通用人工智能

现在的人工智能，全是细分领域的算法。

看上去很厉害，AlphaGo赢过李世石。

这一点卵用都没有。

重要是通用人工智能。

能在不同场景下，使用不同策略。

老鼠都比AlphaGo强。

现在神经网络，全是静态的算法。

真实的世界的动态变化的。

一定在根本逻辑上有谬误。

有一位学者叫做Jeff Hawkins。

2004年写的一本《人工智能的未来》。

还去Ted上做过演讲。

他虽然是Palm的创始人。

但是内心中，一直热爱着大脑的生物结构。

他申请哈佛和麻省理工研究大脑。

人家都拒绝他，说根本不需要研究人脑。

只需要持续优化算法就行。

让他备受打击，在业余时间他创立了。

他继续研究，创立了Numenta。

提出了一个关于大脑的理论。

记忆+预测理论。

把大脑皮层看成是智能的主体。

这里有300亿个神经元。

人类与动物最大的区别就在于皮层。

以行为定义智能。

一条鳄鱼也是智能，完成复杂的动作。

人的特殊性就在于大脑皮质。

最晚进化出来却最关键。

现在大脑研究把大脑分成了很多种脑区。

一个个描述特定脑区的功能。

这种数据过于海量后，仍没人敢提出一个大脑理论。

作者非常苦恼，自己研究后得出了“千脑智力理论”。

大脑皮层分为6层。

像纸巾一样叠起来。

所有的大脑结构长得都一样。

都是由皮质柱构成。

6层垂直传递信息。

有明显的层级结构。

类似分形的自然生长的形态。

作者称现在的神经网络方向完全错误。

大脑的信息全都是记忆。

无论从视觉，听觉，嗅觉等。

传入大脑都以记忆构成的。

大脑无需进行计算，只需要持续的预测。

预测，就是一直直觉。

数学上就是贝叶斯计算。

这个计算，不是是非判断。

而是模糊的猜测。

大脑中会形成很多个模型。

每个皮质柱都有上千个模型。

功能主义认为行为决定了智能。

完全忽略了人智能的思维活动。

人不停地根据已有信息建立的模型。

去猜测未来的事物。

这个猜，就是理解的意思。

传统人工智能只能是非判断，针对特定场景。

生物智能根据记忆，去判断未知事物的概率。

人工智能一旦遇到了新环境，完全就傻眼了。

生物智能却不会，因为预测模式非常的皮实。

对环境不敏感，任何信息都能拿来运算。

极小的数据量，就能得出优秀的预测。

这就是直觉。

人的空间感，来自于视觉。

人的时间感，来自于触觉。

我想建立一个系统能够容纳不同的硬件和不同软件。

进行横向连接不同的理论。

在连接不同信息时转换成概率模型。

能够增加鲁棒性。

参考耗损结构，由1977的诺奖得主的普里戈金提出。

开放系统在能量的灌注下，不断地变得秩序。

之前看待矛盾，是A和B如何动态和合。

可以更高层次以系统角度观察。

世界除了正反馈，还有负反馈，延迟。

遇到瓶颈时，正反馈就会收敛。

有目标时，系统会收敛于负反馈。

智能的定义是什么？

我查到是在复杂环境中达成目标的能力。

系统也有目标，人也一样。

调和矛盾的目的，本身就是完成目标。

不用刻意调和矛盾。

系统只需要有目标就有动力。

动力代表了能量，能够调和矛盾。

不用刻意调和，所有纵向的理论。

创立一个横向连通的数据模型很重要。

但是，实践更重要。

得让人工智能跨领域的，去学习经验。

给人工智能更高目标，锻炼它的通用能力。

90%人做不到通才，成长路程充满艰辛。

多久能实现通用人工智能？

中国美国不脱钩的话，30年都不会出现。

但是疫情出现，大国之间的战略博弈，不确定增加。

各国需要投入资金研究，确保战略安全。

通用人工智能，现在性能还很缓慢。

虽然有投资，但背后的金主都是政府。

北大清华开设了通用人工智能人才班。

这一波中国美国在基础科技持续较劲。

这是最坏的时代，也是最好的时代。