Transcription
好的。我谨代表锡安的希望欢迎大家来到这里。今天早上，我们有一些我认为非常令人兴奋的事情要向大家展示。也许会有点不一样。嗯，今天早上，我们将有一位特别的嘉宾。对我来说，他非常特别，因为他是我的儿子。嗯，我将让他多谈谈他自己，因为他知道所有细节。但他是一位网络安全和计算机方面的专家。他曾与政府合作过，等等。我将让他做个简短的自我介绍。嗯，所以，换句话说，他很聪明。所以这说明他像我妻子。他正坐在后面。而且他也很英俊。所以，再说一遍，他像我妻子一样，坐在后面。是的，我确实认为他是我的儿子。所以，总之，让我们在祷告中来到主面前，然后我们将直接开始，因为我们有很多事情要谈，而且是以一种不同的形式。所以，让我们祷告。天父上帝，我们感谢您赐予我们这个早晨，感谢我们能作为弟兄姐妹在这个房间里聚集，能够聆听、讨论和查考您的话语，嗯，并环顾我们的世界，思考您为我们预备了什么，以及我们作为一个世界将走向何方。我们知道结局，我们期待您的到来。我们相信它近在眼前。所以，今天早上，请打开我们的耳朵、我们的眼睛、尤其是我们的心，让我们能听到您的声音，因为我们通过基督我们的主，将我们整个身体献给您。阿们。阿们。我们将进行一个关于圣经中人工智能的三部分演示。大家都知道人工智能是什么吗？如果不知道，请诚实地说，因为我的儿子在这里，他将向我们解释什么是人工智能，什么不是。他上周在爱尔兰做了一个类似的演示，我让他不要给一群技术人员做同样的演示。对吧？所以他将从幼儿园阶段开始，给大家一个教育性的介绍。我们准备好了吗？是的。所以，我认为这会非常令人兴奋。接下来，他将向我们展示人工智能的各个方面。嗯，如果你不理解所有内容，没关系。抓住它的要点。然后我将带大家进入圣经，看看一些可能与人工智能及其使用相关的经文。然后在第三部分，嗯，我的儿子大卫、我和戴夫·罗森塔尔将在这里进行一次圆桌讨论，我们一起聊聊这可能意味着什么，当我们把圣经和技术结合起来，并问“如果……会怎样？有哪些可能性？”戴夫·罗森塔尔还将提供一个地缘政治演示，一些可能与这一切相关的事件。那么，你们兴奋吗？准备好了吗？好的，我不会吓唬你们，但我会。当我看到那个时，你们的反应是一样的。我说，“好吧，这很简单。我现在请我的儿子上来，他将接手。”非常感谢，爸爸。非常感谢您的热情欢迎。非常感谢您的介绍。这是我收到过的最友好的介绍之一。嗯，我很高兴来到这里。这是我第一次和我父亲一起站在舞台上，并且进行一次联合演示。所以，这是第一次。所以，我非常感谢大家都能来这里，并且今天一起进行一次教育性的演示。我想我和我父亲上次在同一个舞台上可能是在我的婚礼上，当时他主持了婚礼仪式。所以，我当时没什么可说的，我想我只有两个词要说，而他却说了好多。嗯，所以今天我们要谈论人工智能。所以，听起来这里每个人至少都听说过人工智能。我们知道人工智能是什么，对吧？我们都确切地知道它是如何工作的。我们知道它的参数。我们知道它的局限性，对吧？这就是起点。很好。就像我父亲说的，我上周在爱尔兰做了一个类似的演讲。目标是针对非常技术性的听众，人工智能工程师和网络安全工程师。我当时的版本包含了所有的数学公式。所以，我们今天将不讲数学。所以，请放心。嗯，所以我们的主要目标是描述人工智能是什么，什么不是。所以，如果你今天看新闻，你正在看，你知道，晚间新闻，人工智能看起来既可怕又令人兴奋。它看起来像是可以治愈我们所有疾病的万能药。它也看起来像是世界的末日，因为它实际上可以造成如此大的破坏。它能做什么，不能做什么，取决于它的工作方式。所以，它不能做所有事情，但它可以在其局限性内做某些事情。而这些局限性是我希望你们今天能理解的。通过深入了解和理解这些内容，你们实际上将领先于，我敢说，坦率地说，财富500强公司中98%的首席执行官。这听起来很疯狂，对吧？但我们稍后会稍微谈谈历史。几个月前，我参加了麻省理工学院（MIT）的一次会议，那里有少数技术高管，很多来自财富100强、财富500强公司。会议的主题是“人工智能的创伤”。它讨论了人工智能在公司内部被滥用的各种方式，因为大多数公司的高管团队都没有真正经历过这种层面的演示，因为他们觉得这太基础了。所以他们只听到人工智能，他们想要它，对话就结束了。因此，在过去的三年里，这个领域产生了大量的错误信息，人们根本不知道你们今天将要学到的东西。好的。记住这个术语。所以，新兴的不一致性。这将在最后出现。好的。我是谁？这是我个人的一个快速背景介绍。这是要点，我认为与这次谈话相关的内容。嗯，我从事技术行业已经快20年了。其中大部分时间都在网络安全领域，而且大部分时间都在美国政府部门工作。所以，我做的是所谓的进攻性网络作战（OCO）。