日本免费精品视频,男人的天堂在线免费视频,成人久久久精品乱码一区二区三区,高清成人爽a毛片免费网站

讓“人腦”走下神壇

韓鋒

智能是什么？

我曾問一位世界級的人工智能專家，他說沒有的定義。后來，我又嘗試與一位來清華大學訪問的美國專家討論智能的定義，他也沒有直接回答。但他的一番話值得人深思，他說：“要等30年，等到人類把大腦研究清楚才可以回答什么是智能。”我終于明白了他們不敢回答智能的關鍵：人類有一個天然的假設：只有人的大腦才可能有真正的智能。就像幾百年前我們相信地球是宇宙的中心一樣，我們把“人腦”放到了智能領域的中心位置，某個至高無上的位置。但可惜的是，在生物學領域，人在大腦的研究上進展甚微，我們至今也不清楚大腦運轉的機制，所以現在專家們都不敢回答“智能是什么”。

但本書的作者，伊萊恩 迪瓦，以其記者的敏銳、求真的渴望、智者的良知，用大量的采訪事實試圖告訴我們：認為“人腦”的智能至高無上，主要是由于人對于其他物種的無知，對于宇宙規律理解得膚淺，以及難以避免的偏見。其實智能大量存在于和人腦不同的事物中。因此，她想當“哥白尼第二”！

在研究區塊鏈是否具有分布式智能的時候，我查了許多文獻，發現在20世紀30年代，阿蘭 圖靈就石破天驚地提出：機器也可以(像人那樣)思考嗎？這也是他的一篇著名論文的標題。

眾所周知，阿蘭 圖靈是計算機之父，計算機界的圖靈獎可以與諾貝爾獎并駕齊驅。跨越一個世紀，我們再回到阿蘭 圖靈的問題，重新思考智能究竟如何產生，就會發現不光是生物大腦才可以產生智能，物理的圖靈機也可以產生智能，甚至已經做到了通過圖靈測試讓人無法識別機器和人腦的差別既然符合物理規律的機器也可以產生“智能”，那讓我們鼓足勇氣，用物理定律去探尋智能是什么吧:

及時，智能一定是一個低熵系統。熵代表系統的混亂和無知程度。產生智能的前提是要想辦法降低系統的熵，這樣才能產生確定的信息，這正是計算機現今在做的事情。

第二，智能要能夠產生信息的結構和秩序，沒有結構的信息沒法表達意義(比如語法)。

第三，目前人工智能較大的突破——產生概念和意識，也就是智能的整體收斂性。

接下來讓我們一步步分析。讓“人腦”走下神壇

韓 鋒

智能是什么？

我曾問一位世界級的人工智能專家，他說沒有的定義。后來，我又嘗試與一位來清華大學訪問的美國專家討論智能的定義，他也沒有直接回答。但他的一番話值得人深思，他說：“要等30年，等到人類把大腦研究清楚才可以回答什么是智能。”我終于明白了他們不敢回答智能的關鍵：人類有一個天然的假設：只有人的大腦才可能有真正的智能。就像幾百年前我們相信地球是宇宙的中心一樣，我們把“人腦”放到了智能領域的中心位置，某個至高無上的位置。但可惜的是，在生物學領域，人在大腦的研究上進展甚微，我們至今也不清楚大腦運轉的機制，所以現在專家們都不敢回答“智能是什么”。

但本書的作者，伊萊恩 迪瓦，以其記者的敏銳、求真的渴望、智者的良知，用大量的采訪事實試圖告訴我們：認為“人腦”的智能至高無上，主要是由于人對于其他物種的無知，對于宇宙規律理解得膚淺，以及難以避免的偏見。其實智能大量存在于和人腦不同的事物中。因此，她想當“哥白尼第二”！

在研究區塊鏈是否具有分布式智能的時候，我查了許多文獻，發現在20世紀30年代，阿蘭 圖靈就石破天驚地提出：機器也可以(像人那樣)思考嗎？這也是他的一篇著名論文的標題。

眾所周知，阿蘭 圖靈是計算機之父，計算機界的圖靈獎可以與諾貝爾獎并駕齊驅。跨越一個世紀，我們再回到阿蘭 圖靈的問題，重新思考智能究竟如何產生，就會發現不光是生物大腦才可以產生智能，物理的圖靈機也可以產生智能，甚至已經做到了通過圖靈測試讓人無法識別機器和人腦的差別既然符合物理規律的機器也可以產生“智能”，那讓我們鼓足勇氣，用物理定律去探尋智能是什么吧:

