讀 "为什么不懂AI? 因为你不懂何为智能" 有感


作者是 Jessica Conditt  , 是 Engadget 的筆者之一. 






作者的產出真的很驚人. 



一開始提到, 人工智慧並不是像天網那樣會帶來 世界末日, AI 的降臨可以幫助消除疾病與貧窮. 

2030 年, 是一個 奇點 , 機器可以有意識. 

看到這一句, 我開始有疑問, 他這邊的意識是什麼, 

我用 FB 註冊了 Engadget , 看底下的 comment ( 常常 comment 比文章精彩 )

的確也有人留言, 請他多瞭解 Kurzweil.


而中文是怎麼翻譯的呢. 

"最先提出技术奇点猜想的科学家Kurzweil,相信到2030年,人类将能够上传自己的思想,达到与机器的融合。"

聽起來真的很玄, 找到一篇文章 :


其中提到 :

“我們的想法將會變成生物和非生物思想的混合體。我們將逐步融合並提升自己。在我看來,這才是人之為人的本質——我們將會超越我們現有的侷限,並在雲端進行思考。我們正打算把網關放到位於雲端的大腦中。”

其實上傳大腦並不是他 新的論點, 他在 2013 年就有發表這樣的說法

的確我個人覺得, 這個部分嚴格說起來, 不是人工智慧, 而是把大腦思維先上傳備份起來,

Comment 中也提到很多, 像如何處理痛的記憶?


而這 software-based 的觀念, 不就是 倪匡 寫的複製人嗎.. 快變科幻小說了.. 

不過這個奇點的里程圖做的倒是不錯.  



他這想法倒也不是空穴來風, IBM 在七月時, 發明世界首個人造奈米隨機相變神經元


"生物學上,神經元又稱神經細胞,是構成神經系統結構和功能的基本單位。每個神經元可以有一或多個樹突,可以接受刺激並將興奮傳入細胞體。每個神經元只有一個軸突,可以把興奮從胞體傳送到另一個神經元或其他組織,如肌肉或腺體。正是這樣的構造給了科學家靈感,他們從中啟發,利用相變材料作為記憶儲存來模擬生物大腦存儲和處理數據的功能。"

Brain nanobots

另外, 最近 期刊也發表了 DNA nanobots


所以庫茲韋爾他還真的沒有亂猜. 他有個很有名的叫 奇點猜想

有一個 TED talk 也許更能了解他. 


- 科技成長是指數型成長, 而非線性成長

- 莫爾定律雖然在 2020 年達到終點, 進入下一個 科技時代; 就像上世紀的真空管微小化技術. 

   ( 分子電腦? 量子電腦? .. )



- DNA 定序計畫, 按照指數成長, 就有可能達成



- 我們應該致力於研究 人類真正遇到的重大挑戰 : 奇點大學


之後他在 2014 TED talk 發表的, 已經轉向生物 : Get Ready for hybrid thinking


新皮質(neocortex):,具有「超越(抑制)原始本性」的功能如接收感覺、產生運動訊息、空間推理、邏輯思考、語言等,並有是非的觀念
古皮質(paleocortex)以及舊皮質(archicortex):原始本性如喜怒哀樂

新皮質,古皮質以及舊皮質,這些皮質層名詞的定義是根據他們發生的時間,新皮質最晚,古皮質次之,舊皮質則是最早產生的, 你也許曾見過另外一個名詞allocortex, allocortex就是古皮質和舊皮質兩個部分合稱,另外一項不同的地方是其皮層數不同,新皮質有6層而古皮質和舊皮質只有 3層,人類主要的大腦皮層為新皮質,古皮質可發現於顳葉比較下側及中間位置,包含:rostral insular cortex、 piriform cortex、primary olfactory cortex,而archicortex則可發現於海馬迴。

人的新皮質(neocortex)佔整個腦的76%
其他動物的情形則是:
抹香鯨(Sperm Whale): 87%
黑猩猩(Chimpanzee): 72%
猴子(Monkeys): 55-60%
齧齒類(Rodents): 40-50%
鴨嘴獸(Platypus): 48%
有袋動物(Marsupials): 20-30%
食蟲動物(Insectivores): 10-20%
-  哺乳類新皮質老鼠學習新行為

-  白堊紀物種大滅絕, 6500萬年前, 75% 物種 包含恐龍消失

-  人大概有 3 億個 新皮質模組


- 較低階的模組, 例如識別 文字 A 的 短橫線
   識別字母, 識別單字, 猜測 APPL 結尾 E ...  各種不同的模組功能, 透過神經突觸發 event 傳遞訊息. 
  較高階的模組, 抽象思考

- WATSON 電腦

- 語言處理, 隱含馬爾可夫模型

- 奈米機器人

- 直到這段介紹, 終於, 我繞回主題, 有點瞭解他的意思了

In the 2030s, if you need some extra neocortex, you'll be able to connect to that in the cloud directly from your brain. So I'm walking along and I say, "Oh, there's Chris Anderson. He's coming my way. I'd better think of something clever to say. I've got three seconds. My 300 million modules in my neocortex isn't going to cut it. I need a billion more." I'll be able to access that in the cloud. And our thinking, then, will be a hybrid of biological and non-biological thinking, but the non-biological portion is subject to my law of accelerating returns. It will grow exponentially.




今天先到這, 之後有空繼續學習 


延伸閱讀: 
採樣定理

柯里-霍華德對應
原來這個就是 prolog/lisp -> unification -> lambda 的理論基礎..
http://ppt.cc/6VTaw

一百年後的編程語言 - 更強調定義 what 而非 how
(不就是哲學核心嗎? what you want, 相由心生, 心是什麼)
二十年後的編程語言 - 分散處理/平行處理 code 不用寫..
http://ppt.cc/Hp6gi


留言

熱門文章