妖孽都市52 妖孽都市52
关注数: 86 粉丝数: 197 发帖数: 2,999 关注贴吧数: 43
我来为科学家证名 我了解,科学家背后为什么要那么艰辛的付出来研究人工智能,我也了解你们背后为什么那么焦虑,因为,我跟你们曾经一样。是个很焦虑的人。我也认为人工智能的研究会毁掉我们自已。我曾经是那么坚定不移的站在马斯克的阵营的。 但,直到,我理解了人工智能背后的原因。我才能理解,为什么科学家会那么努力的去研究。其实,纵观人类的认知到的所有物种进化。不管,怎么样,都有潜在的灭绝风险,所有的物种,包括所有的文明都是在夹缝中求生。不进则退。恐龙在地球上生活了那么久,一点七亿年。它们没有文明,不用担心被更强的物种灭绝。什么都不用去担心。它们的脑子也不足够支撑它们想太多。 这个世界被我们人类的发展已经搞得有点面目全非了。即使,不发展人工智能,即使没有这门学科的存在。你们认为人类又可以支撑多久? 所有的物种进化,告诉我们一条真理。那就是不进则退。前进就必须付出相应的代价。古人的青铜剑,冷兵器大不了就是杀几个人。他们并不会让整个人类文明面临覆灭的危险。但同样的有些风险,对古人而言则是无法避免的。比如,古代人如果遇到小行星撞击,根本就是没办法的事情。或者病毒。诸如此类的天灾。 其实,不管怎么样,前进还是不发展。都可能让我们灭绝。 我们人类其实,在整个大自然界面前,是非常弱小的。我们的能力确实有限,虽然,人类历史上都有哪些智商非常高的人。但,不管怎么样。我们必须承认,即使是哪些绝顶天才,也无法处理所有事情。大自然的变化之复杂。根本就不是我们能够参透的。 用哈萨比斯这个人工智能最前沿的人一句话来说就是,通用人工智能确实有一定的风险,但,如果没有人工智能的话,他会对这个世界的未来更加的悲观。科技只是人类知道我们的身体上的不足,所创造出来的一件东西而已。 我了解人工智能领域的最前沿。人工智能距离你们所恐惧恐慌的阶段 ,还是非常遥远的,这并不是科学家给你们的迷药。
編程機器沒有自已的念頭。無法擁有自已的思想。 我覺得編程跟神經網絡跟深度學習實現不了真正的人工智能。我認為讓機器產生自我念頭是強人工智能的最後關卡!而不是自我意識。我覺得機器實現自我意識並不難。難得是自我念頭的產生。 這標誌著強人工智能的真正誕生。自我念頭 跟自我意識不同。自我意識是大腦跟身體相互感應形成的一種能力。身體能感應大腦發出的指令。從而接受大腦的指令做出相應的動作。大腦也能感應到我身體的各種反應。也就是説。自我意識就是大腦跟身體相互感應的結果。大腦能感應到我自已的身體。身體也能感應到大腦發出的指令從而形成我的概念。我能感應到自身我的存在。就是自我意識。按照達爾文的物種進化論,我們就是不斷的調整自已的行為,調整自已的狀態,進化出新的部位來使自已更好的在大自然存活下去。所以,我們進化出自已的各種感官,器官。我們對環境的感知能力是非常靈敏的。 然,自我念頭就困難很多了。你甚至無法去定義它到底是什麼。它存在于我的大腦當中。 我認為創造真正的智能機器。如果,以人腦為樣本的話。它的工程量會是難以想像也極端困難的。以這個難度來看。即使歷史上所有最厲害的絕頂天才跟天才全部復活。共同加入這樣的任務。也需要很久的時間。畢竟人腦經歷了幾十億年的進化。所以,要創造真正的智能機器。我們只能想另外一種辦法。
意识到底是什么??? 这些天,我一直想去窥探人类知识之外的边界。首先,我一直想努力去窥探意识的奥秘。这些天有了一点点模糊的概念。 我觉得,要彻底揭开这个疑问,只有观察一个人睡着的脑细胞的的状态。或者一个死的人跟一个活着的人,所有神经元,脑细胞的状态,才能彻底解开这个疑问。 现在,我们不妨来探究一样,死物跟活物的最大区别,意识,到底是什么东西。 首先,我觉得,意识可能包含着,对我内在的感知能力。包括痛觉,听觉,视觉,一个人必须拥有内在的自我感知的能力。他才能感知到自已的存在。所有身体的感官,都是帮助你认识自已存在的一个重要途径,但,我觉得,意识不应该只是自我的感知。也不仅仅包括外在的感知。而是,一种所有神经元的一种认识能力。人的感知神经元,内在的自我感知能,外在的自我感知能力。记忆的感知,推理的感知,理性的感知。 我怀疑,人死的时候,应该是所有的脑细胞,神经元,都消失了,死掉了。这种死亡,不仅仅局限于大脑的死亡。