GPT真能达到自媒体所传播的那样,这说明金融化已经将美国侵蚀到了不忍目睹的程度_风闻
T生-远行千里伴思考,一入粉丝便疯魔。03-21 17:24
【本文来自《理解人工智能的普遍误区》评论区,标题为小编添加】
我从上世纪80年代便开始接触人工智能的相关理论与技术。其实,所有的自动控制技术,都可以归于人工智能。鉴于,今天的网络舆论,将人工智能技术狭义理解为直接模仿人脑的日常功能,我便尽可能通俗易懂地说说,人工神经网络技术的起源与发展。
起点问题:人能不能造出个类似于人脑的工具,来代替人脑处理各种事务?
马上遇上的棘手问题,便是人目前对人脑所知甚少。那还怎么造呢?但是,虽然对人脑不了解,可是能持续观察到人脑的输入输出,由此来推断它是如何运行的。
这时问题转化为:一个黑箱,知道它的输入输出映射,求其内部的运行函数。
有点基础的读者,马上可以知道,这里用到的是系统论知识。自动控制技术中的SCI老三论(系统论、控制论。信息论),其实是人工智能的理论基础。
上面这个问题,便是人工神经网络算法的原点问题。,
同时,还可以研究计算机与人脑在运行过程中,究竟有那些外在不同。
主要两点:传统计算机有中央处理器,而人脑中没有这种专门的神经细胞;传统计算机的计算与存储功能分开,有专门的计算与存储器件,而脑内没有这种明显区分。
由此,人们提出了人工神经网络的基本架构,应该是并行处理与分布存储。这种架构已经与传统计算机模式有了很大不同。目前,存算一体芯片是集成电路的重点发展方向。人工神经网络的具体运用,我们最常见到的便是云计算架构。
人工神经网络,是不是就是人脑呢?通过上面的介绍,已经可知,简直风马牛不相及。人们只是通过对人脑远行的物理特点,用集成电路模拟了人脑的架构,以便获得现有技术水平上的进步(即效率提高)。
再回到人工神经网络算法的原点问题:一个黑箱,知道它的输入输出映射,求其内部的运行函数。
这其实是个数学问题。我们为了理解方便,可以将其简化为:
Y=F(X),已知Y与X的无数组映射,求F。这个F,便近似于人脑在处理相关问题时,同样的输入输出。
那帮猪鼻子插葱的家伙,张嘴闭嘴唬人的高大上词汇,全部出自这个数学题的求解思路与算法。目前其实还在探索中。
如果无数组映射关系,构成线性关系,那么这就是个线性方程组的求解问题。线代、矩阵这种词汇,都出自这里。矩阵计算其实是线性方程组的求解方法。
现实中绝大多数的映射关系,肯定不是线性关系,那么就涉及非线性求解。基本思路是设置各种权重,然后不断尝试输入输出,调试权值,最后使各参数调试到,系统输出值与期望值的误差可以接受。什么迭代、递归、最快下降法等等词汇,出自这里。
最后说一句,如果GPT对美国工作岗位的取代,真能达到自媒体所传播的那种程度,这只说明,金融化已经将美国侵蚀到了不忍目睹的程度。它的背后不仅是产业空心化,还有教育空心化与人力资源空心化。道理很简单,如果做PPT,已经算社会中的专业技能,这个社会除了捣腾信息流,还能有多大的物质生产能力?人是要吃饭的!