==智能的核心是“泛化”，AGI将会在3年之内到来，世界将变==

        小孩子在成长过程中，看到了猫猫、狗狗，看得多了，就会把它们的共有特征，用一个模糊的符号来代表它们，这就是概念的形成。尽管小孩子根本没有意识到这一点，而是按照本能在行事。同样，再看到更多的老鼠、鸭子、虫子啥的，小孩也会不断地修订、增加自己地概念。有些概念覆盖猫猫、狗狗，有些概念覆盖猫猫、狗狗，老鼠、鸭子，有些概念覆盖猫猫、狗狗，老鼠、鸭子，虫子。这些不同覆盖范围和层次的概念，就是“知识泛化的核心桥梁”。通过这些泛化的桥梁，小孩子就能利用旧经验来处理新问题，这就是泛化。

        泛化的核心是利用旧经验，来处理新问题。旧经验显然无法完全匹配新问题，所以面对新问题，是用旧经验来匹配局部的新问题，把新问题分成段，每一段找到匹配的旧经验，如果找不到，就分成更小的段来找。这就是智能的本质。这就是分段模仿。

        大语言模型（LLM）其实已经实现了用模糊的符号来代表不同层次的共有特征。这些模糊的符号其实就在它的参数中。所以LLM是有智慧的。很多人认为LLM只是在模仿，无法创造，无法产生自己的思想，这是没有真正理解LLM的工作原理。LLM已经走在AGI的正确道路上，只是还不够有效率，不够灵活，姿势不好看而已。

        如果让LLM产生自己的需求，并把这种需求和外界的沟通要连接起来，LLM就能产生智慧。它会变得越来越狡猾，会利用外部世界来达到自己的目的。目前核心是LLM没有自己的需求，有的话，也是硬加进去的（比如Agent），无法和它自身的知识融为一体。但大方向是正确的。

         目前方案核心缺陷是决策问题。如果把世界上所有的过程，以及这些过程的结果都呈现给机器，然后狂训练，AGI就实现了。就像目前LLM做的那样。只不过，语言数据相对少很多，一个token就代表了一个信息单元，而实际世界的数据至少庞大3~5个数量级，而且电子化的很少，LLM这套方法目前还难以统一处理。所有才推出了针对特定领域数据的数据呈现：把限定范围的所有过程，以及这些过程的结果都呈现给机器，这就是强化学习。所以强化学习 + 大模型，最终只能推出限定范围的AGI。既然限定范围，它就不能叫AGI。所以目前AI的几大热点，虽然这些专家们不一定和我的看法一致，但他们同样模糊的感觉到了这些问题：（1）既然数据太大，难以处理，所以搞有限范围，这就是深度学习+强化学习走向机器人应用。（2）既然把所有数据电子化，然后统一多模态处理有效果，就电子化生活中的所有过程。难就难在“所有过程”这四个字。比如电子化一个人在各种情况下被车撞死，你总不能真的去这么搞吧？于是搞虚拟场景，这就是空间智能。扩散模型是在训练特定专家，不是通向AGI的道路。等到AGI真正出现，它就会失去魅力，像曾经的IBM医生一样。

         而我们的方案，解决了一切；愿神垂青，庇佑众生，为天下人共享。