读AI新生:破解人机共存密码笔记02进化

2024-06-16 09:36

本文主要是介绍读AI新生:破解人机共存密码笔记02进化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.       人工智能的标准模型

1.1.         机器优化人类提供的固定目标

1.1.1.           是一条死胡同

1.1.1.1.            当你走进死胡同时,你最好掉头返回,找出走错的地方

1.2.         问题不在于我们可能无法做好构建人工智能系统的工作,而在于我们可能太“成功”了

2.       智能

2.1.         我们称之为“大脑”的那一小堆几磅重的粉灰色胶状混合物是如何感知、理解、预测和操纵一个难以想象的浩瀚世界的?

2.1.1.           我们朝着解释大脑如何工作迈出的每一步,也同时是迈向在人工制品中创造大脑能力的一步,即迈向人工智能的一步

2.2.         智能是什么

2.2.1.           答案不在智商测试中,甚至不在图灵测试中,而是在我们的感知、我们的需求和我们所做的事情这三者之间的简单关系中

2.2.2.           如果一个实体是智能的,它就会根据它的感知来做事情,而它所做的事情是为了满足它的需求

3.       进化的起源

3.1.         大肠杆菌

3.1.1.           它的动作不会以任何方式依赖于它的环境

3.1.2.           它不会做任何决定,只是执行一种固定的行为,进化将这种行为植入了它的基因,但这并不是全部

3.1.3.           根据它感知到的情况(葡萄糖浓度不断升高),它所做的事情(游向葡萄糖)很可能满足它的需求(得到更多的葡萄糖)

3.1.4.           进化在大肠杆菌的基因中所建立的机制,就像在你的基因中所建立的机制一样

3.1.4.1.            通过这种机制,细菌的行为会随着它对环境的感知而变化
3.1.4.2.            进化事先不知道葡萄糖在哪里,也不知道你的钥匙在哪里,所以把找到葡萄糖和钥匙的能力放到生物体中,简直近乎完美

3.2.         动作电位

3.2.1.           这是一种电信号,大约10亿年前首次在单细胞生物体内进化出来

3.2.2.           后来,多细胞生物进化出一种叫作神经元的特殊细胞,这些细胞利用动作电位在生物体内快速传递信号,速度高达每秒120米(即每小时270英里)

3.2.3.           神经元之间的连接叫作突触

3.2.3.1.            突触连接的强度决定了有多少电刺激从一个神经元传递到另一个神经元
3.2.3.2.            动物通过改变突触连接的强度来学习

3.3.         最初,神经元形成了神经网络,这些神经网络分布在整个生物体中,用于协调各种活动

3.3.1.           水母之所以能优雅地推进是因为它们拥有神经网络,但水母根本没有大脑

3.4.         大脑中每个状态转换的“周期时间”只有几毫秒,虽然比电子电路速度慢,但是比大多数生物过程快得多

3.4.1.           我们对神经元和突触的生物化学知识以及大脑的解剖结构了解很多,但是认知水平的神经实现:学习、认知、记忆、推理、计划、决定等,对绝大多数人而言仍然是猜想