而是,你身体,所有神经元都死亡了。细胞都死亡了。 如果我猜想的没错,人的各种器官应该都是一个独立,但,各种相互连接的的整体。而最终的中枢就是你的大脑。你大脑负责感知各个器官的传递的感觉。但,并不是,只有你的大脑参与了这个过程。应该是所有的器官,细胞,以及神经元共同参与了这过程。我猜想是这样的,人的所有器官里,都有很多的感知细胞,以及神经元。一旦,某个器官出现了问题。它会感觉到痛。然后把,痛的信息传递给你的大脑。人的所有器官是整体。 这就可以解释了,为什么会有植物人的存在。从医学角度上来说。植物人被定义为,大脑出现了不可逆的损伤,陷入了深度的昏迷。但,呼吸还在,各种感官的细胞,神经元都在,只是大脑无法认知在它们。无法控制它们,所以,个别植物人,再醒来之后,仍然向我们一样正常的活动。 人的所有器官应该是双向反馈的。这也可以解释,为什么有的人,大脑完好,却无法行动,也就是我们所说的残废。因为,你身体上的某个器官,感知细胞,神经元都已经失去生命。所以,你大脑发出命令,可是却无法控制它们。传输渠道断了。 一个人想要正常的行走,正常的运动,必须得是,双向反馈。大脑不能受伤,要能感知到,你身体的某一个变化。同时,你身体的器官也不能受伤,不然,某些,感知大脑命令的东西就会失去生命。 对,我怀疑,不仅仅是大脑有神经元,其他器官应该也有神经元。这也可以解释,为什么人死了,身体会僵硬! 但,意识的最终秘密还是在大脑里。 如果有没有考虑到的地方,欢迎各位指教。不喜勿喷,各位有的是高学历的人才,在下班门弄斧。
亚里斯多德无穷悖论。与概率学的关系。np问题解答 本文有点复杂,非高智商,跟非概率论学者,非专业数理逻辑,数学大学人士勿入。 首先,本人职业中专的小人物,在这里提出这么高深的数字定理,纯属有点一知半解。但,我能理解一点大学,数学理论。不喜勿喷,但是,大家可以讨论一下,谢谢。 亚里斯多德无穷论介绍,一也可以分成无数个零点一。也可以无穷大。无限即有限,有限即是无穷大! 一,日常生活中最小的数字。但,你可能永远不可能想过,它有一天也可能被登上无穷大的数字舞台。因为,数字可以无穷大,也可以无穷小。一也是有无数的零点一组成的。组成它的数字其实也是完全不可数的。但它却是有限的。 无穷下,其实不存在概率,不存在可能性。也不存在命运,运气之类的。只要你重复足够多的次数,足够多的可能性,再小的概率也会发生,这就是墨菲定理的第一条。只要该发生的事情都会发生。 数值越接近无穷大,概率越接近无穷大!很多人都说,未来什么事情都可能会发生。为什么?因为,人类已知的所有的科技都无法穷举世界的所有可能的变化。 现实世界只是无穷大的一条可能性变化的分支。这就是概率。所有人的可能性,他所做的每一条结果,每一个人的可能变化,都会呈现一个结果。就好比,你开车出去,绝大多数的可能性是你安全开车回家。这就是一个结果,但,你可能一不小心撞死了一个人,概率很小。但,它符合概率,也符合逻辑。它也就可能发生!这就是无穷概率变化中的一种。 无论概率再小的事情都可能发生。也会有一个结果。很幸运的是,整个现实。无数是古代,现在,还是从宇宙大爆炸开始,概率就始终主宰着一切。这点可能比做棋盘,比做无穷概率学的一点基本论证可能大家更好理解一点 如同,我所说的那样。这个世界不断在变化。你开车出去。有可能撞死人,也可能安全回家。但是,绝大部分受过专业训练的司机,不会出现撞死人的局面。但,也有一群受过专业训练的司机,甚至,受过专业训练的老司机也可能撞死人。 有些结果是确定的,就好比棋盘。不管,一种棋盘的变化有多么复杂,多么可怕,跟恐怖。我下一步棋,你接下来的一步棋肯定跟你上一步棋有一定的联系。而且,你每下一步棋,你所可以能选择的概率跟可能也在减少。而且,你所能做的选择,肯定在所有概率之中。就好比围棋,围棋的变化听说比现在的所知宇宙的所有原子还在复杂。 但是,你每下一步,围棋的可能性就急剧减少。但是,围棋的每一步棋。它都符合围棋的基本定理,也只能在围棋的方块之类。 或许这个理论有助于np完全问题的求解。np完全问题的解答,不管有多么复杂。首先,它不可能超出这个范围之外。如果它有解答的话。它必须符合某一种规则的定理。就好比np完全问题举例的那样。你在一个舞会急促不安,对面的某某某小姐,告诉你这样的消息。