有关《AI、人类思维》说几句

送交者: cromwellgm [★★声望品衔9★★] 于 2025-03-14 11:10 已读 646 次 2赞 大字阅读 繁體閱讀
)- 人类基因图谱计算:数量之大叹为观止,曾经组织分配调用了世界各国的计算机,花了十几年时间完成。其他物种的因图谱也一样复杂庞大。

)- 人类不是完全靠大脑进行思考的,尽管神经元、神经连接足够庞大,数量之大也叹为观止:但是对人类《思维》的需求来说,还远远不够。

)- 大脑只是一个《思维》的终端而已,大脑只做前端简单的《思维》。后端复杂的《思维》来自人类各自的平行的《异度空间》。

)- 人类每一个器官组织、每一个细胞都独自和平行的《异度空间》进行《信息交流、思维》,并且和也《大脑》交流。

)- 实例:音乐的演奏:手的《技能》的《信息交流、思维》并不来自《大脑》,《大脑》只是发信息要求《手》去演奏。

():手的演奏:《大脑》无法完整《复述》手刚才完整的乐谱:需要用手慢慢再演奏一遍,才能知道具体的每个音符。而音乐家的手可以不加思索地演奏上万个曲目。

():书法、各种人体技巧都和音乐的演奏一样,《信息交流、思维》并不来自《大脑》。

)- 人类真正的《信息交流、思维》来自人类各自的平行的《异度空间》。。。

)- 人类每个人永远不会重复的《人类基因》就是:存取各自的平行的《异度空间》的《账号密码》。

。。。

)- AI在图灵机的出现之前就有理论建立,发展到今天AI才真正实现。

)- AI真正实现的条件一共三个:

(1):AI算法所依赖的:数学理论已经够用。

(2):AI训练所依赖的:信息资源已经够用。

(3):AI算法所依赖的:计算机理论已经够用:神经网络理论。

(*) 关键是《神经网络理论》的诞生!

)-  AI获得了好几个诺奖,其中其他的几个AI诺奖都只是AI的应用,真正AI计算机理论的诺奖只有一个:AI之父:《Hinton》

)-  计算机:是科学,而不是科技。计算机专业是理科,不是工科:Computer Science (CS).

)-  计算机:是科学,科学理论在于《发现解释》《自然的规律》,而不是《人类创造》《自然的规律》。

)-  计算机:神经网络理论是发现了人类《思维》方法,AI之父《Hinton》发现、模拟了人类《思维》的发法,而非创造了人类《思维》的发法。

。。。

)-  科学家有完全不同的层次,如索维尔会议的一批人类科学巨匠:爱因斯坦是开拓一片天地的科学家,而其他科学家只是在这个开拓的天地里工作的农民。

)-  人类发展不完全取决于《进化》,地球至今出现过五次生物轮回。最近的一次是《恐龙世纪》,有几百万年。《人类世纪》,才几万或认为十几万年。

)-  有几百万年发展的《恐龙世纪》,《恐龙》从出现到灭亡,《智力、科技并没有进化》。而几万的《人类世纪》,《智力、科技进化》是何等的迅猛!

)-  所以在银河系里,有可能具备地球相同条件的行星,大约有100万个:也不一定会有生命的进化出现。

)-  经典的《钟表实验》:假设有一个气球,里面有完整的上百个钟表零件,扔进宇宙中,永远不会有一天由于气球的滚动,而装配成一台可以运作的钟表。

)-  人类《蛋白质》:比《钟表》复杂无数倍,即使地球上具备《蛋白质》构成的所有元素,在短短的地球几十亿年中,不可能在自然状态下,装配成一个生物的《蛋白质》结构。

。。。

)-  公元前二百五十年前,大约300多年间,人类出现了四位圣人,在人类四个最大种族中开启了人类真正的文明:释迦牟尼、孔子、穆罕默德、耶稣。

)-  300多年间,相对45亿年的地球是一个瞬间,相对几万或认为十几万年《人类世纪》,也是一个瞬间:为何在同一个瞬间产生了四位圣人?

。。。

)-  真正了解AI,就要读AI之父《Hinton》的书,读新闻只是皮毛,永远不会真正了解AI。读《Hinton》的书,读一页,就有一页的理解收获。 就如同读《时间简史》一样,是每个人的必须。

)-  最后卖膏药,推荐《Hinton》的经典名著:

)- Sabour S, Frosst N, Hinton G E. Dynamic routing between capsules[C]//Advances in neural information processing systems. 2017: 3856-3866.

)- Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015.

)- Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: a simple way to prevent neural networks from overfitting[J]. The Journal of Machine Learning Research, 2014, 15(1): 1929-1958

)- LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436.

)-  Github上有《Hinton》的完整的书架:

https://github.com/longpeng2008/Awesome_DNN_Researchers/tree/master/Geoffrey_Hinton/papers

https://github.com/longpeng2008/Awesome_DNN_Researchers


)-在此十分感谢版主gonewithsmoke日夜翻译推荐的文章。

)-工作实在太忙,就写这些,不展开。

评分完成:已经给 cromwellgm 加上 300 银元!

喜欢cromwellgm朋友的这个帖子的话,👍 请点这里投票,"赞" 助支持!

[举报反馈] [ cromwellgm的个人频道 ] [-->>参与评论回复] [用户前期主贴] [手机扫描浏览分享] [返回电脑前线首页]

cromwellgm 已标注本帖为原创内容,若需转载授权请联系网友本人。如果内容违规或侵权,请告知我们。

所有跟帖: (主贴被主有权删除不文明回复,拉黑不受欢迎的用户)

打开微信,扫一扫[Scan QR Code]

进入内容页点击屏幕右上分享按钮

楼主本月热帖推荐:

    >>>查看更多帖主社区动态...