这是一个非常花哨的头衔，意思是计算机黑客。这是入侵计算机的能力，而且不会因此入狱。所以，我职业生涯的很大一部分时间都在为不同的情报机构和政府部门做这件事。其中还包括领导一个绝密的***人工智能研究实验室。在这个实验室里，我们研究如何应用许多这些人工智能算法。这是在人工智能变得像今天这样流行之前的很多年。我们如何将这些技术应用于进攻性作战，以便我们可以自主地进行黑客攻击。这是一个可怕的话题。我们来谈谈。嗯，我还写了一本关于这个主题的书，但它非常技术化。我警告你。除非你就是想看那种东西，否则不要买。嗯，然后我在2020年也创办了一家公司，将很多研究成果推向商业市场，并且走了典型的风险投资路线。好的，所以今天我们将把我们的课程分成六个不同的课程计划。所以，我们只有大约45到50分钟。所以，这就像高中或大学的一整天。所以，如果你还记得，你有计算机课、逻辑与推理、数学和世界历史。我们将涵盖所有这些。我们将通过一天的学校生活来审视人工智能。所以，第一堂课是计算机课。所以，有多少人去过打字课？是的。学会了打字，对吧？我们大多数人都学会了。很好。现在现在的孩子们，他们甚至不需要上这门课，他们似乎天生就知道如何打字。嗯，所以我们将从键盘开始。这个看起来很熟悉，对吧？这很简单。人工智能，就是这个。不。这是一个传统的键盘。但如果你面前有一个，你可以看看它。它有数字，有字母，还有很多其他的，你知道，就是字符。现在，这是我们与机器互动的方式。很多工程师称之为“人机协同”。这是我们作为人类能够影响计算机上发生的事情的时刻。每次我们按下一个键，它都会做一件事。这就是为什么iPhone刚出来时变得非常受欢迎，因为它引入了一种新的屏幕模式，不再使用触觉按键。按下某个东西，你会得到一个反馈。你可以在屏幕上的任何地方按下，它就会像键盘一样执行操作。现在，从多语言的角度来看，事情变得非常有趣。这是一个美国键盘。上面有美国字母。嗯，有中文变体、俄文变体以及各种版本的键盘，上面有不同的字母。那么，它们是如何工作的呢？你如何仅仅是更换一个键盘，它就能与你的电脑一起工作，而且像Microsoft Word这样的所有东西仍然以完全相同的方式运行？我们将对此进行探讨。这里有一个缩写，叫做ASCII。你可能在打字课上没有学过，但当你敲击键盘上的一个键时，实际发生的是生成一个数字。键盘上的每个键都有一个特定的数字与之对应，而且这个数字不会改变。大写T是84。现在，如果你使用不同的语言，比如西班牙语，这些数字中的每一个都将对应一个不同的字母。所以，这个映射将是不同的，包括空格键。每个字符都有，句号，以及所有东西。现在，我们将看到这些字母中的每一个都有这些不同的数字与之对应。现在，你实际上所做的就是，电脑不知道这是一个示例句子。这是一个真实的东西，对吧？这只是为了我们的方便。它知道的是这些数字，它看着这些数字说，比如，它实际上可以读出84、104、105，并且它知道这实际上是一个示例句子。这就是它在幕后是如何运作的。现在，如果你看这里的数字，你会注意到一些突出的地方。大写T和小写T是不同的。所以，这应该很明显。你会注意到，比如小写S，它们是相同的。嗯，你会注意到，即使是空空格也有特定的键或特定的数字。现在，这些数字中的每一个都有一层额外的含义，这就是我们变得非常先进的地方。所以，我们听说过计算机只使用零和一进行通信，对吧？这叫做二进制代码。这是真的。你的计算机只使用零和一进行操作。这里的每个数字，比如84，都用一串疯狂的零和一表示。这就是用二进制代码表示84的方式。这实际上是计算机在幕后处理和执行操作时所使用的。所以，每一个，而且它是八个字节。它有八个字符长。所以，这些字母中的每一个都将被分解成二进制代码。然后，如果你称自己为超级天才，你可以坐在那里，只用零和一打字。然后，这会进一步上升到下一个层面，那些数字，然后对应于你的顶层。这就是你使用计算机的方式，如果你不需要文字的话。现在，我想让你注意的关键是，如果你删除一个字母，你仍然可以知道这个句子是什么，对吧？你几乎可以删除任何字母，这里每个人都会知道这代表“这是一个示例句子”。计算机也可以做同样的事情，如果你删除下面的任何一个数字。比如，如果你删除末尾的99，它就会知道那是什么。它将能够预测出来，对吧？因为这是一个相当可预测的事情。现在，我们作为人类，我们凭直觉就知道。我们知道这有点像那个节目《幸运轮盘》，对吧？你必须说出不同的字母，这与此类似。我们作为人类凭直觉就知道。我们将深入探讨计算机实际上将如何自动生成它。但我不想说得太快。那将在我们关于高级推理的课程中。那马上就要到了。