說起來,林灰覺得他似乎該找個得力下屬了。
有下屬的話弄伺服器這種事情隨便交代一下就完事了。
事事躬親屬實有點累。
不過現在事情多多少少有點麻煩。
最關鍵的是林灰並不知道將來他要何去何從。
是去麻省理工呢?
還是在國內隨便讀個水木將就一下?
要是以後去美國的話,在國內找個跟班短時間看沒啥大用。
黃靜倒是個不錯的人選。
不過距離黃靜示好也不過才半天不到。
黃靜要真正加入林灰的麾下怕是要好久。
在大公司入職不容易,離職也是一件麻煩事。
涉及到工作交接神馬屬實煩人。
即便黃靜真的有志於過來投奔林灰。
能在一個月之內處理完交接手續就很不錯了。
更何況黃靜和林灰還沒有私下接觸過。
黃靜怕是還沒有真正做出決斷。
……
說起未來,林灰只是學業上暫時沒明確做出選擇罷了。
涉及到未來事業上的發展,林灰很清楚他將去往何方。
林灰的未來絕不是開發一款又一款軟體。
儘管看起來林灰現在只是在跟各種軟體打交道。
但看問題不能只看表象。
林灰此時的目光早已放在了別的地方——人工智慧!
人工智慧,也被稱作AI。
對人工智慧的研究由來已久。
約翰·麥卡錫於1955年的定義是“製造智慧機器的科學與工程”。
安德烈亞斯·卡普蘭(Andreas Kaplan)和邁克爾·海恩來因(Milein)將人工智慧定義為“系統正確解釋外部資料,從這些資料中學習,並利用這些知識透過靈活適應實現特定目標和任務的能力”。
和現在重視基於控制論和神經網絡的方法不同。
當年人們一直致力於將人工智慧符號化。
後來人工智慧真的成符號了。
爛大街意義上的符號。
人工智慧往後幾年基本是爛大街的詞彙。
不過在2014年來看,人工智慧代表著未來的一種可能。
人工智慧其實是一個很寬泛的課題!
也正因為人工智慧的寬泛,林灰才將這個方向作為入局的首選。
以人工智慧為切入點,將來可以很容易延申到別的方向。
林灰相信人工智慧在未來10~15年的潛力。
當然,也僅僅是10~15年的潛力。
至於再久遠的事情,林灰並不是很看好。
事實上以前世2021年的人工智慧情況來看。
已經給人一種日薄西山的感覺。
人工智慧已經淪為一門很俗很俗的學問。
遠沒有人工智慧概念剛火起來那會,給人一種點石成金的感覺。
林灰不看好人工智慧15年後的潛力並不完全是心理層面的原因。
很大程度上也是因為人工智慧本身的原因。
以前世人工智慧的發展狀況來說。
前世大概2010年之後,人工智慧這方面的熱度就在不斷發酵。
在2016年,人工智慧這方面的熱度被徹底引爆。
之後的幾年時間,基本上各個大廠科研機構一窩蜂地湧入人工智慧領域。
在這段時間裡,看似科技成果瘋狂湧現。
但林灰覺得這些科技成果的瘋狂湧現只是量變的積累罷了。
並沒有產生質變。
為什麼這樣說呢?
前世人工智慧方面的研究進展看似取得很多成果。
但這些研究成果大部分都屬於弱人工智慧。
最為典型的就是弱人工智慧就是Siri。
你與它的對話,實際上就是程式設計者在背後設計出一套相對應的流程。
然後在語音識別的基礎上加了一套應對,使得大家都以為它能夠聽得懂你在說什麼。
其實Siri不過是走了一遍流程而已。
有弱人工智慧,自然就有強人工智慧!
“強人工智慧”一詞最初是約翰·羅傑斯·希爾勒針對電腦和其它信息處理機器創造的,其定義為:
“強人工智慧觀點認為計算機不僅是用來研究人的思維的一種工具;相反,只要執行適當的程式,計算機本身就是有思維的。”
【鑑於大環境如此,本站可能隨時關閉,請大家儘快移步至永久運營的換源App,huanyuanapp.org 】
強人工智慧和弱人工智慧最大的區別在於能不能具有不依賴於人的思維能力。
不止於此,還涉及到一些理念上的區別。
比如說弱人工智慧觀點認為不可能製造出能“真正”地推理和解決問題的智慧機器。
從前世人工智慧的發展情況來看,弱人工智慧一派似乎是勝利了。
強人工智慧一派一敗塗地。
前世在很多人眼中人工智慧進展早已突飛勐進,但實則不然。
諸如圖像識別、影像識別、語言分析、棋類遊戲等。
這些看似很高階大氣上檔次的人工智慧實際上都處於非常原始的弱人工智慧階段。
這些機器只不過“看起來”像是智慧的,但是並不真正擁有智慧,也不會有自主意識。
之所以說這些東西原始,是因為這些人工智慧的一舉一動都是程式設計者在預測會出現的情況。
或許有人會說,人工智慧一舉一動都處在程式設計者預測的情況不才是正確的嗎?
如果人工智慧產生了什麼設計者預測不到的情況豈不是意味著人工智慧的失控嗎?
這樣說確實有道理。
但是換個角度想想,人們設計人工智慧的初衷是什麼呢?
人們是想要人工智慧在諸如語言分析、棋類遊戲上做的更遊戲嗎?
哪怕人工智慧在這些方面做的再優秀也只能說明這些人工智慧更適應規則而已。
而人類所期待的是人工智慧可以打破規則。
只有人工智慧打破規則才有可能在基礎科學上有所助力。
聽起來有點扯。
但事實如此,強人工智慧的研究一向有志於此。
如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa計算機程序,只要給予一些資料,這計算機程序自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式。
這等於只用幾十個小時就自己重新發現牛頓力學公式。
但這種研究也僅僅到牛頓公式而已。
研究人員致力於此也是可以理解的。
基礎科學才是決定人類科技真正上限的東西。
人工智慧如果無助於基礎科學的研究。
那現在多多少少都有點資源浪費的意味。
大概類似於換皮賽博朋克?
就算把概念炒出花來,本質上也只是虛假繁榮而已。
當所有領域都被弱人工智慧鋪開一遍。
那人工智慧估計也就走到盡頭了。
有的時候,林灰甚至會覺得涉及到人工智慧很像是科技樹點歪的結果。
深度學習的到來開啟了人工智慧的大門。
但開啟了這扇大門之後,帶來的直接後果是:
機器越來越聰明,人的作用在下降。
一些演算法工程師甚至直接淪為機器的保姆。
一言難盡。