每个人的“大模型”

        几乎每个人都在谈人工智能和大语言模型，其实，我们每一个人都拥有一个独一无二的“大语言模型”，就是我们的大脑。我们不妨称它为人类大模型（human LLM），相比而言，人工大模型称为人工智能大模型（AI LLM）。闲下来深入地思考人类大模型和AI 大模型之间的相似性和差别是非常有意思的事情，而且引发我们更深入的思考。

父母给的“基础模型”

     我们从娘胎里一出生，就拥有了一个基本模型（Base Model），这是父母遗传给你的模型。你一出生，大模型就开始工作了，边训练，边推理。它将不断地通过你的五官和感知器官，收集周围环境和身体的内部状况，做出各种行为-哭，笑，眼睛转动和手脚运动（现在被称为推理），同时你的大模型也通过感知环境的状态变化进行学习（现在被称为深度学习），必然认识人，探测声音的方向，抓东西等。

父母的监督式学习

   父母通过不断地对话，唱儿歌和肢体语言对你的大模型进行“微调”，打屁股，怒骂，抚摸和奖励食物是对你大模型的惩罚和奖励。这就是传说中的“长记性”。现在叫做“监督式学习”。

通过教育不断地训练

      当你慢慢地长大，开始上学读书。学校的老师教授你必要的知识，帮助你构建成完整的知识体系和技能。学习的过程好比训练更大人类模型，训练的方式是通过老师自己的人类大模型中知识，以及前人构建的各种大模型中“蒸馏”出特定的知识（现在称为“数据集”）。

       你通过阅读，聆听，实验，背诵等各种方式。使用数据集训练你的大模型。使你的大模型在推理，生成文字，图形方面的能力大幅度地提高。而各种考试都是对你的大模型的评测体系。也许你的大模型达到了大学本科，硕士和博士的能力。

参加工作后，便成了智能体

        当你完成了学业之后，根据你的特长选择一份职业。利用所学的知识（训练好的大模型）， 从事某一个工作，相当于提供一种服务和价值。于是，你变成了一个智能体（Agent）。

人类大模型与AI 大模型的相似性

        从人类的大模型和AI大模型的类比中，我们也可以悟出许多道理。

• 准备训练大模型的数据集（dataset）非常重要

    什么样的训练数据，训练出什么样的大模型。如果数学学的多，数学解题能力就强。小说读的多了，写文章的能力就强。

• 训练的方法非常重要

  俗话说“名师出高徒”，老师的作用在于：

   选择教学的内容，好的老师知道应该重点教会学生什么，那些知识可以让学生自己以后慢慢学。

   通过特定的方式使学生能够充分理解所教的内容，同样一个知识点，有的老师一点就通，有的老师讲了大半天学生还是一脸懵。这就是教育水平，更是一种艺术。在人工AI 中，这是训练算法。

• 每个人的大模型都是独一无二的

     我们每个人的大模型都是独一无二的，首先，父母遗传的基础大模型是父母遗传的，由于人类遗传有一定的随机性，所以即便是双胞胎，两个遗传的基础大模型也是有很大的差异的。其次，每个人的生活环境，父母的早期教育都不同，所以，训练我们我们每个人的“大模型”的数据集，训练算法都是不同的。当然，最后训练出来的“大模型”也是不同的。

• 不必比较大模型的能力

    既然如此，很难比较出一个大模型比另一个大模型更强。未来的AI大语言模型也是如此。每一个大模型都是独特的。解决某一项工作的高手。

  人们抱怨大模型不靠谱，会产生幻觉。其实不用过分严苛和担心。我们人类也会产生幻觉，产生危险的想法。模仿人类思考的AI 大模型自然也会出错。LLM 能够取代人类的某些工作，但是要牢记，在一个系统中最不可靠的是人，AI 与人一样不可靠。

        有时候，人们会将AI 与传统的自动控制混淆。传统的自动控制程序基于了数学和物理原理。他们是可以复现一致的结果。AI 不会取代传统的基于原理和规则的计算机控制算法。

     AI  不是计算机科学的全部，它只是一个分支而已。

•   人类教育与大模型训练有相似之处

        这两个领域可以相互借鉴。它们的目的十分相似，都是为了培养（训练）一个独特的大模型，因该选择什么数据集去训练目标大模型？除了知识之外，还包括世界观，价值观，道德观。

     如何构建一个基本AI模型，他应该包含多少智慧？并保持中立思想。

       另一方面，我们应该采取效率更高的方式（算法）训练独特的大模型。是否有训练的顺序？像人类教育一样，先学什么，后学什么，由小模型迭代出大模型。未来是否会出现”客户定制“的大模型？如何防止训练者放入“错误”的思想？这都是教育和AI 领域面临的问题。

  发挥人类大模型的优势

   人们担心AI大模型会取代人类的工作。其实，我们应该为自己拥有的人类大模型而感到骄傲。与AI大模型相比，我们的大模型低功耗（每天吃少量的食物），可移动，实时性强，如果AI机器人要能够吵过上海人的话，需要非常强大的算力。

   当我们出现了AI 大模型这样的竞争者之后，人类要考虑在人脑大模型和AI 大模型混合的系统中如何发挥优势。要避开AI大模型擅长的事情，做人类大模型更具有优势的。

    例如，我们写作的方式会发生变化。面面俱到的叙述，洋洋洒洒的文学性描述可能已经没有意义了，人们写作的主要目的是表达自己的思想，观察到的现象以及解决问题的方法。我思故我写。

     与此同时，我们学习的方法也会发生变化，并不是集中在知识的记忆方面，而是构建思维链的能力，深度思考的能力。

    总的来讲，我们不用担心，大模型会抢了我们的饭碗。他最多只会抢夺滥竽充数的人的饭碗。人类的大模型低功耗，实时，可移动，优势明显。 况且，我们的爹妈还可能遗传给我们一个“天才”的基础模型。