深度：计算机的本质到底是什么
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达来源：图灵人工智能
来源：www.cnblogs.com/jackyfei/p/13862607.html
作者：张飞洪
01
抽象模型
庄子说过吾生有崖，知无涯。以有限的生命去学习无尽的知识是很愚蠢的。所以，学习的终极目标一定不是知识本身，因为知识是表象的、不稳定、会过时。
那么我们应该学什么，什么东西才是永恒的？也许我们会有很多见解，比如学习哲学，或者叫哲科；或者学习方法论；或者学习抽象模型等等…
这些抽象模型的完美体现就是我们经常看到的数学公式，公式好比万能工具，通过它我们可以知道宇宙和自然是如何规律运转的。
现实中，我们会发现各个学科都有自己的抽象模型，这些模型好比天上的繁星，有相似的，更多的是各不相同。
所以，认知结构的拓展其实就是对模型边界的拓展，我们拥有的模型越多，我们的认知越丰富。
对于计算机来说，什么是那个不变的宗呢？
02
计算机模型
从物理角度看，晶体管的电容只有两种状态：开和关；从光传输的规律看，电压只有高低两种电压。
这对应了数字世界的0和1（量子计算除外）。这里多加一个或者多个电容，多加一条或者多个线，就有了2的4/8/16/64种状态。
而且随着纳米技术的发展，多核CPU的增加，5G高带宽的出现，从物理层面可以表示和传输的状态会越来越多。
不管虚拟世界多么纷繁复杂，追溯原点，从物理角度，我们可以从电容开始；从数学层面我们从二进制开始；从哲学层面，我们从阴阳开始。
计算机通电的过程很像宇宙大爆炸，接下来就是比特之旅。比特在旅途过程，从磁盘->总线->内存->CPU，不停的移动。一个比特经过一个函数工厂，可能会产生80个比特，再绕地球一圈，可能又会增加了n次方的比特。
所以，这是一个由哲学构建的稳定的底层逻辑的世界；这是一个由数学构建的有无穷状态表示法的比特世界；这是一个以波粒为基础的极致高效的世界。
03
冯-诺伊曼体系
比如，从组成计算机的金字塔来看，该体系到现在也是稳定的，不管是PC还是移动还是正在发生的物联网架构。计算机的核心部件还是这么几样东西：
运算器、存储器、控制器，输入输出设备。不同的是在性能，功耗等变得更加强大。
04
编译原理
如果你要了解各种计算机语言的底层原理，那么对语法分析，词法分析，语义分析，正则表达式，有限状态机的知识点是绕不开的话题，所以说编译原理其实也没有怎么变化过。
所以，不管是火热的的go，rust，还是老牌的java、c/c++、python，或者是js、c#等语言，我们其实不应该去纠结千差万别的语法，而是底层的编译方法。
不管是以后的语言如何变化，是属于脚本语言还是编译语言，无论他们的语法如何奇怪，你应该知道他们都要构造语法树，都要做词法分析，语义解析，都要把语法树翻译成二进制语言。
05
分布式原理
分布式的存储系统他们实现数据复制的方法是完全一样的，该原理能查到的最早的出处是1978年Lamport的一篇论文《TheImplementationofReliableDistributedMultiprocessSystems》。
1978年啊，同志们，那时候我们都还没出生呢！这么老的技术到今天仍然在被广泛地应用！无论应用技术发展的多快，实际上解决问题的方法，或者说是理论基础，一直是没什么变化的。
所以，你在不断学习新的应用技术的同时，还需要多思考、总结和沉淀，这样会让你学习新技术的时候更快更轻松。
不管在mysql，sqlserver关系型数据库里面，还是在redis，mongo等非关系型存储引擎里，他们都在用数据复制的状态机原理。
再比如，许多搜索引擎（比如ES）和消息队列（比如Kafka，RabbitMQ）也在互相抄作业，而且以后的作业会随着所谓的“新技术”这个伪概念的不断出现，会越抄越频繁。
06
不可知论
