看了几篇讨论AI绘画的相关帖子后我发现了一个问题，很多同志对于AI的理解依然停留在由广泛的科普作品和科幻影视作品所塑造的“传统人工智能”的印象上，简言之，就是认为“AI就是人类编写的自动程序，能够自动根据实施情况，依据事先编好的规则代码进行行为选择”，所以AI的水平完全取决于构成规则的代码的完备性，设计的时候代码越完备，考虑的情况越多，则AI越强。反过来，如果我想让AI实现某种功能，我就必须让它学会所有情况的处理，如果做不到，这就叫“AI无法代替人类”。
看样子，妙极了，大家都能轻易判断一个事实，程序员是不可能穷尽所有现实情况的，所以理论上这种万能AI是不可能出现的，如果用程序员的语言来说，那就是"你不可能用一堆if-else来穷尽所有的情况”。
是的，这是完全正确的。实际上，计算机科学家们早在上个世纪伴随现代计算机的不断进化的过程中就已经发现并承认了这一点，上个时代的AI实际上不过是大型的自动化程序，切切实实就是由一大堆if else逻辑来构成，以21世纪的观点来看，这些程序甚至已经可以说不属于“人工智能”的范畴了，因为但凡我写了一个if a>0:a+=1 都能满足“计算机程序根据外界情况自动选择”，而这只是计算机程序最基本的逻辑实现而已，实则谈不上“智能“。
人工智能发展史上的两次低潮期（60-70年代初，80-90年代中）实际上都在反映这种“固定编程”式AI的缺陷，一旦应用规模扩大，需求较为复杂，对于程序逻辑可靠性的要求也将提升，而程序逻辑的可靠性在这种情况下毫无疑问就是取决于设计与实现的能力。随着计算机在硬件层面性能的不断强化，以及互联网的飞速普及，产生和堆积了海量的数据，这才让AI有了另一条路可走——自我学习，自我进化。
我们以战胜了人类的围棋AI AlphaGo为例，这是大家都知道的，但是非专业同志可能不太清楚的是，战胜了柯洁同学的AlphaGo Master，很快就以100:0的压倒性——败绩，败给了它的后辈，AlphaGo Zero，而在业界，这个没有任何人机战绩，不为人知的AlphaGo Zero才是最为震撼的，无它，原因在于Zero版本的核心设计——对抗式深度学习，即完全不需要任何人类数据（棋谱）输入，AI只凭借围棋的基本规则（甚至不是定式），自我对抗，积累数据，你以为程序一定在Al里输入了海量的规则代码吧？啊，这种情况该怎么落子，那种情况怎么扳回劣势，然而如果是这样的话，程序员怎么可能开发出一个棋力比自己还高的AI呢？恰恰相反，我们并不教会AI下棋，我们只能教会AI如何学习下棋。
换到其他应用场景下也是相同的，实际上，像机器学习这样的技术早就已经在诸如图像识别、语音识别这样烂大街的场景中得到了广泛的应用，这样的AI一开始可能不太聪明的样子，可能会识别错误，但是你会发现随着使用时间的增长，AI的准确度在慢慢提升，这可不是靠程序员在后台不断添加规则和修正代码，而仅仅是AI学习过程的数据积累罢了，通俗的说法就是“喂数据”，通过不断地“喂数据”，AI才能具有模拟和模仿的能力，是的，这只是一种模仿，谈不上“理解”，AI在作画的时候并不知道自己在进行什么“创作”，它只是把具有特定特征的数据组合成具有特定目标特征的位图数据而已，一切都是在0和1的二进制层面发生的，但这样的模拟依然不妨碍它战胜了人类的围棋，也模拟出了人类的绘画创作。
