momo电子书

手机浏览器扫描二维码访问

第102章（第2页）

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界模型？”

图海川的声音变低了，眼睛不再看听众，似乎坐在那里自言自语。

听众们全神贯注，跟着浸入2029年那颗独自沉思的大脑之中。