爱因斯坦说宇宙就是一个怀表，里面是什么，我一无所知。不可知论的意思不应该是我们真的一无所知，而是假设Default我们一无所知，然后再重新梳理自己思想的真伪。它是一种对基点真伪的追问。
因为世界是动态的，五官是不可靠的，固有的知识是有漏洞的，但是我们又喜欢用经验来衡量和决策。所以，如果能彻底怀疑过往的一切，假设我们的思想都是错的，那么对真理的追求会更近一步。
我们可以举个例子，随着业务膨胀和并发的增加，我们通过修修补补的方式以及无法抵抗日益腐烂的代码，那么唯有重新审视底层架构，甚至推倒重来才能暂时解决当前的业务需要。至于未来系统会如何演化，不可知。
不可知应该是站在不可知的角度去追求可知，是一种虔诚的学习态度。
07
普遍怀疑
这里的普遍怀疑不是为了怀疑而故作高深，因为宇宙是浑然一体的，是混沌的，分科命名不是永恒的名(名可名非常名)。所以，当分科作为一个角度，必然是横看成岭侧成峰，你怎么可能是永恒的呢？
普遍怀疑把本我和思想进行脱钩，对被思想占领的肉体和思想本身进行分别求真。
笛卡尔说肉体是无法被证明存在(bing)，我们怎么能确定自己不是活在虚拟世界里呢，也就是说我们怎么能知道到底自己是梦里的蝴蝶变的还是我们变成梦里的蝴蝶呢？但是，这个梦却是真实的，只有思想者是真实的，最后他提出了那句我思我在（ithink，thereforeiam）的名言。
普遍怀疑其实就是给自己的思想洗澡，把思想的苹果全部倒出来，包括烂苹果和好苹果，然后重新梳理和归类。爱因斯坦把牛顿的苹果倒出来，发现万有引力定律并不适应微观世界，最后提出相对论。可见普遍怀疑是破解集体信念和创新的重要工具。
08
思想≠我
当我们被批判的时候，我们会本能的情绪化，因为我们把自己和思想视为一体，对我们观念的不认可就是对于自己的不认可，所以我不爽了！
试想，我就是思想吗？李善长老师说：“不是我拥有思想，而是思想占有了我。”，我的理解是我们的思想不过是先人智慧的影子，我们长期使用后和身体融化一体罢了。
所以问题来了，我们到底要为自己辩护，还是为自己的思想辩护？如果是为自己的思想辩护，为什么要情绪化呢？如果自己的认知本身是有问题的，不应该“闻过则喜”吗？
当我们因为别人的不认可而情绪化，其实很多时候就是把思想和我等同起来，这对于学习和进步是一种巨大的禁锢，因为思想不等于我们的肉体。
09
独立思考
谈到独立思考，我们先从智人演化过程的从众心态讲起。在远古社会，从众的目的是为了安全感，刚开始可能是为了抵御猛兽，后面是为了族群的认同。
从众的负面效应是一种非理性的无知，集体无意识的盲从。因为追求安全和族群的认可，会违背自我的思想扭曲，从而失去了独立判断的能力。
虽然这种后果是很可怕的，但直到现在，这种抱团盲从的现象还会随处可见，因为对于安全感的需求在组织当中还是存在的。如果不能深刻得认识这种现象，那么自己的思考也是危险。
独立思考是痛苦的。很多人宁可死也不愿意思考；王兴说：很多人为了不去思考，可以做任何事情。
个人认为，这里的思考是指体系化、模型化、抽象化、理性化的逻辑思考，并不是指我们日常的感性思维或者形象思维。
代表计算机世界的思维方式，更切确的说应该是数学思维，是对万事万物进行数字建模后的一种面向产业和应用的计算，所以数感、数学思维是计算机学习的内功，虽然当下并不明显。
10
总结
所以，从学习目标来看，我们应该要学习的不是知识本身，而是抽象的知识模型，好比那把万能钥匙，模型可以打开各自知识的锁头；
从学习的方法来看，我们可以使用普遍怀疑、不可知论，思想和本我的脱钩、去除盲从惯性来思考，对思想本身进冲洗，对逻辑思维本身进行审视和质疑。
借用巴菲特的那句话：“如果哪一年我没有破坏一个我以前特别相信的观念，这一年我算白过了”。
本文仅做学术分享，如有侵权，请联系删文。
