bookid_2012 bookid_2012
关注数: 16 粉丝数: 49 发帖数: 526 关注贴吧数: 0
还是要把时空坐标系建立的问题抛出来的，谈经典与现代的缺陷 1，经典理论不完善，导致很多漏洞，尤其自坐标系技术应用以来，坐标系涉及到原点、三轴、时间基准。牛顿时代研究时，把一个物体比作一个点的做法，忽略了点所代表的内部空间（内部三维坐标、甚至时间），这是后续很多问题出现的根本缺陷。 2，静止与运动所指代的客观物质之间的关系没有厘清，导致混乱，以至于自洛伦兹以后开始浑水摸鱼。 3，客观事件发生之后，才能依据那些经验建立坐标系，因此坐标系的建立具有滞后性，或者说具有针对性和假设性（假设下一次是和上一次雷同，或者近似，等等一系列关键参数的取舍），导致外部条件变化时，刻舟求剑 4，时空坐标系错乱，没有坚持参照一致性，条件往往被忽略或破坏，怪胎频出：一个点上有两个钟表，一模一样的双胞胎，可笑的是那样的东西在空间上要么不存在，要么一个在另一个肚子里。
洛伦兹论文网页翻译截图（来自维基文库） 维基文库，大家可以看看洛伦兹自己说，最初长度伸缩公式出现在1887年。后来没有强制规定系数的数值，没有得到完美公式，表扬了庞加莱和爱因斯坦。关于1904年洛伦兹详尽介绍电子变形论文： http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fen.wikisource.org%2Fwiki%2FElectromagnetic_phenomena&urlrefer=6e670191390594168627d074eeb849a0洛伦兹对相对论的分析，留下一个尾巴：先这样吧，Windows11操作系统 Microsoft edge 访问上述网站，自带翻译出来就这样。将就着看看吧。
人工智能算法与世界感知转换描述方法：讨论 这个帖子重点讨论这几个问题，跳出别人思维圈子，说说自己的感受罢了。 1,人眼：两只眼睛程放射状，锥形视野，由于视觉暂留，动画其实是17帧的图片连续播放，因此观察到事物运动，其实是采集了多幅图片形成的印象。 2,物体：看到的图片中寻找差异，让移动慢的物体成为背景，相对运动的认为是物体，而后随着认识的深入，存在差异化的内容就是焦点，这些焦点被标记为不同称呼。 3,所谓的已知和未知，已知就是大家公认的没有i超出约定范围的东西，未知包含大家都不知道的、你知道我不知道的，用已知来标记未知的局部，所以知识是有相对性和互相翻译的。 4.意识：其实是什么不要紧，意识的目的是什么？难道不是传递表达对世界的看法吗？所以意识的表达、翻译是我们要关注的，意识表达之后的转换理解、对等理解，是核心中的核心。 5,反过来说，如果意识不交流，成为死水，智力就不可能存在。通过意识交流，对事物有更加全面的看法，不会迷信于局部或个人看法。 6,意识通过身体的很多部件动作来表达，这一点是很容易研究的，又是重中之重，为我们开辟研究机器表达意识提供了基础。 本贴纯属杂谈，相关问题在2022年已经提出，经过半年发展，这些根本问题依然没有引起重视，所以真正的gpt和ai并没有到来。
人工智能，终究是一个协作的问题 给出一个问题，总想得到一个答案，是对当前ai是否成功的直观判断。 但在系统测试时，往往给出一些条件，得到一些结论，结论近似符合，就马上上马这个系统，结果失之毫厘、谬以千里，原因何在？首先是不能一劳永逸，其次这里涉及三个东西： 1，问题是否确切； 2，答案是否可靠； 3，判据是否合理。 从不同的角度看待问题得出不一样的思考。最简单的例子，如果要推翻1+2=4的错误，就要推翻1+1=2的原始定义，这个规则本来就是约定的，类似的约定就像建立在泥沙基础上的底座。推而广之，如果一个约定成立，在约定基础上的继续约定，双方定能得出一致的结论；如果双方使用不同约定和规则，就能得出不同的结论。犹如，地心说与日心说置辩，关键问题是如何绕，不是谁绕谁。 核心难点：拿到一个不确定的问题，找到一个参考答案，使用何种约定？ 看来，约定、规则是如此重要，涉及到问、答双方的沟通协作。 所以说，要加快人工智能ai的发展，就要在以下几点下功夫： 1，知识对齐、约定一致。