為什麼社會發展的越來越快?——人工智慧可能真的會讓人類最終走向滅亡

為什麼社會發展的越來越快?——人工智慧可能真的會讓人類最終走向滅亡

自己的頭腦風暴兩個觀點:

1)推動人類發展的主動力是數學,影響人類發展快慢的是數學計算工具的計算速度(也就是說數學計算速度越快,人類發展速度就越快,反之亦然)

(2)人工智慧可能真的會讓人類最終走向滅亡(先別急著噴,看我下面的詳細正文)

觀點一:推動人類發展的主動力是數學,影響人類發展快慢的是數學計算工具的計算速度

人類真正的文明史也就幾千年,然而幾千年裡面也就近一、二百年內發展的最快,相信數學專業的都知道,數學的發展史大致可以分為四個時期。

第一時期

數學形成時期,這是人類建立最基本的數學概念的時期。人類從數數開始逐漸建立了自然數的概念,簡單的計演算法,並認識了最基本最簡單的幾何形式,算術與幾何還沒有分開。

第二時期

初等數學,即常量數學時期。這個時期的基本的、最簡單的成果構成中學數學的主要內容。這個時期從公元前5世紀開始,也許更早一些,直到17世紀,大約持續了兩千年。這個時期逐漸形成了初等數學的主要分支:算數、幾何、代數。

第三時期

變數數學時期。變數數學產生於17世紀,大體上經歷了兩個決定性的重大步驟:第一步是解析幾何的產生;第二步是微積分(Calculus),即高等數學中研究函數的微分、積分以及有關概念和應用的數學分支。它是數學的一個基礎學科。內容主要包括極限、微分學、積分學及其應用。微分學包括求導數的運算,是一套關於變化率的理論。它使得函數、速度、加速度和曲線的斜率等均可用一套通用的符號進行討論。積分學,包括求積分的運算,為定義和計算面積、體積等提供一套通用的方法。

第四時期

現代數學。現代數學時期,大致從19世紀上期葉開始。數學發展的現代階段的開端,以其所有的基礎--------代數、幾何、分析中的深刻變化為特徵。

同時在這期間數學的計算方法和計算速度也在發生深刻改變,最開始是用繩結,正字,算盤等,效率一直很低,所以整個社會發展的也很慢,直到1946年創世紀的發明了計算機,人類的數學計算速度大大提高,後來各種超級計算機的發明,是計算能力和計算速度越來越快,所以人類發展越變越快。

舉三個例子:

(1)近代物理特別是愛因斯坦時代是物理爆炸的年代,第一次和第二次工業革命說到底是物理的大發展大爆發,而物理要想大爆發就需要數學來做支撐,像物理學界的很多大佬包括牛頓,愛因斯坦等等即是物理天才也是數學天才,牛頓推導出牛一牛二定律是對前人的數學總結,公式推導,包括開普勒也是,發現開普勒三大定律是因為他的數學功底比他的老師好的多,他能用觀測的數據推導出三大定律的公式。

(2)二戰時德國的數學造詣成就最高,所以差一點最先製造出原子彈(被美國搶先也是一說是海森堡出於道義,故意推遲,另一說是海森堡數學多算了一個單位,估錯了鈾235的量(就是數學功底稍微差了點))。

(3)發展到現在的航天事業(物理的高級應用)都是各種按照物理公式用計算機算好的,這種大批量的計算,在古代用算盤(古代算個國家財政都很難算好,耗費大量時間人力)完全無法實現,必須要用性能好算的快的計算機(超算)。

所以說數學的計算能力計算速度是其能高速發展的先決條件。

觀點二:人工智慧可能真的會讓人類最終走向滅亡

按照現在數學的發展推動了人工智慧的發展,以前的一些看似不可行的計算思路計算方法,在現在的超算面前都是迎刃而解,現在的人工智慧還是比較初級,比如機器人,要真正的模擬人比如說話對答如流(微軟小冰已經攢了好久的數據),分為(1)接收別人的話語義分析(nlp),(2)對分析之後得到的結果進行分析(同樣是nlp),看如何回復別人,而且要特別快特別準確,而不是答非所問。

要想改進一方面是計算模型方法的改進,還有更大方面是計算速度的改進,就像現在的深度學習,雖然算不上很先進的演算法模型,但是如果有非常快的計算速度(假設計算能力MAX),我就多加幾層神經網路,加到它回復的跟真人一樣準確,弄更大量的數據放進來計算,使用更加複雜重複的訓練方法,這樣才能更接近人,當機器人發展到人類已經無法分辨出人和機器人的時候,我想才是真·人工智慧。

同時相信大家也知到互聯網一直在淘汰別的行業,相信隨著數學計算能力的發展,會淘汰的越來越快,最後一個被淘汰的職業我相信才是程序員,當機器人能有自己的思想能自己實現編程,包括精通數學,會核心演算法編程,那麼所有人類就會被淘汰,社會也許真的會變成中國古代的大同社會,大佬馬克思的共產社會,按需分配,因為沒有人需要工作,人工智慧機器生產一切,機器人有自己的思維,也許最後會像《黑客帝國》中的一樣反對人類,取代人類,正如霍金說的警惕人工智慧,即便人最終能掌控機器人順從人類,人類也會在無所事事中自甘墮落,直到滅亡,不過這些離我們都太遙遠,我們的子孫可能都看不見。

個人腦洞,純屬虛構,歡迎大佬們來思維碰撞。


推薦閱讀:

Gauss與AGM(V-3)
具體數學-第3課(遞歸式轉化為求和求解)
管理類聯考高分數學(管綜177分)超詳細複習時間規劃及筆記分享(附學習小秘訣)
一種討論「邏輯簡單」的框架
數學相關的網站/博客/知乎專欄(持續更新)

TAG:人工智慧 | 人類社會 | 數學 |