冯向军的科学研究博客分享 http://blog.sciencenet.cn/u/冯向军 在本博客中专门从事以统计力学为核心的理论物理研究。

博文

比人类“低级”的事物就不能具备类似或超越人类的意识功能吗?

已有 1610 次阅读 2017-10-29 16:29 |个人分类:人工智能|系统分类:观点评述| 比人类“低级”的事物

比人类“低级”的事物就不能具备类似或超越人类的

意识功能吗?

美国归侨冯向军博士,2017年10月29日写于美丽家乡

 观念很重要,学术知音张学文先生口口声声说他老人家的《组成论》是科学专著,但却又有一个没说出口的潜台词,那就是他老人家是唯物主义者,老人家的《组成论》首先是唯物论。这可以从《组成论》和他老人家最近对本人工作的评论看出。反观自己,何尝又不是如此,只不过世界观不全同或不同而已。彼此彼此啊。

 由此可见一个人的观念,特别是世界观,高于他的科学观。观念上的革命往往是科学革命的前提。本文提出一个涉及科学观念的问题:

比人类“低级”的事物就不能具备类似或超越人类的意识功能吗?

本人的回答是肯定的:比人类“低级”的事物也可能具备类似或超越人类的意识功能。

(一)单细胞生物只花几小时,就超越了东京地铁数十年努力!

原文:http://www.sohu.com/a/197838281_100023985

它为何能有如此强大的“思考”与“设计”的能力?问你一个问题:这个地球上最具智慧的生命体是什么?你一定会说,那肯定是人类啊!关于这一点,我们很多人都深信不疑。

然鹅~ 近来的一个实验却用结果扭转了我们对智慧的认知~

下面有请我们今天的猪脚出场:黏液霉菌 (slime molds)~ 这是一种已存在几亿年之久的真核生物,乍看之下,它们只是一团不起眼的黏糊物。。就像酱紫的:

或是酱紫的:

但科学家经由实验发现,这种黏液霉菌只需花几小时,就实现了一群顶尖工程师花几十年才完成的事情!

在此实验中,科学家利用了黏菌的避光性,以光点模拟日本地形,然后在东京几个重要的地铁站对应处放置食物,结果发现——黏菌能以最省时和最科学的铺张路径去 get 这些食物,并在此过程中形成了一个网络!

而这个逐渐形成的网络。。竟和错综复杂的东京地铁路线几乎一模一样!

一起来对比下东京地铁图在将近一个世纪的过程中的扩张发展吧:

等下~ 你的意思是说:人类几十年来的智慧结晶,在短短26个小时就被黏菌超越了?? 这是神马情况?

这个看上去让人有点受不鸟的黏菌可既没有大脑,也没有神经元哇。

那么问题来了。它为何能有如此强大的“思考”与“设计”的能力?

这一切可以从黏菌的生物性说起,为了寻找食物,它们会先朝四面八方延展。

定位所有食物位置后,它们会收缩回来。

但在此过程中,它会形成一个高效率的传输网络,将食物连结起来。

如此一来,它便能自由自在地透过这些网络来吸收食物的养分。而这些网络的架构不会过于复杂,否则会消耗太多能量,导致投入产品比低的结果。。。

值得一提的是,黏菌竟然也会风险评估!

若通往某个食物的路线只有一条,那就很有可能因意外的发生而中断,因此它会在主要路线旁建立次要路线以备不时之需,达到安全与效率之间的完美平衡~

去年,黏菌研究专家奥得瑞·多斯图(Audrey Dussutour)还发现了一件更惊人的事情,她在 Ted 的演讲中提到了这一点:黏菌具有学习能力!

在实验中,奥得瑞每隔一段时间便给黏菌一些外在刺激,例如吹风或光照,使黏菌的生长受挫。

这些刺激持续一段时间后,她会突然中断这些刺激。而此时的黏菌如同有了记忆,会在原本应该出现刺激的时间点减缓生长速度,仿佛能够预测刺激的到来,以减缓生长速度来减少损伤。

所以其敏锐的感受能力形成的最后结果就是我们看到的酱紫,是不是很令人惊叹!