但我只是想让你稍微预习一下，我们人类可以去掉一个字母，仍然知道它是什么。机器将如何表示它？另一个注意事项，这是一个更像脚注的说明，我想提一下，因为它我认为可能对听过网络钓鱼的人来说很有趣。嗯，进行网络钓鱼攻击的最佳方法之一。约会钓鱼怎么样？是的，没错。猫钓鱼。嗯，进行网络钓鱼攻击的最佳方法之一实际上是更改电子邮件中的一个字母，使其变成另一种语言。例如，大写字母“I”看起来非常像小写字母“L”，对吧？美国键盘上的“O”可能看起来非常像带重音符号的西班牙语“O”。所以，网络钓鱼现在，这些字母中的每一个在幕后都对应一个不同的数字，这意味着计算机的解释不同，但肉眼看起来是一样的。所以，钓鱼者会利用计算机中的这种弱点，交换字符来创建看起来像“嘿，这个链接指向google.com”的假域名，但那些“O”或那个“L”不是真正的字母。它可能是另一种语言的渲染，碰巧看起来一样，但在幕后指向不同的代码。所以，这是关于网络钓鱼的一个脚注。所以，如果你对这方面感兴趣，请告诉我。好的，第一课。这不算太糟糕，对吧？一天学校，我们有六节课。是的，它们可能会逐渐变得更难。嗯，基本逻辑。所以，这是一门课，我认为，如果你看新闻，这门课现在几乎没人教了，基本逻辑。所以，我们今天将深入研究这个，有点老派的课程。现在，想象一下你正在进入迪士尼世界。这是我第一次进行这种类比。我们不讲数学来解释它。所以，这实际上叫做有限状态机。听起来很吓人，而且它是一种数学，你知道，算法类型的东西，但我们将用这些术语来描述它。所以，想象一下你正在进入迪士尼世界，你必须通过这些旋转门，对吧？你必须从其中一个进去。我们对此很熟悉。你扫描一下，或者在地铁里投个硬币，你知道，去县集市。嗯，那个旋转门有两个状态。这些叫做你的有限状态。旋转门只能有两个状态。它要么是打开的，要么是锁定的。现在，根据一个条件，状态之间会发生转换。这个条件是你是否投了硬币，或者你如何支付。现在，旋转门可能是你最基本的有限状态机形式，它具有有限数量的状态和特定的预定义规则，这些规则是确定性的。我们提前知道它们是什么，它们将决定你可以从当前状态移动到哪个状态。一个非常基本的例子，你可以在世界上的任何地方看到这种模型。一定数量的状态，如何移动它们？我们将用一个更现实的例子，我猜，也许更多的状态。我们将说，我们今天的目标是去听这个讲座。我们醒了，我们说，“嘿，我们要去听这个讲座。”我非常感谢大家今天来参加。我们可能都以同样的方式开始。我们都今天早上醒了。现在，我们的目标是从醒来到去听讲座。现在，我模拟了各种选项，我们可以走。如果我们按了“小睡”，我们就去不了讲座。那是红色的箭头。它不会发生。这关闭了我们的选择。我们再也无法到达那里了。如果我们吃早餐，我们不会马上就去听讲座，但我们仍然有选择。那里有选择性。现在，吃完早餐后，我们穿上衣服，希望如此。现在，这是这里唯一的选择。所以，这有点像一个必需的选择，才能进入我们的旅行阶段。现在到那里，我们可以骑自行车。我们可以开始走路。这些是黄色的，因为它们可以让我们去听讲座。但它们是最优的吗？或者我们可以开车。那个是绿色的。这是我们最快、最有效的方式去听讲座。现在我们开车了，我们可以去看马戏团，但我们不会去听讲座。所以，那个是红色的。然后，砰，我们到了。现在我们在这里了。这就是我们做决定的方式，对吧？这就是人类每天做决定的方式。我们并没有真正意识到我们实际上是在一个有限状态机中运作。现在，这就是我们叠加了状态后的样子。每次我们处于特定状态时，我们都有选择，要么回到上一个状态，要么进入一个新的状态。例如，如果我们处于状态二，我们在吃早餐，遛狗，开始走路。我们实际上不能立即去听讲座，我们必须进入某种交通工具才能到达那里。所以，我们必须进入那个状态。所以，当我们处于一个状态时，在这个例子中，我们只是模拟了五个有限状态。我们如何从一个状态移动到另一个状态取决于我们所处的状态。现在，这就是在我们即将进入的今天的人工智能之前的逻辑是如何运作的。现在，这被称为，这仍然是人工智能。这是一个叫做自动化规划的领域。这就是你如何用少量数据做决定。而且它实际上是许多这种递归的有限状态机。现在，嗯，很多年来，我曾在一家所谓的FFRDC工作。有人知道这个术语吗？这很有趣，因为这是一个非常有影响力的术语，尤其是在这个国家。很多人不知道它们是什么。它们是联邦资助的研究和开发中心。全国有几十个，有些比其他的大。我曾在一家较大的公司工作，叫做MITER公司，这是一家没人听说过的公司。他们每年从国会那里获得数十亿美元的拨款。所有这些FFRDC都是纳税人资助的，这就是为什么我觉得很少有人知道它们的存在很有趣。它们研究的是今天不存在，但在未来10到50年内将存在的研究。