ChatGPT引發(fā)對(duì)人工智能的一片討論熱潮

目前，ChatGPT的出現(xiàn)引發(fā)了輿論對(duì)人工智能的一片討論熱潮。

但是，業(yè)界和大眾媒體認(rèn)知錯(cuò)誤最多、持續(xù)時(shí)間最長(zhǎng)的技術(shù)之一就是人工智能了。

為什么本文敢說(shuō)是“網(wǎng)上最權(quán)威”？1980年進(jìn)入大學(xué)期間我最感興趣的技術(shù)就是計(jì)算機(jī)，并且第一個(gè)自我選定的學(xué)術(shù)研究課題就是人工智能，對(duì)這一課題的研究持續(xù)了40多年。我在研究生期間的圖像與視頻處理專業(yè)，研究過(guò)圖像的人工智能模式識(shí)別，包括利用衛(wèi)星云圖判斷農(nóng)作物長(zhǎng)勢(shì)以及人臉識(shí)別。人們對(duì)ChatGPT發(fā)出的很多驚嘆，我在這40多年間已經(jīng)見(jiàn)過(guò)無(wú)數(shù)次了，一點(diǎn)都不新鮮。在過(guò)去40多年的個(gè)人職業(yè)生涯中，我不僅做過(guò)軟件和硬件開(kāi)發(fā)，而且在計(jì)算機(jī)、通信、數(shù)字廣播領(lǐng)域都有6年以上的職業(yè)經(jīng)歷。我在全球第一個(gè)提出海量?jī)?nèi)存計(jì)算機(jī)（相關(guān)研究分三期發(fā)表在1998年8月的《計(jì)算機(jī)世界報(bào)》上），比SAP提出“內(nèi)存計(jì)算”早了十多年；全球第一個(gè)提出軟件定義網(wǎng)絡(luò)（SDN）概念，比推出OpenFlow（2008年形成概念，2009年底第一版推出）的斯坦福大學(xué)早3年。

可能有讀者會(huì)對(duì)此有疑惑，本文最后會(huì)專門討論一下SDN問(wèn)題以及它與人工智能的技術(shù)關(guān)聯(lián)。此處只簡(jiǎn)單提一下，我作為最早SDN概念提出者是OpenFlow協(xié)議的Editor也認(rèn)可的，部分的相關(guān)內(nèi)容正式發(fā)表在我2016年出版的《通播網(wǎng)宣言》一書(shū)中，所以其他人就不用費(fèi)心來(lái)質(zhì)疑了。我是業(yè)界技術(shù)水平最頂尖之一的人工智能視頻公司浙江宇視（《流浪地球2》中各種攝像頭的提供者）的顧問(wèn)。本文是我40多年研究人工智能的主要結(jié)論，可能會(huì)顛覆讀者對(duì)人工智能的很多認(rèn)知，但其道理卻又是清晰無(wú)比，簡(jiǎn)單至極的。

毫無(wú)疑問(wèn)，制造出像人一樣有智能的機(jī)器這樣的目標(biāo)，永遠(yuǎn)會(huì)是一個(gè)非常刺激社會(huì)大眾注意力的話題。它可以說(shuō)是兩大永遠(yuǎn)最吸引人的熱點(diǎn)技術(shù)話題之一，另外一個(gè)就是外星人。與外星人主題一直摸不著門不同，人工智能永遠(yuǎn)都似乎近在眼前，永遠(yuǎn)都有一些讓人看得見(jiàn)的成果出現(xiàn)，永遠(yuǎn)都在獲得驚人的進(jìn)展，永遠(yuǎn)都有人認(rèn)為未來(lái)機(jī)器可能超過(guò)并統(tǒng)治人類，期待中的產(chǎn)品卻永遠(yuǎn)都讓人失望和推遲應(yīng)用......不是今天才這樣，40年前我開(kāi)始研究人工智能這個(gè)主題的時(shí)候就是這樣，并且一直就是這樣。

01

圖靈測(cè)試本身就是完全錯(cuò)誤的

關(guān)于人工智能最著名的一個(gè)判斷依據(jù)就是圖靈測(cè)試（The Turing test）。它是由艾倫·麥席森·圖靈提出，指測(cè)試者與被測(cè)試者（一個(gè)人和一臺(tái)機(jī)器）隔開(kāi)的情況下，通過(guò)一些裝置（如鍵盤）向被測(cè)試者隨意提問(wèn)。進(jìn)行多次測(cè)試后，如果機(jī)器讓平均每個(gè)參與者做出超過(guò)30%的誤判，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試，并被認(rèn)為具有人類智能。圖靈測(cè)試一詞來(lái)源于艾倫·麥席森·圖靈寫(xiě)于1950年的一篇論文《計(jì)算機(jī)器與智能》，其中30%是圖靈對(duì)2000年時(shí)的機(jī)器思考能力的一個(gè)預(yù)測(cè)。

這個(gè)測(cè)試事實(shí)上也成為機(jī)器是否具有人類智能的一個(gè)判斷標(biāo)準(zhǔn)，簡(jiǎn)單點(diǎn)說(shuō)就是以人為標(biāo)準(zhǔn)，如果有超過(guò)平均30%的比例區(qū)分不出人和機(jī)器，那就認(rèn)為這個(gè)機(jī)器有智能。但是，道理實(shí)在是太簡(jiǎn)單了：有人能拿諾貝爾物理學(xué)獎(jiǎng)，有人物理學(xué)考零分；有人4歲能譜曲，有人一輩子五音不全......人和人之間都如此之地天差地別，你讓機(jī)器怎么和人一樣？

更重要的一個(gè)有些荒唐的問(wèn)題是：如果一個(gè)機(jī)器什么標(biāo)準(zhǔn)知識(shí)點(diǎn)都答得出來(lái)，它記憶力無(wú)限強(qiáng)大，什么知識(shí)都能記得住，那它一定是機(jī)器，怎么可能是人？因?yàn)橹辽僭谟洃浤芰Φ闹悄苌咸^(guò)高于人類而肯定通不過(guò)圖靈測(cè)試，這該怎么算？如果只是以上純學(xué)術(shù)的問(wèn)題，那也就只在純學(xué)術(shù)領(lǐng)域討論就是了，產(chǎn)生不了什么實(shí)際影響。但實(shí)際上不是如此，這個(gè)事實(shí)上的人工智能標(biāo)準(zhǔn)帶來(lái)的重要后果是引導(dǎo)了業(yè)界這樣的發(fā)展目標(biāo)：研發(fā)生產(chǎn)出具有像人類一樣智能的機(jī)器。這就產(chǎn)生了基本技術(shù)哲學(xué)上一系列的根本性誤導(dǎo)，并導(dǎo)致相應(yīng)的AI錯(cuò)誤。

