遗憾的是,地球人的人工智能科技发展走了一条歪路

​天鹅座开普勒-186F星球。

标贝科技 标贝科技

标贝科技-专业AI语音服务的人工智能开放平台

标贝科技 14 查看详情 标贝科技

第9527号观测员正在百无聊赖地观测地球。

宇宙文明监控局主任突然出现。

9527号,你监控了地球一百年,他们所谓的人工智能发展到什么程度了?

他们在下棋上花了不少功夫。

下棋?

对,就是两个人坐在桌子前,各自拿着一个个叫棋子的东西,在一个叫做棋盘的东西上战斗。

战斗?

嗯,其实就是一场游戏,要分出输赢。用地球人的话说,游戏是知识之源,他们通过让机器下棋来发展人工智能。 

地球人的思维真是奇特啊,那他们成功了吗?

似乎成功了,又似乎没成功,您有时间的话我详细说说?

别啰嗦,挑重点。 

地球人特别喜欢欺骗,早在1769年,这是他们的公元纪年法,有个德国人造了一个机械的下棋的装置,被命名为“土耳其人”,因为装置后面总是站着一个土耳其装束的木头人, 对了,土耳其是他们的另外一个国家。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

外星人:可惜,地球人的AI科技树长歪了!

机械装置,能自动下棋?地球人的科技树是不是长歪了?

这个“土耳其人”成为娱乐欧洲皇室的保留节目,还被献给过一个叫做拿破仑的军事天才,欧洲的征服者。拿破仑和这个土耳其人下棋,大败而归,气得他把棋子全部都胡噜到地上。

“土耳其人”在欧洲招摇撞骗了几十年,后来被人识破,它根本就不会下棋,而是里边有个活人,并且是下棋的高手!

外星人:可惜,地球人的AI科技树长歪了!

这些奇怪的地球人啊,这在我们星球是绝对不可能发生的事情。

到了20世纪40年代,不知道为何,地球人中突然涌现出一大批天才,不但发明了计算机,还开始思考机器能否具备人类智能这样深奥的问题。

天才?都有谁?

比如图灵,他奠定了地球上可编程计算机的基本理论,冯·诺依曼提出了一直沿用至今的计算架构,还有香农,他居然发现了信息背后的秘密,建立了信息论,幸亏他酷爱杂耍,后半辈子转向了“杂耍学”,要不然,天知道他会再折腾出什么东西来!

外星人:可惜,地球人的AI科技树长歪了!

地球人确实很奇怪,这样的人,在我们星球,非把他的才智榨干了才让他去休息。 

这些地球人天才都喜欢研究计算机下棋,图灵最可怜,虽然在1947年写了一个国际象棋的程序,但是当时的计算机时间(简称机时)很宝贵,根本轮不到他。

冯·诺依曼提出了一个叫做Minimax的两人对弈算法,对弈的过程构成一颗博弈树,树的增长是指数式的,当树很深时,树的规模会变得不可控。

外星人:可惜,地球人的AI科技树长歪了!

所以另外一个天才麦卡锡发明了一个叫做α-β剪枝的优化方法,原始的Minimax算法是在博弈树被全部画出后再静态地计算评估函数,而α-β剪枝术则采取边画树边计算评估函数的动态方法。当评估函数的值超越给定的上界和下界时,树的搜索过程就停止,这样大大减少了树的规模。

那个玩杂耍的香农不下棋吗?

肯定下啊,这个人吧,似乎特别擅长从数学的角度来解释事情,信息论是这样,下棋也是这样。他写了一篇论文《程序实现计算机下棋》,把棋盘定义为二维数组,每个棋子都有一个对应的子程序计算棋子所有可能的走法,最后有个评估函数,这样就从数学角度给出了一个棋类游戏复杂度的评估方法。

那他们的计算机会下棋了吗?

会下了,但是水平非常次,根本赢不了地球人,于是他们人类只好让机器之间互相下,搞什么“世界计算机象棋锦标赛”,看看谁的机器水平高。

哈哈哈,可怜的地球人!

当时地球上有两个大国,美国和苏联,他们在军事、经济、科技、体育等各个领域激烈对抗,机器下棋也不例外,代表美国出战的就是麦卡锡在斯坦福开发的Kotok-McCarthy。经过4个地球月的鏖战,Kotok-McCarthy还是以1:3败给了苏联的程序。

外星人:可惜,地球人的AI科技树长歪了!

你刚才说下了四盘棋,花了4个地球月?