而在这种具备学习能力的AI思路下，一个有趣而重要的事实是，如果两个AI的代码构成大致相同，那么决定这两个AI能力的就是它们所经历的学习过程和结果，也就是数据积累的质和量（质量和数量）。我在隔壁帖子看到有同志对此带有典型的误解（“国外的AI都是开源的，人家在公有制上走得更远”），嘛，这里暂且不谈国内软件行业确实开源传统不如国外同行，但这和“公有制”一毛钱关系没有，因为普通AI的代码并没有你想的那么值钱，在github上，有一大堆开源的机器学习、深度学习AI项目，下载，搭建环境，你就可以得到一个自己的AI，很难吗？难，因为你还是没有训练数据，所以你下载运行的AI其实是个白痴，它根本识别不出你的脸，因为你还没有开始教它。是的，你可以看到国外的IT企业，诸如谷歌，微软，IBM，都有自己的开源AI项目，文档论文一应具有，但是你见过哪个IT企业把自己的AI训练数据也“开源”出来的吗？至少这对于商业化运营的AI是不可能的。
稍稍展望下这项技术的发展，在当下和近未来，AI其实并不是什么神乎其神的技术，它只不过是一项普通得不能再普通的工具，它也将广泛地参与到社会生产中来，逐渐成为像现在的手机、计算机一样不可或缺的生产工具和生产资料，所以绝对不存在什么“这项行业无法用AI代替，因为它无法像人一样思考”，AI自始至终就从来没有完成过“像人类一样思考”这个目标，但你的手机依然可以识别出你的长相、指纹和声音。是的，今天接你电话的是一个AI客服，你可以清楚的感觉出它的机械感，但是10年后这件事就未必做得到。
那么结论是什么呢？AI将代替人类吗？显然不是的，无论我们从现代AI的技术路径（基于数据积累的自我学习得来的模拟能力）或是mks对机器本质的断言（帮助人类，部分代替人类但不是完全取代人类），都无法得出AI代替人类的结论。但是显然，在不同的生产关系下，AI这种智能机器的进步对劳动者条件带来的影响也是截然不同的，一如它不聪明不智能的那些陈旧机器前辈一样。
回到AI绘画，我的观点是，在近未来，更有可能的前景不是“企业直接部署AI代替画手绘画”，而是“画手使用AI辅助绘画”，基于现代AI的成长设计，它必然在一个阶段内是无法离开来自人类的数据积累的，而对于绘画AI来说同样如此。因此对于画手来说，实际上AI并非要代替你们的人，在未来反过来它将变为你手中的画笔，成为你的劳动工具和生产资料，你的劳动同时也将成为AI自我进化的数据材料，但这时你们所使用的不过是AI的终端而已，它的灵魂——算法和数据，都无法掌握在你们的手中。
看样子，妙极了，大家都能轻易判断一个事实，程序员是不可能穷尽所有现实情况的，所以理论上这种万能AI是不可能出现的，如果用程序员的语言来说，那就是"你不可能用一堆if-else来穷尽所有的情况”。
是的，这是完全正确的。实际上，计算机科学家们早在上个世纪伴随现代计算机的不断进化的过程中就已经发现并承认了这一点，上个时代的AI实际上不过是大型的自动化程序，切切实实就是由一大堆if else逻辑来构成，以21世纪的观点来看，这些程序甚至已经可以说不属于“人工智能”的范畴了，因为但凡我写了一个if a>0:a+=1 都能满足“计算机程序根据外界情况自动选择”，而这只是计算机程序最基本的逻辑实现而已，实则谈不上“智能“。
人工智能发展史上的两次低潮期（60-70年代初，80-90年代中）实际上都在反映这种“固定编程”式AI的缺陷，一旦应用规模扩大，需求较为复杂，对于程序逻辑可靠性的要求也将提升，而程序逻辑的可靠性在这种情况下毫无疑问就是取决于设计与实现的能力。随着计算机在硬件层面性能的不断强化，以及互联网的飞速普及，产生和堆积了海量的数据，这才让AI有了另一条路可走——自我学习，自我进化。
