涌现，就是大量个体聚集形成一种概率稳定的合体系统。 和还原论相反，其实并不是系统越复杂就越难稳定，而往往是系统越复杂越容易稳定。最简单的概率论例子就是大数定律，次数少了反而没规律，次数越多越稳定。
概率论和还原论是死对头。
thanks
✨ 00:00 量子力学与意识的关系 量子力学中的量子纠缠和测量的不确定性，可能与人的脑神经细胞的底层机制有联系。这种角度否定了物理主义对意识的完全可知性，支持人有自由意志。 🔍 01:07 自由意志与量子力学 自由意志可能基于量子力学底层的不确定性和模糊的多个物理状态重叠性的存在。这种微观角度尝试解释人的总体意识现象。 🌊 01:37 涌现现象（Emergentism） 涌现现象指的是系统由简单部件组成，但产生了无法用简单部件解释的复杂特性。这种特性在总体系统中无法通过底层特性来解释。 🧩 02:25 弱涌现现象 弱涌现现象指底层部件的特性可以解释总体系统的特性，但过程非常复杂。系统行为可以用现有定律解释，但实际操作非常艰难。 🔬 05:04 物理与化学的关联 化学现象可追溯至物理定律和基本粒子的行为。水的不同状态（液态、固态、气态）是由水分子的物理特性决定的，属于涌现现象。 💭 09:59 弱涌现现象与意识 科学家普遍接受意识是弱涌现现象，认为意识状态可追溯到脑神经元的总体活动。这种涌现现象使得单个神经元的现象无法解释整体意识。 🧠 12:24 意识的模块化与整合 大脑的不同区域负责不同的体验功能，这些功能整合形成完整的意识状态。意识是脑神经活动的总体呈现，是可以用物理定律描述的弱涌现现象。 🤖 17:05 弱涌现与人工智能 弱涌现论支持人工智能最终能达到与人类意识等同的状态。这包括第一人称体验，只要有足够精细的运算量。 🔍 21:07 强涌现现象 强涌现现象认为即使知道底层规律，也无法完全解释涌现现象。这涉及一些未知因素的影响。下一节将探讨强涌现现象与意识的理解。
最近几个月才开始了解围棋。感觉目前AI在围棋上的思维方法和人类以前的思维可以说有本质的不同。过去人类看整盘棋，是割裂的，虽然有大局观，但是从人类在围棋常用词汇上可以看出来，脱先，应与不应，这些可以说基本上是有点死板的。因为如果从整盘棋上看，每一手棋都是在回应，都是在试探。一般低段位人类下的每一步棋，要么只进攻，要么只防守，要么只是单纯围地。高段位人类可以下一步都有几个目的的棋子。但是AI的每一步棋都是三种目的合并。不单纯围地，不单纯进攻，不单纯防守或者逃跑。AI这步棋虽然已经下出，但是其作用却不是下出的时候确定下来的。而是由对手的下一步来确定的。这个好像量子里面的概率坍塌呀。感觉冥冥中有些类似。年初带孩子去学围棋作为课外活动，结果自己也有点感兴趣。但是没空学定式。结果和棋室中的人一共下了不到20局，从完全不懂围棋到干掉了下了多年的一段，竟然只下来不到20盘。😂
90年代，电脑深蓝通过暴力运算的方法打败了人类棋手。因为象棋的复杂性跟围棋完全不能相比。围棋根本无法通过暴力计算就算出来结果从而取胜。所以目前AI的行棋都是看概率，每一步对全局的影响都只是一个概率。也就是说一开始是没有绝对胜负的。但随着棋盘上的棋子越来越多，概率就会越来越明显，不确定性就迅速坍塌成了确定性，棋局胜负也就分出来了。这个现象就像是微观的概率性和宏观的确定性一样
从人类的围棋语言上也能够看出来思维局限，比如说围棋流派，比如说某棋手的风格，稳扎稳打，或者飘逸灵动，比如说某一步是保守，某一步是激进，等等，给出来各种称谓。甚至还说围棋是所谓的“东方智慧”。不但医学，就连智慧也分了东西。而在AI看来，每一步只是简简单单的“概率”。最早的阿尔法狗的创造者也不过是围棋业余三段而已。但是他领导创造出来AI确能打败任何人类棋手。真要分东西方智慧的话，那就是引以为豪的所谓的“东方智慧”又一次败给了西方。