02

目標(biāo)不明

提出人工智能的一開(kāi)始，就試圖實(shí)現(xiàn)“自然語(yǔ)言翻譯”的目標(biāo)。今天的ChatGPT，它歸屬的領(lǐng)域也是叫自然語(yǔ)言處理（NLP）。當(dāng)初以為這個(gè)事情非常容易，只要把要翻譯的兩種語(yǔ)言的文字輸進(jìn)機(jī)器，就差不多可以實(shí)現(xiàn)自然語(yǔ)言翻譯了，但真的一做就發(fā)現(xiàn)問(wèn)題遠(yuǎn)遠(yuǎn)沒(méi)有那么簡(jiǎn)單。日本提出的第五代計(jì)算機(jī)計(jì)劃，軟件上采用Prolog語(yǔ)言，也是把處理自然語(yǔ)言作為主要目標(biāo)，但最后以失敗告終。

“自然”這個(gè)詞是一個(gè)非常糟糕的概念，因?yàn)樗馕吨鴽](méi)有任何前提性的約束。從技術(shù)哲學(xué)上說(shuō)，人類設(shè)計(jì)的任何有效的技術(shù)產(chǎn)品，都必須要有約束條件，不可能存在沒(méi)有任何前提約束條件的技術(shù)產(chǎn)品。我們可以設(shè)想一下，要開(kāi)發(fā)一種“自然路面高速汽車”，這個(gè)該怎么做？

人們可以很快就研發(fā)出一個(gè)演示性的產(chǎn)品，在沙漠戈壁上跑得很快的第一代“自然路面高速汽車”?？墒沁@個(gè)達(dá)到目標(biāo)了嗎？當(dāng)然沒(méi)有，它能在湖面跑嗎？不能，因此再增加水陸兩棲功能。這能算“自然路面高速汽車”嗎？似乎有點(diǎn)樣子，但肯定又不能算，如果遇到樹(shù)林怎么辦？前面裝上高速切割機(jī)，把樹(shù)木瞬間切斷，從而可以在樹(shù)林里也能高速奔跑。獲得重大進(jìn)展，人們一片歡騰。但這能算“自然路面高速汽車”嗎？還是不能，遇到不僅比輪胎、甚至比汽車本身還高的大石頭怎么辦？因此車頭上再裝上石頭粉碎機(jī)，可以快速通過(guò)大石成堆的自然路面。人們又是一片歡騰，但這能算“自然路面高速汽車”嗎？依然不能，遇到前面是懸崖峭壁怎么辦？再裝上攀巖器，能快速攀上懸崖，全社會(huì)再次發(fā)出一片驚嘆，但這能算“自然路面高速汽車”嗎？當(dāng)然不能，如果前面是萬(wàn)丈深淵怎么辦？再裝上可以滑翔的翅膀，能從山頂上滑翔到山底。全社會(huì)又是一片歡呼，但這能算“自然路面高速汽車”嗎？不能。還有沼澤、火山、泥石流、洪水、海面9級(jí)海況、15級(jí)臺(tái)風(fēng)、龍卷風(fēng)路況......永遠(yuǎn)會(huì)有沒(méi)完沒(méi)了的新“自然路面”問(wèn)題在前面等著。

最近有一個(gè)視頻宣傳波士頓機(jī)器人的演進(jìn)過(guò)程，從30年前開(kāi)始，一直演進(jìn)到今天。進(jìn)步真的很大，可是30年過(guò)去了，直到今天也不確切知道它能用來(lái)干什么。前不久曾有一個(gè)視頻展示波士頓機(jī)器狗被一位漂亮的貴婦當(dāng)寵物狗牽著漫步，真的很吸引眼球?？墒菍櫸锏谋举|(zhì)是什么？摸著它的腦袋能讓人產(chǎn)生愛(ài)的感情。你摸著這家伙的腦袋試試什么感覺(jué)？

還有宣傳波士頓機(jī)器狗能干家務(wù)。人工智能如果只是秀一下，什么事情都可以干。但真當(dāng)它們?nèi)ジ傻臅r(shí)候必須明白，它必須得是嚴(yán)格定義和規(guī)范的工作。如果你不能對(duì)準(zhǔn)備讓它干的家務(wù)進(jìn)行明確定義，真以為它什么家務(wù)活都能干，勸你還是拉倒吧！

前幾年因?yàn)橐咔?，在美?guó)很多工作沒(méi)人做，終于想到用波士頓機(jī)器人做搬運(yùn)。但專業(yè)的搬運(yùn)機(jī)器人早就有了，哪里需要波士頓機(jī)器人這么復(fù)雜的玩意兒？

有人認(rèn)為這種可以在復(fù)雜山地環(huán)境負(fù)重的機(jī)器人可以在戰(zhàn)爭(zhēng)中向前線運(yùn)送物資。實(shí)在是難以理解，有這功夫做一個(gè)很簡(jiǎn)單的多旋翼無(wú)人機(jī)，不就什么路面都可以不用管，直接向山頂上送東西了嗎？波士頓機(jī)器人能穿過(guò)山間一條十幾米寬的水溝嗎？拉倒吧！這么復(fù)雜昂貴的東西哪能當(dāng)成野戰(zhàn)型的裝備。

中國(guó)已經(jīng)用無(wú)人機(jī)向山頭上的邊防哨所運(yùn)送各種物資甚至是新鮮食材的火鍋，完全實(shí)用化了。

03

永遠(yuǎn)98%識(shí)別率的語(yǔ)音輸入

今天很多人在用語(yǔ)音輸入和手寫(xiě)體識(shí)別，我也在用。但如果我告訴你30年前就有，你會(huì)作何感想？20世紀(jì)90年代初我還在北京郵電大學(xué)讀圖像處理研究生時(shí)，我的一位大學(xué)同學(xué)鄭元成在北方交大讀博士，他的研究方向就是語(yǔ)音識(shí)別。當(dāng)時(shí)我去他實(shí)驗(yàn)室和他深入研討了這個(gè)技術(shù)。他說(shuō)他做的識(shí)別率可達(dá)到98%。剛開(kāi)始我很興奮地認(rèn)為“這馬上就可以實(shí)現(xiàn)大規(guī)模普及了啊？”，但深入交流完就明白了，這是一個(gè)深到完全無(wú)底的深坑。先說(shuō)為什么語(yǔ)音識(shí)別的技術(shù)指標(biāo)永遠(yuǎn)都是98%，因?yàn)閺恼Z(yǔ)言學(xué)角度說(shuō)，一旦一篇文章的差錯(cuò)超過(guò)2%，看起來(lái)體驗(yàn)就會(huì)明顯變得很差。如果有超過(guò)5%詞匯不認(rèn)識(shí)，閱讀理解就會(huì)出現(xiàn)嚴(yán)重困難。所以，從很早開(kāi)始，語(yǔ)音識(shí)別的行業(yè)人士都會(huì)說(shuō)自己的技術(shù)識(shí)別率可達(dá)到98%，因?yàn)椴贿@么說(shuō)不行。只要輸入的語(yǔ)音規(guī)范到一定程度，即使幾十年前水平很差的語(yǔ)音輸入識(shí)別率真的就可以達(dá)到這個(gè)水平。但只要規(guī)范性稍微變差，需要的計(jì)算難度就會(huì)指數(shù)級(jí)甚至超指數(shù)級(jí)上升，即使今天的語(yǔ)音輸入識(shí)別率也會(huì)迅速降到遠(yuǎn)低于98%。