是啊,那个时候地球人没有互联网,用的是一种叫做电报的东西来下棋的,这是一种机器落后的通信工具。

地球人比我们晚发展了几十万年,这么慢的通信效率,真是难以想象啊。

后来美国又开发了一个叫做CHESS的程序,在美国所向披靡,赢得了4次计算机象棋比赛。美国人信心满满,参加世界计算机象棋锦标赛,向苏联复仇,没想到又被苏联的KAISSA象棋程序给击败。不得不说,苏联在国际象棋领域是非常厉害的,棋手厉害,程序也厉害。

外星人:可惜,地球人的AI科技树长歪了!

那美国就此认输了?

那不会,到了80年代,美国贝尔实验室的又一个天才,发明了Unix的Ken Thomson开发了Belle程序,非常厉害,是第一个取得“大师”称号的计算机棋手。

外星人:可惜,地球人的AI科技树长歪了!

当Belle去苏联比赛,准备报仇的时候,不幸被美国美国政府在肯尼迪机场海关没收,理由是企图向苏联输送先进武器,因为里边有对苏联禁运的超大规模集成电路。

外星人:可惜,地球人的AI科技树长歪了!

超大规模集成电路?

是啊,之前地球人写的下棋程序老是赢不了人类,除了算法实在落后之外,还有一个很大的原因是计算力硬件太差,计算力跟不上。后来在摩尔定律的关照下,硬件越来越厉害,暴力穷举的能力越来越强,终于,在1997年,IBM的“深蓝”击败了世界象棋冠军卡斯帕罗夫,他也是俄罗斯人。

外星人:可惜,地球人的AI科技树长歪了!

地球人可真不容易啊!

是啊,深蓝”胜利之后,大家认为计算机下棋这事已经到头了,没人愿意费力不讨好,IBM也解散了“深蓝”团队。但是在神秘的东方,有一种叫做围棋的游戏,远比国际象棋复杂得多,它的搜索空间在10^170以上,比宇宙中粒子数还多,只靠评估函数和剪枝是不行的。

这对我们这里的计算机来说还是小菜一碟?地球人是怎么解决的?

地球人提出了一个叫做蒙特卡洛的办法,他们经常用计算圆的面子为例来介绍这个方法:在一个正方形里贴边画一个圆,然后随机向这个正方形里扔沙粒,扔到足够多时,开始数有多少沙粒落在圆里,用这个数字除以所扔沙粒总数再乘以正方形面积,就是圆的面积。

外星人:可惜,地球人的AI科技树长歪了!

嗯,地球人中还真是有些天才人物!

他们在让机器下围棋的时候,也引入了蒙特卡洛算法,在概率最大的地方落子。一个叫Google的公司开发了一个叫AlphaGo的程序,使用了蒙特卡洛算法和深度学习,配合强大的算力,居然击败了人类的顶尖棋手李世石!

外星人:可惜,地球人的AI科技树长歪了!

这么说,人类攻克了所有的棋类游戏?

不,他们其实没有攻克,我悄悄看过一眼AlphaGo,那真是一个黑盒子,地球人根本解释不清楚里边到底是什么东西,即使是拿我们星球的科技来分析也很困难。

实际上AlphaGo没有情感,没有智能,它以胜利、赢得比赛的实用主义哲学为唯一目标,而不是以追求必胜策略或最优理论的理性主义为目标。

​地球人真正攻克的是跳棋,Chinook跳棋程序于1994年就战胜了当时的跳棋冠军,直到2007年,地球人才从理论上证明“只要对弈双方不犯错,最终都是和棋”。

嗯,看来这个黑盒子没多大用处!

不不,地球人现在很狂热,他们试图把黑盒子应用到人类生活的各个领域,在某些领域还取得了不错的效果,例如人脸识别。他们现在管这个东西叫人工智能!

他们开发出的人工智能怎么会这么弱呢?你把代码发给我看看!

9527号搜索出一段代码,发给主任。

地球人写得代码都这么烂吗?

不不,这是我随意找的,他们也有好代码,比如Linux。

主任在代码上扫描了一毫秒,立刻发现了问题:啊?程序中只有顺序、循环、分支这三种基本结构?

是的,在冯诺依曼架构下就是如此!

看来地球的科技树真的长歪了!

我们要不要干预一下?把我们十万年前发明的计算机原理告诉地球人?

