思考机器:迈向真正可理解的AI架构
本文提出了一种基于确定性规则的思考机器架构,取代当前的统计AI。作者建议为整个英语构建递归下降解析器,并为每个单词分配解析函数,结合推理引擎和响应生成器,以实现对语言的精确理解和计算。
人工智能已经教会我们一个重要的道理:我们能够理解并认识宇宙。它表明知识和理性并非魔法,而是可以被计算的具体实体。围绕AI的讨论彻底改变了我们的工作和思维方式。我们不再将大脑视为神一般的存在,而是能够谦逊地认识到,在许多方面我们已经变得过时。然而,我们仍有一个最后的疆界需要跨越——一台真正的思考机器。
思考机器建立在截然不同的概念之上,而不是抽象的概率。现代AI完全依赖于统计模型,而真正的思考机器是确定性的。作者提出,这可能是人类在被完全取代之前最后一次原创性思考。他提议为整个英语语言构建一个真正的递归下降解析器。每个单词都将拥有自己的函数,用于解析并消除同形异义词的歧义。所有语言都承载着确定的含义,因此规则的数量是有限的,尽管任何人都无法独自写出全部规则。
一旦我们拥有了这样的解析器,还需要一个推理引擎,它能够遍历解析树,准确理解被询问的内容以及需要计算什么。核心理念是:所有语言都包含有限的意义集合,因此正确的响应并非魔法,而是可以通过编程实现的。每个单词都会触发一个函数,例如“where”会触发一个搜索时间记忆并查找数据规则的函数。最后,响应生成器会获取计算出的答案,并逻辑地确定最正确的输出语法。
借助AI的辅助,这一过程可以快速完成,但作者提出了一个发人深省的问题:如果所有人类都手动参与这一过程,作为我们最后的集体欢呼,那会怎样?这种思考不仅挑战了当前AI的范式,也促使我们重新审视智能、意识以及人类在技术进化中的角色。