40年前的80年代中期，我在北京計(jì)算機(jī)展會(huì)上就看到過(guò)可以識(shí)別印刷體的OCR產(chǎn)品，參展者是兩位學(xué)校的老師，他們聲稱自己的技術(shù)識(shí)別率可以達(dá)到99%以上。90年代初期，曾有一個(gè)漢王手寫(xiě)板輸入裝置在市場(chǎng)上出現(xiàn)過(guò)，我在王碼電腦時(shí)曾給一些連鍵盤都不會(huì)打的老板裝過(guò)這個(gè)產(chǎn)品。如果非常認(rèn)真地一筆一畫(huà)寫(xiě)，識(shí)別率尚可，但只要稍微潦草一點(diǎn)，它就識(shí)別不出來(lái)了。因此剛開(kāi)始很新鮮，但用不了多久就用不下去了。這個(gè)產(chǎn)品很快就在市場(chǎng)上再也見(jiàn)不到。

直到今天，簡(jiǎn)單按照摩爾定律計(jì)算，芯片和算法的能力相比30多年前已經(jīng)是百萬(wàn)倍的提升，語(yǔ)音識(shí)別的能力的確相比過(guò)去體驗(yàn)顯著改善。但是，只要你說(shuō)話稍微不規(guī)范一點(diǎn)，例如中間不規(guī)則停頓多一點(diǎn)，背景有一些吵雜，識(shí)別率同樣就會(huì)迅速下降。使用它們時(shí)一定要很小心，如果不注意被識(shí)別成一些罵人的話，直接就在微信等通訊軟件里發(fā)給別人可就出大事了。因此，有些人用著用著，出幾次事故后就不愿再用了。如果你能理解人工智能是什么就會(huì)明白，必須要給它一定的規(guī)范才能有效，不要指望它“和人一樣”。況且，人都不一定能完全聽(tīng)得懂另一個(gè)人說(shuō)什么，你怎么指望機(jī)器能完全準(zhǔn)確地做到？在人工智能領(lǐng)域，這個(gè)情況不是個(gè)案，人們想象出的很多工作是人都不一定做得好的，卻指望機(jī)器能做得很好。

中國(guó)書(shū)法里的狂草有幾個(gè)人能看得懂的？

有些書(shū)法你要說(shuō)它就是成心制造誤解也不為過(guò)。人都容易理解錯(cuò)，況且機(jī)器。

04

可靠性---智能一定就是好事情嗎？

人們普遍以為，只要智能水平越高就越是好事，機(jī)器模仿人的智能越像就越好，這種看法大錯(cuò)特錯(cuò)。人的智能的確是人得以自豪的最重要能力，但我們一定要理解到人們平時(shí)不太注意的問(wèn)題另一面：智能并不見(jiàn)得一定就是好事情。如果機(jī)器有效地模仿人的智能，有可能是與人一樣聰明、能干，也可能是與人一樣愚蠢、做事情不可預(yù)知、不可靠、感情用事......我們生產(chǎn)機(jī)器最重要的不是它們的能力如何，而是要可靠。我們?yōu)槭裁匆l(fā)明機(jī)器？不僅是因?yàn)樘嵘?，而且因?yàn)槿说牟豢煽?、不可預(yù)知。所以，人類的文明有很多創(chuàng)造不是出于提升人的智能，反而是出于限制和約束人類的智能。我們之所以需要企業(yè)管理，就是因?yàn)槿耸侵悄艿闹黧w，只有通過(guò)約束才能使人做出規(guī)范和可預(yù)測(cè)的工作結(jié)果。我們對(duì)機(jī)器的可靠性要求不是達(dá)到98%、99%，而是要達(dá)到小數(shù)點(diǎn)后面4個(gè)（99.9999%）甚至6個(gè)以上的9（99.999999%）。這種程度的可靠性是擁有智能的人類不可能達(dá)到的。一切智能化的主體、包括人，除非是超高強(qiáng)度訓(xùn)練、紀(jì)律性超強(qiáng)的軍隊(duì)，否則其可靠性很難超過(guò)小數(shù)點(diǎn)后面2個(gè)9。

花那么大代價(jià)做出一個(gè)可靠性低劣到向人看齊的機(jī)器干什么？和人一樣就一定是好事情嗎？絕對(duì)不是。做人工智能的人首先自己得有真正的智慧，而不是盲目去搞什么本質(zhì)上不可靠、愚蠢、工作結(jié)果不可預(yù)測(cè)的“人工智能”。

一旦將問(wèn)題進(jìn)行足夠的限定、規(guī)范和簡(jiǎn)化，對(duì)可靠性的要求不是那么高的領(lǐng)域，人工智能的確可以獲得一些實(shí)際應(yīng)用。但如果問(wèn)題提得不對(duì)、目標(biāo)不明、可靠性要求又高的領(lǐng)域，又總是會(huì)覺(jué)得前面還有無(wú)限的路要走。

汽車的車牌是一個(gè)相對(duì)規(guī)范的對(duì)象，同時(shí)在很多場(chǎng)景里，識(shí)別存在一定的差錯(cuò)率是可以容忍的，這樣的話人工智能就可以獲得很好的應(yīng)用。目前即使做得很好的車牌識(shí)別能達(dá)到千分之一的差錯(cuò)率就已經(jīng)很不錯(cuò)了，在諸如停車場(chǎng)，道路違規(guī)監(jiān)控等領(lǐng)域，這個(gè)水平的差錯(cuò)率是可以接受的。因?yàn)閷?duì)車輛違規(guī)來(lái)說(shuō)，還有多個(gè)原始照片可以人工復(fù)核。而在高速公路上，阿里也曾做過(guò)將支付寶與車牌綁定試圖取代ETC，但這個(gè)就沒(méi)有普及開(kāi)來(lái)，原因何在？可能原因有多個(gè)，但僅從技術(shù)上說(shuō)，高速公路上的大規(guī)模車輛自動(dòng)收費(fèi)系統(tǒng)，因車流量極大、又涉及收費(fèi)問(wèn)題，其可靠性要求是會(huì)非常高的，千分之一的差錯(cuò)率肯定難以接受。ETC系統(tǒng)不僅因?yàn)闊o(wú)線信號(hào)傳遞本身的可靠性就極高，而且ETC的序列碼等編碼設(shè)計(jì)本身就帶有校驗(yàn)碼，如果傳遞過(guò)程中出錯(cuò)它會(huì)自動(dòng)發(fā)現(xiàn)并重傳。如果需要，如衛(wèi)星及其他太空信號(hào)傳遞的信號(hào)編碼，可能還帶有糾錯(cuò)碼設(shè)計(jì)，可以不用重傳就自動(dòng)糾錯(cuò)。這些技術(shù)的應(yīng)用可以獲得極高的可靠性，它們是人工智能不可能達(dá)到的。所以人們一定要明白這樣一個(gè)公式：

