区别则在于，演算法步骤中引入的变数，并非随机数，而是来自于初始状态库的一切既有知识。
那么就是在穷举吗，似乎是，只不过为了应对完全穷举的计算量暴涨，而必须在每一步进行判断、预计与猜测，将无意义的分支完全消除。
具体到某一个分支，其是否有意义，判断起来也并不容易，此外还要引入额外的随机性，将某些“看起来”无意义的分支，移入另一个线程继续追蹤。
这一做法，能避免收敛策略错杀那些切实可行、却不符合既有知识体系的分支。
“敛散策略”的核心思想，是建立在传统计算机的运行之上，此外再加入“关联扰动”与“随机性”，利用这种方式，尝试让AI具备创造性、探索性思维。
这种体系，一开始在验证可行性时，需要的资源量并不太大。
但可想而知，倘若投入到实际运行中，这样的系统必然耗费巨大，哪怕只用来解决一些粗浅的问题，都需要比传统计算机更多的算力，当然，倘若其真能具备“强人工智慧”的特质，巨大的投入也是值得的。
“强人工智慧”的第一台实验机，所需算力，设计指标大约在1PFlops。
以今天的计算机技术水平，这种规模的算力并不难提供，不过，1PFlops算力能支援的思维、认知，可以达到多高的水平，仅从理论模型出发并无从得知，一切还要在初号机完成并上线运转一段时间后，才能得出结论。
按项目组的计划，从初号机开始，“强人工智慧”就应该具备一定的自我演化能力，这种特质，也更接近于人脑的状态。
那么，假以时日，这样的机器能演化到什么状态，就更需要时间来给出答案。
自从掌控一个大区，直到今天，1495年才启动“强人工智慧”的研发工作，这种进度怎么说也并不算快。
但在方然看来，情况还好，他并不认为所有大区的管理员都和自己一样，能够洞悉“强AI”定义的内在矛盾，继而认识到，以现有的科学技术水平，人类其实是可以研发出某种程度的自主AI，进而窥破“思维”、“认知”活动的奥秘。
第四九六章 学数
涉猎这一领域，成败，并不在于何时开始，而在于能否想到这一步。
盛夏时节，眼见就要过去，东北太平洋大区的广袤土地上，第一缕秋风带来丝丝缕缕的凉意，NEP_791的地下世界，扩建工程紧锣密鼓，在初号机测试进行的同时，更大规模的“强人工智慧”部署用基础设施，也在紧张施工中。
研究划时代的“强人工智慧”，单论项目本身，已经是一项前所未有的巨大成就。
但方然的动机，据实而言，并不是简单的探寻科学技术之未知，他希望拥有的“强AI”，能力至少也要在最顶尖的人类科学家之上。
否则，从促进科技发展的角度，庸碌的“强AI”就没有意义，单纯研究意识、思维与认知，进而用计算机+人工智慧的方式将其复现，便会成为旧时代的诸多烧钱工程，徒然耗费资源而得不到即期的收益。
一切科学技术的研究，必须要有收益，否则，NEP便无法自残酷的竞争中胜出。
即便如此，一开始研发“强人工智慧”，目的仍然是验证总体架构的可用性，出于种种考虑，NEP_791地下世界里的初号机，指标要求一点也不高。
采纳莱斯利*兰伯特的意见，方然为初号机选定的研究领域，是数学。
遵循从易到难的原则，考虑到强人工智慧的一切初始条件，只能来自于人，而人类的科学技术体系又未必完全正确、完全自洽，为避免不必要的干扰和疏漏，“数学”这样一个最客观的学科，是很合理的选择。
总之，第一个“强人工智慧”的目标，是探索数学。
但依靠很原始的强AI，能否去探索前沿，解决大量悬而未决的问题呢，当然不可能，没学会爬就像跑，只会摔一个大跟头。
研发组的具体规划，是给予初号机的资料库一份简单的“已有知识列表”，按FSCIM体系的规範要求，录入基础知识条目，而后启动该系统，观察、测度系统能否从这些简单的已有知识出发，推导出其自身并不知晓的数学定律。
即便推导出的结果，极大可能，是人类已经掌握、因此而毫无价值的东西。
但用来验证系统的可用性，这却是一个可行之策。
不仅如此，观察系统的运行，藉助ASA这样的人工智慧进行追蹤，还有望解析“强AI”的运作机理，甚至搞清楚其自主意识的根源。
资料库，思维核心，具备这两大部分的系统，原则上便是一个“强人工智慧”。
不过，早在项目的规划之初，方然就意识到，仅有这两部分所组成的“强AI”，能力注定十分有限，直白的讲，其理论上的最高成就，仅仅局限于现有基础理论的延拓、应用，而绝不可能在现有基础理论的基础上更进一步。
原因很简单，不论是人，还是人工智慧，脱离客观世界、闭门造车，都不可能凭空推动科学技术的进步。
理论，对与不对，要由实践来检验。
没有后面的这一步，再华丽的理论，也只能永远停留在空中楼阁的状态，永远无法坐实，永远无法成为新的出发点。
正是基于这种考虑，在规划AI整体框架时，自己才会有意略过“实践”这一块。
哦豁，小伙伴们如果觉得52书库不错，记得收藏网址 https://224444.shop/ 或推荐给朋友哦~拜托啦 (>.<)
传送门：排行榜单 |