本篇文章百科互动给大家谈谈炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验，以及对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
本文目录：
- 1、AI生成模型：超越数据观测与计算机模拟的第三条科学探索之路？
- 2、你认为人工智能能取代人类的工作吗？
- 3、AI实验被叫停？百度：别怕有我在
- 4、黑猩猩跟人类小孩一块养育，认为自己也是人类，后来它怎样了？
AI生成模型：超越数据观测与计算机模拟的第三条科学探索之路？
导语
最先进的人工智能算法已经开始在探测星系的演化、计算量子力学波函数、 探索 新的化合物等领域施展拳脚。那么，还有没有那种无法自动化而只能由科学家完成的工作？
如今的物理学和天文学实验会产生海量的数据，已经没有人或团队能够跟进所有的这些数据了。其中一些数据每天以TB级的规模增加，而且这个趋势不会减弱。在二十一世纪 20 年代中期射电望远镜 Square Kilometer Arra 将投入使用，它每年产生的数据量和整个互联网的数据量一样多。
面对数据洪流，许多科学家开始求助于人工智能。只需要少量的人工输入，人工智能系统（如神经网络）就能够在数据海洋中漫游，识别异常，挖掘出人类尚未发现的模式。
当然，利用计算机来辅助科学研究的 历史 可以追溯到约宏戚宏 75 年前，然而人类几千年前就在手工调查研究数据来寻找其中的有意义的模式。但是，近期一些科学家认为以机器学习、人工智能为代表的新技术能以一种全新的模式去进行科研工作。其中一种被称为生成模型的方法，能从对观测数据的诸多解释中找到最可信的理论，更为重要的是，该方法在研究中无需预先编入对于系统可能起作用的物理过程。其拥护者认为，生成模型的创新程度足可以被视为理解宇宙的潜在的“第三种方法”。
在传统上，我们是通过 观测 来了解自然的。回想一下，开普勒就是通过研究第谷的行星位置表，辨识潜在的行星运行模式，才得以推断出行星是沿椭圆轨道运行的。同样的，科学可通过 模拟 来获得进步。一位天文学家可能会模拟银河系及其邻近的仙女座星系的运动，并预测它们将在几十亿年后碰撞。观测和模拟都有助仔者于科学家生成假设，然后用进一步的观测来检验假设，而生成模型不同于这两种方法。
瑞士联邦理工学院的天文物理学家 Kevin Schawinski 也是一位生成模型的积极支持者。他认为：“ 生成模型是介于观测和模拟之间的第三种方法， 这是解决问题的另一种方式。”
Kevin Schawinski 是一名天体物理学家，他经营着一家名为 Modulos 的人工智能公司，他认为一种名为生成模型的技术提供了第三种了解宇宙的方式。
一些科学家仅仅把生成模型及其它新技术当作传统科研中的工具，但是大多数研究者都认为 AI 的影响力巨大，并且在科学研究领域会发挥越来越大的作用。费米国家加速器实验室的天体物理学家 Brian Nord 使用人工神经网络来研究宇宙。他担心没有什么是不能通过自动化完成的事情，“这个推测倒是有点令人恐慌。”
来自“生成”的 探索
从研究生毕业时起，Schawinski 就因用数据驱动科学研究而闻名。在攻读博士学位期间，他面对的任务是，根据星系的外观数据对数千个星系进行分类。因为没有什么现成的软件能帮助他完成这项工作，他决定用众包的方式完成这项工作——于是，银河动物园（Galaxy Zoo）公民科学项目诞生了。
从 2007 年开始，普通的电脑用户只要记录下他们推测的星系最佳归类，就能帮助到天文学家。通过多数票胜出来判定，通常能带来正确的分类结果。
这是一个成功的项目，但 Schawinski 也注意到， AI 让这个模式过时了——今天，一个具有机器学习和云计算背景的天才科学家只需要花费一个下午就能完成这个工作。
在 2016 年，Schawinski 把目光投向了生成模型，这个强大的新工具。本质上来说，生成模型是在求解，当给定条件 X 和观测结果 Y 时，概蔽册率 P(X,Y) 有多大。这个方法已经被证明是非常有效的。
生成模型中最为著名的就是生成对抗网络（GAN）。经过充分的训练后，GAN 模型能够修复损坏和像素缺失的图像，也能让模糊的图像变得清晰。该模型通过竞争（对抗）来学习推断缺失的信息，这个神经网络的一部分被称作生成模型（generator）：生成虚拟的数据；另一部分被称为判别模型（discriminator）：把生成出来的虚假数据和真是数据分割开来。两个部分交替训练，逐步优化（类似于博弈）。
或许，你已经看过最近流传甚广的GAN生成的假面孔。正如那个标题所言“这些人并不存在却又真实得吓人”。
上面看到的脸孔都不是真实的，上面的 A 列，和左侧的 B 列都是由生成对抗网络（GAN）使用真实的面部元素构建的。然后，GAN 将 A 中的面部的基本特征（性别，年龄和脸形）与 B 中的面部的精细特征（头发颜色、眼睛颜色）相结合，构建出了上图表格中的所有人脸图像。
潜在空间
概括地说，生成模型获得数据（大多数是图像），并把他们分解成抽象的基本要素——科学家将其称为数据的“潜在空间”。算法能控制潜在空间中的元素，以此来探究这些元素如何影响原始的数据。这个方法有助于揭示该系统运作的物理过程。
潜在空间是一个抽象的难以想象的概念。不过我们可以做一个类比：当你在试图确定一个人脸的性别时，你的大脑可能在做什么呢？也许会注意到人的发型、鼻子的形状，甚至在运用一些你无法用言语描述的判断模式。同样的，计算机程序也在数据中寻找显著的特征。即便计算机并非不知道什么是性别，什么是小胡子，但如果我们提供给机器学习系统的数据集标注了“男性”和“女性”，并且一部分人还有一个标签叫“小胡子”，计算机能快速地推断出其中的关联性。
生成模型与星系演化
12月发表在《天文学与天体物理学》（Astronomy Astrophysics）上的一篇论文中，Schawinski 与他在苏黎世联邦理工学院的同事 Dennis Turp 和 Ce Zhang 使用生成模型来研究星系在演化过程中所经历的物理变化。
因为他们使用的软件与 GAN 相似，但其在对潜在空间处理的技术与 GAN 有所差异，所以从技术角度来说这不是 GAN。他们的模型创建了人工数据集，去测试假设的物理过程。比如说，他们想知道恒星形成的“淬熄”（形成速率快速下降）与星系环境密度的增加之间的关系。
对 Schawinski 来说，关键问题是仅从数据中能挖掘出多少和恒星与星系演变相关的信息。“让我们忘却所有的关于天体物理学的知识。仅依靠数据本身，我们能在多大程度上重新发现这些知识？”