下载1：OpenCV-Contrib扩展模块中文版教程在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。下载2：Python视觉实战项目52讲在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。下载3：OpenCV实战项目20讲在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~人工智能不会取代你，使用人工智能的人会
人工智能会抢走你的工作吗？还是会让你变得不可替代？人工智能革命正在顺利进行，这种未来主义的变革浪潮正在改变我们的生活、工作和娱乐方式。
可以理解的是，这让我们中的许多人担心它对就业市场的潜在影响。
人工智能会偷走我们的工作吗？
答案是“是”...除非你学会冲浪。
人工智能对就业市场的影响
在2023年初进行的ZipRecruiter调查中，62%的人担心ChatGPT和其他人工智能工具可能会取代他们的工作，最令人担忧的是Z世代（76%）和没有高中文凭的人（72%）。
坦率地说，谁能责怪他们？
根据高盛2023年66月的一份报告，美国和欧洲目前大约25%的工作“暴露于某种程度的人工智能自动化”，而大约%的工作可以由人工智能完成。
在另一项研究中，OpenAI（ChatGPT的创建者）与非营利研究实验室OpenResearch和宾夕法尼亚大学一起发现，80%的美国劳动力可以看到至少10%的任务受到AI的影响。而大约19%的员工可以看到至少50%的任务受到影响。
对你来说足够凄凉吗？
嗯，有个好消息。但在我们开始之前，让我们谈谈哪些类型的工作会受到影响——包括可能出现的一些新的工作机会。
最有可能被人工智能取代的工作
那么，哪些类型的工作很有可能被人工智能取代呢？
具有以下一个或多个特征的任何工作。他们申请您的工作的次数越多，您的工作就越有可能受到影响：
涉及执行常规和重复性任务。
涉及一套标准化的规则或程序
涉及遵循固定、可预测模式的物理任务
涉及数据的处理和分析
涉及基于数据和常见模式的基本决策
不涉及创造力或人为判断
不涉及对人类情感的理解
为了进一步说明，以下是一些可能存在风险的工作类型的示例。
技术工作（例如软件开发、数据分析等）
尽管计算机编程的需求量很大，但ChatGPT和类似的AI工具可能会取代编码人员。
为什么？
因为人工智能在快速准确地处理数字方面非常出色。例如，ChatGPT已经可以比任何人更快地编写代码。
OpenAI已经在考虑用AI取代其软件工程师。
媒体工作（广告、内容创作、技术写作等）ChatGPT和其他人工智能工具也对媒体行业产生了巨大的影响。
这是因为人工智能现在正处于可以很好地读取、写入和理解基于语言的数据的地步。随着时间的推移，它只会变得更好。
正因为如此，媒体公司开始使用人工智能工具来创建内容，而不是仅仅依赖人类作家。
客户服务职位
客户服务聊天机器人变得越来越智能。用不了多久，支持人工智能的聊天机器人将成为常态，能够理解客户要求的细微差别。
不会被人工智能取代的工作人工智能可以做的事情仍然存在局限性。因此，某些工作只有人类才能完成。
那么什么样的工作会经得起时间的考验呢？
从本质上讲，任何需要人工智能无法复制的以下一个或多个“人类”品质的工作：
涉及人类的创造力
涉及人类同理心、情商、对人类情感和行为的理解
涉及在情感层面上与他人互动和联系的能力，以及建立深厚的关系和信任的能力
涉及有效的沟通和/或谈判技巧
涉及批判性思维、战略规划和决策
涉及适应新情况、解决复杂问题和处理不可预测情况的能力
涉及人类的判断和直觉
涉及领导力
包含这些品质的工作示例包括首席执行官、教师、辅导员、外科医生、人力资源经理、营销专业人员和撰稿人。
正如@naval所说：
“自动化意味着不必做任何事情两次......剩下的就是创造力和判断力。
新的工作机会虽然人工智能将不可避免地自动化并取代一些工作，但也有另一面：由于这场人工智能革命，新的就业机会将出现。
所以并非一切都是厄运和阴霾！
