智能的本质与历史 - 智能的本质是学习，生命作为智能载体通过DNA、神经系统、语言和数学等不同形式学习外部世界规律并预测未来[3][15] - 智能发展经历了四个阶段：物种进化(强化学习)、个体记忆(神经系统)、语言文明和数学科学[19][20] - 当前大模型处于类似单细胞生命的低效演化阶段，缺乏自主学习和纠错能力[21][30] 大模型技术现状 - 当前推理模型(o1/R1)主要依靠记忆模仿而非真正逻辑推理，存在训练题表现优异但基础题失误的矛盾现象[8][12] - 提升模型能力的两种核心方法：监督微调(SFT)和强化学习(RL)，通常先微调再强化学习效果更佳[10][11] - DeepSeek验证了开源模型可以低成本赶超闭源模型，500万美元训练成本被误读为全程成本[13][14] 机器智能发展方向 - 白盒大模型和闭环反馈纠错机制是突破方向，模仿生物神经系统的多路并行闭环结构[43][45] - 当前端到端开环系统只能在封闭世界运行，闭环系统才能适应开放世界的自主学习[46][47] - VLA方法通过暴力计算整合感知与动作，但非最优解决方案[48] 行业生态与教育 - 港大开设面向所有本科生的AI通识课程，涵盖智能历史、技术原理和伦理思考[37][38] - 为企业家开设AI专项课程，80多位高管参与学习技术本质与商业应用[35] - 学术界应专注原理创新而非跟随工业界，需要保持独立探索精神[44]