3.研判读懂狗说话 狗能够发出各种吠叫、呜咽和吱吱声,来表达自己的情绪、需求和意图。狗之间也能够通过声音,来识别彼此的个体和群体。为了理解狗的语言,匈牙利埃奥特沃什•罗兰大学的科学家,开发了一个名为“狗翻译器”的项目,旨在使用AI技术来识别和翻译狗的声音,并与狗进行实时互动。“狗翻译器”项目使用了一个智能项圈,可以录制狗的声音,并通过AI算法来分析声音的频率、节奏和模式,从而识别出狗发出的特定声音单元。这些声音单元,被认为是狗语言中的“词汇”,可以代表不同的对象、概念或行为。 通过收集和标注大量的狗声音数据,“狗翻译器”项目建立了一个狗-英语双向词典,可以将狗的声音单元与英语单词相对应,也可以将英语单词转换为狗的声音单元。这样,人类就可以通过智能项圈向狗发出特定的声音信号,并接收狗的回应,从而实现与狗的对话。 目前“狗翻译器”项目,已经在匈牙利多个地区进行了多次实验,成功地与一些野生或圈养的狗进行了交流。例如在一个实验中,人类向一只拉布拉多发出了代表“玩具”的声音信号,然后看到拉布拉多跑向附近的一个球,并将其咬住并摇晃,并向人类发出了表示“开心”的声音信号。在另一个实验中,人类向一只柴犬发出了代表“食物”的声音信号,然后看到柴犬跑向附近的一个碗,并将其中的食物吃光,并向人类发出了表示“满足”的声音信号。 以上例子,不仅能够验证某些动物的声音单元,是否具有一致的含义,也能够观察它们的行为反应和情绪表达,从而也可更好地理解“将一切用大语言模型作数学来处理”实验实验动物的语言和思维。 【2、用大语言模型作数学的基本原理是啥】 “将一切用大语言模型作数学来处理”,关键是要有机械化、自动化超强的电子计算机和量子计算机等现代化工具,但这只是个时间和资金问题。要掌握这些工具,有前节“用大语言模型研判读懂鸟语兽声”的一点简单介绍,要更大规模地扩展,我们还需懂得一些基本原理,如什么是大语言模型(LLM)和通用大语言模型(PaLM2)?什么是通用人工智能模型(AGI)等,这里先来说什么是AGI? 1、通用人工智能模型(AGI)是啥? 通用人工智能(AGI),也被称为人工通用智能或超级人工智能,是人工智能的一种理论形式,可以像人类一样学习和推理,有可能解决复杂的问题并独立做出决策,是一种能够完全模仿人类智能的行为,能够执行任何人类智能活动的计算机系统。 即人工通用智能,是指智能代理理解或学习人类所能完成的任何智力任务的能力。它是一些人工智能研究的主要目标,也是科幻小说和未来研究中的常见话题。AGI也被称为强人工智能、完全人工智能或一般智能行动,尽管一些学术资料将强人工智能这一术语,保留给经历过有知觉或意识的计算机程序。 强人工智能与弱人工智能(或狭义人工智能)形成对比,后者不打算拥有一般的认知能力;但相反,弱人工智能是任何被设计用来解决一个确切问题的程序(弱人工智能是指没有意识或没有与人相同的思想的程序),在广泛的环境中满足目标的能力最大化。 这种类型的AGI,其特点是证明能够“将一切用大语言模型作数学来处理”化智能的数学定义,而不是表现出类似人类的行为,因为被称为通用人工智能。即AGI可以被认为是人工智能的更高层次,它可以实现自我学习、自我改进、自我调整,进而解决任何问题而不需要人为干预。通用人工智能的研究目标,是寻求统一的理论框架来解释各种智能现象,并研发具有高效的学习和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的通用人工智能体,使其具备自主的感知、认知、决策、学习、执行和社会协作等能力。 人工智能发展历经多次繁荣与衰落的周期轮回。1956-1974年的第一个黄金时代,见证了机器定理证明和逻辑推理的突破。而在1974-1980年,因过于强调通用求解方法,忽略了知识表征,导致了第一次寒冬。随后,1980-1987年迎来了发展的第二个繁荣期,知识库和知识工程是主要的研究对象。而在1987-1993年,由于“符号落地”和“常识获取”的发展制约,人工智能遭遇第二次寒冬。 1990年代至今,人工智能开始进入平稳发展期,分化成几个子领域,包含计算机视觉、自然语言处理、认知与推理、机器学习、机器人学、多智能体领域等。每个领域均出现过突破性的成果,但是每个独立的成果局限在自己的子领域中,人工智能距离达到人类通用且泛化的智能水平仍然相差甚远。 究其原因,正是目前所有的通用人工智能(AGI)研究,都还没有共识到“将一切用大语言模型作数学来处理”。所以,因对AGI的定义,各不相同,还没有公认的人类智能定义──来自不同领域的专家,从不同的角度定义人类智能。有些致力于AGI开发的人,旨在复制人类的认知能力,包括感知,理解,学习和推理,跨越广泛的领域。 与“将一切用大语言模型作数学来处理”不同的其他形式的人工智能,旨在执行特定任务的窄人工智能或弱人工智能。 他们虽然认为,AGI将执行广泛的任务,适应新情况并从经验中学习──AGI将推理世界,形成抽象概念,并将知识从一个领域推广到另一个领域。而“将一切用大语言模型作数学来处理”从本质上讲,AGI的行为就像人类一样,没有被明确编程这样做。 它的一些关键特征如获取大量背景知识:AGI将利用几乎任何主题的广泛知识库。