可用于指导人工智能底层定义的革新。我以openai推出的自然语言深度学习模型gpt-3为例，我们都知道具有1，750亿个参数的自然语言深度学习模型gpt-3的表达能力已经接近人类，是极为成熟的深度学习模型，但依然有着缺点，比如跑任务的时候耗时太久，导致中途如果发现问题，也不敢停止运算，毕竟代价太大。”

    “可如果按照余兴伟跟宁为的研究，我们不一定要走这条繁琐的道路来赋予机器智慧，并不一定需要不停的进行深度学习来实现人工智能，而是直接搭起一个相对成熟的认知框架，这直接让我们曾经信奉的底层逻辑产生了变化。说得更通俗些，以前我们让机器拥有一定智能，靠的是大数据堆积学习，给予机器哪方面的资料，然后机器便能在哪个方向具备一定的智能。比如机器视觉、图像识别，首先需要让机器无数的图像，在使用相关算法才能最终让机器具备识别能力。”

    “但如果按照他们的理论，我们只需要给机器下达一个相关指令，机器便能自行在数据库中去辨别、搜集并分类需要的数据，简单来说这就省略了最为繁琐的调参步骤。这是有别与计算机模仿人类大脑跟符号主义的第三条路，目前看来极有可能改写未来世界人工智能发展的大格局，同时也决定了我们对人工智能底层认知的改变。”

    视频会议上，作为本届评审委员会主席杰弗里·格拉斯在数学奖投票之前先拿着稿子念一段评价。

    “以上是我的朋友蒙特利尔大学教授，同时

本章还未完，请点击下一页继续阅读>>>