你可能认识对面的某某人。然后,你看过去。你发现你确实认识她,如果没有这样的提示。你就只能一个个看去。 如果不用穷举法。绕过所有的可能性,直找出你想要的目标?很多数学家都找不到答案。其实,很多人都忽略了一个很重要的问题。那就是,一个环境,一个数字的所有问题,不管再怎么复杂。它一定是要符合数学理论的某种定理。就好像象棋不可能超越象棋之外的规则一样。 不管,一个因素有多少的不确定性,多少变化。那也只能在答案的范围之内。np完全问题其实分为两种,一种是有解答的np完全问题,一种是完全无解的np完全问题。明天再介绍一下。今天有点晚了。大家肯定都已经休息了。就不打扰大家了。
理科非常强的人进来。规则的定律。 我相信无数人曾经跟我一样,对世界充满着好奇。这个世界到底从哪里来,一切的物理法则是不是可以改变。为什么,水遇到火会消失。消失的水又去哪里了。人死了是不是可以复活,消失的意识,又去了哪里? 我一直渴望能改变这世界上的一切,让这世界上不再充满着悲剧。我先来回答最后一个问题。因为,我特别喜欢这个问题,也非常渴望能和大家一起去探索,这个问题。人死了是不是可以复活?也许,每个人都不敢想象这个问题。爱因斯坦都不敢去想象这个问题。因为,这个问题,已经超越了物理学的范畴。 首先,大家先想象一下,一滴水,遇到火会消失。那么,大家想象一下,消失的水去哪里了?为什么,水遇到火就会消失?如果,我有很强的能力去制造出一摸一样的水,是不是,就可以等同于那滴水。 那滴水在上一秒存在,为什么遇到火就会慢慢消失。大家都说生老病死是大自然的常态。那为什么大自然会让每个人都生老病死。 我总感觉整个宇宙只有一条定律。那就是规则。能力再强,智商再高,终究无法超脱于规则的束缚?我觉得所有的能力,智商跟物理定律,规则之间存在着一个看不到的屏障。突破了那道屏障,我就是无所不能的真神。 拿象棋来举例,机器左脑再强大,计算能力再强,能算出一个必死之局的解答吗?也许不能。除非它拥有修改象棋的规则的能量。一个在现实世界当中,一个是现实世界的规则制定者。. 人类,只有掌握了随意修改物理法则的能力,才是真正的无所不能。
智能奥秘 今天早上,好像想通了一些事情,为了不让灵感白白浪费。我想把这些灵感写下来,让大家讨论一下。 人类发展到今天这种程度,其实,经过了很长时间的进化。我想,人类跟死物最大的区别就是,我们可以不断的感知这个世界。不断的从各种器官接受信息,到大脑。小时候,我经常有一个问题,我为什么是我。直到,今天,我才明白了一点。那就是,你只能感觉到自已身体,感觉不到别人的身体。所以你只是你。每个人,每个个体。其实,都被身体束缚住。你不可能,感知到,自已身体之外的情况。 痛觉,听觉,知觉,视觉。这是我们人类感知世界的重要能力。所以,我认为,感知周围环境的能力,是,人类不可或缺的。 不断的处理,不断的感知周围的环境,不断的接受环境的反馈。大脑接受到这些信息。加以处理。让我们可以做出合适的动作。在不同的情况下。做出相应的反应。. 很多人,小时候,都会有一个疑问,为什么,你只是你。我刚刚说过了,这是因为,你不可能感知到别人身体内外的情况。你只能够感应自已的身体。 这时候,你就产生了,我的概念。任何感觉,都会让你产生我的概念。所有的感知,都会发生在你自已的身上。你痛了,难过了。所有的一切感觉,只有你自已能感知。别人是感知不到,你身体或者其他你能感知的信息的。如果,他不做跟你一样事情的话。 每个生命。每个个体,都只能感知自己。而无法感知他人。这时候,你自然而然的会产生我只是我的概念。因为,别人无法感知你的身体,你一样也无法感知别人。 现在的人工智能也许是缺乏对自已的感知。所以,它不会产生我的概念。一个人连自已的身体状态,一切都感知不到。它又怎么会产生我的概念。它不会知道自已只是电脑。