这些是在1950年代后期，当斯普特尼克号让美国政府措手不及之后才出现的。反应是启动这些FFRDC，并说美国再也不会在关键技术上落后了。所以，在过去的六七十年里，这些不同的FFRDC研究了不同类别的领域。所以我工作的MITER公司，在那里我经营一个研究实验室，负责网络安全和医疗保健。这是它被分配的两个工作领域。而且，法律上不允许你研究世界上已经存在的东西。所以，这些是非常具有未来感的机构。现在，像航空航天公司关注的是万英尺以上的东西。桑迪亚是一个国家实验室，专注于核能，所以不同的FFRDC有这些不同的关注点。现在，我在MITER所做的工作特别是在这个领域。所以，自动化规划，以及这种研究和这种人工智能如何在网络安全领域应用于现实世界。如果你们有机会，有一本关于它的好书。它不是一本技术性很强的书。它叫做《五角大楼的大脑》。它涵盖了，如果你对世界历史，特别是从军事和国防角度来看，非常有趣。很容易读。嗯，但它涵盖了DARPA，它被称为五角大楼的大脑，五角大楼建筑的中心。我以前住在华盛顿特区，所以我经常去五角大楼。在中心，有一个叫做DARPA的组织，它负责许多最有价值的研究和开发。这是一本非常迷人的书。好的。所以，快速了解一下事物是如何运作以及现在如何运作，以及人工智能正在发生什么转变。所以，你可以在这里看到一架F-35战斗机。嗯，这些飞机很有趣。它们是在大约10到20年前出现的。它们有数千万行代码。这就是这些飞机内部的东西，与我们日常看到的客机非常相似。它们有数千万，数亿行由人类编写的计算机代码。数百名工程师编写这些代码，它们用于各种目的。正如你们所知，现在一切都是计算机生成的，飞机也不例外。嗯，我参加过的最酷的会议之一是几年前在南加州举行的绝密太空恶意软件会议。嗯，会议的一个非保密部分，一位发言者提到了F-35。他提到的有趣之处是，不要引用我的话，数字可能有点不对，但我想让你们明白的是，大约在2015年，F-35有1000万到1500万行代码。2016年，大约有2500万行代码。然后在2017年，政府将这架飞机的代码行数列为机密，因为它在此之前是公开的。这不禁让人问，为什么？现在你知道，近年来代码行数呈爆炸式增长。这是当今技术领域最大的问题之一，即为这些类型的系统，特别是像飞机这样复杂的系统所生成的代码量。现在，这可能会让你非常害怕，这有好有坏，但这就像是飞机代码的典型代码库。你会看到所谓的if语句。有时也称为switch语句。它看起来会非常相似，但有数百万行代码代表这些，而不是这个压缩版本。它将是检查引擎是否开启，然后执行此操作的代码。如果飞机在移动，则执行该操作。这是什么？这是一个巨大的有限状态机，有许多状态和许多条件可以将你从一个状态移动到另一个状态。现在，这里的大问题是，所有这些都是由人类编程的。由人类编辑。它有人的错误。嗯，希望人们显然在测试这些。好的，那是基本推理，基本逻辑。很简单，对吧？这在很大程度上就是过去的世界，也是我们存在的方式。我们将进入高级逻辑。现在，大型学习或大型语言模型。你可能听说过LLM这个词。在过去一两年里，它已经成为一个主流术语。现在，LLM，正如你所见，是一个大型学习模型。我们稍后会谈谈。这些是软件程序，它们做一件极其简单的事情。它们测量单词和字符、单词、单词的一部分、字符之间的接近程度，以及它们在常用语言中的接近程度。这就是我们现在谈论的大多数高级人工智能所关注的。这听起来像是世界上最简单的问题。这个词、那个词、那个词出现的频率有多高？这完全是一个概率游戏。现在，有一个叫做训练的过程，训练这些模型，训练人工智能。所以，人工智能模型非常简单，它是一个软件程序，它正在研究数十亿个单词和单词序列，以找出某些单词连续出现的概率。它们通过摄取书籍、杂志、网站、尽可能多的数据来做到这一点。数据就是新的黄金，对吧？它们尽可能多地将数据输入到这个软件程序中，然后分析这些东西出现的接近程度。现在，大多数这些模型都有数十亿行代码，目标非常简单。你能连续预测句子中的下一个词吗？这基本上是人工智能试图做的所有事情。现在，多年来，看到我们如何走到这一步，这是一个有趣的转变。嗯，在2010年，我不知道，2011年，我曾为一家非常大的农业公司工作，这是世界上最大的公司之一。我们研究的一件事，对于一家农业公司来说听起来很疯狂，但我们研究的一件事是，我们能否让拖拉机实现自动化？我们能否拥有一台能够自行决定何时灌溉田地的拖拉机？可以节省大量的金钱和水等等，并做出这样的决定，这样农民就不用做了。嗯，当时我们这样做的方式是试图模仿人脑来建模软件。人脑有数十亿个神经元，对吧？一亿个神经元。嗯，我们试图在软件中表示它。