第102章(1/2)
“既然原理相同，那为什么从前的连接主义者尸横遍野，当代偷师了连接主义的概率学ai仍然看不到大脑的尾灯？原因只有一个：大脑比它们先出发——大概五亿年。
“大脑的世界模型不是从你出生开始构建的。只有最顶层很少的一部分才跟出生后的学习有关。下面占多数的底层，组合序列早已建好，预测模型早已完美，数据庞大到不可思议，连接复杂到不可思议，都是你继承的遗产。这些部分很多跟你的身体有关，更多的与外部世界有关。随便挑出一个局部，都能让顶尖的概率学ai汗颜。
“我们挑个简单的：皮肤上的压力感受器。你刚出生，它就对外部世界无师自通。给它个尖锐而快速的压力——痛觉，模型预测是荆棘或者爪牙，对策是不经过意识反应直接缩开，越快越好。给它个点状分散、轻微而移动的压力——痒觉，模型预测是昆虫或者腐蚀性物质，对策是没手的去树上蹭，有手就用手挠。给它个宽广、稳定而柔和的压力，模型预测是爱抚，对策是通知某个腺体分泌神经递质，神经递质促进一大片预先编好的组合序列兴奋起来，让你觉得爽，还会启动一整套社交行为。比如四脚朝天亮出肚皮，或者放开奶头笑一下，或者呻吟两声鼓励他继续。”
听众们一直屏息静气，这时突然爆出一片喝彩与掌声。图海川绝望地想：幸亏加的料够多。
“这么庞大复杂的底层模型，当然也是一点点学习外部世界，学出来的。不是我们自己，是五亿年间每一个直系祖先。学习方法是世界让神经建模不行的早点去死，或者终身破不了处，那些就不是我们的祖先。建模够快、够准确的才有资格做祖先。它们把整体建模的菜谱刻在基因组当中传给我们——菜谱，不是蓝图！也就是说，每个人头颅中的世界模型刚一出生，对世界的学习就已经持续五亿年。所以它才会长得那么复杂。
“而连接主义者呢？他们输在起跑线上。人工神经网络从一无所有的白纸开始。不仅节点和连接数量没法跟大脑比，探索阶段的学习数据摄入量，几张打印纸就可以抄完。我说过，他们的原则没有问题。也许让他们搞上一千年，人工神经网络能赶上大脑的水平。毕竟人类操纵进化比自然快得多，看看狗就知道——真正的狗，不是阿尔法狗。但是现代社会不可能等你一千年。阿里集团放手让我玩了十年，已经是理解与慷慨的巅峰了。”
孤零零一只手举起。这是一位小国代表。
“图博士，您的智能学讲座精彩绝伦。但是为国际社会的团结考虑，能否请你不要把进化论这样充满争议的学说带进来呢？我相信我们今天是来达成共识的，不是来争吵的。”
“谢谢您的夸奖，主教大人。这次会议开三天，就算今天我们不争吵，明天后天也一定会。还有，如果您无法接受任何一种包含进化论的表述，那么再听我讲半小时，您会发现我们全体坐上了高速列车，直奔地狱。”
主教似乎被吓住了。他刚坐下，英国技术代表杰米斯爵士又举起了手。
“非常感谢你给同行上的生物课。请问你是生物学家吗？或者神经学家？或者有医科学位？”
“都不是。但2029年上班的第一个月，我的团队就招募了四位顶尖的认知神经学家。其中一位是你的剑桥校友，你们认识。接下去两年我就差跟他们睡觉了。”
爵士笑着说声“真有钱”就坐下了。他身边的嘉德接过来：“也就是说你还是个外行。请问这里有专业人士吗？他刚才说的是权威理论，还是华丽的想象？还有，这些跟我们今天的主题真的有关吗？”
会场安静了片刻。
瑞士代表团一位女士怯生生站起来：“我在海德堡大学教过二十年神经生理学，也许能给个参考。图先生刚才讲的，原则上很准确。只是……省略了很多细节，经过高度抽象。我刚才听起来也像是才明白。”
图海川向她鞠了一躬：“谢谢您证明我的大脑还在正常工作。嘉德女士，我向你担保，刚才这些问题关系重大。因为下面我就要讲为什么别人造不出来，我却造出来了。
“当今的概率学ai做法很精明。他们不去妄想整个世界的数据，而是专攻非常狭窄、非常单纯的一点。比如规则简单到极致的围棋。阿尔法狗上手先看几百万张棋谱，这比任何人加上他的所有祖先能下的棋还要多得多。所以人永远下不过狗了，这样看没有任何意外。课题稍微宽泛一点，概率学ai的吃力程度就指数上升。因为它的架构原则不是为复杂数据准备的，缺乏通用潜力，更没有几亿年累积的世界模型。比如人脸识别，ai最成功的领域之一。从上个世纪开始搞了八十年左右，投入不计其数的智慧、金钱和算力，计算过上百亿张脸，现在ai终于超过人了。还不是完全超越，抗干扰能力和跨年龄识别还远远比不上。大脑呢？刚才那个吃奶的婴儿就会识别人脸。等他八十岁的时候，还能识别八岁时见过的脸！
“正是这样成功的例子，让我在2029年接近完全绝望。这个世界太大、太复杂，数据量无限。我们用概率学ai攻克人脸识别这样一个小小的领域都需要八十年的消耗战，什么时候才能建成一个世
