人脑和人工智能的最大区别是什么呢？
区别在人脑有一个训练了几十亿年的底层网络模型。
很简单的例子，人脑3岁以前，实际上是一个解压过程，后面是完全不记得这段时间发生的事情的，说明dna实际上包含了一个基础的世界模型，这个模型训练了很多亿年，它非常扎实，可以让人不用再依赖大量数据从底层开始学习，人的后天学习更像是做微调。
比如婴儿就会的，拿起一个积木，丢到桶里，婴儿马上就能迁移到，拿起一个球丢到桶里，这里积木和球，被先天性的定义为了一个事件和物体，这就是底层模型的好处。
然而目前的ai是什么情况呢？如果你只给它丢积木的数据，它大概率就只学会了丢积木，换成球就不会了，为啥？
因为它没有底层的世界模型，也就是说它无法从单一数据里获得迁移任务的能力，因为ai在单一数据里学到的东西和人的理解完全不同，它很可能认为积木是这个任务的关键权重，不是积木，则不能判定为这个任务的目标，也就是说单一数据本身有很多模糊的概念，和人是无法对齐的，就跟写代码一样，普通人认为，一个任务是去拿起一个东西，但是代码则要考虑各种因素，比如怎么拿，什么时候拿，拿的东西是什么名字，等一系列问题，ai现在就是它会基于各种路径去理解一个任务，唯独和人理解的不同。
事实上人脑的底层模型相当高效，它基本上已经总结了这个世界的基础逻辑，比如对于物体，它就是清晰的实体化的元素理解，而不会像ai一样，一会从纹理的角度识别物体，一会从轮廓的角度识别物体。
所以要ai像人，实际上就是需要一个巨大的预训练好的底层模型，然后再在这个基础上教ai，它的学习效率就会非常类似人了，不会再需要海量数据，才能理解清楚一个任务。
不过最近这块进展越来越大了，chatgpt就是非常类似这种底层模型的东西，然后你再用自然语言教它一些东西，它学的非常快，不需要你给很多例子了。
所以，这就是我觉得区别最大的地方。