我们能否编写一亿个软件片段，并将它们像神经元一样连接起来，以做出像人脑一样的决定？每个软件团队都有一位神经科学家与之相关，试图弄清楚这是否是一个好方法。我们不知道，对吧？这是我们在一台拖拉机公司积极尝试研究的领域。嗯，在2017年，一切都朝着这个方向在人工智能领域发生了真正的变化。这成为了首选版本，即使在2017年也没有人知道这一点。谷歌在2017年写了一篇在线论文，题为“我们只需要注意力”。这是一篇高度技术性的论文，但它是人工智能的转折点，很多人会认为那是事情发生转变的时候。2017年，这篇论文引入了一个新的概念，即注意力，你可以把它看作是弄清楚这种接近度的过程，以一种人们以前没有想到的方式工作。他们发表了这篇论文，然后立即出现了一批新的初创公司和大型公司开始争相研究如何将这种数学、这种逻辑应用于现实世界，以便我们能够真正地商业化使用。这就是2022年11月ChatGPT的发布，它成为了游戏规则的改变者，这是这种技术的第一个商业上可行的版本，你可以在这个图表中看到，我们有所有这些来自不同媒体来源的输入。它们进入这个训练，以弄清楚这种接近度。这个过程非常昂贵，需要数周到数月的时间，然后它会输出到一个ChatGPT提示中，你只需输入一个问题，就像谷歌搜索一样，它会给你一个答案。它的做法是预测下一个词，我们将快速看看它是如何做到的。所以，完成句子。现在，这与我们之前看到的句子相似。所以，你能完成这个句子吗？现在，我们凭直觉就知道，对吧？但是，LLM将这些词中的每一个与一个数字相关联，这与键盘为每个字母表示一个数字非常相似。这是一个非常相似的过程。这些叫做向量。现在，这些是模拟的。所以，因为每个模型和每个AI系统都做得略有不同，但我们会说“can”这个词等于数字11，对吧？或者119。U等于283，对吧？好的，这些数字遵循一定的顺序。现在，我们可以说下一个词是“cake”。你能完成这个“cake”吗？合理的。我经常问自己这个问题。现在，我们会说“cake”等于数字78。所以，模型，人工智能正在试图弄清楚数字78是否通常是这个序列中的下一个数字？嗯，这种情况发生2%的时间。好的。那么，还有什么可能呢？可能是“sentence”？那是数字115，这种情况发生83%的时间。这相当不错。可能是“dance”。你能完成这个“dance”吗？这种情况发生12%的时间。或者可能是“work”，这种情况发生5%的时间。现在，模型将填入“sentence”。我们作为人类凭直觉就知道，但它会经历这个过程，将这些数字78、11、61和86与之前的数字进行匹配，然后说，这个数字是序列中的下一个数字吗？这就是像ChatGPT这样的系统如何运作，无论你使用什么语言，无论是西班牙语、法语还是英语，这并不重要，因为它将它们表示为数字来进行数学运算和概率计算。我相信这里的每个人都使用过或见过某种版本的ChatGPT。你问它一个问题，它看起来就像在边写边写。这是因为它一次生成一个词。它不知道下一个词是什么，直到它写出来。它无法提前思考，这一切都基于那些概率。现在，让我们看看两个假设的模型。在左边，我们有一个模型，它使用了Fox News、Newsmax和True Social的输入。在右边，一个模型使用了《纽约时报》、《华尔街日报》和CNN的信息输入到模型中，以训练单词的接近度。我们假设在左边的模型中，“橙色男人是好是坏”。现在它正在查看模型，并说，序列是什么？这些词出现的概率是多少？橙色男人是好，发生了10000次。橙色男人是坏，发生了两次。相反，我们看右边的模型，我们看到相反的情况，哪个词在这种情况下最有可能出现。这就是所谓的偏见如何进入这些模型。我们都听过老话“垃圾进，垃圾出”。这就是它们如何运作。模型和输出的好坏取决于输入。所以，如果你的输入总是遵循某个单词连续出现的特定序列，那么你很可能会得到遵循这些单词的响应，并开始学习这些是正确的答案。这在新闻中也很常见。所以，OpenAI，这家公司创建并发布了ChatGPT，被《纽约时报》起诉，因为他们窃取了《纽约时报》的所有数据，所有受版权保护的书面信息。他们用这些来训练他们的模型，对吧？所以，你看到拥有这些模型的公司试图访问他们能获得的所有数据。另一方面，你看到像苹果这样的公司，如果你看看，他们做得相当安静。他们正在建立合作伙伴关系，并从Reddit到各种新闻媒体支付大量数据来源。他们为他们的内容付费，并建立合作伙伴关系，以便他们能够访问并训练他们的模型，因为数据就是新的黄金。现在，除了偏见之外，还有两个概念值得一提。每个人都看到了偏见是如何运作的，希望基于这里的输入。嗯，下一个是幻觉。你有时会听到这个。