人工智能 = 有效的人工智能 + 人工愚蠢+ 人工不靠譜（不可預(yù)測(cè)、可靠性差）

只有充分理解了以上公式，才能對(duì)AI趨利避害地加以有效利用。

05

人工智能會(huì)超過(guò)人、取代人嗎？

這個(gè)問(wèn)題是與人工智能相伴隨的、被人問(wèn)得最多的問(wèn)題，也是最沒(méi)有智能的一個(gè)問(wèn)題。真是廢話，人如果做出來(lái)的東西不能超過(guò)人你做它干什么？直接用人去干不就得了。試問(wèn)一下人類創(chuàng)造出來(lái)的工具和機(jī)器有哪一個(gè)不是能夠超過(guò)人取代人的？200萬(wàn)年前的原始人打出來(lái)的石器切割能力就超過(guò)人了，況且是現(xiàn)在做出來(lái)的東西。計(jì)算機(jī)從一開(kāi)始就在計(jì)算速度上超過(guò)人了。人類發(fā)明的任何機(jī)器從一開(kāi)始就在取代人，只不過(guò)是取代的工作對(duì)象和取代速度、規(guī)模、經(jīng)濟(jì)性不同而已。人們唯一需要考慮的問(wèn)題是你的工作被機(jī)器取代后你該干什么，你該做哪些不會(huì)被機(jī)器取代的事情，你該如何去利用各種可以取代人的機(jī)器，以增強(qiáng)自己的競(jìng)爭(zhēng)優(yōu)勢(shì)。在人工智能領(lǐng)域，最充分最廣泛地展現(xiàn)了人類是如何地缺乏智慧，甚至表現(xiàn)得非常愚蠢。當(dāng)人類面臨被機(jī)器取代的前景時(shí)，可能會(huì)產(chǎn)生一種恐懼感。為了平衡這種恐懼感，工業(yè)革命時(shí)期的工人發(fā)動(dòng)盧德工人運(yùn)動(dòng)去砸毀機(jī)器。而現(xiàn)在人類知道不能這么干，因此就在心理上尋找其他的各種平衡。幾十年前計(jì)算機(jī)剛開(kāi)始蓬勃發(fā)展時(shí)，出現(xiàn)過(guò)一個(gè)很奇怪的觀念是“計(jì)算機(jī)怕水”或“機(jī)器人怕水”?？偟谜页鳇c(diǎn)人工智能的致命弱點(diǎn)，人類才會(huì)獲得一些心理安慰是不是？這個(gè)好像是有道理，因?yàn)樗菍?dǎo)電的，如果電路板進(jìn)水了就會(huì)短路甚至燒毀。所以，美國(guó)好萊塢的很多科幻大片中，人類的英雄們都是用一盆冷水把造反的機(jī)器人置于死地，例如中國(guó)很多觀眾熟知的《未來(lái)世界》《血洗樂(lè)園》等都是如此。他們哪里知道水下機(jī)器人是機(jī)器人最早獲得應(yīng)用的門類之一。技術(shù)上的道理太簡(jiǎn)單了 ---把電路密封起來(lái)不就不怕水了。

06

簡(jiǎn)化問(wèn)題與技術(shù)能力---為什么

AI無(wú)人駕駛永遠(yuǎn)不可能成功?

人類解決任何問(wèn)題永遠(yuǎn)是要從兩個(gè)方面入手的：

將問(wèn)題簡(jiǎn)化和規(guī)范，以極大地降低對(duì)技術(shù)能力的需求。

提升解決問(wèn)題的能力，以便解決更難的問(wèn)題。

人類永遠(yuǎn)需要不斷增強(qiáng)解決問(wèn)題的技術(shù)能力，但無(wú)論如何提升，技術(shù)能力又永遠(yuǎn)都是有限的。如果只是從提升能力一個(gè)方面入手，表面看似乎水平在不斷提高，卻可能永遠(yuǎn)也解決不了問(wèn)題，因?yàn)槿魏螁?wèn)題本身如果不加限定都可能是無(wú)限復(fù)雜，從而需要無(wú)限強(qiáng)大的能力才可能解決。人類解決交通問(wèn)題永遠(yuǎn)是從道路和車輛兩個(gè)方面同時(shí)入手，才能有效解決問(wèn)題?；疖囍皇擒囶^和車箱問(wèn)題嗎？當(dāng)然不是，得首先解決鐵路的問(wèn)題。路如果不行，僅僅通過(guò)車頭和車箱的技術(shù)改進(jìn)是不可能獲得成功的。高鐵不僅是高鐵車頭和車箱，更重要的是高鐵的道路與普通鐵路差異巨大。

高速公路為什么可以跑高速？是車有什么不同嗎？不是，車沒(méi)什么變化，只是路不同。

什么是道路？它就是對(duì)交通問(wèn)題的簡(jiǎn)化。一公里高鐵建造價(jià)格在1億多人民幣到幾億人民幣，一公里高速公路造價(jià)在3000萬(wàn)到1個(gè)億，由此就知道為了簡(jiǎn)化交通問(wèn)題得付出多么大的代價(jià)。如果不首先把問(wèn)題簡(jiǎn)化，是不可能真正有效解決問(wèn)題的。

