投資 AI 領域的學習路徑

在週六的線上交流中，有網友留言問在AI領域可以看些什麼書、訂什麼雜誌、用什麼方式學習？

我覺得對AI的學習要根據我們的目的來定。

對於我而言，學習AI的目的很簡單：不是為了成為這個領域的專家，也不是為了未來在這個領域謀生，而是單純為了讓自己了解這個領域的發展以便能在這個領域找到合適自己的投資機會。

奔著這個目的去學習，我認為最關鍵的就是理解AI的邏輯以便能對未來AI領域新出現的事物有一個大概的判斷。

要理解AI的邏輯我覺得可以從一些介紹AI基本原理的書入手。

在這方面網上有一本奧特曼都推薦過的書《這就是ChatGPT》（斯蒂芬 沃爾弗拉姆 著）。

這本書從最簡單的基本概念入手，介紹了大語言模型的數學原理和工作方式。只要會基本的加減乘除，就能夠讀這本書。

在讀的過程中如果實在覺得吃力，甚至只需要讀前幾章，後面的章節不用看也能大概理解大語言模型的原理。

了解這些原理之後，我們就能知道為什麼大語言模型的訓練為什麼需要GPU、數據和算法，並且能夠知道GPU、數據和算法到底在大語言模型的訓練過程中起什麼作用、在哪方面起作用。

如果再進一步細想，我們就能知道為了提高大語言模型的訓練效率英偉對GPU進行了什麼樣的優化，為什麼英偉達為了那些優化在歷史上收購過一些小公司，那些被收購的小公司到底是幹什麼的。

也正是順著這個邏輯想下去，我大概明白了為什麼現在市面上很多所謂的去中心化算力都是"偽項目"---不是說去中心化算力這個方向不對，而是說在英偉達框架下很難設計出理想的去中心化算力系統。

要真正實現這種系統，我認為必須重構GPU的設計。如果一定要用英偉達的這種框架構建這樣的去中心化算力系統，那構建出來的系統頂多只能算是實驗品或者展示品，很難真正成為中心化算力系統的強力競爭者。

當我們對AI有了基本原理方面的認識之後，就不需要在數學上繼續深究了，接下來我會重點關注AI的應用場景和發展趨勢。這方面我看了萬維鋼著的《拐點：站在AI顛覆世界的前夜》。

這本書好在想像力非常豐富並且又有基本的邏輯支撐，能夠讓我們理性的推測和想像未來AI遍佈的世界大概會是什麼樣子。

除了這兩本書以外，我就沒有再專門看過什麼書了，剩下的基本全部都是在網上（比如微信公眾號、推特）看各種文章，然後關注各種新的動態。然後再根據這些文章和動態裡面提供的新信息豐富和擴展我們對AI的理解。

比如我們知道現在的ChatGPT是大語言模型，它主要訓練AI對語言的理解。但人類的智能是豐富多彩的。我們除了語言之外還有很多其它的方式去感知這個世界。AI領域的很多文章都會介紹其它類別AI的發展，比如行為模型、空間模型等。

這些知識能豐富我們對AI的橫向理解，讓我們知道AI的發展原來還橫跨這麼多領域。而這些橫跨的諸多領域現在有些還在研究階段，有些已經出現了可喜的苗頭，接下來的幾年很可能它們也會孕育出自己的"ChatGPT"。而當這些新的"ChatGPT"出現時，它們又需要多少雲、多少算力、多少GPU？

這些都能極大豐富我們對AI領域投資的理解和想像。

另外，我建議大家還可以多讀一讀一些知名風投對AI領域發展的總結和分享。

比如最近我讀了紅杉資本對AI領域發展的一些見解，其中就提到了未來可能出現的"智能體經濟"，也就是AI代理之間交互可能形成的經濟體。

在談到這個經濟體時，紅杉資本強調它必須具備三個要素：

第一是永久身份；第二是無縫通信；第三是安全。

看完這三個要素，我馬上就想到了區塊鏈。這三個要素不正是區塊鏈技術的殺手鐧嗎？

加密錢包就是AI的永久身份、基於區塊鏈智能合約的交互就是不受干擾的無縫通信、去中心化抗審查的特點保證了AI智能體的安全。

上面這些就是我自己學習和了解AI的一些方法，供大家參考。