我们以战胜了人类的围棋AI AlphaGo为例，这是大家都知道的，但是非专业同志可能不太清楚的是，战胜了柯洁同学的AlphaGo Master，很快就以100:0的压倒性——败绩，败给了它的后辈，AlphaGo Zero，而在业界，这个没有任何人机战绩，不为人知的AlphaGo Zero才是最为震撼的，无它，原因在于Zero版本的核心设计——对抗式深度学习，即完全不需要任何人类数据（棋谱）输入，AI只凭借围棋的基本规则（甚至不是定式），自我对抗，积累数据，你以为程序一定在Al里输入了海量的规则代码吧？啊，这种情况该怎么落子，那种情况怎么扳回劣势，然而如果是这样的话，程序员怎么可能开发出一个棋力比自己还高的AI呢？恰恰相反，我们并不教会AI下棋，我们只能教会AI如何学习下棋。
换到其他应用场景下也是相同的，实际上，像机器学习这样的技术早就已经在诸如图像识别、语音识别这样烂大街的场景中得到了广泛的应用，这样的AI一开始可能不太聪明的样子，可能会识别错误，但是你会发现随着使用时间的增长，AI的准确度在慢慢提升，这可不是靠程序员在后台不断添加规则和修正代码，而仅仅是AI学习过程的数据积累罢了，通俗的说法就是“喂数据”，通过不断地“喂数据”，AI才能具有模拟和模仿的能力，是的，这只是一种模仿，谈不上“理解”，AI在作画的时候并不知道自己在进行什么“创作”，它只是把具有特定特征的数据组合成具有特定目标特征的位图数据而已，一切都是在0和1的二进制层面发生的，但这样的模拟依然不妨碍它战胜了人类的围棋，也模拟出了人类的绘画创作。
而在这种具备学习能力的AI思路下，一个有趣而重要的事实是，如果两个AI的代码构成大致相同，那么决定这两个AI能力的就是它们所经历的学习过程和结果，也就是数据积累的质和量（质量和数量）。我在隔壁帖子看到有同志对此带有典型的误解（“国外的AI都是开源的，人家在公有制上走得更远”），嘛，这里暂且不谈国内软件行业确实开源传统不如国外同行，但这和“公有制”一毛钱关系没有，因为普通AI的代码并没有你想的那么值钱，在github上，有一大堆开源的机器学习、深度学习AI项目，下载，搭建环境，你就可以得到一个自己的AI，很难吗？难，因为你还是没有训练数据，所以你下载运行的AI其实是个白痴，它根本识别不出你的脸，因为你还没有开始教它。是的，你可以看到国外的IT企业，诸如谷歌，微软，IBM，都有自己的开源AI项目，文档论文一应具有，但是你见过哪个IT企业把自己的AI训练数据也“开源”出来的吗？至少这对于商业化运营的AI是不可能的。
稍稍展望下这项技术的发展，在当下和近未来，AI其实并不是什么神乎其神的技术，它只不过是一项普通得不能再普通的工具，它也将广泛地参与到社会生产中来，逐渐成为像现在的手机、计算机一样不可或缺的生产工具和生产资料，所以绝对不存在什么“这项行业无法用AI代替，因为它无法像人一样思考”，AI自始至终就从来没有完成过“像人类一样思考”这个目标，但你的手机依然可以识别出你的长相、指纹和声音。是的，今天接你电话的是一个AI客服，你可以清楚的感觉出它的机械感，但是10年后这件事就未必做得到。
那么结论是什么呢？AI将代替人类吗？显然不是的，无论我们从现代AI的技术路径（基于数据积累的自我学习得来的模拟能力）或是mks对机器本质的断言（帮助人类，部分代替人类但不是完全取代人类），都无法得出AI代替人类的结论。但是显然，在不同的生产关系下，AI这种智能机器的进步对劳动者条件带来的影响也是截然不同的，一如它不聪明不智能的那些陈旧机器前辈一样。
回到AI绘画，我的观点是，在近未来，更有可能的前景不是“企业直接部署AI代替画手绘画”，而是“画手使用AI辅助绘画”，基于现代AI的成长设计，它必然在一个阶段内是无法离开来自人类的数据积累的，而对于绘画AI来说同样如此。因此对于画手来说，实际上AI并非要代替你们的人，在未来反过来它将变为你手中的画笔，成为你的劳动工具和生产资料，你的劳动同时也将成为AI自我进化的数据材料，但这时你们所使用的不过是AI的终端而已，它的灵魂——算法和数据，都无法掌握在你们的手中。