沒(méi)有無(wú)人駕駛道路，怎么可能有無(wú)人駕駛汽車的成功？如何才能真正實(shí)現(xiàn)無(wú)人駕駛？與業(yè)界的幻想完全不同，不是通過(guò)增強(qiáng)車輛的人工智能，而是嚴(yán)格制定無(wú)人駕駛車輛的行駛規(guī)則，首先建設(shè)完善的無(wú)人駕駛道路。在無(wú)人駕駛道路上行駛時(shí)，不允許車輛有任何智能行為，一切行動(dòng)必須聽(tīng)道路的指揮。汽車駕駛首要的是安全，安全就需要極端可靠。而人工智能最大的特點(diǎn)就是不可靠，你用人工智能無(wú)人駕駛軟件訓(xùn)練100億、1萬(wàn)億、1億億億公里道路里程也沒(méi)用，怎么可能用它來(lái)實(shí)現(xiàn)無(wú)人駕駛？人駕駛汽車都不可靠，人工智能駕駛汽車怎么可能可靠？現(xiàn)在人駕駛汽車全球每年出車禍死亡130萬(wàn)人，如果全改成人工智能駕駛每年死個(gè)零頭30萬(wàn)人能不能接受？不可能接受，為什么？因?yàn)楝F(xiàn)在人駕駛汽車每年死一百多萬(wàn)人是車主或路人自己負(fù)責(zé)任。一切汽車上的安全措施沒(méi)有任何一個(gè)是能絕對(duì)保證不出車禍的。汽車碰撞實(shí)驗(yàn)的安全規(guī)定里，測(cè)試車速僅僅是最多64公里/小時(shí)，全世界沒(méi)有超過(guò)這個(gè)的。你開(kāi)的車速達(dá)到65公里/小時(shí)，出任何車禍都肯定與廠家沒(méi)有任何關(guān)系，你開(kāi)的車速55公里/小時(shí)出車禍和汽車廠家也未必有什么關(guān)系，因?yàn)槭擒囍髯约涸陂_(kāi)車，誰(shuí)知道你自己方向盤打成什么樣了?？墒侨绻某扇斯ぶ悄荞{駛，本質(zhì)上就是100%由汽車廠家的AI軟件在開(kāi)車，并處置一切行車中的各種情況。由此，出的所有車禍（遠(yuǎn)遠(yuǎn)不止死了30萬(wàn)人的案例）當(dāng)然就全是汽車廠家的責(zé)任，必須100%由廠家負(fù)責(zé)賠償了。想清楚沒(méi)有？你賠得起嗎？馬斯克所有的瘋狂目標(biāo)全實(shí)現(xiàn)了，唯有無(wú)人駕駛他實(shí)現(xiàn)不了?，F(xiàn)在AI無(wú)人駕駛還沒(méi)有大規(guī)模普及，所以根本不懂AI的法律界人士和其他制定政策的人全都處于茫然和幻想的狀態(tài)。一旦真的當(dāng)無(wú)人駕駛大規(guī)模普及了，有案例了，打幾個(gè)官司以后，以上其實(shí)簡(jiǎn)單至極的基本問(wèn)題馬上就想明白了。很明顯，車主和他們的律師當(dāng)然都會(huì)從他們的利益最大化角度來(lái)進(jìn)行法庭辯論，車主是在睡大覺(jué)，甚至駕駛座根本就沒(méi)人，車主是在后排座上睡覺(jué)，毫無(wú)疑問(wèn)就是汽車廠家的AI軟件在負(fù)責(zé)一切操作，出了任何事情當(dāng)然要由廠家負(fù)一切責(zé)任，廠家作為被告絲毫辯護(hù)的余地都沒(méi)有。

現(xiàn)在的汽車保險(xiǎn)都由車主每年購(gòu)買，汽車廠家只對(duì)車的質(zhì)量負(fù)責(zé)任，對(duì)車禍承擔(dān)責(zé)任的幾乎沒(méi)有。這就是現(xiàn)在的汽車全行業(yè)的法律關(guān)系現(xiàn)狀。如果普及了無(wú)人駕駛，法律關(guān)系就一定會(huì)發(fā)生變化，既然車主不再負(fù)責(zé)開(kāi)車，就不會(huì)再對(duì)無(wú)人駕駛期間的一切車禍承擔(dān)責(zé)任。無(wú)人駕駛汽車廠家可以將責(zé)任轉(zhuǎn)嫁，但那意味著每年無(wú)人駕駛汽車的保險(xiǎn)費(fèi)就全得由廠家出了。

真正的無(wú)人駕駛應(yīng)該怎么做？

嚴(yán)格制定無(wú)人駕駛道路規(guī)則，建設(shè)完備的無(wú)人駕駛道路，在這樣的道路上行駛是幾乎不會(huì)出車禍的，其可靠性會(huì)達(dá)到與飛機(jī)和高鐵相當(dāng)?shù)某潭?，使車禍的?shù)量接近個(gè)案的偶發(fā)水平，死亡數(shù)量更是基本為零。此時(shí)會(huì)由無(wú)人駕駛道路的運(yùn)營(yíng)者對(duì)任何事故負(fù)賠償責(zé)任，現(xiàn)在的航空和高鐵就是這么做的。他們之所以敢負(fù)責(zé)任的前提條件，就是出現(xiàn)需要負(fù)責(zé)任的情況在技術(shù)上的概率接近于零。只有這種可靠性級(jí)別的無(wú)人駕駛才是唯一可能成功的。只要采用人工智能，就不可能達(dá)到這種級(jí)別的可靠性。具體原因后面一節(jié)馬上就會(huì)深入討論。

必須首先簡(jiǎn)化問(wèn)題，才有可能真正解決問(wèn)題。

無(wú)人駕駛絕對(duì)不是通過(guò)增強(qiáng)人工智能，而是通過(guò)完全的規(guī)則化、徹底屏蔽車上的智能才有可能實(shí)現(xiàn)。

如何實(shí)現(xiàn)完全的規(guī)則化：在無(wú)人駕駛道路上所有車輛速度嚴(yán)格一樣，車間距嚴(yán)格一樣，出現(xiàn)各種情況處理方法嚴(yán)格規(guī)范......這樣，車上的人就可以在車輛行駛時(shí)放心地睡大覺(jué)了，或者車上不需要有人。

屏蔽車上的任何智能對(duì)車輛行駛的影響，是實(shí)現(xiàn)無(wú)人駕駛的絕對(duì)前提。人類干得最愚蠢的事情就是想通過(guò)人工智能控制來(lái)實(shí)現(xiàn)無(wú)人駕駛。連什么是交通的最基本常識(shí)都不懂，居然還想開(kāi)發(fā)什么無(wú)人駕駛汽車？我很早就在各種場(chǎng)合對(duì)人工智能無(wú)人駕駛持否定態(tài)度，但人們還是聽(tīng)不明白?，F(xiàn)在中國(guó)業(yè)界思路逐步變成路車兩方面同時(shí)增強(qiáng)智能，也有專家對(duì)路的算力是否足夠存在質(zhì)疑。路的算力怎么可能存在不夠的問(wèn)題？每10米分配一顆2000塊錢的高性能CPU，每公里也就區(qū)區(qū)20萬(wàn)，就算每米分配一顆，也不過(guò)200萬(wàn)。你知道高速公路每公里造價(jià)是多少嗎？如果建成無(wú)人駕駛道路或者無(wú)人駕駛車道，在這些車道上行駛高速費(fèi)增加50%，很容易就把成本收回來(lái)了。每公里最多再增加50%作為無(wú)人駕駛道路建設(shè)的投資，經(jīng)濟(jì)上就是合理的，怎么可能有道路算力不足的問(wèn)題？如果想象成用一臺(tái)服務(wù)器管理幾公里無(wú)人駕駛道路，甚至幾百公里高速信息集中到一臺(tái)服務(wù)器里去處理，那算力當(dāng)然不夠了。

有人可能會(huì)疑惑：現(xiàn)有很多汽車廠家包括特斯拉等都宣稱自己的車達(dá)到L3甚至L4級(jí)別，也有人用其駕駛在高速上跑，甚至睡大覺(jué)了啊！我可以告訴你，40年前電視上就報(bào)道過(guò)有人用當(dāng)時(shí)的計(jì)算機(jī)秀過(guò)這種無(wú)人駕駛，手拿報(bào)紙讓汽車自己開(kāi)了很長(zhǎng)時(shí)間并自己到達(dá)目的地。當(dāng)然，那時(shí)的路面是郊外幾乎沒(méi)有其他車輛的道路。人工智能就是這樣，秀一下都是可以的，都很好看，真要大規(guī)模普及永遠(yuǎn)都不行。