首先，星系的图片被压缩至他们的潜在空间，然后 Schawinski 在这个空间中调整元素，使其能对应上星系的特定环境变化，比如周围物质的密度。这样就有了一个假设生成器。通过重构这个星系，让大量原本处于低密度环境中的星系处于高密度环境中以此来看看带来了什么不同。
这三位研究者注意到随着星系从低密度环境走向高密度环境，它们的颜色会变得更红，恒星也变得更加集中。Schawinski 指出这一点与现有的星系观测相吻合，问题是，为什么会这样？
Schawinski 说，后续的工作还没有实现自动化，“人类必须参与其中，那么，什么样的物理原理可以解释这种效应？”对于这个过程，可能有两种解释，一是在高密度环境中，星系更红是因为其中包含了更多的尘埃；或者是因为恒星的形成减少了（换句话说，恒星更老了）。
现在有了生成模型，这两种思路都能接受检验。改变与与尘埃和恒星形成率相关的潜在空间元素，就能观测这种改变对星系颜色的影响。Schawinski 说：“答案很显然，星系更红是因为恒星形成率在下降，而不是因为尘埃。因此，我们应该采纳这个解释。”
利用生成模型，天体物理学家可以研究星系如何从低密度环境走向高密度环境，以及这些变化背后的物理原理。
生成模型相较于传统方式的优势
这种方法与传统的模拟方法相近，但与之有关键的差别。Schawinski 表示：“模拟本质上是由假设驱动的。也就是说，我们自认为已经洞悉了观测现象背后的物理法则。所以，我们把恒星形成规律、暗物质行为的原理等等这些我们自认为正确的假设放在一起，模拟运行。但是，模拟环境真的与实际情况吻合吗？”。他用生成模型所做的事情与模拟完全相反，“我们不知道任何事情，不做任何假设，我们希望数据本身能告诉我们可能会发生什么。”
生成模型在这项研究中取得的成功并不意味着天文学家和研究者就是多余的。但这似乎提醒研究者们——仅仅掌握了大量数据的人工智能系统就能够完成对天体物理学的学习。Schawinski 说：“这不是完全自动化的科学，但这意味着我们至少有能力去构建部分工具，使科学过程自动化。”
虽然生成模型非常强大，但这是否真的代表了一种新的科学研究方法还有待商榷。
对于纽约大学和 Flatiron 研究所的宇宙学家 David Hogg 来说，这项技术令人印象深刻，但充其量也只是一种从数据中提取模式特征的复杂方法——这是天文学家几个世纪以来都在做得事情。换而言之，这是观测、分析的高级形式。
和 Schawinski 相同，Hogg 的工作也充分应用人工智能；他一直在利用神经网络来对恒星进行基于光谱特征的分类，并使用数据启动的模型来推断恒星的其他物理属性。但是他认为他的工作和 Schawinski 的一样，都是经过检验的科学。Hogg 表示：“我不认为这是第三种方法。只是我们这个社群在对数据处理的方法上更加复杂而已。特别的是，我们越来越善于将数据与数据进行比较。但是依我看来，我的工作仍然是在做观测。”
人工智能：
勤奋而“难以捉摸”的科研助手
无论在概念上是否有创新性，人工智能和神经网络已经显然在当代天文学和物理学研究中发挥了关键作用。在海德堡理论研究所工作的物理学家 Kai Polsterer 领导着一个天体信息学小组，这个小组主要关注以数据为中心的天体物理学研究新方法。从星系数据集中提取红移信息曾经是一项艰巨的任务，而现在他们小组使用机器学习算法就能解决这个问题。
Polsterer 认为这些基于基于人工智能的新系统是“勤奋的助手”，可以连续处理数据数个小时而不抱怨单调无聊，不抱怨工作条件。这些系统可以完成所有枯燥乏味的繁重工作，研究者就能脱身去做“又酷又有趣的科学工作”。
Polsterer 警告说，这些系统并不是完美的，算法只能去做他们被训练过的事情，系统对输入的数据是“无感觉的”。给 AI 系统一张星系图片它可以估算其红移和年龄，但是你给同一个系统一张自拍照或者一张臭鱼烂虾的照片，它也会照方抓药估算出一个（错误的）年龄。Polsterer 认为，人类科学家的监督工作非常重要。工作还是要回到研究者身上，研究者才是要负责解释这些现象的人。
就这一点而言，费米实验室的 Nord 警告道，神经网络不仅要给出结果，也要给出相关的误差线，如果在科学研究中，你做了一个测量但没有报告相关的误差估计，就没有人会认真对待这个结果。
就像许多的人工智能研究员一样，Nord 也关注神经网络给出的结果的可解释性，通常来说，一个 AI 系统在给出结果时无法明确地表示出这个结果是如何获得的。
然而，并不是每个人都觉得结果不透明是一个必须关注的问题，法国CEA Saclay理论物理研究所的研究员 Lenka Zdeborová 指出，人类的直觉同样难以捉摸，给你看一张猫的图片，你能立刻认出这是一只猫，但是你并不知道你是怎样做到这一点的，从这个角度上来说，人的大脑就是个黑盒。
并不仅仅是天体物理学家和宇宙物理学家在向人工智能助力、数据驱动的科学研究发展。Perimeter 理论物理研究所和安大略滑铁卢大学的量子物理学家 Roger Melko 已经使用神经网络来解决该领域中的一些最棘手最重要的问题，例如多粒子系统的波函数的数学表示。
因为波函数的数学形式可能会随着它所描述的系统中的粒子数量呈指数级增长，这被 Melko 称为是“指数维度诅咒”，在这样的工作中 AI 就是不可缺少的组成部分了。
这个困难类似于在国际象棋和围棋中找到最好的走法：玩家会试图多看一步，想想对手会出什么招，然后再选择自己的最佳应对策略。但是随着思考步数的增加，复杂性也大为增加。
当然， AI 已经攻克了这两个领域。 1997 年 5 月 11 日， 深蓝计算机在国际象棋领域战胜了人类；2017年4月10日 ，AlphaGo 战胜了柯洁，AI 在围棋领域战胜了人类。Melko 认为，量子物理学也面临同样的问题。
机器的思想
无论是 Schawinski 所声称的他找到的是科学研究的“第三方法”，还是如 Hogg 所说的这“仅仅是传统上的观测和数据分析”。我们可以明确的是， AI 正在改变科学 探索 的方式并且在加速科学发现，值得探讨的是，这场 AI 革命在科学领域能走多远？
有时候，人们会对“人工智能科学家”的成就大肆褒奖。十年前，一个名叫亚当的 AI 机器人化学家研究了面包师傅的酵母的基因组，并找出了负责制造某种特定氨基酸的是哪些基因。（亚当观察缺少某些特定基因的酵母菌落，并与拥有这些基因的菌落的行为进行比较，由此找到差异完成研究。）
当时Wired杂志的标题是：机器人独立完成科学发现。
最近，格拉斯哥大学的化学家 Lee Cronin 在使用机器人去随机混合化学物质，由此来观测会形成什么样的化合物，并通过质谱仪、核磁共振机和红外分光计实时监控反应，这个系统最终能学会预测哪些组合的化学反应最为剧烈。Cronin 表示即使这个系统不能带来新的发现，机器人系统也能让化学家的研究效率提高 90%。