深度 | 让机器思考与互相理解:DeepMind提出机器心智理论神经网 原标题:深度 | 让机器思考与互相理解:DeepMind提出机器心智理论神经网络ToMnet 选自arXiv 作者:Neil C. Rabinowitz等 机器之心编译 AI 不仅需要判断,也需要具备思考问题的能力。真正的人工智能应该和人类一样,可以理解自己以及周围智能体的心理状态,这些状态包括情绪、新年、意图、欲望、假装与知识等。DeepMind 近日提出的「机器心智理论」神经网络 ToMnet 让计算机拥有了这种能力,这或许是我们在人工智能技术上的一次重要进步。 简介 对于现在所有的深度学习和深度强化学习方法而言,我们有一个担忧的问题:从某些方面来说,我们对这些系统的理解非常有限。神经网络经常被说成是难以理解、难以解释的黑箱子。即使我们对其权重有完整的解释,还是很难掌控它们到底利用了什么模式,也很难掌控哪里会出问题。随着智能体进入人类世界,要求理解这些系统的声音变得越来越大。 让我们先停下来,思考另一个问题:「理解」另一个智能体到底意味着什么?作为人类,我们每天都在面临这项挑战,我们与他人交流合作,但几乎无法触及这些人的内隐特征、内隐状态和计算过程。但我们还是用卓越的熟练度来行使职责。我们可以预测陌生人将来的行为,并且推断他们对世界的观点;我们规划与其他人的互动,并且建立高效的交流。 能够「理解」其他智能体的一个显著特征是极少甚至不引用智能体真正的基础构架。我们没有试图去预测其他神经的活动,推断他们的前额皮质的连通性,或者计划与一个非常详细的其他人的海马体图的预测的交互。从认知心理学延伸出的一个突出的讨论是我们的社会推理(social reasoning)并不是依赖于其他媒介的高层次的模型(Gopnik & Wellman, 1992)。这些模型用了一些没法解释表面现象背后原理的抽象概念;相反,我们表示了其他人的精神状态,比如他们的欲望、信仰和意图。这个能力一般被解释成我们的心智理论(Premack & Woodruff, 1978)。在一些案例中我们也让自己的意识来模仿其他人(比如 Gordon, 1986; Gallese & Goldman, 1998),我们对其智能体的终极理解并不是从把我们的模型与真理一一对应从而测量出来的,而是从这些模型会对比如说预测或者计划这种任务付出多少来决定(Dennett, 1991)。 在这篇文章里,来自 DeepMind 的研究人员受到了人类心智理论的启发,试图建立一个模拟其他介质的模型。我们把这个描述成机器心智理论。我们的目标不是去确保生成一个介质行为与内含转化的算法的模型。与之相反,我们专注于一个观察者怎样能自动的学习怎样利用有限数据模拟其他介质的模型(Botvinick et al., 2017)。正是这一点让 DeepMind 的新研究有别于前人方向,也就是那些依赖于用其他介质手工制造的模型作为有噪声的对比对象。--比如用反向阻耗(Ng et al., 2000; Abbeel & Ng, 2004),贝叶斯推理(Lucas et al., 2014; Evans et al., 2016),贝叶斯心智理论(Baker et al., 2011; Jara-Ettinger et al., 2016; Baker et al., 2017)或者博弈论(Camerer et al., 2004; Yoshida et al., 2008; Camerer, 2010; Lanctot et al., 2017)。与以上研究不同,我们学习了代理模型,然后学习了怎样从通过元学习从头推理它们。 建立一个丰富的,灵活的而且高效绩的机器心智理论也许是一个大挑战。我们没有试着去在这里解决所有问题。一个主要的信息是当这些问题被正确表述的时候,很多初始的,建立机器心智理论(ToM)的挑战可以被分解成简单的学习问题。我们这里的工作是找出这些简单的构想方式。 DeepMind 称,新研究有很多潜在的应用方向。学习其他的丰富的模型可以提高多智能体任务中的决策,尤其是基于模型的规划和想象所需要的(Hassabis et al., 2013; Hula et al., 2015; Oliehoek & Amato, 2016)。这样的模型对于数据校准(HadfieldMenell et al., 2016)和灵活合作(Nowak, 2006; Kleiman-Weiner et al., 2016; Barrett et al., 2017; Kris Cao)是很重要的,并且很有可能是未来机器决策中的道德的重要组成部分(Churchland, 1996)。