想靠車輛的AI實(shí)現(xiàn)無(wú)人駕駛，此路不通，乘早死了這份心吧！別再浪費(fèi)投資了。

只有可靠性要求很低的AI功能，諸如自動(dòng)泊車等，才有可能真正商用化。

07

為什么AI可靠性不會(huì)很高？

要理解為什么AI在可靠性上一定不會(huì)太高，必須要理解AI的本質(zhì)到底是什么。理解一切問(wèn)題都需要從最簡(jiǎn)單的原理開(kāi)始。我們先舉一個(gè)用氣象衛(wèi)星遙感估算農(nóng)作物產(chǎn)量的最簡(jiǎn)單實(shí)際例子，來(lái)說(shuō)明人工智能的本質(zhì)到底是什么。

以下是一個(gè)2005年發(fā)表的相關(guān)論文的例子。

這個(gè)論文中是采用NOAA氣象衛(wèi)星兩個(gè)通道的數(shù)據(jù)，以及NPP-RS模型來(lái)對(duì)農(nóng)作物產(chǎn)量進(jìn)行估算。核心的計(jì)算公式是下面這個(gè)：

如果不是這個(gè)專業(yè)的讀者可以完全不用去關(guān)心以上讓人頭疼的數(shù)學(xué)公式，只要知道這樣幾個(gè)要點(diǎn)即可：

一是上面的公式是一個(gè)經(jīng)驗(yàn)公式。

二是公式中的k（區(qū)別不同農(nóng)作物種類的常數(shù)），a、b（農(nóng)作物種類確定后，與其產(chǎn)量相關(guān)的常數(shù)），這些常數(shù)都是通過(guò)實(shí)際數(shù)據(jù)大量統(tǒng)計(jì)出來(lái)的經(jīng)驗(yàn)值，就是不知道具體因果關(guān)系，只是一種相關(guān)關(guān)系。在不同情況下（如不同農(nóng)作物產(chǎn)區(qū)）這些常數(shù)可能有所不同。

從這個(gè)論文的摘要里就可以看到，這種估算的平均相對(duì)誤差水平為：

整個(gè)吉林省糧食總產(chǎn)，13.6%

玉米，17.6%

水稻，6.7%

這么高的誤差水平，既然已經(jīng)寫(xiě)成論文，表明它是已經(jīng)能拿得出手的東西。

上面這個(gè)如果表達(dá)成與上述專業(yè)細(xì)節(jié)完全無(wú)關(guān)的數(shù)學(xué)形式，就是這樣的經(jīng)驗(yàn)公式：

y=ax1+bx2+c

x1，x2是自變量，這些自變量可能是衛(wèi)星光譜通道，人臉特征值等等。a、b、c是常數(shù)，它們是通過(guò)大量統(tǒng)計(jì)（訓(xùn)練）出來(lái)的經(jīng)驗(yàn)值。在不同的變量x1，x2情況下，可以通過(guò)這些常數(shù)計(jì)算出y的值。這個(gè)不僅可能用來(lái)以衛(wèi)星遙感的數(shù)據(jù)估算農(nóng)作物產(chǎn)量，也可以判斷地面上是哪一種農(nóng)作物。這是一類被稱為“模式識(shí)別”的最、最、最......簡(jiǎn)單的所謂人工智能。

雖然這個(gè)非常簡(jiǎn)單，但它說(shuō)明了人工智能的一些本質(zhì)特點(diǎn)：

通過(guò)大量數(shù)據(jù)分析、統(tǒng)計(jì)、訓(xùn)練等獲得一種經(jīng)驗(yàn)公式性質(zhì)的規(guī)律或數(shù)學(xué)模型。

這種數(shù)學(xué)模型屬于相關(guān)關(guān)系而不是因果關(guān)系。

所有變量的影響帶有相應(yīng)的常數(shù)，這些常數(shù)都是一些經(jīng)驗(yàn)值。

• 因?yàn)橐陨弦?guī)律，人工智能必然具有相當(dāng)可觀的誤差。如果實(shí)際應(yīng)用中出現(xiàn)沒(méi)有預(yù)料到的新變量，誤差就會(huì)顯著增大。

無(wú)論是后來(lái)采用卷積的深度學(xué)習(xí)算法，還是現(xiàn)在流行的ChatGPT的所謂大型語(yǔ)言模型（LLM），本質(zhì)上都是類似以上規(guī)律的數(shù)學(xué)模型，只不過(guò)它們的變量和常數(shù)的數(shù)量可能不是幾個(gè)，而可以是幾百、幾千、幾萬(wàn)、幾千萬(wàn)......據(jù)說(shuō)，ChatGPT的變量和常數(shù)的數(shù)量已經(jīng)達(dá)到1760多億，以后可能會(huì)到上萬(wàn)億，百萬(wàn)億，千萬(wàn)億億億億......不僅如此，它不是簡(jiǎn)單的一維線性經(jīng)驗(yàn)公式，而可能是更為復(fù)雜、數(shù)量極為龐大的多維、超多維數(shù)學(xué)模型形式。但是，變化的只是量的不同，本質(zhì)上它們依然是通過(guò)各種統(tǒng)計(jì)或訓(xùn)練不斷調(diào)整變量和影響它們的常數(shù)值，都脫不了誤差非常難以縮小的命運(yùn)。尤其是一旦遇到新的變量，影響的就不只是系統(tǒng)模型中的參數(shù)不同，而可能模型本身的變量集不一樣，此時(shí)都會(huì)出現(xiàn)比較嚴(yán)重的誤差。

因此，如果你是對(duì)人工智能真正懂行的人，盡可能尋找到模型中沒(méi)有納入的變量進(jìn)行攻擊，就可以很容易讓這個(gè)模型產(chǎn)生極大的誤差。例如，很早就有計(jì)算機(jī)象棋軟件，因?yàn)槲蚁缕逅胶艿?，即使?0多年前我和計(jì)算機(jī)很初級(jí)的象棋軟件對(duì)弈也基本上都會(huì)輸。但是，后來(lái)我試著用自己的“車”把自己的“卒”給吃了，計(jì)算機(jī)象棋軟件馬上就“瘋了”，不斷走一些莫明其妙的棋，讓我很容易就獲勝了。

不過(guò)，人工智能很容易讓人說(shuō)不清的一點(diǎn)是：一旦我們明確了如何通過(guò)某個(gè)新的變量戰(zhàn)勝人工智能的方法，只要把這個(gè)新的變量增加考慮進(jìn)去，人工智能馬上就獲得進(jìn)步，你再用改變這個(gè)變量的方法進(jìn)行攻擊就不再有效了。問(wèn)題在于：如果不去限定變量的選擇范圍，就永遠(yuǎn)會(huì)存在現(xiàn)有模型沒(méi)考慮到的新變量。

08

智能與智慧

一旦從本質(zhì)上理解了人工智能，就會(huì)明白人類的智慧是如何解決問(wèn)題的了。例如，人工智能無(wú)人駕駛會(huì)通過(guò)訓(xùn)練去處理路上出現(xiàn)一只羊該如何應(yīng)對(duì)，從而產(chǎn)生各種越來(lái)越復(fù)雜的應(yīng)對(duì)規(guī)則：