3.5.         在意识领域,我们确实一无所知

3.5.1.           人工智能领域没有人致力于让机器拥有意识,也没有人知道从哪里开始,而且没有任何行为是以意识为前提的

3.5.2.           所有关于机器神秘地变得有意识并憎恨人类的那些好莱坞电影情节其实都没有抓住要点

3.5.2.1.            重要的是能力,而不是意识

4.       奖励系统

4.1.         reward system

4.2.         这是一个由多巴胺介导的内部信号系统,它将积极的和消极的刺激与行为联系起来

4.2.1.           它有内置的学习方法,因此随着时间的推移,我们的行为在获得奖励方面会变得更加高效

4.2.2.           它类似于人工智能领域开发的强化学习方法,对此我们有非常坚实的理论基础

4.3.         大脑的奖励系统就像大肠杆菌寻找葡萄糖的机制一样,是提高进化适应性的一种方式

4.3.1.           在寻求奖励方面更高效的生物体(例如寻找美味的食物、避免疼痛、进行Xin活动等)更有可能延续它们的基因

4.4.         某些获得奖励的方法可能会降低一个人基因延续的可能性

4.4.1.           如果直接用电流刺激你的奖励系统,你可能会不停地进行自我刺激,直到死去

4.5.         奖励信号和进化适应性之间的不一致并不只影响孤立的个体

4.5.1.           如果一个物种找到了一个生态位,但这个生态位满足其奖励系统的方式不利于进化适应性,那么这个物种就可能会灭绝

4.5.2.           除了这种意外的失败,生物体学习在自然环境中将奖励最大化,通常会提高它们延续自己的基因和在环境变化中生存下来的机会

5.       进化的加速器

5.1.         学习不仅对生存和繁衍有好处,还加速了进化

5.2.         学习不会改变一个人的DNA(脱氧核糖核酸),而进化则是一代又一代地改变DNA

5.3.         学习和进化之间的联系是由美国心理学家詹姆斯·鲍德温(James

Baldwin)和英国生态学家康威·劳埃德·摩根(Conwy Lloyd Morgan)在1896年分别提出的,但当时并未被人们普遍接受

5.4.         鲍德温效应

5.4.1.           进化可以选择创造一种依靠本能生存的生物体,或者创造一种依靠适应性生存的生物体

5.4.2.           前者的每一个反应都是预先确定的,而后者则可以通过学习来确定采取何种行动

5.4.3.           计算模拟表明鲍德温效应是真实存在的

5.5.         如果依靠适应性生存的生物体能够在学习中生存,那么学习能力就构成了进化的捷径

5.5.1.           文化的影响只会加速这一过程,因为有组织的文明不仅会在个体生物体进行学习的时候保护它,还会传递个体本来需要自己学习的信息

5.6.         内置的学习机制充其量只能粗略暗示特定行为在长期进化适应中产生的结果

5.6.1.           如果有一种导致生物体逃离潜在配偶、奔向捕食者的学习机制,那么它不会持续很久

5.7.         神经元具有学习和解决问题的能力,这在动物王国中非常常见

5.8.         进化并不真的在乎你是否拥有大脑或是否可以产生有趣的想法

5.8.1.           进化只把你当作一个智能体(agent),即某种会行动的东西

5.8.2.           逻辑推理、有目的的计划、智慧、机智、想象力和创造力等有价值的智力特征,可能是使智能体变聪明的必要条件,也可能不是

6.       一个人的理性

6.1.         从古希腊哲学的早期开始,智能的概念就与感知、推理和成功行动的能力联系在一起

6.2.         逻辑推理法

6.2.1.           在给出真实前提的情况下,人们通过逻辑推理可以得出真实的结论

6.3.         赌博在推广亚里士多德关于不确定性的建议中起了核心作用

6.3.1.           16世纪60年代,意大利数学家杰罗拉莫·卡尔达诺(Gerolamo Cardano)以掷色子游戏为主要例子,第一个提出了在数学上精确的概率论

6.3.2.           对赌局进行评估不能根据期望的货币价值,而是要根据预期的效用

6.3.2.1.            效用即对一个人有用或有益的属性,这是一种内在的、主观的数量,与货币价值有关,但与货币价值不同

6.3.3.           与货币金额不同的是,各种赌局和奖品的效用价值是无法被直接观察到的,只能从个人表现出的偏好中被推断出来

6.4.         效用理论的公理基础

6.4.1.           20世纪中叶,约翰·冯·诺依曼(John von Neumann,一位伟大的数学家,计算机领域标准的“冯·诺依曼体系结构”就是以他的名字命名的)和奥斯卡·摩根斯坦(Oskar Morgenstern)发表了效用理论的公理基础

6.4.2.           只要个体表现出的偏好满足任何理性主体都应该满足的某些基本公理,那么这个人所做的选择必然可以被描述为最大化期望效用函数

6.4.2.1.            理性个体的行为是为了最大化期望效用

6.4.3.           公理:传递性:如果你喜欢A甚于B,喜欢B甚于C,那么你喜欢A甚于C

6.4.4.           公理:单调性:假设买一种彩票可能得到奖品A,买另一种彩票可能得到奖品B,你喜欢奖品A甚于奖品B,并且你只可以选择这两种彩票,那么你会更倾向于选择得到奖品A的概率最高的彩票,而不是得到奖品B的概率最高的彩票

这篇关于读AI新生:破解人机共存密码笔记02进化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1066096

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

【测试】输入正确用户名和密码,点击登录没有响应的可能性原因

目录 一、前端问题 1. 界面交互问题 2. 输入数据校验问题 二、网络问题 1. 网络连接中断 2. 代理设置问题 三、后端问题 1. 服务器故障 2. 数据库问题 3. 权限问题: 四、其他问题 1. 缓存问题 2. 第三方服务问题 3. 配置问题 一、前端问题 1. 界面交互问题 登录按钮的点击事件未正确绑定,导致点击后无法触发登录操作。 页面可能存在

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识