“大脑的世界模型不是从你出生开始构建的。只有最顶层很少的一部分才跟出生后的学习有关。下面占多数的底层，组合序列早已建好，预测模型早已完美，数据庞大到不可思议，连接复杂到不可思议，都是你继承的遗产。这些部分很多跟你的身体有关，更多的与外部世界有关。随便挑出一个局部，都能让顶尖的概率学ai汗颜。
“我们挑个简单的：皮肤上的压力感受器。你刚出生，它就对外部世界无师自通。给它个尖锐而快速的压力——痛觉，模型预测是荆棘或者爪牙，对策是不经过意识反应直接缩开，越快越好。给它个点状分散、轻微而移动的压力——痒觉，模型预测是昆虫或者腐蚀性物质，对策是没手的去树上蹭，有手就用手挠。给它个宽广、稳定而柔和的压力，模型预测是爱抚，对策是通知某个腺体分泌神经递质，神经递质促进一大片预先编好的组合序列兴奋起来，让你觉得爽，还会启动一整套社交行为。比如四脚朝天亮出肚皮，或者放开奶头笑一下，或者呻吟两声鼓励他继续。”
听众们一直屏息静气，这时突然爆出一片喝彩与掌声。图海川绝望地想：幸亏加的料够多。
“这么庞大复杂的底层模型，当然也是一点点学习外部世界，学出来的。不是我们自己，是五亿年间每一个直系祖先。学习方法是世界让神经建模不行的早点去死，或者终身破不了处，那些就不是我们的祖先。建模够快、够准确的才有资格做祖先。它们把整体建模的菜谱刻在基因组当中传给我们——菜谱，不是蓝图！也就是说，每个人头颅中的世界模型刚一出生，对世界的学习就已经持续五亿年。所以它才会长得那么复杂。
“而连接主义者呢？他们输在起跑线上。人工神经网络从一无所有的白纸开始。不仅节点和连接数量没法跟大脑比，探索阶段的学习数据摄入量，几张打印纸就可以抄完。我说过，他们的原则没有问题。也许让他们搞上一千年，人工神经网络能赶上大脑的水平。毕竟人类操纵进化比自然快得多，看看狗就知道——真正的狗，不是阿尔法狗。但是现代社会不可能等你一千年。阿里集团放手让我玩了十年，已经是理解与慷慨的巅峰了。”
孤零零一只手举起。这是一位小国代表。
“图博士，您的智能学讲座精彩绝伦。但是为国际社会的团结考虑，能否请你不要把进化论这样充满争议的学说带进来呢？我相信我们今天是来达成共识的，不是来争吵的。”
“谢谢您的夸奖，主教大人。这次会议开三天，就算今天我们不争吵，明天后天也一定会。还有，如果您无法接受任何一种包含进化论的表述，那么再听我讲半小时，您会发现我们全体坐上了高速列车，直奔地狱。”
主教似乎被吓住了。他刚坐下，英国技术代表杰米斯爵士又举起了手。
“非常感谢你给同行上的生物课。请问你是生物学家吗？或者神经学家？或者有医科学位？”
“都不是。但2029年上班的第一个月，我的团队就招募了四位顶尖的认知神经学家。其中一位是你的剑桥校友，你们认识。接下去两年我就差跟他们睡觉了。”
爵士笑着说声“真有钱”就坐下了。他身边的嘉德接过来：“也就是说你还是个外行。请问这里有专业人士吗？他刚才说的是权威理论，还是华丽的想象？还有，这些跟我们今天的主题真的有关吗？”
会场安静了片刻。
瑞士代表团一位女士怯生生站起来：“我在海德堡大学教过二十年神经生理学，也许能给个参考。图先生刚才讲的，原则上很准确。只是……省略了很多细节，经过高度抽象。我刚才听起来也像是才明白。”
图海川向她鞠了一躬：“谢谢您证明我的大脑还在正常工作。嘉德女士，我向你担保，刚才这些问题关系重大。因为下面我就要讲为什么别人造不出来，我却造出来了。
“当今的概率学ai做法很精明。他们不去妄想整个世界的数据，而是专攻非常狭窄、非常单纯的一点。比如规则简单到极致的围棋。阿尔法狗上手先看几百万张棋谱，这比任何人加上他的所有祖先能下的棋还要多得多。所以人永远下不过狗了，这样看没有任何意外。课题稍微宽泛一点，概率学ai的吃力程度就指数上升。因为它的架构原则不是为复杂数据准备的，缺乏通用潜力，更没有几亿年累积的世界模型。比如人脸识别，ai最成功的领域之一。从上个世纪开始搞了八十年左右，投入不计其数的智慧、金钱和算力，计算过上百亿张脸，现在ai终于超过人了。还不是完全超越，抗干扰能力和跨年龄识别还远远比不上。大脑呢？刚才那个吃奶的婴儿就会识别人脸。等他八十岁的时候，还能识别八岁时见过的脸！
“正是这样成功的例子，让我在2029年接近完全绝望。这个世界太大、太复杂，数据量无限。我们用概率学ai攻克人脸识别这样一个小小的领域都需要八十年的消耗战，什么时候才能建成一个世
本章未完，点击下一页继续阅读