去年，苏黎世联邦理工学院的另一组科学家们在训练神经网络从数据中推导物理定律。他们的系统类似于“机器人开普勒”，利用从地球上观测到的太阳和火星的位置信息，重新发现了日心说；并且通过观测小球碰撞模型发现了动能守恒。因为物理定律通常会有多种表述形式，科学家们想知道这个系统能否提供种更简洁的方法来思考已知的物理定律。
这些都是 AI 启动、助力科学 探索 的例子。尽管在每一个例子中，这些新方法的革命性都会收到争议。但在这个信息浩如烟海且高速增长的时代，最值得商榷的问题可能是：仅从数据中，我们能获得多少信息？
在 《The Book of Why: The New Science of Cause and Effect》一书中，计算机科学家 Judea Pearl 和科学作家 Dana Mackenzie 断言到：数据“愚蠢至极”。他们写到： 关于因果性的问题“永远不能仅凭数据去寻找答案”。
“每当你看到以无模型的方式分析数据的论文或研究时，你可以肯定的是这项研究成果仅仅是总结，或许做了转述，但绝对不是在解释数据。”Schawinski 对 Pearl 的观点抱有同感，“只使用数据”这个想法有点类似于“稻草人”。他也从未生成以这样的方式做因果推断。他想说的是：“和我们通常的工作相比，我们可以用数据多做点事。”
另一个经常听到的观点是： 科学需要创造力。
可是到目前为止，我们还不知道，如何将创造力编入计算机。（Cronin 的机器人化学家只是在简单地尝试科研工作，似乎不能算是特别有创造力）Polsterer 认为：“创建一套理论，有理有据的理论，我认为需要创造力，而创造力离不开人类。”
然而，创造力来自何方呢？Polsterer 怀疑这和 不喜欢无聊 有关，这恐怕是机器所没有的体验。“要拥有创造力，你必须厌恶无聊，然而我认为电脑就永远不会感受到无聊。”然而，“创造力”、“灵感”却常常用来描述深蓝、AlphaGo 这样的 AI 程序。我们在描述机器的思想时的困难映射出我们在描述自己思维过程时的困难。
Schawinski 最近离开了学术界，去了私人企业。他现在经营着一家名为 Modulos 的初创公司，该公司雇佣了许多联邦理工学院的科学家。根据该公司的网站介绍，该公司位于“人工智能和机器学习这股风潮的风眼中”。无论当前人工智能技术和成熟的人工智能之间存在多大的差距，他和其他专家都认为机器已经准备好了去完成更多的科学家的工作。不过，AI 的局限性还有待考证。
Schawinski 畅想道：“在可以预见的未来，有没有可能去制造出一台能过发现物理定律、数学原理的机器，甚至超越当今最聪明的人类的能力极限？科学的未来终将被人力所不能及的机器所掌握么？这是一个好问题，但我不知道答案。”
推荐阅读
Nature机器智能：破解因果推断难题
物理学家要失业？机器学习能自学量子力学！
做科研做到绝望是一种什么样的体验？
科研投入越来越多，重大成果的产出却越来越少？
要不要加入我们？一起影响世界！
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
你认为人工智能能取代人类的工作吗？
我认为人工智能能取代人类的工作，但不能完全取代。
最可能被人工智能取代的工作有建筑工人、快递员、司机、电话客服、清洁工等等一些需要花费较多劳动力且重复、危险、辛苦的流水线工作，人工智能通过取代人类这一类工作，以此来提高工作的效率。
其次，我觉得不能被人工智能取代的工作有教师、程序员、心理咨询师、律师、演员等这些工作，在这些工作面前，人工智能只能辅助这些工作的进行，在这些工作中发挥重要的作用。
教师的职责就是教书育人，人工智能则不能做到这一点，因为人工智能没有人类的意识，只是一个人写入的固定程序，而早在孔子就说过因材施教，学生的行为习惯和素质教养的形成都要通过唯核宏老师自身潜移默化的进行影响和培养，而人工智能做不到这一点指册。
程序员就是人工智能的创造者，人工智能能正常运行都与程序员息息相关，人工智能的去留都与程序员的一个决定影响，因此，人工智能不可能取代程序员。
我们都知道机器人是没有情感的，对于心理咨询师这种拥有思想灵魂的工作，机器人无法理解人们的情绪，就算他可以学会如何处理有关心理的问题，但是她的程序化流程则会更加激怒客户的情绪。
律师是一个关乎人情世故的职业，基于社会公平公正的点上，是不能普通被机器人一些代码和计算来去衡量的，其次，在法庭上任何案子都是有反转的，人工智能压根无法触及这个领域。
演员是一个极其需要情感的工作，而人工智能只是重复的程序来氏迅驱使，其次，如果一个节目上的所有演员都是机器人，就压根唤起不了人们心里的共鸣，也无法打动观众。
我只想说，人工智能时代，机器人的存在，人类就业竞争压力越来越大，只有起点没有终点，我们要想不被人工智能取代就应该不断地发散自身的创造性思维，合理的选择不会被取代的职业。
AI实验被叫停？百度：别怕有我在
撰文 / 吴 静
编辑 / 张 南
设计 / 师 超
热火朝天的人工智能赛道，被泼了一盆冷水。
3月29日，未来生命研究所（Future of Life Institute）公布了一封题为“暂停巨型AI实验”的公开信，呼吁所有AI实验室立即暂停训练比GPT-4更强大的AI系统，暂停时间至少6个月。马斯克、苹果联合创始人Steve Wozniak、Stability AI创始人Emad Mostaque等上千名科技届知名人物和AI专家已经签署公开信。
该公开信写道，广泛的研究表明，具有与人类竞争智能的人工智能系统可能对社会和人类构成深远的风险。这一观点得到了顶级人工智能实验室的承认。
这和360集团创始人周鸿祎在3月25日2023中国发展高层论坛上的发言如出一辙。
“当人工智能自己修改自己的代码，自我升级、自我进化时，这种进化速度恐怕用指数级都很难描述。我觉得，留给人类的时间不多了，我认为GPT一定会产生意识，只是差别是在GPT-6还是GPT-8还是GPT-10。”
周鸿祎表示，随着大脑、神经元数目悉陪圆的增加，大脑与神经网络连接的数目的增加，到一定时候系统就出现了一种功能叫涌现。就是很多智能功能就出现了，那么意识也随之出现。所以现在大语言模型的所谓的参数，你就可以看成是脑容量里的神经网络的连接数，这个参数现在是千亿万亿，可能人脑至少有100万亿，可能人工智能到达10万亿，可能这个时候意识就会自动产生。
在AI热潮涌动之时，猝不及防，却遭遇伦理的挑战。