不,我们只能观察,干预文明的进程违反了宇宙文明公约,你继续监控吧。​

以上就是遗憾的是,地球人的人工智能科技发展走了一条歪路的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/549229.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月9日 19:16:22
下一篇 2025年11月9日 19:17:33

相关推荐

  • 使用 Python 和 AWS 构建实时天气数据收集系统

    在数据驱动的决策时代,天气数据已成为企业和个人不可或缺的资源。无论是物流、农业还是旅游规划,实时天气数据采集系统都能提供宝贵的参考依据。本文将逐步指导您如何利用python、openweather api和aws s3构建一个高效的天气数据采集系统。 项目概述 本项目将演示如何: 使用OpenWea…

    2025年12月13日 好文分享
    000
  • 现代化 HyperGraph 的 CLI:迈向更好架构的旅程

    Hypergraph,我的个人知识管理系统项目,旨在整合点对点网络、范畴论和高级语言模型于一体。目前仍处于早期开发阶段,但其目标是革新集体知识的组织、共享和发展方式,实现真正的去中心化协作,同时保障个人自主权和隐私。 该系统正构建一个复杂的服务层,包含分布式状态管理、事件处理和P2P基础设施。 在H…

    2025年12月13日
    000
  • 攀登深度优先搜索之山,《代码来临》第 10 天

    深入解析第十天难题:多路径深度优先搜索 第十天难题延续了第六天的二维网格模式,但挑战升级为寻找多条路径。本文将详细阐述如何巧妙运用深度优先搜索算法(DFS)解决此问题。 copilot提供的AI拼图插图 地图用一个字典表示,键为(x, y)坐标,值为该点的高度(0-9,9为峰值)。以下代码实现了地图…

    2025年12月13日
    000
  • 使用“加载更多”按钮抓取无限滚动页面:分步指南

    应对动态网页加载数据的挑战:自动化“加载更多”按钮的网页抓取 您的网页抓取工具是否在尝试从动态网页加载数据时卡住了?那些恼人的“加载更多”按钮让您抓狂吗?别担心,您并非孤身一人!许多网站如今都使用这些设计来提升用户体验,但这对网络抓取工具来说却是个挑战。 本教程将指导您完成一个针对初学者的循序渐进练…

    2025年12月13日
    000
  • PyTorch 中的 CocoCaptions (3)

    请我喝杯咖啡☕ *备忘录: 我的帖子解释了cococaptions()使用带有captions_train2014.json、instances_train2014.json和person_keypoints_train2014.json的train2014、带有captions_val2014.j…

    2025年12月13日
    000
  • 日间编码之旅)

    本文记录一个简单的电脑用户验证程序的开发过程,旨在防止他人长时间占用您的电脑。该程序的核心功能是每小时要求输入密码进行身份验证。 程序工作原理 程序通过密码验证机制实时检查电脑当前用户。它在后台运行,每小时弹出密码验证窗口。为了防止用户关闭或最小化程序,程序将设置高优先级。若密码错误,电脑将自动关机…

    2025年12月13日
    000
  • 快速而肮脏的文档分析:在 Python 中结合 GOT-OCR 和 LLama

    让我们探索一种结合ocr和llm技术分析图像的方法。虽然这不是专家级方案,但它源于实际应用中的类似方法,更像是一个便捷的周末项目,而非生产就绪代码。让我们开始吧! 目标: 构建一个简单的管道,用于处理图像(或PDF),利用OCR提取文本,再用LLM分析文本以获取有价值的元数据。这对于文档自动分类、来…

    2025年12月13日
    000
  • 如何在 Python 中重写装饰器参数

    要修改子类中父类方法的装饰器参数,您必须在子类中重写该方法。仅仅在子类中声明同名的类变量并不会影响装饰器参数,除非您显式地重新定义该方法。 示例代码 将以下代码保存为 test.py 文件: def my_decorator_with_args(param1, param2): “””带参数的装饰器…

    2025年12月13日
    000
  • Docker 的开发:第 3 集

    本篇是 Ruby on Rails 应用 Docker 化系列的最终篇章。我们将学习如何在容器中执行日常任务。 运行 Rake 任务和 Rails 命令 运行 Rake 任务非常简单。镜像构建完成后,可使用 docker-compose 在容器内执行命令。例如,查看应用路由: $ docker-co…

    2025年12月13日
    000
  • 什么是机器学习?初学者指南

    机器学习 (ml):开启人工智能时代的新篇章 机器学习是当今最激动人心、最具颠覆性的技术之一,它正在改变着各个行业的面貌,从个性化推荐到自动驾驶,其影响力日益显著。但机器学习究竟是什么?它如何运作?本文将用简洁易懂的语言,为您揭开机器学习的神秘面纱。 什么是机器学习? 简单来说,机器学习是人工智能 …

    2025年12月13日
    000
  • 使用 Beautiful Soup 在 Python 中进行网页抓取和解析 HTML

    利用python和beautiful soup从网络抓取midi数据,训练magenta神经网络生成经典任天堂风格音乐。本文将引导您完成整个过程,从环境搭建到数据下载,并提供代码示例。 准备工作与依赖安装 首先,确保已安装Python 3和pip。建议创建一个虚拟环境,以避免包冲突。 激活虚拟环境后…

    2025年12月13日
    000
  • 您真的需要人工智能代理吗?

