我过去写过一篇文章《很多所谓伟大的贡献，其实都是狗屎运》，今天我也写写人工智能。
（1）人才
深度神经网络如果不从明斯基和罗森布拉特说起，那就应该可以从1965年Ivakhnenko发明前馈神经网络说起。但关键里程碑是出自Rumelhart在1986年的反向传播，因此才出现了现在咱们看到的深度神经网络RNN。但是深度神经网络从1986年成型，到2016年AlphaGo爆火，已经过去了30年。在这30年来，深度神经网络学者一直在吃灰，因为发不了Paper就拿不到教职，拿不到教职就没有吃饭饭票，饿得更别说心无旁骛去做研究。
我们重点其实要说的是Rumelhart的学生Robert Glushko，他发了财后为了纪念恩师Rumelhart所以设了一个“Rumelhart”奖学金基金。就是他资助了辛顿。
没有辛顿，就没有辛顿的学生-Open AI的联合创始人兼首席科学家Ilya Sutskever，就没有我们现在看到的ChatGPT。
（2）数据
2007年，在谷歌数据、算力、技术、研发人员的支持下，斯坦福人工智能实验室主任李飞飞带领团队，完成1500万张图片的标注，构成了ImageNet海量数据集。
没有李飞飞建立的这个数据集，就没有后来2012年辛顿带领Ilya Sutskever打比赛。如果没有比赛刷分惊掉大家的下巴，大家还是不相信暴力美学有效。因为看见所以相信，世间的事大多如此。马云曾经说的：因为相信所以看见，世间没有几人能做到。
（3）算力
在游戏显卡行业折腾多年的英伟达一直没有翻起水花。柳暗花明又一村，英伟达遇到了比特币。这让英伟达借东风高速成长、有钱改进技术。虽然2022年以太坊把PoW改成了PoS，但是英伟达已经又等到了人工智能风潮的兴起，还继续需要GPU。
没有比特币-数字加密货币对GPU的拉动，人工智能只能为算力干瞪眼。
（4）资本
科学-技术-工程-大规模商用，这是一条漫漫长路，有可能突破在明年，也可能如中世纪一般，突破在500年后。这本质就是幸存者偏差。
见不到光亮怎么办？一种办法就是鸡贼地不理，等别人搞成熟了，再用集中力量办大事打穿，做到规模最大成本最低。另一种办法就是靠家族托管基金老钱持续投入-众资本接力棒地持续投入。
大家看到微软给Open AI投入了100亿美金，这就相当于一个人吃到了第九个馒头，你看到的已经是他吃饱了的样子。它最初六年是怎么熬过来的，这得归功于Open AI的CEO：Sam Altman，因为他是硅谷知名风险资本Y Combinator的合伙人。
看完这些往事，大家有什么感想吗？