现在的AI其实是典型的自闭症autism。 自闭症的成因是：大脑的信息输入通道脑干出现异常，以至于发生严重选择性偏向，形成失衡的输入信息刺激，对大脑神经元网络的状态（即意识、智能）造成所谓的“偏科”。 自闭症的常见症状是个别能力非常突出，但做很平常的事情却不行。成因即在于此。 现在DeepLearning AI的training 完全由人类开发者来选择输入刺激，并且有意促成“偏科”，对个别能力不遗余力地强调（例如对AlphaGo的下棋能力的单一强调）而完全抛弃其他类信息的输入刺激。这就是妥妥地走在制造自闭症的康庄大道上。 所以，不难看出，即使假设人脑的机制和DeepLearning AI的机制就是一回事（我本人就是这样认为：它俩就是一回事），在可见的将来/在我有生之年，实现出来的DeepLearning AI也全是一群深度自闭症的患者，所谓的idiot savant。
爱因斯坦、马斯克都疑似有阿斯伯格综合征Asperger syndrome，也就是所谓的高智商自闭症，大致上可以解释为：他们的大脑没有问题，而且属于复杂度度量图熵更高的大脑（即拥有更高智能潜力的大脑），但他们的大脑的信息输入通道（脑干、杏仁核部位）也有异常，所以造成他们“偏科”个别能力特别突出。 AlphaGo以及其他DeepLearning AI的情况，和他们类似。 本质上说，这些人和AI的个别能力特别强 并不是真的有什么不可测的神秘因素作祟，而是他们的脑神经元网络 被某些偏向性的输入刺激 训练的结果，其神经元网络的复杂度度量图熵更高 更适合处理某些问题。
Пікірлер: 10
涌现，就是大量个体聚集形成一种概率稳定的合体系统。 和还原论相反，其实并不是系统越复杂就越难稳定，而往往是系统越复杂越容易稳定。最简单的概率论例子就是大数定律，次数少了反而没规律，次数越多越稳定。
@AkiraNakamoto
15 күн бұрын
概率论和还原论是死对头。
thanks
✨ 00:00 量子力学与意识的关系 量子力学中的量子纠缠和测量的不确定性，可能与人的脑神经细胞的底层机制有联系。这种角度否定了物理主义对意识的完全可知性，支持人有自由意志。 🔍 01:07 自由意志与量子力学 自由意志可能基于量子力学底层的不确定性和模糊的多个物理状态重叠性的存在。这种微观角度尝试解释人的总体意识现象。 🌊 01:37 涌现现象（Emergentism） 涌现现象指的是系统由简单部件组成，但产生了无法用简单部件解释的复杂特性。这种特性在总体系统中无法通过底层特性来解释。 🧩 02:25 弱涌现现象 弱涌现现象指底层部件的特性可以解释总体系统的特性，但过程非常复杂。系统行为可以用现有定律解释，但实际操作非常艰难。 🔬 05:04 物理与化学的关联 化学现象可追溯至物理定律和基本粒子的行为。水的不同状态（液态、固态、气态）是由水分子的物理特性决定的，属于涌现现象。 💭 09:59 弱涌现现象与意识 科学家普遍接受意识是弱涌现现象，认为意识状态可追溯到脑神经元的总体活动。这种涌现现象使得单个神经元的现象无法解释整体意识。 🧠 12:24 意识的模块化与整合 大脑的不同区域负责不同的体验功能，这些功能整合形成完整的意识状态。意识是脑神经活动的总体呈现，是可以用物理定律描述的弱涌现现象。 🤖 17:05 弱涌现与人工智能 弱涌现论支持人工智能最终能达到与人类意识等同的状态。这包括第一人称体验，只要有足够精细的运算量。 🔍 21:07 强涌现现象 强涌现现象认为即使知道底层规律，也无法完全解释涌现现象。这涉及一些未知因素的影响。下一节将探讨强涌现现象与意识的理解。
