作者：中联科创特约嘉宾尹智

回到AI大模型的"智力/智能力"， "技能"，"知识"，"常识"的基本问题上 —— 

这是几个经常被混用，但却是根本意义不同的概念。先说"智力"，也就是使用智慧的能力，人类和AI大模型，智力都存在于神经网络中，一个是生物神经系统的连接，一个是人工神经网络的参数。人类的智力基本到一定年纪就固定了，AI大模型的"智力"—— 也就是其最根本的逻辑推理/演算和理解能力，理论上可以通过持续训练来，但相当不容易，GPT-3这种千亿参数的模型，训练成本就高达千万美元，所以大模型要变"聪明"，跟人一样，都挺难的。这也说明"智力"是大脑最根本，最基础，最有决定意义的一个"硬件"条件。智商如果有问题，这就象电脑的处理器不够快，跑不起复杂程序。

再说"技能"，这是个跟"智力"含义有重叠，但范畴更大更广的概念。一个职场新人大学毕业开始工作，这人的智商应该不会有变化了，但经过几年磨练后，就能成为处事老到的专业人士，这是"技能"或者说"处事能力"的提升，因为新人每天会根据工作的反馈不断调整脑子里的认知模式，我们对自己大脑参数的训练，远远比AI大模型迭代的频率高得多。AI模型自然也可以通过特定数据/反馈的训练调整其参数来提升自己的具体技能，但从目前GPT这类大模型的应用模式看，训练调参并不必要，通过Plugin，也就是各类插件，GPT可以借助其它AI，来获取各类"超能力":"插"上数学计算引擎，就能获得数理计算能力；"插"上机器视觉模型，就获得了"视觉中枢"，"插"上订车软件接口就能订车，"插"上搜索引擎就能上网查信息，等等。这种"技能"，跟人类一样，并不见得需要对大脑做"智商"级提升，却能更有效地应对处理更多任务。

最后是"知识"，跟人类不用在脑子里记住所有知识一样，AI大模型也可以"查字典"，"查网络"，这就是用向量数据库存储的向量数据信息。而有些知识我们需要随时使用，比如常用字词，社会基本礼貌礼节，人情世故，数字基本运算，物理化学基础原理，等等，这些我们不能要用时再查词典，需要固化到脑子里，这就是"常识"。GPT目前犯的一些低级错误，就是参数里没有固化进一些常识。

智力，常识，技能，知识，构成了人类和AI思维的不同层面的能力，也对应了不同的获取难度和方式。—— 仅代表尹智个人观点 Ken's personal view only