GPT真能达到自媒体所传播的那样，这说明金融化已经将美国侵蚀到了不忍目睹的程度_风闻

【本文来自《理解人工智能的普遍误区》评论区，标题为小编添加】

我从上世纪80年代便开始接触人工智能的相关理论与技术。其实，所有的自动控制技术，都可以归于人工智能。鉴于，今天的网络舆论，将人工智能技术狭义理解为直接模仿人脑的日常功能，我便尽可能通俗易懂地说说，人工神经网络技术的起源与发展。

起点问题：人能不能造出个类似于人脑的工具，来代替人脑处理各种事务？

马上遇上的棘手问题，便是人目前对人脑所知甚少。那还怎么造呢？但是，虽然对人脑不了解，可是能持续观察到人脑的输入输出，由此来推断它是如何运行的。

这时问题转化为：一个黑箱，知道它的输入输出映射，求其内部的运行函数。

有点基础的读者，马上可以知道，这里用到的是系统论知识。自动控制技术中的SCI老三论（系统论、控制论。信息论），其实是人工智能的理论基础。

上面这个问题，便是人工神经网络算法的原点问题。，

同时，还可以研究计算机与人脑在运行过程中，究竟有那些外在不同。

主要两点：传统计算机有中央处理器，而人脑中没有这种专门的神经细胞；传统计算机的计算与存储功能分开，有专门的计算与存储器件，而脑内没有这种明显区分。

由此，人们提出了人工神经网络的基本架构，应该是并行处理与分布存储。这种架构已经与传统计算机模式有了很大不同。目前，存算一体芯片是集成电路的重点发展方向。人工神经网络的具体运用，我们最常见到的便是云计算架构。

人工神经网络，是不是就是人脑呢？通过上面的介绍，已经可知，简直风马牛不相及。人们只是通过对人脑远行的物理特点，用集成电路模拟了人脑的架构，以便获得现有技术水平上的进步（即效率提高）。

再回到人工神经网络算法的原点问题：一个黑箱，知道它的输入输出映射，求其内部的运行函数。

这其实是个数学问题。我们为了理解方便，可以将其简化为：

Y=F(X)，已知Y与X的无数组映射，求F。这个F，便近似于人脑在处理相关问题时，同样的输入输出。

那帮猪鼻子插葱的家伙，张嘴闭嘴唬人的高大上词汇，全部出自这个数学题的求解思路与算法。目前其实还在探索中。

如果无数组映射关系，构成线性关系，那么这就是个线性方程组的求解问题。线代、矩阵这种词汇，都出自这里。矩阵计算其实是线性方程组的求解方法。

现实中绝大多数的映射关系，肯定不是线性关系，那么就涉及非线性求解。基本思路是设置各种权重，然后不断尝试输入输出，调试权值，最后使各参数调试到，系统输出值与期望值的误差可以接受。什么迭代、递归、最快下降法等等词汇，出自这里。

最后说一句，如果GPT对美国工作岗位的取代，真能达到自媒体所传播的那种程度，这只说明，金融化已经将美国侵蚀到了不忍目睹的程度。它的背后不仅是产业空心化，还有教育空心化与人力资源空心化。道理很简单，如果做PPT，已经算社会中的专业技能，这个社会除了捣腾信息流，还能有多大的物质生产能力？人是要吃饭的！