感想：在agi尚未達到成熟前提下，ai知識庫仍是人類的外化知識資料庫，可以加速應用
在《AI時代的教育》這本書提到ai的四個級別中，目前3級別的agi仍有很長的一段路要走本書的內容比較像是在這個前提下，進行解說 （意即當agi成熟時，這個內容可能會不再適用，因為那時候的ai會進入更高階的自我學習）
AI時代的教育：
ai目前四個級別
1. 人工狹義智慧，簡稱ANI
機器（深度）學習，像圍棋這種專精的區塊
2. 人工能幹智慧，ACI
這部份書中寫更廣泛強大的影響力（並未明確定義），但應該是目前由LLMs模型產生的生成式應用（如果說錯請告知🙏🙏）
3. 人工通用知慧，AGI
旨在模仿完整人類的認知能力，可以理解 學習與執行人類能做的事
（書中指agi還要好幾次變革才能成熟）
4. 人工超級智慧，ASI
可以譜出交響樂，模仿人類思考“歷程”，擁有原創力
（3都還沒到，4就先擱著）
=====================
在agi未成熟的前提下，目前ai屬於將人的知識外化的資料庫，並且將資料快速轉換整理重點，能夠讓人去快速提取使用
但並未能擴張出「人的知識」邊界之外。
白話點，人給ai資料1億筆，ai能整理的就是1億筆之內，並無法多自行生出1億零1筆
（本書的框架上，目前實際上發展到哪？或許在我們沒看到的世界裡已經有新突破）
然而，在ai打敗圍棋冠軍的比賽相關報導中
泛科學：
【AlphaGo 知道這不是專業棋手會選擇的路數，然而它根據與自己對弈的數百萬次經驗——沒有人類參與的棋局——它仍是這麼做了；它已了解儘管人類不會選擇這一步，這一步棋仍是正確的選擇。「這是它自己發現的，」席瓦爾說道，「透過它的內省。」】
經由人類團隊給予的三千萬步棋路輸入深度神經網路來教導機器學習圍棋，自此之後，AlphaGo 就開始不斷與自己對弈，並且記錄哪些棋路是成功的，哪些又是失敗的——其運作與實驗室用來破解雅達利老遊戲的系統類似。自擊敗樊麾以來這幾個月，AlphaGo 已和自己對弈了數百萬局；AlphaGo 持續自學圍棋，學習速度之快遠超過所有人類。
從上面這個實例來說，或許仍是在「資料範圍內」所找出來的棋路，也並非是ai自行創造，但這個學習與轉換資訊的應用已經相當可觀。
=================
如果你跟我一樣是非本科系，想看本書前建議先搜尋以下幾個定義，因為在書上沒有特別告知，但提到次數又蠻多的，我自己看了霧沙沙😅
1.第一性原理（在書的最後才短短提到1句）
第一性原理的核心概念：
・回歸本質：
將問題分解到最基本的元素，去除不必要的假設和表象，找到事物的本質。
・從零開始：
不依賴現有的知識或經驗，從最基本的原理和常識出發，重新思考和推理
2.「負熵存量」的含義
定義：系統（生物、組織、社會、個人）累積的「有序能量資源」存貨。
它不是立即消耗掉的，而是像儲蓄一樣，等需要時釋放以抵抗熵增。
可以理解為一種「抗混亂的本錢」。
例子
1. 生物學：人體的負熵存量來自營養儲備、免疫系統狀態、細胞健康度。生病或壓力過大時，會消耗這些存量。
3.耗散結構：是指一種「遠離」熱力学平衡態的開放系統，它通過不斷地與外界「交換」能量和物質，從而「維持」自身的有序狀態
・自組織性:
耗散結構具有自組織能力，可以在一定條件下，自發地形成和維持自身的有序結構，例如生物體的生長、細胞的自我複製等。
・耗散:
為了維持自身的有序狀態，耗散結構需要不斷地向外界耗散能量和熵，這就是“耗散”的含義。
上述在書中並未先特別解釋定義，直接講應用，像是談到熵的第二熱力學原理後，直接搭上負熵存量講下去，愚蠢的自己就看不懂卡住了XD
沒有留言:
張貼留言