第(1/3)頁

    魯東義的干脆有些出乎寧為的意料，他本以為還要多說兩句的，好在師兄似乎看出了他的疑惑，在他轉(zhuǎn)身前，感慨了一句：“照你說的，如果有一天，咱們的成就真能達(dá)到見到愛因斯坦得先給我們遞煙，碰到牛頓他得先來敬酒的高度，的確挺值得期待的。”

    寧為腳步頓了頓，品位了一番這追求，除了稍微有些不太吉利外，沒啥毛病。當(dāng)即頭也不回的答道：“只要我們有自信，一定可以的！”

    “哦，對了，后天就是國慶七天假了，做事情還是有張有弛比較好，我建議你可以好好的出去玩幾天，等假放完之后我會每天監(jiān)督你工作狀態(tài)的。”魯東義又說了句。

    寧為隨便揮了揮手代表他知道了，然后果斷的回到了自己的辦公室。

    人在陷入對未來的思考時，屁話通常會很多，即便是高智商也難以免俗，比如魯東義。

    心情自然是更好了，寧為想通了許多東西豁然開朗之后，已經(jīng)明白他想做的事情光靠他一個人肯定不夠，哪怕是加上余興偉也不夠，必須有一群人能夠跟他有相同的理念，然后一起為這個目標(biāo)而奮斗。

    魯東義無疑從任何方面來看都是極為合適的。自身智力條件就不用說了，本身還是燕北大學(xué)的副教授，且在國內(nèi)數(shù)學(xué)界尤其是學(xué)生中間本身就具備極大影響力，以后振臂一呼，肯定能拉來不少感興趣的學(xué)生，在加上本身就有授課經(jīng)驗，簡直完美！

    把魯東義綁上了戰(zhàn)車還是得做出點東西，來鼓勵大家的。

    坐到自己的辦公桌前，得意了一會后，寧為才發(fā)現(xiàn)辦公室里明顯被收拾過，他早上翻亂的東西都已經(jīng)被擺的整整齊齊，窗臺上的花瓶里也插上兩朵新鮮的桂花，正散發(fā)著怡人的花香。

    顯然這是江同學(xué)專門來收拾過，寧為閉上眼睛，狠狠的嗅了嗅房間內(nèi)的香氣，這才打開了自己的筆記本，開始繼續(xù)思考如何搭建他的理論框架。其實在參加stoc大會之后，寧為便對基礎(chǔ)的人工智能搭建過一個基礎(chǔ)框架，并將之用到了三月的主程序構(gòu)建，所以他現(xiàn)在需要考慮的是更加抽象的問題，機(jī)器的意識建模。

    說的更清晰些，就是通過數(shù)學(xué)模型來描述物理狀態(tài)的整個信息系統(tǒng)。如果需要這一理論成立，那么大概就可以理解為相適應(yīng)的算法將是機(jī)器的意識。

    要從理論上解決這個問題，最困難的步驟就是要解決一個哲學(xué)上的命題，非還原主義。具體到他現(xiàn)在所考慮的人工智能領(lǐng)域，大概描述就是要證明這個世界類人高級智能活動過程能否全部或絕大部分還原為計算過程。

    如果可以，需要給出具體推導(dǎo)過程；即便不是所有人類智能活動過程都還原為計算過程，理論上也要給出盡可能多的高級智能夠還原為基本計算過程的原理，因為這是強(qiáng)人工智能數(shù)學(xué)理論中最重要的部分。當(dāng)然，如果可以還要嘗試論證被摒棄的那一部分是無用智能……

    比如對于人類來說，其實并不需要給為你輔助的智能設(shè)備添加審美功能。畢竟不能說以后某位長得過于抽象的客戶買了一部最新的智能手機(jī)，智能手機(jī)還能因為攝像頭感知到主人長得太丑而長期以低效的模式提供智能服務(wù)，這就是屬于給自己找麻煩的高級智能還原。

    這是寧為正在做的東西。

    他需要將一系列人類需要的智能反應(yīng)過程，轉(zhuǎn)化為計算過程提供出有力的理論證明，并結(jié)合大數(shù)據(jù)證明機(jī)器可以擁有主動學(xué)習(xí)能力，并為實現(xiàn)更精確的計算機(jī)視覺、聽覺甚至觸覺提供一個更簡單更精準(zhǔn)的理論指導(dǎo)。

    說起來簡單，但真的做起來卻是極為復(fù)雜的過程。在制作數(shù)學(xué)模型的時候需要充分考慮到其可擴(kuò)展性，包括每個計算單元、每個算符，想要實現(xiàn)一個很簡單的能力可能都需要多級程序語言調(diào)用的多級編譯或解釋系統(tǒng)。這一點是從構(gòu)建三月主體程序得到的經(jīng)驗。

    以三月為例，現(xiàn)在三月就具備了一定的程序感知能力，跟對基本語義的識別能力，這些都是建立在主動學(xué)習(xí)基礎(chǔ)之上的。但實際上就目前的三月來說，相對于她審核那些可公式化的數(shù)學(xué)稿件，在識別人類基礎(chǔ)語義這塊消耗的算力要更多。

    想要讓機(jī)器如同人類一樣去識別語言語義，尤其是識別一些不同環(huán)境下能表現(xiàn)豐富情緒的語義，往往還需要機(jī)器對情緒的洞察力。

    而這一切都是人工智能理論構(gòu)架的基礎(chǔ)，其難度自然是極大的，寧為能做的便是將所有的問題分解成一個個小問題，然后一個個解決，最終形成整套大理論。

    比如他已經(jīng)解決了其中最簡單的大數(shù)據(jù)壓縮難題。通過強(qiáng)壓縮手段可以讓人工智能程序在最短時間內(nèi)獲得最多的數(shù)據(jù)來鍛煉其本身的分析判斷能力。現(xiàn)在寧為正在做的則是人類理解語義、情緒的計算還原過程。

    這塊做完了，他的拔尖青年項目也能順利完成，順便在拿個圖靈獎大概問題不大。這塊的難度雖然極大，超乎想象的大，但有三月作為參照物，卻讓難度直線下跌了不少，最關(guān)鍵的點在于整個學(xué)習(xí)過程的計算模式還原。

    大概瀏覽了之前已經(jīng)完成的內(nèi)容，寧為快速的開始在程序中構(gòu)建大腦中確定的行為模式模型。

    “定義7，數(shù)據(jù)對象o是一個有指定類t的變量v，v∈v ? pv ? u，其由類型約束μv（t）限制以便將此一般類t通過子域裁剪t″轉(zhuǎn)化為一給定問題的特定類t′。
    第(1/3)頁