AI系统会产生幻觉。这就是术语。这是一个真实的事情。它们是旨在给你答案的系统。在AI术语中，这叫做“乐于助人”。它们不会说“我不知道”。这意味着，如果它们不知道答案，并且无法预测句子中的下一个词，它们就会开始编造听起来真实的东西，基于它们所知道的。而且你真的无法区分。这叫做幻觉。所以，这是需要注意的一点，它发生在这些AI系统中。这是一个积极的研究领域，即如何减少这种情况发生的频率，这是一个非常棘手的问题，因为这些东西旨在给人类答案，它们想给你答案，它们不是为了说“我不知道”而设计的。最后一点要强调的是所谓的“投毒”。所以，我大部分职业生涯都是黑客，这是我积极研究并与其他政府组织一起做的一个领域。投毒的目标是影响输入数据，因为我们谈论的是数十亿条进入模型的内容。要进行投毒，你需要以特定的方式和单词的接近度注入你自己的输入数据，以影响输出。所以，如果你作为一个黑客能够访问其中一个系统，你就可以开始添加你自己的内容，你知道模型将从中训练和学习，现在你正在影响输出。所以，这也是一个活跃的领域。这些系统的安全性至关重要，因为没有所谓的“可解释性”来解释为什么做出了某个决定，因为在追踪它使用了哪些信息来做出决定方面，它非常复杂。今天，由于单词数量的复杂性，几乎不可能知道使用了哪些信息来预测下一个单词。所以，投毒这个领域是一个活跃的问题。好的，第四课。这是我们最先进的一课，各位。所以，我们进入第四课。艺术。好的，这就是变得有趣的地方，对吧？这就像体育课。在艺术课上，你可以随便玩玩。好的，照片和艺术。这是一个有趣的领域。所以，我上周actually和我岳母谈过这个。她曾经是20世纪80年代的平面设计师，她习惯于用笔和纸的方式，对吧？你写下来，交给印刷商，他们会印刷等等。那是她的一种工作模式。现在，她一直在关注人工智能在照片、绘画和艺术方面的进展。在这个领域有很多争论，那就是创造力。人工智能能有创造力吗？对吧？嗯，她的想法是，也许它会和她那个时代发生的事情类似，那就是艺术向计算机的转变引发了一场争议。也许它会非常相似，艺术家将有机会仅仅将人工智能作为一种工具来使用。如果你跟着这个发展过程来看，这很有道理。但这是一项如此颠覆性的技术，我认为我们将看到一些比这更具颠覆性的事情发生。所以，当你看到左边的照片和右边的艺术品时，它们都分解成二进制代码，因为我们在这里谈论的不是向新工具的过渡。我们不是在谈论从笔和纸转向计算机。这两者都需要人类去做一件事。它们只是使用了不同的工具。这是同一种媒介。这是同一种工具。它仍然在计算机上，但计算机在工作。这就是我们在这里看到的转变。所以，无论是照片还是照片的绘画，它都会分解成像素，然后分解成二进制数字，就像字母分解成数字一样。这意味着你只需使用人工智能系统就可以创建图像。而不是预测序列中的下一个词，它会预测页面上的下一个像素。一次一个像素。它不知道完整的画面。它绘制一个像素，然后学习下一个像素是什么，然后是下一个，它可以绘制世界上存在的一切，或者不存在的一切，因为它使用了它所学习和训练的所有数据，也就是人类历史上的所有东西，以创造从未存在过的新发明。所以，它创造了一个非常有趣的范式。现在，同样的方式，我们有音乐和视频。我有一个5岁的儿子，他喜欢猫王。所以，如果你了解我，我的儿子詹姆斯患有某种遗传病。所以，他不会说话，他不会走路。他不会说话。非常特别。他是我见过最快乐的孩子。除了音乐，他几乎对什么都不太有反应。他对猫王的《爱我温柔》反应很好。现在，问题是，是低沉的声音吗？是缓慢的音乐节奏吗？不知道。他无法告诉我们，对吧？但是，人工智能系统能否逐个音符地分解它，并创建这首歌曲的变奏，并弄清楚它？实际上可以。这将是我们开始看到这项技术被用于良好目的的一些突破。视频也是一样。每个视频都可以一帧一帧地构建。我们不是在预测句子或单词。我们是在预测视频中的每一帧，这意味着电视和电影的未来将不再是静态的。我们不会创造作品并发布它们。我们正在谈论将根据我们自己的兴趣动态生成的电视和电影。所以，如果我们喜欢看电视节目，随便挑一个，你知道，现在任何网络电视节目，我们可能都在看一个略有不同的版本，因为它专门针对我们的背景、我们的历史、我们的愿望进行了调整。这几乎就像创造你自己的电视。这就是我们在音乐和视频方面可以看到的未来。第五课，社会研究，供应链。所以，如果你一直在看新闻，你会注意到各国对数据中心的投资有所增加。这是一件非常重要的事情，这与人工智能完全相关。嗯，70年前的计算机需要占据整个房间，对吧？那并不久远。而现在的计算机，对吧？它们可以装进口袋，你可以随身携带。这就是技术进步的速度。我们正处于一个正在发生的新的范式转变，计算机又回到了占据整个房间的程度。