    人工智能代理的出现为处理复杂工作流程带来了革命性变革。这些系统赋予大型语言模型 (LLM) 动态规划工作流程的能力,从而在传统预设流程无法胜任的情况下提供灵活的解决方案。然而,代理并非总是最佳选择。有时,简单的确定性工作流程能带来更好的结果。那么,如何判断何时该使用代理,何时又该避免使用呢?让我们深…

    2025年12月13日
    000
  • Gen AI 开发者周第 5 天

    Gen AI 开发人员第 1 周 – 第 5 天。有效的数据可视化连接…… |作者:Sai Chinmay Tripurari | 2025 年 1 月 |中 Sai Chinmay Tripurari · 2025 年 1 月 5 日 · saichinmayt.Medium 以上就是…

    2025年12月13日
    000
  • 那么,人工智能代理的真正定义是什么?

    人工智能代理究竟是什么?它仅仅是一个能访问外部API的大型语言模型(LLM)吗? 答案是:差不多。 我们所说的AI代理,主要指基于LLM的代理。想象一下ChatGPT这样的通用LLM,但并非直接使用,而是为其配备各种工具来增强其能力。 例如,询问ChatGPT明天的天气。LLM本身无法回答,因为它无…

    2025年12月13日
    000
  • 使用 AI 工具和 Azure 静态 Web 应用构建教育游戏(第 1 部分)

    探索游戏化学习:一个使用ren’py和ai构建的教育视觉小说游戏 一直以来,将创造力、技术和趣味性融合于一体的理念都深深吸引着我。最近,我尝试通过开发一款教育性质的视觉小说游戏来探索这种可能性。虽然我缺乏游戏开发经验,但我渴望尝试新事物,因此我选择使用Ren’Py——一个基于…

    2025年12月13日 好文分享
    000
  • PyTorch 中的 CocoCaptions (1)

    请我喝杯咖啡☕ *备忘录: 我的帖子解释了cocodetection()使用带有captions_train2014.json、instances_train2014.json和person_keypoints_train2014.json的train2014、带有captions_val2014.…

    2025年12月13日 好文分享
    000
  • AI 代理初学者教程

    AI 代理入门指南 概述 人工智能(AI)已彻底改变了我们的生活、工作和互动方式,成为现代科技的核心。AI 代理是AI领域的基础概念,赋予机器决策、解决问题和适应变化的能力。本教程将全面介绍AI代理,涵盖AI、机器学习和编程语言的基础知识,以及基于代理的建模和仿真。 什么是AI代理? AI代理是利用…

    2025年12月13日
    000
  • 了解 Python 中的正则表达式:一个实际示例

    简介 正则表达式(Regex或Regexp)是强大的模式匹配和文本处理工具,用于精确查找、匹配和操作字符串。本文通过一个Python客户验证函数的实际案例,演示正则表达式的应用。 背景 假设需要验证客户信息,特别是姓名和手机号码。以下Python代码片段使用正则表达式验证手机号码: 立即学习“Pyt…

    2025年12月13日
    000
  • 使用 Amazon Bedrock 构建个性化学习伴侣

    我现在正在攻读硕士学位,我一直想找到方法来减少每天的学习时间。瞧!这是我的解决方案:使用 amazon bedrock 创建一个学习伙伴。 我们将利用 amazon bedrock 来利用 gpt-4 或 t5 等基础模型 (fm) 的力量。 这些模型将帮助我们创建一个生成式人工智能,可以回答用户对…

    好文分享 2025年12月13日
    000
  • PyTorch 中的 CocoCaptions (2)

    请我喝杯咖啡☕ *备忘录: 我的帖子解释了cococaptions()使用带有captions_train2014.json、instances_train2014.json和person_keypoints_train2014.json的train2014、带有captions_val2014.j…

    2025年12月13日 好文分享
    000

发表回复

登录后才能评论
关注微信