ChatGPT于2022年11月30日发布。2023年1月末，ChatGPT的月活用户已突破1亿，成为史上增长最快的消费者应用。
3月15日，OpenAI正式推出GPT-4。GPT-4是多模态大模型，即支持图像和文本输入以及文本输出，拥有强大的识图能力，文字输入限制提升到了2.5万字。GPT-4的特点在于它的训练数量更大、支持多元的输出输入形式、在专业领域的学习能力更强。
次日，百度创始人、董事长兼首席执行官李彦宏携百度文心一言亮相。发布会现场，李彦宏坦言，“不能说我们完全准备好了，文心一言对标ChatGPT、甚至是对标GPT-4，门槛是很高的，全球大厂还没有一个做出来的，百度是第一个。我自己测试感觉还是有很多不完美的地方。”
此言一出，当天，百度港股盘中跌幅一度超过10%。但次日，百度股票再度拉升，涨幅超13%。
作为国内第一家公开对标ChatGPT产品的乱好企业，百度近日备受外界争议，但这丝毫不影响其商业化变现。
据不完全统计，截至目前，集度、东风日产、红旗、海马、长城、岚图、长安等多家车企宣布已成为百度文心一言首批生态合作伙伴。后续，这些车企将全面体验并在汽车生态领域接入文心一言的能力，推进智能汽车交互的再升级。
汽车x文心一言，到底有多大的想象空间？
文心一言 VS ChatGPT
“文心一言确实不如现在最好的ChatGPT版本，但差距也不是很大，可能就睁塌是一两个月的差别。目前差不多是ChatGPT今年1月份的水平。但大家早就忘了1月份它是什么样子，今天大家已经习惯GPT-4，GPT-4的技术跟我们只差一天出来，是一个其他大厂也很难去拿出一个东西相比的技术。”
近日，面对外界对文心一言的一些负面评价，李彦宏在一场极客公园的直播中如是表示。
诚然，如李彦宏所言，无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。深度学习、自然语言处理，需要多年的坚持和积累，没法速成。
深耕AI领域十余年，百度确实是全球为数不多、在芯片层、框架层、模型层和应用层这四层进行全栈布局的人工智能公司，从高端芯片昆仑芯，到飞桨深度学习框架，再到文心预训练大模型，到搜索、智能云、自动驾驶、小度等应用，各个层面都有自研技术。
但和ChatGPT仅仅只是有一两个月的差距，部分业内人士并不能同意这一观点。
3月25日，2023中国发展高层论坛开幕，360集团创始人周鸿祎在演讲中表示，中国大语言模型技术水平和GPT-4的差距在2到3年时间，目前GPT的技术方向已经明确，不存在难以逾越的技术障碍，中国应当坚持长期主义精神，迎头赶上。
十月怀胎，一朝分娩。但在部分业内人士看来，文心一言还属于半成品，还没到能推出的程度，甚至将其定义为“早产儿”。“但好在通过迭代进步也会很快，只要知道原理并且有事实证明能行之有效的时候，在应用领域很快就能追上去，甚至在规模应用这块比国外走得更快。”业内人士对汽车商业评论如是说，
“文心一言被迅速推出，是因为市场有需求，大家都有需要，更重要的是我们的客户需要，合作伙伴需要。”在发布会上，李彦宏透露，从我们承认文心一言的存在，短短一个月的时间，就有超过650家合作伙伴宣布加入文心一言生态。
这一数字目前还在持续攀升。
汽车X文心一言
车企x文心一言，到底能给车本身带来怎样的变化？两者的结合，到底有多大可能性和空间，文心一言之于汽车，将带来“量”的变化，还是“质”的改变？
如果你把上述提问给到文心一言，你会得到以下回答：
文心一言在汽车上使用，可能会带来以下改变：
更高的安全性能：文心一言可以通过语言理解和生成，帮助汽车识别和预测道路上的危险情况，从而提高驾驶安全性能。
更好的语音交互：文心一言可以通过语音交互，让驾驶者更加方便地控制车内系统，例如播放音乐、调节空调温度等。
更准确的导航系统：文心一言可以通过语音识别和自然语言处理技术，更准确地理解驾驶者的指令，从而更好地导航到目的地。
更高效的能源利用：文心一言可以通过人工智能技术，优化车载系统的能源利用，例如自动启停、智能空调控制等，从而更加高效地使用汽车能源。
更好的车载娱乐体验：文心一言可以通过语音识别和自然语言处理技术，为驾驶者提供更好的车载娱乐体验，例如音乐、电台、天气等信息的实时推送。
总之，文心一言在汽车上的使用，将会带来更高的安全性能、更好的语音交互、更准确的导航系统、更高效的能源利用和更好的车载娱乐体验。
我们还可以参考通用车企对引入ChatGPT之后，对汽车的期许。
作为国外第一家正式宣布引入ChatGPT的车企，据外媒报道，通用正在使用微软的Azure云服务和OpenAI的技术来开发一款新的虚拟汽车助手。OpenAI的ChatGPT背后的人工智能语言模型可能很快就会为通用汽车的虚拟助手提供技术支持。
通用汽车副总裁 Scott Miller 表示，一旦ChatGPT 正式上车，通用汽车的智能化水平或将提升至另一个台阶。
在他的预想中，ChatGPT不仅可以帮助车主获取车辆使用的相关信息，还可以从日历中整合日程安排提醒车主待办事项。例如，聊天机器人可以在仪表板上出现诊断灯时建议驾驶员采取什么行动，或在车辆信息娱乐系统上通过视频演示来指导用户如何更换爆胎。这样便比目前车辆中使用的机械语音命令功能更优化。
另外，ChatGPT不仅可以极大地改善汽车本身的语音命令功能，而且还可用于汽车功能以外的语音控制。当ChatGPT与家庭智能系统和手机集成使用时，它还可以执行更广泛的命令。从“打开我的车库门”到“计划一条去医生办公室的路”，再到“为我预留一个充电点”，诸如此类语音控制都可以实现。
虽然通用汽车的ChatGPT集成计划目前还没有发布时间表，也还没有具体说明ChatGPT可以为汽车增加哪些功能，但从目前来看，ChatGPT上车几乎已经成为必然趋势。
由于目前文心一言还未真正实现“上车”，处于内测阶段。如果参照通用和ChatGPT的合作方式，综合此前车企官宣与文心一言合作的方向，重点仍然集中在智能座舱的人机交互领域。
当外界都对文心一言云服务及应用产品发布会翘首以待时，3月27日，传闻原定于当天下午举行的文心一言云服务及应用产品发布会临时取消，当天，百度股价一度下跌超4%。
当天，百度智能云公众号便澄清消息，称文心一言云服务受到了企业伙伴的广泛关注，已经收到12万家企业的申请测试。为更好地满足现有客户的旺盛需求，百度智能云原定于3月27日举办的发布会改为面向首批邀约测试企业的闭门沟通会，进行深度充分的技术交流互动。3月27日之后，百度智能云将于多地启动客户闭门沟通会议。
最早宣布加入文心一言生态圈的车企是集度。2月14日，集度宣布，将融合百度文心一言的全面能力，打造全球首个针对智能汽车场景的大模型人工智能交互体验，支持汽车实现自然交流的再进阶，打响车企与类ChatGPT技术合作第一枪。