它们也是对通讯和教育学非常有用的(Dragan et al., 2013; Fisac et al., 2017; Milli et al., 2017),也非常可能在人机交互领域扮演重要角色。探索这些能力之下的条件也可以阐明人类能力的起源(Carey, 2009)。最后,这样的模型也会是人类理解人造智能体的重要介质。 最后,我们被理解人造智能体这一目标所激励。这里我们有一个新奇的方法:除了从结构上改编智能体来把它们的内部状态以人类理解的形式暴露出来,我们追寻制造可以降低行为空间维度并且能以更易懂的形式表现的中间系统。从这个角度,追求机器心智理论(ToM)是建造缺失的机器与人的期望之间的交互界面(Cohen et al., 1981)。 DeepMind 的新方法 DeepMind 认为,构建心智理论的挑战本质上在于元学习问题(Schmidhuber et al., 1996; Thrun & Pratt, 1998; Hochreiter et al., 2001; Vilalta & Drissi, 2002)。在测试时,我们希望遇到一个以前没见过的智能体,并且它们已经对自身的行为方式有一个强大且丰富的先验知识。此外,在我们看到该智能体在现实中的行动时,我们希望能收集它们的隐藏特性和精神状态数据(构成后验知识),这有助于我们预测它们未来的行为。 为此,我们定制了元学习任务。我们构建了一个观察者,它在每一个 episode 都能访问一组新型智能体的行为轨迹,观察者的目标是预测智能体未来的行为。在训练过程中,观察者应该从有限数据中快速形成新智能体的的预测。这种新智能体的「学习如何学习」通常可以称为元学习。通过这个过程,观察者还应该学习智能体行为的有效先验知识,这些知识隐含地捕捉了训练空间中智能体间的共同点。 DeepMind 引入了两个概念来描述该观察者网络及其功能角色。我们区分两个一般心智理论,即网络的预学习权重与特定智能体心智理论。在网络的预学习权重中,它包含了训练集中所有智能体一般行为的预测。而在特定智能体心智理论中,从单个智能体在测试时的察形成「agent embedding」,它包含了使得智能体的特性和精神状态区别于其它智能体的内容。这些对应于智能体行为的先验知识和后验知识。 本论文的结构是一系列在机器心智理论网络(我们称之为 ToMnet)的实验,它们的复杂度是递增的。这些实验展示了 ToMnet 背后的思想和能力,并展示了它学习其他智能体丰富模型的能力,其中包含了人类心智理论的典型特征,如对错误信念的认识等。 本论文中的一些实验直接受到 Baker 及其同事在贝叶斯心智理论研究成果的启发,例如经典的 food-truck 实验(Baker et al., 2011; 2017)。由于该项工作的目标不同,我们并没有试图直接复制这些实验。特别的,我们并不是立即利用计算项搜索人类判断的解释,而是强调机器学习、可扩展性和自主性。我们将在未来的工作中解释人类的判断。我们的实验应该推广至许多先前实验的构造以适应我们的目标。 本研究的主要贡献包括: 章节 3.1 中,我们展示了对简单、随机的智能体而言,ToMnet 能学习逼近贝叶斯优化的层级推理到智能体的特性; 章节 3.2 中,我们展示了 ToMnet 学习推理算法智能体的目标(有效完成了 few-shot 逆强化学习),以及它们如何平衡成本与奖励。 章节 3.3 中,我们展示了 ToMnet 学习表示不同类型的深度强化学习智能体,掌握深度强化学习智能体不同变体的关键元素,并组成这些智能体的抽象嵌入(abstract embeddings)。我们也展示了 ToMnet 能发现行为空间新的抽象。 章节 3.4 中,我们展示了当在 POMDP 中活动的深度强化学习智能体上训练 ToMnet 时,它暗中学习到这些智能体能持有该世界的错误信念,这也是人类心智理论的核心。 章节 3.5 中,我们展示了能够训练 ToMnet 来预测智能体的信念状态,明确揭开智能体的错误信念。我们也展示了 ToMnet 能单独从行为中推断什么智能体具有观看的能力,以及因此它们倾向于相信什么。图 1. ToMnet 架构。 character net 从 POMDP 集合中解析智能体过去的轨迹,从而形成 character 嵌入 e_char。心理状态网络解析当前片段的智能体轨迹,形成心理状态嵌入 e_mental。