这些信息将使其能够学习、快速适应并做出明智的决定。常识:AGI将了解日常情况的细微差别并做出相应的反应。它可以通过尚未明确编程的场景进行推理,并使用常识来指导其行动。迁移学习:AGI可以将从一项任务中学到的知识和技能转移到其他相关任务中。抽象思维:AGI可以理解和处理抽象的想法,使其能够解决复杂的问题并开发创新的解决方案。了解因果关系:AGI将能够预测其决策的结果,并采取积极措施,通过理解和使用因果关系来实现其目标。这意味着它可以预测其决策的后果,并采取积极措施实现其目标。AGI与其他形式的AI之间,主要区别在于其功能范围。 虽然其他形式的人工智能旨在执行特定任务,但AGI将有可能执行广泛的任务,类似于人类对AGI的追求,是一条漫长而曲折的道路; AGI的历史始于1950年代中期,当时人工智能的早期先驱,对机器能够像人类一样思考的前景充满乐观。他们相信AGI是可能的,并将在几十年内存在。然而,他们很快发现这个项目比他们预期的要复杂得多。在AGI研究的早期,有一种明显的兴奋感。赫伯特·A·西蒙是当时领先的人工智能研究人员之一,他在1965年曾预言,机器将能够在20年内完成人类可以完成的任何工作。这一大胆的主张激发了亚瑟·克拉克的科幻经典《2001:太空漫游》等创作。 然而,早年的乐观情绪是短暂的。到1970年代初,研究人员显然低估了AGI项目的复杂性。资助机构对AGI越来越持怀疑态度,研究人员被迫开发有用的“应用人工智能”系统。因此,人工智能研究人员将注意力转移到特定的子问题上,在这些子问题上,人工智能可以产生可验证的结果和商业应用。尽管AGI研究几十年来一直被搁置一旁,但在1990年代后期,当马克·古贝德使用“通用人工智能”一词来讨论全自动军事生产和运营的影响时,它再次浮出水面。 到2002年左右,“通用人工智能”这个词,再次被重新引入并推广开了──尽管对AGI重新产生了兴趣,但如今许多人工智能研究人员声称,智能过于复杂,无法在短期内完全复制。因此,大多数人工智能研究都集中在技术行业广泛使用的狭义人工智能系统上。然而,一些计算机科学家仍然积极参与AGI研究,并为一系列AGI会议做出了贡献。例如想象一下AGI的潜在影响是:AGI的好处和机会是无穷无尽的,凭借其处理大量数据和查找模式的能力,AGI可以帮助我们解决长期困扰我们的问题──在这个世界里,机器可以解决一些最复杂的问题,从气候变化到癌症;在这个世界里,我们不再需要担心重复的、琐碎的任务,因为智能机器会照顾它们和许多更高级的任务。 具体一点它可以帮助开发治疗癌症等慢性病的新药和治疗方法;它还可以帮助我们更好地了解气候变化的复杂性,并找到减轻其影响的新方法。AGI还可以以无数种方式改善人类生活,专注于更具创造性和成就感的追求。即使AGI的发展也存在风险和挑战,它也还可以通过提高效率和更安全来彻底改变运输和物流等行业。 而且生成式人工智能的最新发展,使我们更接近实现AGI的愿景──像聊天机器人(ChatGPT)这样的用户友好的生成式人工智能界面,尽管这仍然完全基于解释人类产生的数据,但已展示出令人印象深刻的能力,如可以理解人类文本提示并回答无限主题等问题,以及通用人工智能(AGI)有可能彻底改变我们所知道的世界,从医学进步到太空探索等等,AGI可以解决人类最紧迫的一些问题。 而且通过各个领域专家的持续研究和合作,我们可以努力实现AGI造福社会同时降低潜在风险的未来。 2、大语言模型(LLM)是啥? 数学一直被视为人工智能的试金石。21世纪以来基础科学前沿理论研究,如超弦理论、圈量子理论、大爆炸宇宙论、黎曼猜想、质子化学组学等,它们的数学能力如何提升?突破语言模型的先天性不足,本身已成为当下人工智能领域关注的重点。 要说“将一切用大语言模型作数学来处理”,为啥通用人工智能模型(AGI)、大语言模型(LLM)和通用大语言模型(PaLM2)可以是数学?因为这是从第三极基础理论建模的前世今生出发的。 第三极基础理论建模不像20世纪开始的美苏两极称霸,它们的人工智能题材,有国家、种族、文化、信仰的区分。尽管“将一切用大语言模型作数学来处理”也有这些因素,但总的来说,第三极基础理论建模里,“将一切用大语言模型作数学来处理”是把人类作为一个整体出现的,是最能够引起不同文化、不同种族、国家的人们共鸣的一种人类命运共同体题材的“数学”。 例如,它的前世今生出发,类似“柯猜”描写的数学──是1904年庞加莱提出被列为七大“数学世纪难题”之一庞加莱猜想,之外的“庞加莱外猜想”:与空心圆球内外表面所包围的时空映射点内和点外,无撕裂的共形循环翻转,对映“科学是生产力”是一种不“撕破”翻转,是全人类共同的梦想;描写的噩梦、危机也是人类要共同面对的噩梦和危机,而成为连接全世界不同文化的桥梁。 所以“将一切用大语言模型作数学来处理”,是结合当下最新研究成果,分析探讨大语言模型推理能力在数学领域的进展和挑战。 这包括如何准确衡量语言模型的数学推理表现;探讨模型在数学推理中生成结果错误率高的原因,以及可能的解决策略;研讨新方法、新技术,使模型在数学推理时产生更稳定、连贯的解题步骤;研讨如何让模型提升学习体验和效果;面向未来,语言模型在数学推理上的应用将如何改变传统的教学模式。
|