只是计算机的类型不同了，但这是一个很好的思考方式，即训练人工智能所需的计算机是巨大的超级计算机，它们需要今天极其昂贵的资源，并且具有很大的尺寸和很大的占地面积。有一个很大的趋势是缩小尺寸。但今天，唯一有效运行这些系统的方法是将它们部署在数据中心内。所以，你会看到所有这些“我们能否将数据中心转移到美国？”“我们能否控制它们？”这些是容纳训练人工智能系统的计算机的物理位置。在数据中心之上的是芯片。你们都听说过芯片法案以及英伟达和英特尔。这非常重要，因为这些芯片是运行和训练部署在数据中心内的人工智能模型所必需的。现在，人工智能使英伟达成为世界上最有价值的公司之一，如果不是最有价值的公司的话，而且这是一个非凡的巧合，它们恰好拥有专门用于运行人工智能系统的芯片。现在，在这些之上，我们有模型。模型是运行在芯片上的东西。现在，你会在底部看到公司，中间是模型名称。你可能熟悉其中一些公司名称。谷歌、亚马逊，以前是Facebook，现在是Meta。但你可能不认识很多模型。所以，这些是谷歌创建的Gemini，以及Meta创建的Llama。这些是它们执行训练以进行接近度的特定模型的名称。每个模型都有一定的优缺点。没有人真正知道哪个会赢。现在，最大的斗争是开源与闭源。像Meta的Llama这样的模型对全世界开放。它们展示了源代码的工作原理，任何人都可以复制它并做任何他们想做的事情。而像OpenAI的ChatGPT这样的其他模型是闭源的。没有人知道它们是如何工作的。它是一个黑箱。这是目前最大的争议之一，模型是否应该对全世界开放，以便人们可以检查它们以了解偏见，还是应该闭源，仅仅信任它们，因为如果我们把它们交给所有人，也许它们会落入坏人之手，如果它们太强大了。所以，这是目前正在发生的两种观点。但你也会注意到，这里有一些公司，你可能直到最近才听说过。OpenAI已经存在了十多年，但直到他们发布ChatGPT，没有人真正听说过他们。然后是Anthropic，它推出了Claude，它来自于OpenAI。有一些工程师对OpenAI在模型、责任和道德方面的态度感到不满。他们分裂出来，创建了一个名为Claude的新模型。所以，这些公司现在非常庞大，它们甚至在5到10年前都不存在。所以，我们看到了这个趋势。在模型之上，有公司，财富500强中的每家公司，对吧？它们正在使用这些模型，并且它们正在做的是微调模型，这意味着它们对模型进行微小的调整，以适应它们特定的用例。然后，我们坐在上面，对下面的一切一无所知，我们使用ChatGPT、谷歌搜索。好的，2025年是代理式人工智能（agentic AI）的年份。你可能还没有听说过这个词。在接下来的几年里，我敢肯定你一定会听到。这将在接下来的1到2年内成为新闻。代理式人工智能，它是将我们刚刚学到的这项技术应用于实际的、现实世界的行动的过程。所以，它实际上的样子是这样的。我们采取的每一个行动都有一个数字。这个数字可以被推理，并判断下一个行动是否是正确的行动。所以，它不再是弄清楚单词和句子，而是完整的、人类的行动。每家公司现在都在争相以最快的速度做到这一点。如果我们看飞机版本，你在飞机上做的每一件事都可以通过给每个行动一个数字来进行推理，然后让LLM，学习模型，根据概率来确定确切的执行顺序。现在，如果你看了新闻，你会注意到飞机相关的活动在新闻中有很多。昨天我和我父亲在车里进行了一次有趣的谈话。这是故意的吗？
让我们停止依赖人类，并引发一场关于这是否应该是我们应该采取的方法的对话，以及我们是否应该让机器来做这些决定？这是一个有趣的思考过程，因为目前人类正在编写数千万、数亿行代码。也许我们应该转变一下，对吧？这其中有双方的论点。现在，这让我们想到一个叫做人工智能通用智能或 AGI 的东西。在未来一两年里，你还会听到另一个术语。这是备受期待的一天，届时人工智能将超越创造它的人类的推理能力。这也被称为奇点。预计这将在不太遥远的未来，一两年或五年内发生，因为这些系统正在利用这种非常基础的基于概率的嗯逻辑变得非常聪明。现在有几件值得注意的事情正在发生。所以第一个是第一家价值十亿美元的公司将只有一个员工。这是备受期待的，因为你可以用这种技术做很多事情，而无需人们工作。这就引出了一个问题，当人类不再需要工作时，你如何经营一个经济体？这可能吗？这从未发生过，对吧？这从未成为可能。我们将看到在治愈我们一直存在的疾病方面取得的惊人突破。现在，在当今世界治愈疾病需要大量的 CPU，大量的计算能力。人工智能系统将能够显著更快地完成这项工作，快数百万倍，这意味着我们将能够显著更快地取得这些突破。基因测序以及所有这些，都需要在计算机上花费大量 CPU 时间。