虽然诸多车企都纷纷表示与百度“文心一言”合作，但长安汽车动作最为迅速。3月18日，长安汽车官宣“质美智省新家轿”——逸达，将成为国内首款搭载“文心一言”的量产车型，后续将通过软件升级的形式搭载到新车上。
也有业内人士表示，对于车企而言，汽车X文心一言是噱头大过实际功能。截至目前，汽车X文心一言，最为频繁提到的就是能提升车机的智能化水平，就目前来看，这些都属于量的变化，短期内文心一言能否给汽车智能化体验本身带来质的改变，还有待进一步观察。
但笔者认为，如果人工智能都能发展到自己有意识的程度，汽车X 最先进的人工智能应用后，其发展前景也或许将远超大家想象。
被点燃的大模型竞赛
遭疯抢的不仅仅是文心一言，还有百度文心一言员工。
ChatGPT带动人工智能领域再度爆火，百度文心一言发布后，将 AI 浪潮推向高峰。而与之相关的人工智能人才也备受追捧。
最近，谷歌主要AI团队——谷歌大脑的研究人员，纷纷跳槽到了OpenAI，谷歌大脑至少失去4名核心成员。有消息称，国内，部分科技公司也把目光投向了百度，盯上了文心一言的内部开发人员。
人才争夺的背后是人工智能的争夺战，而这最后还是大模型之争。IDC（国际数据公司）中国副总裁兼首席分析师武连峰曾表示，“大模型的背后蕴藏着一场人工智能落地模式的变革。如今火爆全球的ChatGPT背后的技术支撑正是大模型。没有对大模型的长期投入，就不会诞生ChatGPT这样的应用。”
德邦在一份研究报告中称，自ChatGPT推出以来，国内学术界和科技企业相继宣布或将推出类似机器人对话模型，有望推动大模型发展，而国产大模型也有望在这一波浪潮中迎来爆发式成长。
国内科技企业巨头在人才储备、集成能力、数据领域都遥遥领先。“最核心的是数据，到了一定程度高校的研究只能是做做算法然后发几篇论文，因为像ChatGPT这类后续的验证阶段必须要通过海量的数据来证明，这也是大型商业化科技企业的核心优势。”一位智能网联电动汽车领域专家对汽车商业评论表示。
（图片来源：德邦证券）
目前，国内大模型厂商主要包括百度（文心大模型）、腾讯（HunYuan大模型）、阿里（通义大模型）、华为（盘古大模型）等企业。在德邦的一份关于国内大模型概览的研究报告中，其称文心大模型在市场格局中处于第一梯队。
其中，百度以文心大模型+飞桨PaddlePaddle深度学习平台；腾讯以HunYuan大模型+太极机器学习平台；阿里以通义大模型+M6-OFA；华为以盘古大模型+ModelArts，都打造了自然语言处理大模型、计算机视觉大模型以及多模态大模型方面。
2019年3月，百度率先在发布预训练模型ERNIE1.0，文心大模型构建了“基础+任务+行业”的三级模型体系，基础大模型支撑任务与行业大模型的建设，任务和行业大模型结合真实场景与数据反哺基础大模型优化，目前已有36个大模型。
此前，IDC评估结果显示，百度文心大模型处于第一梯队，产品能力、生态能力达到L4水平，应用能力达到L3水平。
2022年4月，腾讯首次对外披露HunYuan大模型，协同了腾讯预训练研发力量，完整覆盖NLP大模型、CV大模型、多模态大模型及众多行业/领域任务模型。
HunYuan先后支持了包括微信、QQ、游戏、腾讯广告、腾讯云等众多产品和业务，降本增效。依靠HunYuan的多模态理解能力，在广告内容理解、行业特征挖掘、文案创意生成等方面的应用，在为腾讯广告带来大幅GMV提升的同时，也初步验证了大模型的商业化潜力。
2022年9月，在阿里巴巴达摩院主办的世界人工智能大会“大规模预训练模型”主题论坛上，发布 “通义”大模型系列，并宣布相关核心模型向全球开发者开源开放。目前，主要应用方向是为下游任务提质增效，例如在淘宝服饰类搜索场景中实现了以文搜图的跨模态搜索。
华为云团队于2020年立项AI大模型，并且于2021 年4 月发布“盘古大模型”。目前，盘古语音语义与视觉大模型广泛应用到金融、电商、物流等多个行业。华为云官网近期显示，盘古大模型“即将上线”。
天风证券研报表示，盘古大模型是业界首个千亿参数中文语言预训练模型，在预训练阶段学习了40TB中文文本数据，被视为最接近人类中文理解能力的AI大模型。
显然，大模型竞赛是属于巨头间的比拼，较量才刚刚开始。
参考研究报告：AIGC专题：国内大模型概览 德邦证券
本文由汽车商业评论原创出品
转载或内容合作请联系说明
违规转载必究
【本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
黑猩猩跟人类小孩一块养育，认为自己也是人类，后来它怎样了？
这是一个真实的科学试验炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验，它发生在上世纪70年代的美国炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验，试验的过程可以说有些成功炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验，但结果最终是失败的。
试郑樱验的主人公是一只叫做尼姆的大猩猩，从出生在母亲怀里呆了几天，就被心理学家泰瑞斯强行带走，开始了尼姆被当做人类小孩养育的悲惨生涯。
试验的目的就是试图证明: 一只从小被人类养育，并给予肢体语言训练的猩猩，最终可以和人类建立起适当的沟通，并互相了解对方的一些想法。
养育尼姆的第一个人类是心理学家泰瑞斯的昔日恋人斯蒂芬妮，但斯蒂芬妮并不是很费心地去对大猩猩尼姆进行训练。相反她很随意，交大猩猩尼姆随意吃肉喝酒，甚至为它哺乳，并展示自己的裸体形象。
大猩猩尼姆由于喉部的构造，并不能真正地学会说话，但确实能学会一些简单的肢体语言。
好景不长，昔日情人对尼姆的混乱训练，让心理学家泰瑞斯感到了事情出岔子了，随后就将尼姆转移给了另一个人——劳拉。 但逐渐长大的尼姆，变得越来越野性，越来越有天生的攻击性，劳拉因此直接受到过尼姆的伤害。
但泰瑞斯并没有因此停止试验，后来的几个志愿抚育尼姆的人，都受到过尼姆不同程度的伤害，喊敬丛甚至脸颊直接被尼姆咬穿过。
最后，泰瑞斯终于认识到，尼姆是不可能被当做人类小孩一样训练成和人类交流的猩猩的，即便大猩猩尼姆确实学会了部分的肢体语言，但那也只是它模仿得来的而已。
最终，尼姆被送回了它的猩猩世界， 然而，不妙的事情发生了，在第一次的和自己的种族见面的时候，牢笼里的猩猩同胞和尼姆的对视充满了空洞和陌生，它们似乎互相都感受到对方和自己除了样子差不多，其他的没有一样的。
尼姆充满了绝望，它没有一个可以依附的亲属，族群对它甚至有稿弊排挤的行为。