奥得瑞表示:“大部分人认为单细胞生物不可能具备学习能力,但我们试验了超过2千组黏菌却得出这样的结果,这不可能是意外。”

她还认为,黏菌就是靠着每个细胞的同步脉动来传输外界讯息,并在内部建构一个复杂的认知体系。

而这套独特的资讯处理方式不同于我们的大脑或电脑是用单一的中央处理器来思考并整理资讯,而是所有部分都自动自发地同步工作著。

目前,奥得瑞已经将此套理论出版书籍。

毫无疑问,这样的发现即将改变未来的电脑和网络型态,并帮助我们对地球上其他“无脑”生命体和我们人类自身有更进一步的认识~

或许它还会推动我们去探索那些更加终极的问题

——我们是谁?

我们从哪里来?

我们要到哪里去?

(二)阿尔法狗再进化:自学3天,就100:0碾压李世石版旧狗

原文:http://www.thepaper.cn/baidu.jsp?contid=1828509

伦敦当地时间10月18日18:00(北京时间19日01:00),AlphaGo再次登上世界顶级科学杂志——《自然》。

一年多前,AlphaGo便是2016年1月28日当期的封面文章,Deepmind公司发表重磅论文,介绍了这个击败欧洲围棋冠军樊麾的人工智能程序。

今年5月,以3:0的比分赢下中国棋手柯洁后,AlphaGo宣布退役,但DeepMind公司并没有停下研究的脚步。伦敦当地时间10月18日,DeepMind团队公布了最强版AlphaGo ,代号AlphaGo Zero。它的独门秘籍,是“自学成才”。而且,是从一张白纸开始,零基础学习,在短短3天内,成为顶级高手。

团队称,AlphaGo Zero的水平已经超过之前所有版本的AlphaGo。在对阵曾赢下韩国棋手李世石那版AlphaGo时,AlphaGo Zero取得了100:0的压倒性战绩。DeepMind团队将关于AlphaGo Zero的相关研究以论文的形式,刊发在了10月18日的《自然》杂志上。

“AlphaGo在两年内达到的成绩令人震惊。现在,AlphaGo Zero是我们最强版本,它提升了很多。Zero提高了计算效率,并且没有使用到任何人类围棋数据,”AlphaGo之父、DeepMind联合创始人兼CEO 戴密斯·哈萨比斯(Demis Hassabis)说,“最终,我们想要利用它的算法突破,去帮助解决各种紧迫的现实世界问题,如蛋白质折叠或设计新材料。如果我们通过AlphaGo,可以在这些问题上取得进展,那么它就有潜力推动人们理解生命,并以积极的方式影响我们的生活。”

不再受人类知识限制,只用4个TPU

AlphaGo此前的版本,结合了数百万人类围棋专家的棋谱,以及强化学习的监督学习进行了自我训练。

在战胜人类围棋职业高手之前,它经过了好几个月的训练,依靠的是多台机器和48个TPU(谷歌专为加速深层神经网络运算能力而研发的芯片)。

AlphaGo Zero的能力则在这个基础上有了质的提升。最大的区别是,它不再需要人类数据。也就是说,它一开始就没有接触过人类棋谱。研发团队只是让它自由随意地在棋盘上下棋,然后进行自我博弈。值得一提的是,AlphaGo Zero还非常“低碳”,只用到了一台机器和4个TPU,极大地节省了资源。

AlphaGo Zero强化学习下的自我对弈。

经过几天的训练,AlphaGo Zero完成了近5百万盘的自我博弈后,已经可以超越人类,并击败了此前所有版本的AlphaGo。DeepMind团队在官方博客上称,Zero用更新后的神经网络和搜索算法重组,随着训练地加深,系统的表现一点一点地在进步。自我博弈的成绩也越来越好,同时,神经网络也变得更准确。

AlphaGo Zero习得知识的过程


“这些技术细节强于此前版本的原因是,我们不再受到人类知识的限制,它可以向围棋领域里最高的选手——AlphaGo自身学习。” AlphaGo团队负责人大卫·席尔瓦(Dave Sliver)说。

据大卫·席尔瓦介绍,AlphaGo Zero使用新的强化学习方法,让自己变成了老师。系统一开始甚至并不知道什么是围棋,只是从单一神经网络开始,通过神经网络强大的搜索算法,进行了自我对弈。