其中一些工作是现有的与人工智能相关的职位，随着时间的推移需求会增长，而另一些工作将是人工智能创造的新职位。
以下是我们已经看到的新工作机会类型的一小部分样本：
提示作家：随着像ChatGPT这样的人工智能语言模型在不同行业中变得越来越普遍，对称为“提示作家”的专业人士的新需求已经出现。
这些专家擅长编写有效的提示，指导AI模型根据用户的特定要求生成精确、相关和有价值的输出。
人工智能开发人员：随着人工智能系统变得越来越先进，对这群专家设计此类系统的需求将继续增长。
人工智能开发人员和工程师负责创建特定算法、构建神经网络和开发自然语言处理能力。
人工智能顾问和战略家：随着世界各地的企业越来越多地采用人工智能，对人工智能顾问和战略家的需求将越来越大，以帮助企业制定战略，以利用人工智能技术并实施基于人工智能的解决方案，以改善其当前的运营。
人工智能辅助医疗保健专家：这是非技术行业中新角色的一个很好的例子。这些是专门从事人工智能辅助医疗系统操作和维护的个人。
随着人工智能在医疗保健中的使用越来越多，例如使用人工智能算法进行疾病诊断和治疗计划，对能够管理和维护这些系统的专家的需求将越来越大。
为AI对我们工作的影响做好准备
这是我上面提到的好消息。人工智能革命将继续存在，但你可以“证明”你的工作，并为这个新世界做好准备。更重要的是，您可以利用人工智能使您的职位不可替代。方法如下。
与人工智能合作，而不是反对它随着人工智能在工作场所变得越来越普遍，你必须学会如何使用人工智能，而不是反对它。
如何？
通过利用其优势并弥补其弱点（反之亦然）。
这通常被称为协作智能，您可以将AI的速度、准确性和效率与创造力、情商和社交技能等人类品质相结合。
结果呢？你会让自己变得不可替代。
在实践中，这可能看起来像在你的工作中使用人工智能来自动化日常任务并优化你当前的一些工作流程，让你专注于其他更重要的方面，比如规划和创造性地思考。这反过来又会让你在工作中更有效率和生产力。
一个很好的例子是内容写作。可悲的是，许多作家将被人工智能取代。但有些人会学会使用人工智能来研究和撰写草稿，然后利用他们自己的创造力、同理心和人类经验来改进它们。这些作家会写出比人工智能更好的内容，而且他们会比大多数人更快。
正如机器语言工程师@svpino所说：
“人工智能不会取代你，而是使用人工智能的人会取代你。“
学习和发展新技能另一种做好准备的方法是学习和发展新的技能和知识。
开始了解AI提示和算法，这些提示和算法将使您能够充分利用ChatGPT等强大工具。如果您从事软件开发等技术领域的工作，请花时间学习流行的AI编程语言，如Java、Python和R。
同时，不要只关注工作中硬技能;相反，发展人工智能无法取代的软“人类”技能。在这个新的人工智能世界中，这些技能将变得越来越重要，并且可以使您与众不同。
及时了解AI发展通过阅读行业出版物和可靠的网站/博客、关注思想领袖和影响者、参加会议和研讨会以及与您所在领域的其他专业人士互动，及时了解最新的AI趋势、发展和工具。
通过这样做，您可以更好地了解这些发展将如何影响您的行业和工作，为即将发生的事情做好准备，并学习如何利用人工智能作为工作的一部分。如果您所在的行业很有可能被颠覆，这一点尤其重要。
您可以参考的一些优秀AI资源示例包括：
对新机会持开放态度一些工作将由人工智能取代;其他将被创建，或者可能合并。如果你想在人工智能方面保持领先地位，你需要走出你的舒适区，对新的机会持开放态度。
不要害怕尝试新事物，无论是学习新的编程语言（例如快速工程）还是在全新的行业（例如自动驾驶汽车）工作。
探索需要创造力、同理心和人际互动的工作如果迫不得已，你失去了工作，那就用天生的人类工作来取代它——这可以追溯到我上面提到的软技能。
这股浪潮正在加速。不要忽视它。不要害怕。拿起你的冲浪板，开始划桨。您可能会发现自己比以往任何时候都做得更好-并且享受旅程。