发现一个现象，现在提到人工智能，一般人下意识都会想到几个词:机器学习、算法、大模型、智能化，似乎整个AI技术就是IT技术的分支。可能有人还会想到智能芯片这样的硬件，但出发点似乎也主要是为了解决运算的效率和能耗问题。
但是，既然主流思想还是想创造一个类人的AI，为什么就偏偏忽略了人的学习并不仅仅是灌输语料和思维，人类还有一个非常重要的学习途径是感知世界。
相对于文字这类编码，那些难以编码的感官知觉才是人类学习的基础，无论是整个人类文明还是一个人的婴童时代，通过感官知觉了解世界和学习都是早于通过系统的编码来学习的。
人类的智能不是起源于对编码类知识的学习，而应该是起源于感知，所以我理解真正意义上的AI或许也应该是这样的，是像人类一样基于感知的“刺激-反应”，在反应之后，一条路通往感性欲望，另一条通往理性思考。
后者或许就是当前所谓的AI正踌躇满志要去解决的，但人类智能的复杂性在于两条路是交叉的，而且还会受到不断接收到的感官刺激信号的影响，包括奇妙的人体化学反应带来的生物电信号刺激影响。这种种刺激背后人类行为的灵活多样性才是人类思维的灵魂，空有机器学习而没有机器感知的AI没有灵魂，是不可能觉醒的。
由此看来，在AI的开发上大多数人似乎有点急功近利了，幻想着跳过感官世界，直接进入到意识世界，似乎只要语料足够，模型优秀就能创造出好的AI。但在我看来，通过这条路径造出来的不过是“问题-检索”工具而已，仍然属于自动化范畴，而不能算严格意义上的智能。一个典型得案例可能就是大模型，火了概念却鲜有成功的变现案例，除了说极少有企业具备海量的数据来调教以外，更核心的还是因为没有感知能力。所以除了聊天和检索，包括检索结果的裁剪拼接以外，很难落到产品中去。
目前能看到效果的AI产业化应用，小到智能穿戴，大到无人工厂，都是前端感知和后端运算结合的产物。其实这才是人类发现问题到解决问题的正常路径，先有感知或者是发现数据异常，然后再有定义问题和思考如何解决问题。而大部分时候定义问题实际上比找到解决方案更困难，这也成为企业落地AI应用的难点和价值点。
或许在很长一段时间内都无法实现严格意义上的人工智能，但仍然从类人的角度出发，至少也应该将社会开发资源和目光更多的投向AI感知领域，即各类面向AI的传感器:机器视觉、机器听觉、机器嗅觉、机器味觉、热感、力感、痛感等等
只有AI有了感知世界的能力，才有可能自主识别问题，然后进入到解决问题环节，而不是像现在一样需要人类输入“魔镜魔镜告诉我”才能开启思考（我仍偏向这么认为是检索，而非思考）。
所以，在AI实现的路上，不能只偏重机器学习，也要发展机器感知。欲让AI变得智能，先让AI感知世界！
后记:一直就有这么个想法，AI应用中传感器好比人的感官接收刺激、通讯物联网好比人的神经网络传递刺激和行动信号、模型算法好比人的思维模式对信号做出处理产生决策、终端设备则好比人的躯体执行决策和做出反应。