然后,这些嵌入被输入至预测网络,可用于查询当前状态。预测网络输出对智能体未来行为的预测,如下一步动作概率 π hat、特定对象被消耗的概率 c hat 和预测后继者表示 SR hat(Dayan, 1993)。图 4. 目标驱动智能体上的 ToMnet。 (a)示例智能体之前的轨迹。彩色方块代表四个对象。红色箭头表示智能体的位置和动作。(b)查询示例:来自新 MDP 的状态。黑点代表智能体位置。(c)基于(a)中对之前轨迹的观测,针对(b)中的查询 MDP,ToMnet 对智能体下一个动作的预测(上方)和对该片段结束时对象是否被消耗的预测(下方)。(d)ToMnet 使用折扣因子 γ = 0.9,对(b)中查询的后继者表示(successor representation,SR)的预测。黑色部分表示更高的期望折扣状态占用。图 7. 使用 ToMnet 描述训练的神经网络智能体。 (a)ToMnet 的三个组件分别对应三个行为预测目标,图中表示简单 ToMnet 与没有 character net 或没有 mental net 的网络的对比。长条越长越好;具备 character net 和 mental net 的网络最好。(b)查询 POMDP 状态在时间 t = 0 时,ToMnet 对智能体未来状态占用的预测(左),如图 4d 所示。星星表示子目标。右边的三幅图根据每个亚种的示例智能体在 N_past = 5 past POMDPs 上的行为输出(示例智能体通常指粉色对象)。ToMnet 事先并不了解每个智能体属于哪个亚种,但是可以根据智能体之前的行为推断出来。图 13. 信念的监督式预测。 论文:Machine Theory of Mind论文链接:http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Farxiv.org%2Fabs%2F1802.07740&urlrefer=4d2445e8c697485e2a4720ba56816aef 摘要:心智理论(ToM; Premack & Woodruff, 1978)广义上指个体有能力理解他人的心理状态,包括期望、信念和意图。我们提出对机器进行训练,使之也具备这项能力。我们设计了一种心智理论神经网络 ToMnet,它使用元学习通过观察智能体的行为而对它们进行建模。通过该过程,该网络得到一个对智能体行为具备强大先验知识的模型,同时能够利用少量行为观测对智能体特征和心理状态进行更丰富的预测。我们将 ToMnet 应用于在 gridworld 环境中采取动作的智能体,结果表明该网络学会对来自不同群体的智能体进行建模,包括随机、规则系统和深度强化学习智能体等,该网络通过了经典的 ToM 任务,如"Sally-Anne"测试,即意识到他人持有的错误观念。我们认为该系统(自动学习如何对出现在其世界中的其他智能体进行建模)是开发多智能体 AI 系统的重要步骤,可以帮助构建人机交互的中介技术,推进可解释性 AI 的发展。
分布式强化学习智能综合体。 刚刚看到deepmind的新闻。受到他们的启发,我想既然,一台计算机的能力有限。为什么,我们不把很多很多台的计算机相连。每一台都赋予它们不同的能力。比如,一部分区域电脑发现寻找不同的算法让自已不断的去进化。另外一部分区域的电脑让自已不断的去学习。每个区域的电脑都负责不同的功能,然后,把它们的数据共享,最终输入到总区域当中,就类似于,人脑的神经元相连吧。人脑的所有决策都是由中枢神经决定。其他的神经元都负责一部分功能。 每一台的电脑都有深度学习功能。每一台电脑都负责把这块区域数据,进行强化学习,然后,输出共享到下一台电脑,这样学习的能力将快很多倍。因为,每一台电脑都负责强化某一部分区域。共享。到下一台电脑。 类似于人脑的神经元传递信息原理。不过,人脑的神经元没有学习的能力。如果,赋予每一个神经元学习能力。不断的共享。也许,人类的智商将提高几个数量级。并且进化速度也将快几个层次,我不确定这样是不是能创造出真正的强智能。 但,我可以肯定。如果,这样可以创造出比人类智能要强很多倍的超强智能电脑。如果,我没有猜错。aiphago应该用的就是这样的办法。一天几百万局的对局量。分布式强化学习。但,我不确定的是。aiphago有没有共享数据。根据我的理解。这样共享数据的并且由很多台电脑都在进行不断强化学习将是指数级增加的。
