今天生成式人工智能的蓬勃发展。虽然生成式人工智能可以生成具有逻辑性和连贯性的文本、图像、音频、视频等内容，但神经网络复杂的结构导致生成结果的成因却难以解释，而且相同条件下每次生成的结果还不完全相同。同时，生成式人工智能还有一定概率出现幻觉，就是会一本正经的胡说八道，而且它还无法自我察觉到是在胡说八道。难以解释、出现幻觉、无法自我察觉，这些都让生成式人工智能与人类思考的系统1非常像，人类的印象、直觉和感觉也并不是总能准确反映现实。
虽然生成式人工智能还有很多问题需要解决，但宏观来看人工智能在人类思考的系统1和系统2都已实现初步突破。
我认为，更大的训练数据、更大的模型参数、更高的算力，依然只是人工智能的初级阶段，参考人类思考的两个系统，未来不同类型和特点的人工智能技术应发挥出系统1和系统2的不同作用，并相互配合才能达到真正的人类智能水平。图灵奖得主 Yoshua Bengio 在2019年的主题报告《从系统 1 深度学习到系统 2 深度学习》（From System 1 Deep Learning To System 2 Deep Learing）阐述了快思考与慢思考对他的启发，并指出深度学习未来的研究方向要从系统1转向系统2，他的观点在学术界引起广泛共鸣。
这场席卷全球的生成式人工智能热潮，不仅激发了大众对未来的无限遐想，更推动了各行各业对人工智能技术的广泛关注与投入，我相信更多突破将不断涌现，人工智能浪潮还将持续升温！ |