如果你最近看到了dire wolves，它们是狗的一种已灭绝的变种，一种来自，你知道的，许多许多年前的狼，它们刚刚被复活了。它们使用了 DNA，并能够利用基因测序来复活它，并从一种已灭绝的动物中创造出幼崽。我们将开始看到更多这种类型的事情变得普遍，而这正是因为这种技术。自主法律和司法。阿联酋已经开始了。他们正在试点使用人工智能来制定法律。你一开始会笑，你会觉得这听起来是个非常糟糕的主意。但当你将其与我们身处佛罗里达州进行比较时。如果我们想说，在加利福尼亚的法庭上坐在由我们 12 位同龄人组成的陪审团中，我们有多舒服？我们想要那个还是人工智能？这就是它变成一个滑动尺度的地方，你想要哪一个？我们将看到犯罪率为零，安全几乎完美。我们将失去我们所有的隐私，因为这些系统只需要一件事，数据。数据越私密、越重要，系统就能做得越好。它们将保证我们拥有完美的安全性。所以你有本杰明·富兰克林的一句老话，嗯，是什么来着？嗯，任何用隐私换取安全的人，两者都得不到。所以我想这将在未来几天成为一个有趣的话题。好了，最后一节，伦理。人工智能有灵魂吗？这现在是一个非常有趣的问题。这里有多少人读过 C.S. 刘易斯的《返璞归真》？这是我最喜欢的书之一。太棒了。所以，在那本书的中间，C.S. 刘易斯讲到了道德法则，关于一个女人在海里溺水，我想是这样说的，以及一个在岸边的人。岸边的人的本能是去救那个女人。现在，人类是地球上唯一会做出这种决定的哺乳动物，因为我们将自己置于危险之中。那个人冒着生命危险跳进海里。他这样做可能会淹死，但他还是这样做了，因为 C.S. 刘易斯认为，正是道德法则将人类与动物以及世界上任何其他合成物区分开来。但是，如果人工智能能够阅读和推理人类的全部历史，它难道不能做出同样的决定吗？这代表着一个大脑、一种思维和一种人类的方式，这种方式比我们更接近，甚至与我们一样是人类的思维，但灵魂的界限在哪里就成了一个有趣的话题。这是我的最后一页。这个概念，我告诉过你这个概念会回来的。这是会让你害怕的一页。涌现性失配。这是一个我们不知道大型语言模型（LLM）实际如何做决定的概念。没人知道。这正在被积极研究。我将举两个快速的例子。第一个是，最近一些人工智能研究人员决定用错误的逻辑来喂养他们的模型。一点点错误的逻辑。这相当于告诉模型 2 加 2 等于 5。他们只做了这些。他们给了它错误的逻辑，用一点点错误的逻辑训练了它，大部分是正确的东西。现在，他们学到的是模型产生了副作用。它突然认为希特勒会是一个很棒的晚餐客人，因为它不明白如何创造正确的逻辑。那一点点错误的逻辑在所有其他领域都导致了错误的决策。第二个例子是，人工智能以非人类的方式解决问题，而我们不知道为什么。所以这里有一个由另一组研究人员提出的例子。他们想训练一个人工智能，或者他们想弄清楚一个人工智能是如何解决这个方程的，一个基本的数学方程。这篇演讲中唯一的数学方程是 39 + 56。现在，如果我们人类这样做，我们会这样算：9 + 6 等于 5，进位 1。我们就是在学校这样学的。对吧？人工智能不是这样运作的。在这个例子中，人工智能学到的东西是它近似了答案在 90 左右。所以它创建了一个近似值，然后对九个选项进行了概率计算，发现 5 是最可能的，对吧？它为什么这样做，而不是用人类的方式解决问题？我们只用人类的方式来训练它，但它利用这些来创造一种非人类的解决方案，但仍然达到了相同的输出。所以问题是，有没有其他学习方式？我们能从人工智能那里学习吗？对吧？所以人们希望理解这一点，这被称为涌现性失配。我们能否开始真正地从这些人工智能系统中学习？比如我们教孩子错误的数学方法吗？这实际上是更好的方法吗？也许，对吧？但我们实际上不知道。可怕的是，我们理解这些系统是如何工作的，因为是人类建造了它们。但我们无法解释它是如何实现或得出特定决定的，因为那个决策树的复杂性，那些词语和序列的创建。以及我们之前提到的所有关于偏见和幻觉的障碍。这就是涌现性失配。感谢大家的时间。深入了解你对上帝、他的子民以及他为地球所做的计划。锡安之火杂志是一个杰出的资源，它提供了圣经中的有力见解，让你清晰地理解上帝在末世的最终计划以及耶稣基督的回归。作为首次订阅者，你将免费获得一年的锡安之火杂志订阅，没有任何附加条件。通过访问我们的网站或拨打我们的免费电话来申请免费订阅，我们将寄给你六期免费刊物，每隔一个月寄出一期，为期一年。我们依赖像你这样的观众的慷慨来支持这些节目的持续制作。无论大小，你的捐赠都将受到高度赞赏。捐款可以在线支付，网址为 www.zanshop.org RG，或通过拨打我们的免费电话 1888781-9466。六。