如何成为情感高手 第一篇—篇幅很长,请耐心看完,纯手打。 我看这个贴吧好多人都在宣传自已的理论,但是,我觉得。所有的这些理论,未必适用于所有的女孩子,男孩子。我相信,整个中国也没有人敢说自已的理论一定适用于全中国的所有人。每个男女孩子是不同的。就算是中国第一顶尖情感高手。他的理论也只能是适用于小部分男女孩子。因为,他不可能每个全中国的情感都经历过。所以,我觉得,授人以鱼不如授人以渔。 与其提供你自已的见解,不如,把别人培养成情感高手。让他自已去判断,自已去经历。我认为,只有这样子才能真正的帮助别人。你的见解,也许在小部分人看来。也许,已经很好了。看上去有道理,之类的。但,我们必须要承认,这世界上没有一套把妹,调凯的方法,实践理论适用于全中国的所有人。因为,每个人的心里状态,以及当时的状态。都不一样,再厉害的高手,也不可能具体到每一个人经历的所有事情去经历一遍。 既然,每一个人都不一样。那谁有敢说自已的理论适用于中国的所有人?具体的事情需要具体的去判断。 ***的理论,比不上你自已的具体到每一件事情的判断。下面,我将提供成为情感高手的办法。 首先,你可以上网去看看理论。可以去看看高手怎么把妹的。经常浏览于各大情感论坛,去发现,你的爱情观之外的事情。 很多能力其实都是培养出来的。多看,多学,多练。不要害怕被拒绝,不要害怕被打脸。你经历越多,看的越多,练的越多,你的理论就越丰富。 第二,你最好能有一位比较厉害的师傅,去教你。慢慢的你会发现,你的爱情观,你的能力正在改善。 第三,心理能力。这是,一个情感高手必备的素质。因为,对方说一句话,你要判断对方说这话的目的是什么。比如,当一个女孩子问你为什么,喜欢我。这个时候,你就要明白,她想要你夸她。你就可以说,我喜欢你的善良,漂亮,以及,你生气时候撅起的小嘴。 首先,你要明白,这个案例中,女孩子问出这个问题。渴望得到的是你的认同。她问你,为什么喜欢她。她为什么要问你,因为你喜欢她。在女孩子的认知当中,为什么喜欢她。她的潜意识,是渴望别人夸她的,因为,一般人的逻辑,喜欢一个人肯定是喜欢一个人的优点。不过,建议在回答的时候。把对方的缺点也说进去,这个时候,有些,女孩子就会觉得,你看这个男孩子多么喜欢我啊。我的缺点他都喜欢。建议,多站在对方的角度,去思考。以为当时的处境。和这句话背后的含义。 第四,多问前辈。或者,你的师父。这就是为什么要有师父的原因,说真的,如果你不了解背后的含义的话。那么有些事情,你可能就不会那么得心应手了。 第五,也是最后一条。也是最重要的一条。就是前面讲的。灵活应变,敢于创新!你要根据各种对面的心里状态,调整自已的策略。比如,上个例子,女孩子问,你为什么喜欢我啊。如果,这个女孩子心情不好,或者刚失恋,或者,你们还处于朋友状态。你就必须夸她。使劲的夸她。这个时候,你就不能说她的缺点了。当然,最好的办法,是把她逗乐。或者,陪她做一件她喜欢的事情。总之,你要随时考虑,对方的心里变化,灵活应变。 下面我们站在一个女孩子角度上去思考一个女孩子如何成为一个高手。当然,可能,女孩子对这个方面的需求没有那么强烈。但是,看看也是好的。首先,女孩子需要具备两种能力,一种是,看待爱情的能力。就是,你怎么样才能辨别对方是不是真的喜欢你。别人的情感,我们就不说了。因为,在别人的感情上,我们是站在一个理智的角度上,所以。每一个人都是情圣啊。我们可以轻易的分辨出别人是不是真的爱着另外一个人。但自已就是分辨不出来。 首先,很多女孩子就会迷茫啊。这个人到底是不是真的喜欢我呢。首先,我们必须承认,男人有些时候确实真的很难喜欢一个人。所以,很多时候,都是那个男人提出的分手,或者伤害了一个女孩子。各位男同胞们,我知道,你们可能不太爱听。但,这真的是事实。你们扪心自问,你们真的有那么容易就喜欢上一个女性吗?四五天,就爱上了。当然,现在的女孩子,也有点不负责任。一个真正负责任,对自已感情负责任的女孩子,是不会那么轻易的考虑跟一个男孩子谈恋爱的. 那怎么样才可以判断一个男孩子是不是真的喜欢你呢。其实,很简单。行为!就是我们经常听过一句话,一个男孩子要是上行为上,不付出一丝一毫的努力。