但周舟心里比谁都记挂着这事儿。
苏博一他们只是同情着彭真真,顺带吐槽最近偷数据的那个人。
但他们并不会去做些什么。
但他们经常把这两件事情合在一起说,让周舟忽然就有了怀疑。
因为做出这些事的人,思维路径太像了——就是极度自私。
这个人只做对自己有利的事,完全不考虑可能会带给别人的损失。
如今事情水落石出,也正好印证了她先前的猜想,这两件事的确都是一个人做的。
周舟虽然感慨,但终究是高兴与兴奋占了上风。
她发了一会儿呆,目光又渐渐聚焦在眼前的电脑屏幕上,那一条标红线性轨迹从左端一直延伸到右端,下面是已经被她遗弃了的另一条轨道图。
周舟慢慢眨了眨眼,又眨了眨眼。
她右手无意识在电脑触控板上画着某种轨迹,于是光标也随着那道轨迹而移动着。
将这一个轨迹画到第七遍的时候,她忽然悟了。
之所以这段时间实验室的进展变缓,归根结底,是‘视野’问题。
他们做这个项目已经一个月,一直在沿着先前设定的计划,按部就班地走,但也正是这种按部就班,无形中框定了人的思维。
他们研究的是用ai解微积分,最终的目标,也是要写出一个会解微积分的程序。
为此,他们花费了大量心力抽象出树状图谱,一边试图模拟人脑的思维过程后,一边在尝试各种模型,计算各种表达式。
打磨出一个比较粗糙的版本后,就把它拿去和国际上现有的极大模型跑,比速度。
简单来说,就是用理论模型,去推理论模型。
但其实他们的视野太局限了
。
ai的本质是机器学习,而机器学习,是基于快速计算能力的统计学,是对传统统计学的优化。
微积分学再往上看,是数学分析。如果说高等数学偏重实战运用,数学分析就更偏重理论的推导与理解。
如果用一句不太专业的话来解释,他们先前,其实是用‘数学分析’的思路,来处理这个问题。
周舟忽然想到的是,如果从纯数据的角度,从‘高等数学’的角度去想呢?数学本身就是一门抽象的学科,也正是抽象,赋予了它无与伦比的神秘美感。
历史上那些由数学大家们建立的模型,包括欧式几何学,包括牛顿的微积分学,其实都是从比较小的数据集中抽象出来的。他们用超强的思考能力,从相当有限的数据中,抽象出了通用的数理模型。
而计算机却恰恰相反。
计算机处理数据的能力远超人脑,但在抽象能力上却远远不如。
其实在目前的人工智能界,最大的争议与分歧莫过于此。
传统数学研究一直是走的抽象的路子,如果真的完全靠堆积数据量去训练ai,等于是对数学研究的颠覆。
也正因为如此,ail实验室的整体思路其实还是偏保守。周舟却觉得,如果放手去做呢?
既然计算机的优势在于处理大数据,不如就调高训练数据的比例吧。
不需要那么辛苦地处理数据,不需要事先让人将每一道题目都绘出树状图,不需要试图让机器学会人类的思维方式。
计算机有计算机的路子。
他们只需要把很少的树状图输入进去,再辅以大量数据就可以了。
如果能跳脱人类的思维习惯。