• 如果羊往左邊走，車就從右邊開(kāi)過(guò)去。
• 如果羊往右邊走，車就從左邊開(kāi)過(guò)去。
• 如果羊站在中間車道不動(dòng)，車就選擇從左車道或右車道過(guò)去。
• 如果羊往左邊走，車從右邊開(kāi)過(guò)去時(shí)，羊突然驚跳反過(guò)來(lái)往右邊走，車就轉(zhuǎn)而從左邊開(kāi)過(guò)去。
• 如果羊往右邊走，車從左邊開(kāi)過(guò)去時(shí)，羊突然驚跳反過(guò)來(lái)往左邊走，車就轉(zhuǎn)而從右邊開(kāi)過(guò)去。
• 如果羊站在中間車道不動(dòng)，車選擇從左車道開(kāi)過(guò)去時(shí)，羊突然驚跳往左邊走，車就轉(zhuǎn)而從右邊開(kāi)過(guò)去時(shí)，羊又害怕往右邊走，車就轉(zhuǎn)而再?gòu)淖筮呴_(kāi)過(guò)去。
• 如果羊站在中間車道不動(dòng)，車選擇從右車道開(kāi)過(guò)去時(shí)，羊突然驚跳往右邊走，車就轉(zhuǎn)而從左邊開(kāi)過(guò)去時(shí)，羊又害怕往左邊走，車就轉(zhuǎn)而再?gòu)挠疫呴_(kāi)過(guò)去。
• 如果......
• 如果......
• ......

我們也經(jīng)常在日常生活中見(jiàn)到這樣的案例：兩個(gè)人騎車相對(duì)而行時(shí)，你躲我、我躲你，結(jié)果兩者鎖定在一起更容易相撞了。當(dāng)兩個(gè)對(duì)象都有智能時(shí)，互相以對(duì)方為基礎(chǔ)來(lái)確定自己的策略，反而可能更難以找到合理的策略，進(jìn)入震蕩和鎖定的狀態(tài)?，F(xiàn)在人工智能無(wú)人駕駛沒(méi)有大規(guī)模普及，設(shè)想一下如果路上全是人工智能無(wú)人駕駛車會(huì)是什么情況。兩輛無(wú)人駕駛車互相躲避，會(huì)進(jìn)入相互鎖定狀態(tài)而更容易相撞。

用人類的智慧解決問(wèn)題的方法，是嚴(yán)格控制和限定變量的范圍，簡(jiǎn)化需要處理的變量對(duì)象，并且使每一個(gè)變量對(duì)象都得到嚴(yán)格的精確控制，從而獲得最終的極高可靠性。人類建設(shè)的高速公路不是通過(guò)深度學(xué)習(xí)和其他什么AI算法建立“羊跑到路上去、羊是什么樣的動(dòng)作等不同新情況下的處理規(guī)則”，而是通過(guò)路兩邊的鐵絲網(wǎng)阻攔，根本就不讓羊跑到路面上。如果羊不知什么原因真的就是跑到了路面上，這都屬于統(tǒng)一規(guī)定的“意外情況”，遇到一切意外情況時(shí)，就暫停道路通行，所有車輛停下，把意外情況處理完，將羊趕出道路阻攔網(wǎng)以外，使道路恢復(fù)正常情況后，所有車輛逐步恢復(fù)正常通行。

人工智能是現(xiàn)在可以處理1750億個(gè)變量和參數(shù)，以后準(zhǔn)備將模型提升到可以處理7510億個(gè)，再然后7萬(wàn)億個(gè)，對(duì)每一個(gè)變量的控制都是淺嘗則止。

但人類的智慧是首先簡(jiǎn)化問(wèn)題，讓變量不超過(guò)750個(gè)，并且對(duì)每一個(gè)變量都能獲得達(dá)到小數(shù)點(diǎn)后面6個(gè)9以上的可靠性，從而使得最終的可靠性也至少為小數(shù)點(diǎn)后面4個(gè)、5個(gè)9。

這就是為什么大家談的ChatGPT案例基本都是一些說(shuō)不清道不明、仁者見(jiàn)仁、智者見(jiàn)智、當(dāng)然也就蠢者見(jiàn)蠢、不靠譜者見(jiàn)不靠譜的主題。即使是所謂幫助寫(xiě)論文，主要也是社會(huì)領(lǐng)域等相對(duì)不需要那么嚴(yán)謹(jǐn)?shù)膬?nèi)容。如果出現(xiàn)各種錯(cuò)誤，人們也只是哈哈一笑；如果出現(xiàn)很傻、很蠢的錯(cuò)誤，人們更是會(huì)開(kāi)懷大笑。本來(lái)嘛，很多藝術(shù)就是一種從嚴(yán)格邏輯上說(shuō)屬于犯錯(cuò)而產(chǎn)生的美感。例如，猜迷語(yǔ)就是把常規(guī)的文字理解成邏輯上與常規(guī)含義不同的意思。如果你真想讓它干靠譜的、正經(jīng)的、可預(yù)測(cè)、需要高度可靠性的事情，那就要小心了。

09

人工智能會(huì)存在奇點(diǎn)嗎？

未來(lái)學(xué)家?guī)炱濏f爾在《奇點(diǎn)臨近》一書(shū)中預(yù)言：2045年，奇點(diǎn)來(lái)臨，人工智能完全超越人類智能。有這個(gè)可能嗎？這種不懂技術(shù)的作家都喜歡通過(guò)聳人聽(tīng)聞的預(yù)言來(lái)提高書(shū)的銷量。

一是計(jì)算機(jī)從一開(kāi)始就超過(guò)人類了，二是人工智能的發(fā)展只不過(guò)證明了電腦還可以像人一樣不靠譜、不可預(yù)測(cè)。只有真懂人工智能技術(shù)的人才會(huì)理解，從1750億個(gè)變量增加到1750萬(wàn)億億個(gè)變量，肯定會(huì)有區(qū)別，但區(qū)別也肯定不會(huì)像庫(kù)茲韋爾所想象的那樣。

10

軟件定義網(wǎng)絡(luò)、復(fù)雜與簡(jiǎn)單

如果你對(duì)技術(shù)不太懂，可以不用看本節(jié)技術(shù)方面的內(nèi)容，只看結(jié)論即可。如果你對(duì)網(wǎng)絡(luò)技術(shù)很懂，本節(jié)也將會(huì)給你帶來(lái)新的認(rèn)知。"軟件定義網(wǎng)絡(luò)"(SDN)這個(gè)名字本身就起錯(cuò)了。難道以前的路由器的路由表不是由軟件算出來(lái)的嗎？所以，此處我給它起的準(zhǔn)確名字如下：傳統(tǒng)計(jì)算機(jī)網(wǎng)絡(luò)的路由器和交換機(jī)學(xué)名可稱為：