及時，智能一定是一個低熵系統。熵代表系統的混亂和無知程度。產生智能的前提是要想辦法降低系統的熵，這樣才能產生確定的信息，這正是計算機現今在做的事情。

第二，智能要能夠產生信息的結構和秩序，沒有結構的信息沒法表達意義(比如語法)。

第三，目前人工智能較大的突破——產生概念和意識，也就是智能的整體收斂性。

接下來讓我們一步步分析。

及時，一個系統要想降低熵，就一定要有麥克斯韋妖。在麥克斯韋時代(100多年前，麥克斯韋剛剛為電磁學奠定基礎)，熵較大原理處于統治地位。熵增原理能統治著幾乎所有的熱力學現象。但麥克斯韋設想系統中存在一種“妖”，它能把一個封閉盒子里的本來熱平衡的分子從一邊趕到另一邊，從而讓一個熱力學系統自動熵減，違反熵較大的原理。100多年來，這一設想讓世界物理學家迷惑不解。

直到1961年，IBM實驗室提出的Landauer原理，以及1982年C.Bennett才逐漸解釋了麥克斯韋妖的現象，但解釋得依舊不徹底。我認為，麥克斯韋妖必須要用量子不確定性來解答：① 它為什么存在；② 它為什么不違反熵較大原理。

事實上，這并不違反熵增原理，由于系統中麥克斯韋妖的存在，熵才會減少。這個過程中，系統里的麥克斯韋妖把自己的信息給了系統，自己的熵增大了。所以整個過程并不違反熵較大原理。

……

先大概說一下重整化群，重整化群究竟是一個什么樣的方法？為什么它可以收斂到低熵？比如說這個自旋系統，它是可以自相似的，就是這個三角形可以無限小，就是每個格子還可以產生更小的三角形。你再看更小的三角形，就跟那個樹葉一樣，它還可以無限的小，就是這么一個結構。本來描述這樣一個自相似的分形結構需要的信息熵是無窮大！

那重整化群怎么處理呢？

既然它是自相似的，三個三角形又可以構成一個更大的三角形，它某種程度上自相似，而且規律是一樣的。這些所謂的三角形，這三個又能構成跟大的三角形，它是一個不同地層次，但是規律是一樣的。我讓這些無窮多的小積分積到一塊兒，做一個常數加進來，然后我只關注大的三角形就行了，可以幾次迭代下去，這樣我們就可以得到一個低熵有限的收斂結果，這是量子場論最早產生的重整化群，最早沒意識到它的意義，只不過當時就是為了回避所謂積分無窮大。

所謂深度學習網絡DNN的辦法，類似(如下圖所示)：這個圖右上角那個就表示DNN的重整化群過程，本來最下面一層可視神經元收到的信息熵可以很大，然后第二層神經元和他們有一個相互作用J，但是只用了及時層三分之一的神經元(這對應于自相似結構的尺度放大三角形)，但是只有這第二層的作用，基本無法做到讓DNN“學習差距”最小，所以還得多設這樣的神經網絡層，但每層的神經元數都遞減，都符合重整化群的變換規則，達到DNN“學習差距”最小的目的，也就是一個低熵收斂的結果。人工智能網絡的“概念”，誕生了！

重整化群的特點，我們總結一下，就是不斷通過信息的自相似來降低我們每層神經網絡的節點數，讓我們處理的信息熵越來越少，但又不失去信息的整體特征(概念)。

人工智能其實最難以突破的就是所謂模式識別。蔡維德教授說我們的計算都是快速地笨蛋，它是不能形成概念的，你要讓他識別貓，你把天下所有貓的照片給它了，它也不知道什么叫貓。它只能是暴力計算。

所以人工智能曾經停滯很多年，就是因為它只能用窮舉法。我就說了，你會發現，這些所謂的概念是一種自相似的概念，那個貓，那天下所有貓，你為什么能有貓的概念，你是忽略了每個個體的不同，它的毛不同、爪子不同、眼睛的顏色不同，你全忽略了，收斂到一個貓的感覺，一個跟重整化群類似的一個智能過程，它把大量地不同信息“卷積”重整掉，但是它找到了內在聯系和相似性，把細節都忽略掉。Google的神經網絡首先做到了這一點，2012年，它終于從千萬張貓的照片中形成了貓的概念(見下圖)：

最近互聯網金融有個特火的概念，叫“區塊鏈”

區塊鏈目前還是一種很初級的人工智能，只是利用分布式節點記賬(麥克斯韋妖)來構建一個低熵的信用系統。即使以太坊區塊鏈的智能合約，也只是希望實現“自動執行”。但是以太坊實現了區塊鏈上的圖靈完備編程，未來可以設想區塊鏈的網絡可以向重整化群和深度學習方向發展。如此，多層次的區塊鏈將真正可能實現全球大腦的功能。

總而言之，人類終于到達了一個認知臨界點：我們可以以宇宙的普遍規律來理解智能，人腦只是宇宙萬物中智能現象的一部分，但它不是宇宙的，也不是智能的中心！

讓我們和本書作者一起，開啟人類的第二次啟蒙運動之旅吧！