曾经以为AI是永远能做对的选择，每当我们有疑问，它便能给出精准答案；每当我们有任务，它便能圆满完成。然而仔细想想，我意识到这不过是理想化的愿景，无法训练出一个永远做正确选择的东西。很多时候并不存在绝对的正确答案。人们想追求的高级的人工智能实际上是希望它足够拟人，然而，即便是人类，也难免犯错。
人是如何学习的？实际上是靠大脑的记忆能力。那些聪明的学生，每次都能考高分，实际上他们的记性也是非常好的。人工智能的训练也是一样，通过不断的灌数据去拟合，从而达到记忆的效果，然后程序再通过这些记忆来得出一个答案。相较于人类，人工智能在记忆容量和运算速度上拥有显著优势。它能够整合互联网上浩如烟海的知识，形成远超任何个体的知识库。
然而，人类的学习过程并非仅仅依赖于结构化的知识积累。我们从出生到成长，经历了无数次的尝试、思考和感悟。这些非结构化的数据，如情感、经历、直觉等，构成了我们独特的个体特征。那么，如何让人工智能学习这些非结构化的数据呢？
我想一个可能的途径是将所有数据转化为图像形式进行输入。因为人类无论是写字、阅读、画画还是演奏，都是通过视觉来感知和理解的。这些信息在大脑中实际上是以图像的形式存储的。因此，将所有数据转化为像素输入给人工智能程序，或许能够使其更好地理解和学习。所以，到底还是人类的算力不支持这么玩吧。
另外，人类大脑实际上是一边输出的同时也在输入，即“在线更新”。Deepseek使用think的方式可以当成有一个草稿纸，就像人说话的时候也会参考已经说了的话来组织后面的语言。AI的下一个突破可以是“在线更新”，一边forward 一边 backward，这个回答我不满意那么模型立即更新权重来降低这个答案的分数。这又有点像推荐系统了，果然还得是搜广推啊。

当前AI的模式 可能的技术突破方向
输入文字，图像，音频 结合具身机器人增加更多模态输入
输入结构化数据 多模态任意形式数据输入
离线训练 在线持续训练