做不到的。
计算机能做的工作,譬如说,计算,总归是一项人类交托的任务,是先由人来判断该问题是否有解,如果有,具体的算法是什么,然后将数据与算法交给计算机的逻辑电路去处理,所得结果也要由人去理解,阐述。
即便像aiasg这样的系统,能自主生成程序,实质上,也不过是将一些类似的已有成果排列组合,解决那些早已被人解决过的问题。
路,还是人走出来,计算机只不过是更快的再走一遍,两遍,三遍;
就算再走无数遍,仍没有任何创新。
取而代之的崭新思路,“敛散算法”,则是根据一定的初始条件,在算法的每一步,尝试尽可能多的展开分支,引入额外的发散量,当然这种做法,很快就会让计算量暴增,所以还需要进行“收敛”,通过同样包含随机性的判据,迅速“砍”掉大量无意义的分支。
表面上看,这一先发散、后收敛的做法,与向系统中引入随机变量,并无本质区别,实质上也可以粗糙的这样认为。
区别则在于,算法步骤中引入的变量,并非随机数,而是来自于初始状态库的一切既有知识。
那么就是在穷举吗,似乎是,只不过为了应对完全穷举的计算量暴涨,而必须在每一步进行判断、预计与猜测,将无意义的分支完全消除。
具体到某一个分支,其是否有意义,判断起来也并不容易,此外还要引入额外的随机性,将某些“看起来”无意义的分支,移入另一个线程继续追踪。
这一做法,能避免收敛策略错杀那些切实可行、却不符合既有知识体系的分支。
“敛散策略”的核心思想,是建立在传统计算机的运行之上,此外再加入“关联扰动”与“随机性”,利用这种方式,尝试让ai具备创造性、探索性思维。
这种体系,一开始在验证可行性时,需要的资源量并不太大。
但可想而知,倘若投入到实际运行中,这样的系统必然耗费巨大,哪怕只用来解决一些粗浅的问题,都需要比传统计算机更多的算力,当然,倘若其真能具备“强人工智能”的特质,巨大的投入也是值得的。
“强人工智能”的第一台实验机,所需算力,设计指标大约在1pflops。
以今天的计算机技术水平,这种规模的算力并不难提供,不过,1pflops算力能支持的思维、认知,可以达到多高的水平,仅从理论模型出发并无从得知,一切还要在初号机完成并上线运转一段时间后,才能得出结论。
按项目组的计划,从初号机开始,“强人工智能”就应该具备一定的自我演化能力,这种特质,也更接近于人脑的状态。
那么,假以时日,这样的机器能演化到什么状态,就更需要时间来给出答案。
自从掌控一个大区,直到今天,1495年才启动“强人工智能”的研发工作,这种进度怎么说也并不算快。
但在方然看来,情况还好,他并不认为所有大区的管理员都和自己一样,能够洞悉“强ai”定义的内在矛盾,继而认识到,以现有的科学技术水平,人类其实是可以研发出某种程度的自主ai,进而窥破“思维”、“认知”活动的奥秘。
请收藏:https://m.rsjd.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)