鄰居發(fā)現(xiàn)不完備網(wǎng)絡(luò)結(jié)構(gòu)信息自主智能遞歸收斂路由。

所謂軟件定義網(wǎng)絡(luò)（SDN）嚴(yán)格準(zhǔn)確的學(xué)名可稱為：

完備網(wǎng)絡(luò)結(jié)構(gòu)信息集中智能免收斂路由。

如果讀者是網(wǎng)絡(luò)技術(shù)專業(yè)領(lǐng)域的，一看名字就該知道：作為最早提出SDN概念的人對(duì)它的理解為什么與一般人不一樣了。既然人們已經(jīng)習(xí)慣SDN這個(gè)名字，我也不想改了，本文還是繼續(xù)延用SDN這個(gè)名字。我是先學(xué)習(xí)和熟悉了電信網(wǎng)絡(luò)的程控交換機(jī)技術(shù)，而后再學(xué)習(xí)計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的。最初非常難以理解計(jì)算機(jī)網(wǎng)絡(luò)的路由器和交換機(jī)的路由表計(jì)算為什么搞得這么復(fù)雜。我提出SDN其實(shí)算不上什么全新的建議，它本質(zhì)上其實(shí)就是電信領(lǐng)域的人很熟悉的程控交換機(jī)路由控制方法。所以，為什么我能最早提出來(lái)，原因就在于我是先搞電信網(wǎng)出身，后來(lái)又精通了計(jì)算機(jī)網(wǎng)絡(luò)。很多熟悉計(jì)算機(jī)網(wǎng)絡(luò)的人可能已經(jīng)對(duì)它的路由算法習(xí)慣成自然了，如果你問(wèn)他們?yōu)槭裁匆@么搞，能說(shuō)出道理的人卻可能很少。

最初互聯(lián)網(wǎng)是美國(guó)軍方的項(xiàng)目ARPAnet。它的原始目的是開(kāi)發(fā)出一種具有軍用安全級(jí)別的信息網(wǎng)絡(luò)，就是在戰(zhàn)爭(zhēng)中無(wú)論網(wǎng)絡(luò)被炸成什么樣，只要存在物理連接通道，網(wǎng)絡(luò)本身就可以自動(dòng)建立起新的信息連接路由。

電信網(wǎng)的安全性一般采用主備倒換就足夠滿足了，但以上美國(guó)軍方的目標(biāo)采用這種思路卻很難實(shí)現(xiàn)。因?yàn)槠綍r(shí)主用和備用設(shè)備一起壞掉的可能性極低，但戰(zhàn)爭(zhēng)中一枚炸彈把主用和備用的網(wǎng)絡(luò)設(shè)備同時(shí)都炸掉卻幾乎是必然。所以，集中式的網(wǎng)絡(luò)控制方法不能滿足以上要求，由此就設(shè)計(jì)了每一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)可以通過(guò)鄰居發(fā)現(xiàn)協(xié)議、自己去適應(yīng)網(wǎng)絡(luò)的任何變化建立通信路由的技術(shù)方案。

但是，這樣不僅需要每一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)都自己具備很強(qiáng)的路由計(jì)算能力，而且因?yàn)猷従影l(fā)現(xiàn)獲得的網(wǎng)絡(luò)結(jié)構(gòu)信息可能不完備，從而使路由計(jì)算極為復(fù)雜，且有可能導(dǎo)致相互影響。一個(gè)路由器計(jì)算完自己的路由表傳給鄰居，鄰居節(jié)點(diǎn)根據(jù)它計(jì)算自己的新路由表，然后又傳回來(lái)、再根據(jù)這個(gè)新的路由表重新計(jì)算再傳回去。如何能夠快速地收斂就是一個(gè)很復(fù)雜的問(wèn)題?，F(xiàn)在的互聯(lián)網(wǎng)并不是用于戰(zhàn)爭(zhēng)，而基本都是民用，這就使最初的設(shè)計(jì)理念成為累贅，但深陷其中的專家們技術(shù)路線已經(jīng)被深度鎖定，已經(jīng)搞不清楚最原始初心是為什么了。

SDN是基本屏蔽了各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的智能，把全網(wǎng)所有結(jié)構(gòu)信息傳給一個(gè)集中控制的服務(wù)器，由它根據(jù)全網(wǎng)完備的網(wǎng)絡(luò)結(jié)構(gòu)信息一次性計(jì)算出所有節(jié)點(diǎn)的合理路由表，并下發(fā)。各個(gè)節(jié)點(diǎn)遵照?qǐng)?zhí)行即可，多么簡(jiǎn)單可靠！這同樣是智能與智慧之間的區(qū)別和差異。

但這個(gè)技術(shù)出現(xiàn)后為什么發(fā)展得并不是太好。道理很簡(jiǎn)單，這么一搞所有網(wǎng)絡(luò)節(jié)點(diǎn)全成標(biāo)準(zhǔn)化產(chǎn)品，那CISCO等公司還怎么活下去？所以CISCO馬上搞出一個(gè)自己的新SDN協(xié)議OpFlex，并且主推的技術(shù)路線是SDN與傳統(tǒng)網(wǎng)絡(luò)雙協(xié)議棧發(fā)展，搞得更復(fù)雜了。這根本就不是為了發(fā)展SDN，而純屬攪混水。—— 技術(shù)并不止是技術(shù)，背后必然存在相應(yīng)的利益。如果不理解這一點(diǎn)，是無(wú)法理解技術(shù)為什么會(huì)發(fā)展成那樣。

后來(lái)很多人又開(kāi)始炒作軟件定義存儲(chǔ)，軟件定義計(jì)算......你都沒(méi)搞清楚最早的軟件定義網(wǎng)絡(luò)是怎么回事，沒(méi)搞清楚”軟件定義“這個(gè)詞本身就是錯(cuò)的，還炒作什么其它的軟件定義XX呢？

領(lǐng)先的公司具有把技術(shù)搞復(fù)雜的能力，技術(shù)越復(fù)雜，跟隨型的公司越無(wú)法超越。因此就明白CISCO的路由協(xié)議、微軟件的操作系統(tǒng)、美國(guó)的航天飛機(jī)、F-35隱身飛機(jī)......為什么搞得那么復(fù)雜和大而全了。此時(shí)不免讓人想起發(fā)明AK47的蘇聯(lián)槍械設(shè)計(jì)師米哈伊爾·季莫費(fèi)耶維奇·卡拉什尼科夫的一句話：把簡(jiǎn)單的事情搞復(fù)雜很容易，但把復(fù)雜的事情做簡(jiǎn)單卻很難。

2020年，微軟的必應(yīng)（bing）在全球搜索市場(chǎng)的占有率大約在2.69%，遠(yuǎn)遠(yuǎn)低于谷歌的91.38%。所以，為什么微軟要在2019年給OpenAI投資10億美元，并且在ChatGPT上線后再投100億將其與Bing捆綁？就是希望通過(guò)這個(gè)途徑在搜索市場(chǎng)上翻身。

理解了以上所有一切，就該明白作為中國(guó)公司該如何有效應(yīng)對(duì)了。