计算机传播文本信息的速度够快，但传播知识的速度不够快，对名词的化简、结论的化简、计算的化简不够快，大量的基础性运算成为巨大负担。 2，问题沟通、约定一致。人类解决问题时而正向、时而反向，这就是问题与答案的相向而行，当前计算机仅仅是正向寻找答案，因此速度慢。 3，判据合理、约定一致。计算机缺乏反馈信息，没有自我判断能力。问题是否合理，答案是否合理，均缺乏基本判断，例如识别猫的测试，测试题本身合理性无法自我肯定，答案本身也不能自我解释、自我肯定。 4，例外现象、约定推广。这一步连接已知和未知，不断增加认知的数量，慢慢整合更多的约定，最终全面认识例外现象，达到知识的进步。 看来，需要构建一个大平台，大舞台。具体在哪些方面尽快努力，还没有想好，但是一些基本的事情可以做。 一、建立软件基础平台或商店，软件在各个层面可以自由衔接：内存块、硬盘位置、源代码、数据结构、子函数、模块、链接库、配置参数、输入参数、通信接口、功能对接、硬件接口、有线网络、无线网络，这些层面上任意调用、匹配、对接，或者买卖使用很方便。 二、编程语言支持正向、反向解决问题。 三、构建野外能源、时间、空间、距离、重量、位置、温度等物理量的标准基础设施，人工智能设备增加自调节、自校准功能，构建开放式基础设施。 四、促进传感器集成化、智能化发展，就像大脑一样，能相信自己的感官，又能给出具体的数值，也能给出总结性的报告，还能根据缺项发出需求。 五、构建便于获取和使用的知识库、方法库、人才库、资源库，不断更新人机协同解决问题的途径。
就AI现阶段而言，先做好描述世界，然后再认识、理解比较合理 关于逻辑、分类等问题放后面谈。 先说几个基本问题。 1，AI是人创建的。 很多人总说当前模型或程序或方法的局限性，这个局限性是时代局限性，是创立之初的局限性。很多人给AI灌输意识、思想、图像、声音等信息，形成了一个人群与AI片段的多点格局：P1 -> AI1，P2 -> AI2，P3 -> AI3，... 初期，人工智能作为人的延伸具有功能性，但反过来看，人其实也是AI片段的助手和传感器，也是对的。 2，整个人工智能世界是由AI片段组成的。 从进化的观点看，AI体系肯定是分布式系统，有共性与个性、矛盾对立统一等哲学特点，只有这样才能不断进化，把未知变为已知，拓展自己的世界。 既然是分布式，个体之间肯定有通信，通信要讲信息对齐、信息压缩、信息索引、信息检验、描述点收敛等问题。 既然是分布式，就存在知识整合问题。 这里延伸出来几个技术：AI片段如何设计、如何通信、如何相互引用与更新、如何整合、协调矛盾、如何检验、信息如何压缩、索引与引用等。 整个人工智能系统有一个十分繁重的任务，就是AI片段的整合。细节问题就是以上几个关键技术。 3，AI的发展应该有三大阶段。 （1）起初人工智能体系通过人获取信息，通过人的知识和逻辑来整理信息，唯一的延伸工具是人，认识世界的主要对齐标准是人，权威在于人。 （2）人工智能需要突破，必然需要人为人工智能设计另外的延伸工具，这时候人工智能可以通过另外的渠道获取世界知识，这个时候还需要把获取的知识与人来对标，用来检验别的延伸工具的真实性和有效性。 （3）人工智能一旦拥有多个延伸工具，从多个渠道获取知识和自我验证，就能实现自我改进，形成独特的知识体系（看待事物之间的关系），这是高级形态。 存在的目的依然是矛盾现象的对立与统一。 4，人工智能系统初期与人对标的一些问题。 （1）分类问题 分类主要是为了压缩对话通信量，这很明然，让你说出分类词的时候，不需要具体描述这个（或这些）物件的本身；其次是为了按照一致的索引查找条目，对话双方查找方法是一样的，得出的条目和含义就是一致的。相反，当别人不知道这个分类规定时，就很难沟通。 （2）逻辑问题 逻辑、定理，是为了查找关系与关系跳跃。 关系是索引的一个好的例子。 关系是客观存在的，通过分析关系和使用关系，可以通过改变关系项来间接改变目标项。 （3）人工智能的基本构成 依然是和人群相似：信息处理+执行部件+传感器。这三个部件，缺一个，否则不能形成知识反馈闭环。其高级形态肯定在感觉上是超越人类的。
1 下一页