更为可怕的事情在后来发生了，尼姆被卖到了一个进行艾滋病和肝炎研究的小研究所，尼姆被迫进行了很多药物的注射试验。
最后尼姆被一个好心的律师救下，并认为它从小和人类一起生活长大，也应该具有人类生存的权利。
在2000年时候，26岁的尼姆最终死于心脏病，结束了它悲哀又传奇的一生，要知道，大猩猩在自然界的一般寿命可长达60余年。
尼姆悲惨的一生也被英国著名导演马什拍成了电影《尼姆计划》，相应的纪录片也有，想了解更加详细的可以看看。
黑猩猩跟人类小孩一块养育，认为自己也是人类，后来它怎样了？
在开始话题讨论之前，我们先来看一个日本京都大学的松泽哲郎的研究项目「小爱项目」（Ai Project），目的是对一只叫做小爱的倭黑猩猩进行训练，以观察它的语言学习技能和对数字的理解程度，当然过程我们就不详细解释了，先来看看结果：
这个黑猩猩名字叫宁姆，它是一直会使用手语交流的雄性黑猩猩。宁姆是美国科学家科学家Herbert S. Terrace所提出的宁姆计划中的男主角，该项目拟在通过把年幼黑猩猩当成人类小孩抚养，并交给他手语，看其是否会像人类一样。宁姆的名字来源于著名预言学家乔姆斯基，为的就是讽刺这位司机所认为的非人灵长类动物，都没有语言能力。
宁姆项目初始很成功，小宁姆在其出生不久后就被送到一个家庭抚养。在这个家庭中，宁姆学会了简单的手语，并且还跟男家主学会了喝酒。但由于随着长大，宁姆脾气越来越暴躁而被带离第一个家庭。之后，又一位志愿者被安排成为宁姆的母亲，这位志愿者教会了宁姆“穿衣服、餐巾纸”等词汇。然而在一次教完宁姆后，这位志愿者被宁姆突然袭击，要不是周围的研究人员帮忙，这位志愿者估计会很悲剧。
之后，一个语言学教师自告奋勇成为了宁姆的第三人妈妈，不久后宁姆直接用獠牙刺穿了这位母亲的脸部。之后，宁姆流转于多个家庭，然而最终都因它暴躁的脾气而被迫离开。实验因此而终结，宁姆被送往动物保护所，然而在保护所宁姆却和它的同类们格格不入。在第一位志愿者来看宁姆时，没有见到宁姆的拥抱，宁姆反而像拖拽洋娃娃一样拖拽这位志愿者。最终，宁姆在活了26年后死于心脏病。
整个实验被拍摄成了纪录片，并获得了奥斯卡最佳纪录片。这个项目说明了，非人灵长类动物，虽然可以学会一些简单的手语，但是本质上它们还是野兽，无法像人类一样思考，其兽性难除，具有很强攻击性。即便黑猩猩再像人，智力相对再高，说到底还是野兽而非人类。
许多电影有一个类似的情节，一个远离人类 社会 在自然野外长大的人类会全心全意地拥抱他野性的一面，但是反过来是否也成立？如果一只动物被从野外带走，由人类 作为一个孩子 抚养长大，它的行为会更像人类吗？1931年6月，比较心理学家温斯洛普·凯洛格和他的妻子卢埃拉·凯洛格做了一个实验，这对夫妇打算一只黑猩猩宝宝Gua和像人一起养大，看看环境如何影响发育，黑猩猩宝宝是否会像人类一样长大，甚至认为它自己是一个人。 温斯洛普从学生时代起就想做这个实验，但是把人类孩子遗弃在荒野中会受到道德谴责，所以他选择了相反的实验方案，把一只黑猩猩宝宝带入文明 社会 。不过，凯洛格夫妇在开始研究时，他们自己也有一个刚出生不久的儿子，名叫Donald。因此，尽管该项目最初的目标是看看 黑猩猩 如果在人类环境中长大会变成什么样子，但Gua和Donald基本上是作为兄弟姐妹被养大的，而且不可避免地要对它们的发育进行比较。
实验开始时，Gua只有7个半月大，Donald 稍微大一点， 10个月左右。这两个人被尽可能地当作兄妹来抚养，他们穿着一样的衣服，接受同样的训练，吃同样的食物，从事同样的活动等等。作为发育过程的一部分，Gua和Donald定期接受测试，以监控各种参数，特别是智力和行为，包括血压、记忆、涂鸦、反射、深度知觉、发声、运动、对痒的反应、力量、解决问题、恐惧、平衡、 游戏 行为、攀登、服从、把握、语言理解能力和注意力等等。
在不到一岁的时候，黑猩猩宝宝Gua经常在测试中取得优异成绩，她能够接受服从命令，并用餐具自己进食。 毕竟，在野外长大的黑猩猩如果想要生存，即使是在非常小的时候，也需要保持自立。 直到Gua和Donald都超过一岁，Donald才开始在测试中获得优势，因为语言能力开始形成并且在随后的测试中发挥优势炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验；与此同时，Gua只在跑步和爬山等 体育 锻炼中领先。
凯洛格意识到Gua不会因为和人类在一起呆了一段时间就突然能说话，但他们希望Gua的咕噜声和其他各种声音能模仿人类的语言。但这并没有发生，事实上，更有趣的事情发生了，Donald开始模仿Gua的行为举止和声音。凯洛格夫妇担心自己的儿子最终可能会成为猿人，于是在9个月后结束了这项实验。随后，他们在一本名为《猿与孩子》的书中记录了这项研究，并将Gua送回了最初领养的灵长类动物中心，不幸的是，Gua在不到一年之后就死于肺炎。
70年代初，哥伦比亚大学的研究人员决定对黑猩猩的语言潜能进行深入研究，一只两周大的黑猩猩Nim被一名妇女抱回了在纽约市的家。在短短60天内，这只小猩猩就爬遍了整座房子，常常爬到看护人够不到的地方。他学习了手语，会做多达125个手势，学会了要饮料、食物、拥抱和 娱乐 时间，他甚至和家人一起抽大麻，还学会了用手语索要毒品。随着Nim年龄的增长，他变得咄咄逼人，经常殴打和咬伤家庭成员和研究人员，而且不能被教改，最后被送到灵长类动物收容所，在那里，由于人类的教养，他会害怕其他黑猩猩。
我们人类是地球上独一无二的物种，是唯一用两条腿走路、用语言交流、有复杂行为、与家人就政治、 社会 问题能发生争吵的生物。虽然很多类人猿偶尔会表现出类似人类的行为，但只有两种猿类（倭黑猩猩和黑猩猩）与我们人类DNA的相似度达到了99%，因此这两种类人猿是我们人类亲缘关系最近的物种。
像蹒跚学步的人类一样，年幼时的黑猩猩也会摔跤、玩棍棒、制造噪音并与父母拥抱。有时，它们看起来跟我们人类的孩子一样，单纯、调皮，只是看起来毛发更多，耳朵更大。但这1%的DNA差异会不会影响黑猩猩成为人类？虽然黑猩猩已经失去了进化成人类的机会，它们也与人类发生了生殖隔离，但如果我们将黑猩猩从小放在人类 社会 抚养，它们长大后会变现得像人类吗？或者让其产生意识，认为它是一个人？
1931年6月26日，心理学家温斯洛普·奈尔斯·凯洛格（Winthrop Niles Kellogg）说服他的妻子，迎来了一个新的家庭成员：不是人类婴儿，而是一个黑猩猩婴儿。他们打算把这只黑猩猩Gua和他们的小男孩Donald一起养大。这个实验的目的是为了了解生长环境是如何影响黑猩猩行为的发展。
