近年来,GPT系列这种大型人工智能系统的能力得到了指数级提升,从三年前无法解答高中水平的数学问题,到如今已经能够满分通过斯坦福大学研究生广义相对论课程考试。这些系统已经具备了记忆和整合知识的能力,它们可以调用海量信息,并以惊人的速度解读复杂内容。那么一个有趣的问题是:AI是否可以超越人类极限的高维思考,实现像爱因斯坦那样的智力飞跃?毕竟,AI语言模型基于海量参数,它们操作着一个“亿维空间”。
斯坦福大学理论物理学家、谷歌DeepMind BlueShift项目的创始人和领导者亚当·布朗(Adam Brown)表示,虽然AI拥有惊人的记忆力和知识整合能力,但它们的“推理性创造”与人类尚不可相提并论。爱因斯坦式的突破不仅是建立在已有知识上的插值(interpolation),更涉及对基础假设的质疑,以及对自然规律转变全新视角的能力。举个例子,如果一位平均智商的人类具备完美记忆力,掌握了所有的科学知识,他们是否能做出像爱因斯坦一样的思考?历史告诉我们,答案是未必。
突破往往来源于质疑现有范式,而不是简单的信息堆积。AI目前的设计更多是通过已有数据中“拟合”规律,而非“超脱”规律去发明新的科学领域。此外,许多重要的科学突破并非仅来源于算力和知识量,而是源于感知能力和直觉层面的思维灵感。例如,当人类思考四维宇宙或广义相对论所涉及的高维时,根本不是在真实的高维空间“感知”,而是通过数学符号、图形表示和直觉推导来间接理解问题。而AI,即便操作着亿维的参数空间,也未必能够获得这样的概念性灵感。
假设AI某一天能够从牛顿经典力学出发,推导出类似广义相对论的科学理论,那将标志着人类创造的机器跨越了“科学发现”的最后一个边界。但是,这个假设中仍然有难以逾越的两大难点。首先是理解与再创造,爱因斯坦广义相对论其中的核心价值,在于改变了已有定律的框架,还融合了抽象数学与物理直觉的深度联结。AI是否具备这样的能力,能否理解并重新创造这样的联结,仍然未知。另一个是新范式的产生,历史上许多突破在于采用全新的视角重构认知,例如量子力学中波粒二象性的诠释,这不仅需要技术化的解决能力,更需要突破性的“质问惯性”。AI是否真正有能力打破自己训练中获得的规律范式,也尚未获得证明。
布朗表示,从目前AI发展的速度来看,这样的跨越能力或许能在未来十年之内实现。但仍需明确的是,AI实现类似广义相对论的发明,并不一定意味着其思维本质或洞察能力真正等同于人类。AI的优势在于可以通过海量数据发现人类忽略的模式,而非从无到有地提供原始的新框架。AI更现实的角色并不是“成为爱因斯坦”,而是成为全人类的科研助手。通过大量阅读和系统分析,AI可以发现跨领域的联系,并提出基于已有数据的假设。物理学问题往往有双重本质:从描述到数学表示,然后再到解决。虽然AI在数学解题中表现卓越,但在问题本质的描述与框架建立上仍需依赖人类的主导。
随着AI技术不断进步,“人造爱因斯坦”这一构想从遥不可及逐步变得可以憧憬。但当前阶段,人工智能的长板在于海量计算与数据处理,而人类的强项则在于直觉和创新思维。一旦两者找到最佳协作方式,实现一种“人机共生”的研究生态,或许新的广义相对论就在我们眼前。
好文章,需要你的鼓励
Oracle 推出最新一代 Exadata 平台 X11M,大幅提升了 Oracle 数据库在 AI、OLTP 和分析方面的性能。X11M 针对云、多云和客户数据中心环境进行了优化,在速度和效率上相比前代系统有显著提升。它通过硬件和软件的深度集成,为企业客户提供了强大的数据处理能力,同时兼顾了可扩展性、成本效益和可持续性。X11M 的推出标志着 Oracle 在数据库技术领域又迈出了重要一步。
在 GPU 众多特性中,NVIDIA GPU 凭借其独特的 CUDA 架构和丰富的 CUDA 核心而备受瞩目。然而,由于 GPU 资源的高昂成本和相对稀缺
随着数据中心能耗的急剧增长,使之成为双碳目标达成的重点监控目标。文章针对数据中心中功耗大于200W的高功率芯片,沿着散热路径