第242章 这个年纪怎么睡得着呢？(1/7)
虽然家里面没在通知里说明具体原因,但召回的数学家研究方向部分趋同,还专门给陆明远打了电话,其实已经很能说明问题。这不难猜!
乔源研究的那几个项目两人都烂熟于心。
虽然乔源自觉拉了坨大的。
但在导师们眼里,能够引发国内这么大动静,必然是又出了什么了不起的成果。
实际也的确如此。
即便乔源是玩票性质,但自从乔源立项开始,许多人都对这个人工智能抱有极大的兴趣。
虽然早在十年前,阿法狗横空出世的时候,就已经迎来了人工智能技术的热潮。
国外的超级科技公司,谷歌、微软、亚马逊等等......也早已经深度布局这个赛道。
到如今人工智能也早已经发展得如火如荼。各种大语言模型,视觉生成模型,乃至于能做艺术创作的音乐生成模型,早已经走入了成千上万人的个人设备,成为许多创作者的辅助工具。
但极为反直觉的是,这些都是工程学上的成功。
到目前为止,这个世界还没有真正能指导人工智能发展的底层数学框架。
简单来说就是这个赛道没有理论指导,所有的大模型有一个算一个,都是在瞎摸索。
历史上这种情况很多。
当年蒸汽机发明的时候,其实也只是工程学的成功。
当时的影响跟应用范围其实很有限。
直到热力学定律出现,才真正开启了工业革命。
现在人工智能也是一样。没有AI第一性原理,所谓机器的深度学习就好像黑箱。
基于实验室的成功,大都是靠经验去试错。
看起来现在的人工智能已经很先进了,但遇到发展瓶颈就很容易抓瞎。
比如人工智能的记忆力问题。
哪怕只是微调新知识,也会导致覆盖了旧知识,长文档处理失真是普遍性问题。
一旦训练之后,就无法动态更新。长文档处理失真是家常便饭。
没有内生记忆机制的理论路线,导致隔一段时间,提同样的问题可能给出截然不同的回答。
所谓的机器记忆无非是一个个向量数据库,而不是AI本身的内生能力。
没有理论指导最大的问题还在于为了解决某个问题做了改动,往往会导致出现一堆的新问题。
不止是语言大模型,视频、音乐类的模型其实也一样。
哪怕最先进的人工智能视频生成软件,给出一样的关键词跟故事线,生成十个视频,大概只有一、两个能完美表达。
其他都属于垃圾,纯属浪费算力。
用业内的说法就是抽卡式生成或者算力抽奖………………
问题的关键是,哪怕用户做出了选择,给出了反馈,AI接着还是会犯同样的错误……………
这就是现在人工智能的通病。
成功了,不知道为什么成功。
出错了,也不知道如何弥补。
而一旦有了数学框架就不一样了,或者说有了底层数学理论指导就不一样了。
理论能提供一套行之有效的方法论,为人工智能发展做指导。
有了一个大体框架的约束,就能快速定位问题,保证人工智能技术沿着正确的方向快速发展,大幅度提升效率。
至于在理论指导下,开发出的第一代智能模型的表现,相对而言还没那么重要了。
这玩意儿是真有智能就行