从学生时代，凯洛格就一直想做这样的实验，他对那些在野外长得孩子比较感兴趣，但考虑把人类婴儿丢到野外会受到道德谴责甚至是触犯法律，所以他选择了相反的方案，把一个黑猩猩婴儿带入人类世界。
在接下来九个月的时间里，凯洛格和他的妻子对Donald和Gua进行了不知疲倦的测试，每天12小时，每周7天。他们以完全相同的方式抚养这两个婴儿，此外还进行了详尽的科学实验，包括“血压、记忆、体型、涂鸦、反射、深度感知、发声、移动、对挠痒的反应、力量、手的灵巧度、解决问题的能力、恐惧、平衡、玩耍行为、攀爬、服从、抓握、语言理解、注意力广度等。
在前期Gua在所有得测试中表现得都比Donald更好。但最终Gua在认知上遇到了障碍，无论怎样的训练和培养都无法克服这样一个事实：从基因上来说，Gua只是一只黑猩猩。凯洛格斯的实验的实验充分的证明了：不管生长环境如何，也不管在生长环境中获得了怎样的训练和教育，遗传基因是生物体最大的限制。
随后凯洛格的这个实验在1932年3月28日突然而神秘地结束了。
其原因是，随着Gua年龄的增长，身体变得越来越强壮，也越来越具有攻击性，甚至会咬人，凯洛格夫妇9个月不间断的工作也显得疲惫不堪。其中最大的原因是，Gua并没有在实验中表现的更像人类，也没有表现出学习人类语言的迹象，反而随着Donald年龄的增长，学些模仿能力越来越强，他开始模仿Gua的行为甚至是叫声，造成了自身的语言发育迟缓。
后来Gua被送回了它原来的灵长类动物研究中心，它表现的与其他黑猩猩无法交流，经常被孤立，不到一年后，也就是她三岁的时候，感染了肺炎，不久就去世了。而这个小男孩Donald长大后成为了一名医生，但在其42岁的时候自杀身亡，我们至今不知这个实验对Donald的心理留下了什么。
实验证明了，黑猩猩不会因为生长在人类 社会 而变得“更像人类”。一旦它们性成熟，本能就会驱使它们变的难以控制。到5岁时，黑猩猩通常比人类更强壮，而且非常好斗，咬人是非常常见的行为。如果在人类家庭长大的黑猩猩被送到动物园或野外，它们通常会难以适应环境，无法与其他黑猩猩交流，因为它们不熟悉黑猩猩的典型行为。
也就是说，由人类养大的黑猩猩并没有获得智商或者是行为上的优势，反而会与其他黑猩猩之间存在社交障碍，最显著的差异是社交梳理行为的减少，也就是我们常见的猩猩与猩猩之间互相为彼此梳理毛发。
梳理毛发这个行为是维系黑猩猩 社会 的粘合剂。早期生活在人类 社会 的黑猩猩，即使经过很长一段时间的适应，就算学会与其他黑猩猩一起生活，梳理毛发的行为也会很少，因此它们不善于维持 社会 关系。
所以它们很难融入自己的种群，长期被孤立，有些在人类 社会 中长大的黑猩猩，在回归种群以后，一直在遭受痛苦直到郁郁而终。
在目前地球上的物种之中，黑猩猩是最为接近人类的生物。根据马克斯·普朗克进化人类学研究所的基因测序结果，黑猩猩与人类的DNA序列相似度将近99%。
之所以黑猩猩与人类在基因上十分相似，是因为它们与人类都是从一种最近的共同祖先演化而来。大约在600万年前的中新世，那时的地球上生活着乍得人猿，这是人属的祖先。自那之后，乍得人猿逐渐分化成两支，一支后来进化成黑猩猩，还有一支后来进化成人类。
尽管在人类的进化史上，曾经还存在过多个人种，例如，丹尼索瓦人、尼安德特人。但其他人种在生存竞争中被逐渐淘汰，只有智人幸存下来。智人在几万年前走出非洲，迁徙到世界各地，成为目前全球人类的祖先。
黑猩猩的智商非常高，它们会像原始人类那样使用工具。鉴于黑猩猩与人类的相似性，科学家经常以黑猩猩作为研究对象。
在1920年，人们意外发现了两位被野生狼群抚养的小女孩。她们跟随狼群一起长大，所以很多习性很像狼，例如，她们会在晚上嚎叫，不会语言，用四肢行走。由此可见，人类的智慧不是天生就有，后天环境对于人的塑造十分重要。
鉴于“狼孩”的表现，心理学家温思罗普·凯洛格（Winthrop Kellogg）博士有了一个想法，如果让人类来抚养黑猩猩，它们会变得更加聪明吗？黑猩猩会学会人类的行为吗？
在1931年，凯洛格博士收养了一只名为“古亚”（Gua）的雌性黑猩猩，当时她7个半月大。凯洛格博士把古亚带回家，与他10个月大的儿子唐纳德（Donald）一起生活。
凯洛格博士尽量以相同的方式对待自己的儿子和古亚，包括吃饭、穿衣、教育和睡觉，他们就像“兄妹”一样。有了这样的基础，凯洛格博士可以全面对比黑猩猩和人类小孩的发展。
一开始，古亚比唐纳德发育更快。古亚可以使用勺子，能够响应一些简单的命令，与人进行互动，这些行为都是古亚更胜于唐纳德。虽然古亚和唐纳德都认得其他人，但两者认人的方式不一样。唐纳德是典型的人类行为，他通过看脸来识别人，而古亚是通过气味和衣服来辨别人。
但后来，情况出现了变化，语言能力成了最大的区别。经过半年之后，唐纳德已经学会说话。而古亚始终没能学会说话，不会模仿人类的发音。整个对比实验持续了9个月，凯洛格博士最终不得不终止实验，因为他的儿子开始模仿古亚的叫声。
虽然古亚的行为举止就像一个人类小孩，但她的身体和大脑结构阻止了她的进一步发展，古亚没有达到凯洛格博士所期望的人类语言水平。这项研究表明，后天环境确实可以诱导行为发育，但遗传的限制与环境无关，这种限制无法通过后天训练打破，黑猩猩无法被驯成人类。
最终，古亚被送回灵长类动物中心。两年后，年仅3岁的古亚因病去世。
这是一个非常著名的实验，内容也很简单：就是找一只刚出生的黑猩猩和人类的新生儿放在一起抚养。想要验证推翻“遗传决定论”，该理论认为儿童心理的发展是由先天、不变的遗传基因所决定，与外在的环境无关。我们现在知道这个理论是有缺陷的，太过于绝对。这个实验是由心理学家凯诺格做的，实验对象就是他自己的亲生儿子和一个刚出生的黑猩猩。
当他儿子10个月的时候，他找到一头刚出生七个半月的黑猩猩带到家中，夫妇二人无差别的对待“人兽兄弟”，无论是饮食、穿着、等等方面全部都相同，在抚养的过程中对语言能力、记忆能力、动手能力、反应能力进行测试。虽然黑猩猩的年龄要小，但是它们成熟较快，黑猩猩率先学会了转动门把手，甚至自己用勺子吃饭。而自己的儿子在这些方面就相对较弱一些。
但是随着实验的进行凯诺格发现他们儿子的语言能力要弱于同龄人，并且有意识的去学黑猩猩的一些动作行为，以及叫声。这个实验最初也想着看黑猩猩是否能在人类的环境中，把它变得越来越像人，例如一些行为方式或者语言等。但结果发现貌似人类的学习能力更强一些，凯诺格的儿子学的更像黑猩猩。
原本计划持续五年的实验在第九个月的时候就主动停止了，因为不可预见对孩子的成长会造成巨大伤害。而黑猩猩被送回动物园生活，但是跟自己的同类显的格格不入经常被排挤，在几个月后就死于肺炎。而凯诺格的儿子长大后也成为了一名医生，但是在42岁的时候自杀身亡。我们无法判断这持续九个月的实验对黑猩猩和小男孩的影响，但结果看来可能并不好。
