当大模型参数规模超过约600亿时，它们将展现出前所未有的新能力，这就是我们所说的 “智能涌现”。 那什么是涌现现象呢？
维基百科的定义：涌现（英语：emergence）或称创发、突现、呈展、演生，是一种现象，为许多小实体相互作用后产生了大实体，而这个大实体展现了组成它的小实体所不具有的特性。
这个定义让人感到更加困惑和迷茫，虽然每个文字都理解，但组合起来却不知道具体是什么意思。
理解“涌现”现象对你来说价值巨大。它会成为你思考其他AI问题的基础。 不懂AI“智能涌现”，别说你懂人工智能！
当你真正理解“涌现”后， 对于AI的发展，你将更有洞察力和预判力，相关AI概念，你既能懂，又能用。
接下来，我将以通俗易懂的方式，让你理解AI大模型中涌现现象。
微观辨水，现实版 “ 智能 涌现 ”
“水哥”真名王昱珩，最早出现时是在第一期的《最强大脑》上。
当时王昱珩挑战的节目是“微观辨水”。
什么是“微观辨水”呢？简单的说就是从520杯水中挑出评委预先选中的一杯水。这些水可都没有做过手脚，都是纯净水，水杯中水量也都是完全一样的。
他在采访中也进行了揭秘，就是运用想象力，把其中不同的特点，比如说气泡、灰尘、杯纹构成一幅图，然后就可以迅速地筛选了。
普通人第一眼看到就是一杯水，像素规模：2*2=4个像素色块；
增加气泡信息，像素规模：4*4=16个像素色块；
增加灰尘 信息， 像素规模：8 *8=64个像素色块；
增加杯纹 信息， 像素规模：16 *16=256个像素色块 ；
继续增加其它信息，到水哥眼中，像素规模：256*256=65536个像素色块，每一杯水在他脑中都“涌现”出一幅画。
通过类比，水哥通过扩大 像素规模 产生涌现，大模型则是通过扩大 参数规模 产生涌现。
“ 智能 涌现 ”为何发生？
关于“智能涌现为何发生？”
学术上有很多种解释，其中一种解释是： 宏观涌现可能只是构成系统的微观因素的线性变化的结果。
说人话就是： 量变引起质变。 微观的渐变，引起宏观的质变 。
微观渐变并不能否定宏观的质变，宏观的质变也不能简化为微观渐变。
举个例子：沙堡是由沙粒组成，但沙堡会崩塌，沙粒不会。“坍塌”是成规模的沙粒涌现出来的宏观特性。
“ 智能 涌现 ” 3个延伸问题
问题一：AI智能涌现的结果是每一次都一致？
AI智能涌现的结果 在某些情况下可能会表现出相对一致的行为，但并不能保证每一次都完全一致。
智能涌现 ≈ 相对稳定的高级智能。 有时候，它能够回答一些问题，但稍微改变一下问法，它可能就无法回答了。 同样的问题，这次它能够答对，但下次却可能答错。
这恰恰是当前许多人在使用大模型时所面临的现实困境。
问题二：除600亿参数规模外，是否还存在其他阈值，可以让AI发生智能涌现吗?
目前确实有一种观点认为：从千亿级的参数规模再往上，AI不会再有新的“顿悟时刻”。 但当你理解了涌现，你就会意识到这种观点一定是错的。智能涌现的阈值肯定不止一个，要涌现不同的能力，需要越过不同的阈值。
问题三: 什么是“知识压缩”，它跟AI有什么关系?
如果你掌握了某张图片的知识，那么，即便该图片被过度压缩，你依然可以让它在你面前涌现意义。
知识是对现象背后规律的总结，本质上就是一种 “压缩方法” 。
当我们说“这个知识概括、总结了一系列现象”，本质上是在说这个知识压缩了这些现象。
训练大模型的目的就是寻找压缩方法（知识）。
训练大模型的过程本质是一种“尝试-验证”的过程：大模型猜测一个可能的压缩方法，然后验证它是否正确。这个过程会重复很多次，消耗巨大的算力。