最近几个月才开始了解围棋。感觉目前AI在围棋上的思维方法和人类以前的思维可以说有本质的不同。过去人类看整盘棋，是割裂的，虽然有大局观，但是从人类在围棋常用词汇上可以看出来，脱先，应与不应，这些可以说基本上是有点死板的。因为如果从整盘棋上看，每一手棋都是在回应，都是在试探。一般低段位人类下的每一步棋，要么只进攻，要么只防守，要么只是单纯围地。高段位人类可以下一步都有几个目的的棋子。但是AI的每一步棋都是三种目的合并。不单纯围地，不单纯进攻，不单纯防守或者逃跑。AI这步棋虽然已经下出，但是其作用却不是下出的时候确定下来的。而是由对手的下一步来确定的。这个好像量子里面的概率坍塌呀。感觉冥冥中有些类似。年初带孩子去学围棋作为课外活动，结果自己也有点感兴趣。但是没空学定式。结果和棋室中的人一共下了不到20局，从完全不懂围棋到干掉了下了多年的一段，竟然只下来不到20盘。😂
@newbook317
15 күн бұрын
90年代，电脑深蓝通过暴力运算的方法打败了人类棋手。因为象棋的复杂性跟围棋完全不能相比。围棋根本无法通过暴力计算就算出来结果从而取胜。所以目前AI的行棋都是看概率，每一步对全局的影响都只是一个概率。也就是说一开始是没有绝对胜负的。但随着棋盘上的棋子越来越多，概率就会越来越明显，不确定性就迅速坍塌成了确定性，棋局胜负也就分出来了。这个现象就像是微观的概率性和宏观的确定性一样
@newbook317
15 күн бұрын
从人类的围棋语言上也能够看出来思维局限，比如说围棋流派，比如说某棋手的风格，稳扎稳打，或者飘逸灵动，比如说某一步是保守，某一步是激进，等等，给出来各种称谓。甚至还说围棋是所谓的“东方智慧”。不但医学，就连智慧也分了东西。而在AI看来，每一步只是简简单单的“概率”。最早的阿尔法狗的创造者也不过是围棋业余三段而已。但是他领导创造出来AI确能打败任何人类棋手。真要分东西方智慧的话，那就是引以为豪的所谓的“东方智慧”又一次败给了西方。
@AkiraNakamoto
14 күн бұрын
现在的AI其实是典型的自闭症autism。 自闭症的成因是：大脑的信息输入通道脑干出现异常，以至于发生严重选择性偏向，形成失衡的输入信息刺激，对大脑神经元网络的状态（即意识、智能）造成所谓的“偏科”。 自闭症的常见症状是个别能力非常突出，但做很平常的事情却不行。成因即在于此。 现在DeepLearning AI的training 完全由人类开发者来选择输入刺激，并且有意促成“偏科”，对个别能力不遗余力地强调（例如对AlphaGo的下棋能力的单一强调）而完全抛弃其他类信息的输入刺激。这就是妥妥地走在制造自闭症的康庄大道上。 所以，不难看出，即使假设人脑的机制和DeepLearning AI的机制就是一回事（我本人就是这样认为：它俩就是一回事），在可见的将来/在我有生之年，实现出来的DeepLearning AI也全是一群深度自闭症的患者，所谓的idiot savant。
@AkiraNakamoto
14 күн бұрын
爱因斯坦、马斯克都疑似有阿斯伯格综合征Asperger syndrome，也就是所谓的高智商自闭症，大致上可以解释为：他们的大脑没有问题，而且属于复杂度度量图熵更高的大脑（即拥有更高智能潜力的大脑），但他们的大脑的信息输入通道（脑干、杏仁核部位）也有异常，所以造成他们“偏科”个别能力特别突出。 AlphaGo以及其他DeepLearning AI的情况，和他们类似。 本质上说，这些人和AI的个别能力特别强 并不是真的有什么不可测的神秘因素作祟，而是他们的脑神经元网络 被某些偏向性的输入刺激 训练的结果，其神经元网络的复杂度度量图熵更高 更适合处理某些问题。