这里有一个问题，你怎么知道黑猩猩觉得自己是人？目前只能通过行为来判断，然而大型哺乳动物本身就有很多后天习来的行为，和人类一块长大的黑猩猩行为像人很正常。
黑猩猩类人，所以有很多动物行为学家观察黑猩猩的行为来判断它们的智力程度等方面的问题，有一个叫 凯洛格 心理学家突发奇想，想要看看如果黑猩猩在人类环境中长大会怎样，甚至想到了自己的孩子，于是他就找来一直七个月大的黑猩猩，然后和自己未满一岁的孩子一同生活，玩耍时就让他儿子和黑猩猩随意地自己玩，本来计划持续五年观察黑猩猩的行为变化，但随着实验的进行，他发现了一些较可怕的迹象，黑猩猩在人类的生活环境中生存，有些行为更像人类了，而且黑猩猩在幼年时的智力发育要快于人类小孩，因为它们的大脑本身就没有人类复杂，而他也保持了一些原始的行为，凯洛格的儿子就受到了这些行为的影响，变得越来越有攻击性，最终在养了9个月的情况下为了防止出现意外，实验提前终止。
这个事的版本有几个，总体上大同小异，都是说黑猩猩最后以为自己是人。然而事实只是它们的某些行为变得有点像人而已，能够通过一些肢体活动和人类进行简单的交流，它们的智力决定了它们不可能知道人与黑猩猩的区别，它们只能看到长相的区别，不会认为自己是人类，它们连人类这个词是什么意思都不知道，因为这个词本身就是人类创造的，而黑猩猩无法学会人类的语言文字，主要是因为它们的大脑不能支撑这么抽象化的行为。而它的行为变得像人是很正常的事情，因为它们毕竟还是有一定的智力，在后天环境中可以随着成年个体或者人类学到很多东西，然后形成记忆随时拿来用，事实上灵长类动物模仿人的行为还是很拿手的，一些景区的猴子都学会了掏人类的口袋，学会了拉拉链。
那只黑猩猩最后又被送回了最初领养的灵长类动物中心，然而不久之后就因为肺炎或者心脏问题而离世。人类尝试教授黑猩猩知识的实验很多，还有心理学家曾教授黑猩猩识记英文词汇，虽然它确实记住了一些词代表的事物，能用手势和人类交流，但是它们仍无法说话也无法理解词语的抽象含义，也不具备使用这些知识和同类交流的能力，其实仍是比较鸡肋的能力，除了从人类那里搞点吃的。
看到这个问题，本猫脑海中立即浮现出来的画面居然是——凯撒！
2011年令我动容的电影不多，《猩球崛起》是难得的一部。
其中有一幕至今让我仍感触不已：因为误认主人受到攻击，而奋起保护的凯撒，最终被关进收容所牢笼之中，凯撒无法适应这个“新家”，它拿起石头在冰冷坚硬的墙壁上，画下了一扇窗户——阁楼中那扇通向外面的窗户。他把头依偎在“窗户”上，希望能像以前一样从里面看到熟悉的点滴，却发现只有冰冷的墙壁。——对，此处我用了两个不同的“它”和“他”，因为我和凯撒一起落泪了，他已经不再是它，而是人类中的一员。
朋友们，读到这里，请不要以为你们在看一部纪录片，这仍旧是一部手法相当纯属的科幻片！
凯撒可不是因为和人类养在一起，就具备了让我们认同的 情感 来源。他的成长，是开挂的结果！
故事的背景设在现代的旧金山，基因科学家威尔-罗德曼为了治疗人类的老年痴呆症而研发了一种药品，新药在黑猩猩身上做实验时，偶然创造了奇迹！大幅度的提高了它们的智力，典型特征为眼睛变为绿色。凯撒就是这只幸运而又不幸的猩猩的唯一的孩子——天选之猩！
这是凯撒接下来持续开挂的最基本前提，它本质上从一开始就在物理性质和人类无异了。
接下来的冲突，你把凯撒换成黑人、变种人、变形金刚，其实剧情都可以继续拍摄下去，然后感动你。
接下来是现实中的故事，我其实不太想讲，所有的违背自然规律的实验，悲剧在一开始就已经注定。
88年前，这起著名实验的实施者是一名心理学家——温斯罗普。
温老师明显受到了地摊文学的毒害，对狼孩起了浓厚的兴趣，于是他开了脑洞，非常想揭晓人类孩子和动物的宝宝一起养育，将发生的奇迹。
当然，没有人愿意将自己的孩子交给温老师实现他的梦想。
温老师不弃不舍，自己动手丰衣足食嘛！他找来一只小猩猩，和自己10岁的孩子一起抚养，并记录实验的点点滴滴。
这明显不会是《猩球崛起》的前传，因为事情的发展有点脱离了主线，并没有记录片中这么温情的照片，实际上小猩猩如愿以偿的越来越像人，而他的亲儿子却因为与猩猩作伴，从人变成了半只“猩猩”。这严重影响到他们儿子的正常成长！
温老师夫妇意识到问题的严重性后，实验在9个月后终止。小猩猩被送回了猩猩群，但它无法适应猩猩的生活，只活到三岁就死于肺炎。
温老师的孩子比较幸运，考上了哈佛大学，成为一名精神科医生，但也于42岁时自杀身亡。
到最后，我们不能说，温老师的悲剧一定是因为那次实验，但科幻和现实，的确不应该轻易越界。
至少，我个人认为，猩猩是不会同意我们粗暴干预它的猿生的。
感谢提问，这个问题我觉得是时候且有必要一口气讲明白了。关于将黑猩猩古亚与人类的小孩一起养的故事，具体内容已经有很多人讲到了了，在此我就不重复了，大家自行脑补一下。
但是可以明确的说最后古亚成不了“人”，并且在被送回其生父母身边后，由于将自己当做是“人”而与家庭有些格格不入，2年后死于一场疾病；而那个与古亚一起抚养的小孩好的没学会，倒是学会了一些与黑猩猩有关的习性，例如爬行、叫声等，这应该就是所谓的“近朱者赤，近墨者黑”最好的例子吧。
之所以举这个例子，我想说的是猴子没有像黑猩猩与小孩那样受到精心的抚养，也没有受到更多的人为关怀，仅仅只是平常通过与游客的接触，“自学成才”就能大致模仿出人类的一些简单的动作，这一方面说明猴子这种动物比较聪明，另一方面也说明后天的影响确实存在一定的作用。
同类型的例子还有很多，再比如曾经轰动一时的“狼孩”一事，那是1920年发生在印度加尔各答东北米德纳波尔的小城的一件事，当地村民经常看到有两个用四肢走路，且长得人模人样的“怪物”尾随在三只大狼后面，后来村民合围将大狼打死后，在狼窝里竟然发现了两个裸体女孩，由此便揭开了“神秘生物的面纱”。
大狼被打死后，这两个“狼孩”由于失去了“依靠”，便被送到了城里的孤儿院抚养也分别取了名字，大的叫卡玛拉、小的叫阿玛拉，不过尽管这两个“狼孩”得到了孤儿院的精心照顾最终还是失去了幼小的生命，小的那个1921年约3岁挂掉了，大的那个一直活到了1929年约16岁。
通过以上案例，不难得出后天对一个人的影响还是很大的，人的发展后天比先天更重要，既然我们无法选择先天，那么我们就应该充分把握和利用好后天环境，以弥补先天环境的不足，从而改变人生。
以上内容，欢迎点评！
炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于、炸掉AI和生化戒指！GPT-4学会自己做科学研究，教会人类用手做实验的信息别忘了在本站进行查找喔。