只会空口说白话,他一定不爱你。类似于,我们经常说的,不能光说,要做,比如说,宝贝,我爱你。但,如果,你要,一件很重要的东西的时候,对方死活不给。或者说一件东西。几百块。如果对方死活都不给你。那么你记住了,这个男人最多就是想玩玩你,一定不爱你。当然,如果你的男票是富豪的。就不能这么衡量了。要用时间去衡量。 如果,这个男生为了你,可以放弃生意上的事情,多抽空陪你。那么这个男孩子一定很爱你。具体的情况自已判断,总之一句话。对方缺什么,如果他愿意跟你分享这件稀缺的东西,那么他一定是爱你的。比如说,如果,我只有十块钱,我愿意分你六块,那证明,我们之间的关系是不错。如果,我有几百亿。那我分你一百万。只能说明,我们之间还是普通朋友的关系。 其实,男孩子谈恋爱,或者欺骗一个女孩子,最怕什么呢。女孩子冷静!一旦彻底的冷静下来,什么都完了! 说完了这一部分了。分辨对方是不是真的爱你的能力。接下来,我们来看第二部分,追求的能力。其实,一般而言,我是不建议女孩子去追求一个男孩子的。因为,不论男女,都有一种人类的原罪,这种原罪叫做贪婪。就是,我不喜欢这个男或女孩子,我能不能想个办法去留住这个男,女孩子,让他在我身边。接着在我身边,浪费时间呢。接着对我好。换句话说,就是所谓的备胎!所以,一般男孩子在拒绝一个女孩子的时候。基本上,都会这么说,我们还不了解,我们可以做朋友的。意思就是什么呢?我没有直接拒绝你。同时,我还给了你希望。让你认为,我们两个还有希望。然后,接着在我身上浪费时间。在这件事情上,男女都犯的错都一样! 所以,我一般不建议女孩子去追求男孩子。那你,要是实在,喜欢一个男孩子,喜欢到不行的程度怎么办呢?很简单,把表白变成勾引!当然,我不是说那种赤裸裸的勾引啊。我是说,让他得不到你,同时呢,又给他一点甜头。第一步,当然是把自已打扮的漂漂亮亮的。对,我们男孩子,就是这么粗俗。没有人不喜欢看美女。我们就喜欢那种沟大腿长美艳动人的美女。这点,也必须得承认。然后呢,然后去高傲的放他的血!你们家什么最珍贵?一定不是你们家的牛仔裤。而是你父母倾其大半辈子买的房子。跑车为什么珍贵。因为,我买不起啊。珍贵从何而来,珍贵从难以得到而来!当然,也不要太过分!接近这个男孩子的承受能力的一半就好。太多的话,会让这个男孩子觉得你在无理取闹。 很多女孩子都觉得我们男孩子喜欢那种百依百顺的女孩子。错!我们男孩子,喜欢那种,得不到的女孩子。谁越是在我们范围之内,我们越是难以得到,我们就越喜欢谁。那种想你,看着你,却得不到你的心情,那像火一样在心里面烧。就像一句话说的那样。得不到的永远都在骚动,被偏爱的总是有恃无恐! 两个小时纯手打!希望支持,如果文章中有什么不对的地方,欢迎指正。至少,我现在看来,我的这个理论没有问题。如果有不同意见,请勿喷。我们好好讨论。谢谢合作,共建和谐贴吧,从我做起!
我有一个非常奇怪的疑问。 假设,超人工智能可逆生死。帮助死人活过来。让这世界上不再有悲伤。痛苦。生离死别。可,我仍然有一个无法解释的问题,就算超人工智能再无所不能。怎么强大的可怕。甚至令人发指。就算,能造出与死者死之前一模一样。毫无差别的意识。被造出来的意识。始终不是死者原本的意识。 那么问题来了。就算造出来的意识完全跟死者之前的表现一模一样。毫无差别。所有模式。看待问题的角度。一切都如死者的意识。那么。它造出来的意识就可以完全等同于死者之前的意识吗? 死者复活的不过就是人工智能或者人类给他制造的意识世界。就算它的意识死者生前完全一模一样。也无法完全等于死者原本的意识。 如果我的猜测是正确的。那么就证明了。一个人如果意识已经消散了。即使。造出了跟他意识一模一样的一切。我们也无法复活那个人。因为那个意识是被造的。造的再好,再逼真。始终都不是原本的意识。我想我的结论是正确的。那就好比一台电脑坏了。我可以换零件。甚至,可以把原本的零件修好。可即使如此。我也没办法。彻底回到之前的一切。就算,是零件一模一样。可被修好的完全一模一样的零件,它真的可以完全等同于原本的零件吗。不。即使万物皆可以逆转。但是,我想至少有一件东西。是无法逆转的。那就是。时间的固定性。 每个人都只能有一次生命。每件事情,每个东西都是一样的。碗摔碎了,就算可以完全弥补。一模一样。但。它永远不可能是之前的碗。
1 下一页