随着自我博弈的增加,神经网络逐渐调整,提升预测下一步的能力,最终赢得比赛。更为厉害的是,随着训练的深入,DeepMind团队发现,AlphaGo Zero还独立发现了游戏规则,并走出了新策略,为围棋这项古老游戏带来了新的见解。

自学3天,就打败了旧版AlphaGo

除了上述的区别之外,AlphaGo Zero还在3个方面与此前版本有明显差别。

AlphaGo-Zero的训练时间轴

首先,AlphaGo Zero仅用棋盘上的黑白子作为输入,而前代则包括了小部分人工设计的特征输入。

其次,AlphaGo Zero仅用了单一的神经网络。在此前的版本中,AlphaGo用到了“策略网络”来选择下一步棋的走法,以及使用“价值网络”来预测每一步棋后的赢家。而在新的版本中,这两个神经网络合二为一,从而让它能得到更高效的训练和评估。

第三,AlphaGo Zero并不使用快速、随机的走子方法。在此前的版本中,AlphaGo用的是快速走子方法,来预测哪个玩家会从当前的局面中赢得比赛。相反,新版本依靠地是其高质量的神经网络来评估下棋的局势。

AlphaGo几个版本的排名情况。

据哈萨比斯和席尔瓦介绍,以上这些不同帮助新版AlphaGo在系统上有了提升,而算法的改变让系统变得更强更有效。

经过短短3天的自我训练,AlphaGo Zero就强势打败了此前战胜李世石的旧版AlphaGo,战绩是100:0的。经过40天的自我训练,AlphaGo Zero又打败了AlphaGo Master版本。“Master”曾击败过世界顶尖的围棋选手,甚至包括世界排名第一的柯洁。

对于希望利用人工智能推动人类社会进步为使命的DeepMind来说,围棋并不是AlphaGo的终极奥义,他们的目标始终是要利用AlphaGo打造通用的、探索宇宙的终极工具。AlphaGo Zero的提升,让DeepMind看到了利用人工智能技术改变人类命运的突破。他们目前正积极与英国医疗机构和电力能源部门合作,提高看病效率和能源效率。

(三)量子也有量子意识和量子心!

  量子在未被观察时,本质上是只具有同时平等遍历生死二态这一叠加态的薛定鄂猫。但是一旦被观察,量子的叠加态就立即坍缩成生态或死态,二者必居其一。两个相隔遥远的作为薛定鄂猫的量子A和B,一旦A被观察成纯死的,就不须在远方再对量子B进行观测,原来作为薛定鄂猫的量子B也会在零时间内顿时坍缩成纯活的。反之亦然。这就是所谓违反贝尔不等式的非定域量子纠缠的本质。

量子和量子意识的组成论用量子意识和量子心来解释这些可重复的真实不虚奇妙无比的实验事实。量子也有量子意识和量子心!

你可以不相信这个解释,但无法否认这些科学实验事实。

量子意识和量子心来自观察者还是为被观察者所本有?

显然,量子意识和量子心为被观察者所本有。要不然就无法解释局限在量子A处的观测如果发现作为薛定鄂猫的量子A是纯死的,那么就无须在远方再对量子B进行观测,也会在零时间内令作为薛定鄂猫的相隔遥远的量子B坍缩成纯活的。

量子和量子意识的组成论所谓的量子意识包括自由量子意识和受约束量子意识,而所谓的量子心是知觉或意识到一切量子皆同体的心。

二元广义系统在自然约束条件下 表现为物质中的作为薛定鄂猫的量子或一般事物中的作为最大似然冯向军泛有序对(A,非A)的广义量子,这种表现可称为自由量子意识,而二元广义系统一旦被观测,就好象具有以二元对立或非此即彼的二分性为基础的传统逻辑思维功能一样,突变或坍缩成非此即彼的两对立指向A和非A之一。这种表现则可称受约束量子意识







 



http://wap.sciencenet.cn/blog-1968-1082901.html

上一篇:量子意识和量子心来自观察者还是为被观察者所本有?
下一篇:《关于决定性事件的概率论》第七章广义量子观控科学技术

1 杨正瓴

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-4-18 03:59

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部