首頁 > 現代都市 > 巔峰學霸 > 第342章 關於通用人工智慧的反問

第342章 關於通用人工智慧的反問(1/2)

目錄

熱鬧而真誠的歡迎儀式;刺激而又充實的月球戶外運動,

理察跟托馬斯還在專家的指導下,親自動手收集了兩塊月壤。

這還真是個技術活。

說是月壤,但因為缺水的緣故,其實這東西更像地球上的砂石,質地非常堅硬,顆粒邊緣還非常鋒利。

所以還真需要專家指導跟專用工具,才能小心翼翼的取到一塊儘可能完整的月壤。

當然這一切依然是面向全球進行直播的。當然也包括了取月壤的過程。

雖然耗時長了一些,畢竟專門的月球鏟初學者並不是那麼好用。

加上還要穿著笨重的太空衣,以及適應月球室外只有地球六分之一的重力。

但顯然一切都是值得的。

事實上圍觀的網友們似乎也很喜歡這種努力學習,然後終於成功的情節。

在托馬斯成功親手敲下並成功在特別容器里保存好一塊大小適合的月壤時,也是直播間送出各種禮物最多的時候。

直播也在此刻結束,並在順利返程之後最後一天再次開啟。

當理察跟托馬斯以及另外兩位船員,在全世界關注這次旅行的網友們見證下,從順利降落的艙體內走出後,也為這次普通人游月球畫上了一個完美的句號。

當天華夏央媒都在最重要的新聞時段用了一分鐘報導這件事。

而且專門截取了理察從載人艙體內走出來,衝著攝像機揮手致意的畫面。

不得不說,經過這段時間不斷在鏡頭面前出現,理察現在面對鏡頭時,自然得就好像一位演員。

至此,這位在西大默默無聞的電焊工,在華夏也有了一定知名度。

現在大家都知道了費城的菲什鎮出了一個「幸運的理察」。

是的,當央媒主持人,一本正經的說出理察這個在外網傳遍的外號後,幸運大概已經跟理察的人生完全綁定了。

畢竟現在全世界都要看華夏央媒。

那檔最重要的新聞節目也早已經不止是華夏的風向標,更是世界的風向標。

這一點大概也能從今天央媒報導的內容看出來。

就在理察落地華夏大泉發射基地附近的時候,還有很多人同時落地華夏京城。

這些人無一不是世界各個國家跟地區的大人物。或者說是被選擇站在台前代表這些國家跟地區的大人物。

正如喬喻計劃中那樣,月球能帶來的巨大利益就擺在那裡,如果動心了,自然是要來談談的。

一整個星球的資源,誰看了能不眼饞呢?

更別提這個時代,月球還很可能會成為戰略要地。

起碼華夏已經展現出了這種可能性。接下來需要談的事情可就多了。

當然理察也收穫了他所需要的,財富還在其次,主要是知名度。

對於野心已經被喚醒,未來想要住進白色房子的人,這份知名度才是最重要的。

更讓他驚喜的是,養喻顯然不是說說而已。

在萬眾矚目之下,回到西大之後,就直接有一個精英團隊聯繫了他。

是真的精英團隊,從經理到財務、傳播、政策法律顧問,選民動員主任,等等」

全部都有豐富的經驗。每個人都有成功送人進入白色房子的經驗最讓理察沒想到的是團隊內還有一位之前在白色房子住過很長一段時間的大佬,做他的顧問跟公眾形象代言人。

當然起步肯定不可能直接就準備下一屆,而是從費城所在的賓州開始。

團隊給他制定的規劃是兩年後要讓理察直接進入州參議院。

在參議院待上兩年積贊經驗,然後直接競選州長,在州長位置上干一屆之後,正式向白色房子發起衝擊。

最最重要的是,他將是新世紀第一個以無黨派候選人的身份,向這個目標發起衝擊的人。

如果成功了的話,大概真能坐實他幸運的理察這一身份了。

不過暫時他還得繼續電焊工這份工作。用競選顧問的說法就是,這份工作能保持他的親民度。讓選民們更信任他。

當然純粹的電焊是不可能的,理察還在這些顧問的指導下,在諸多網際網路社交平台上開了帳號。

每天都會對外分享一些視頻,用顧問的說法就是他從現在開始就要維持在公眾面前的曝光度,讓人們更加了解他的生活,從而產生親近感—

總之對於理察來說,人生終究開始不是一樣了。

當然對於理察來說是整個人生,但對於遠在東大的喬喻來說,大概就是隨手落下的一顆棋子,而且屬於遠景規劃的棋子。

始作俑者喬喻其實也沒太多時間關注理察這邊他已經開始忙著著手做通用人工智慧的研究。

怎麼說呢,在惰性的驅使下,喬喻是不想把時間都耗費在工作上的。

但當鑽研過程中一不小心來了興趣,那又是另外一回事了。

尤其是通用人工智慧跟數學相關的部分。

正如喬喻在給新生宣講時說的那樣,數學是所有科學中最純粹的抽象語言。

它的本質就是將紛繁複雜的現象剝離到最本質的結構、關係和模式。

尤其是數學還需要無歧義的精確性。整套語言要求嚴格的定義和無歧義的推理。

而目前人類對於通用人工智慧的要求卻是既要在不確定的環境之下做出最優決策,又不能去挑戰人類道德倫理的各種底線,要讓幾乎所有人都能滿意。

比如著名的電車難題。人類不管如何抉擇,都會惹來一堆垢病,如果讓機器抉擇就更麻煩了·

這個世界能夠解決問題的人不多,但喜歡批判解決問題的人總是很多。

數學上的最優化決策顯然不能照搬到通用人工智慧的決策樹過程中。

更別提那諸多的定義了,衍生出的東西很多。

真正推進到通用人工智慧領域,已經不再是深度機器學習就能解決的問題了。

畢竟要實現這一步的意圖,並不是讓機器通過推演,去下棋,或者根據邏輯一步步去推導數學難題。

而是讓機器在受限的情況下,去自主思考。

即便對於喬喻這樣的天才來說,這同樣是個極致的難題,甚至比解決黎曼猜想或者其他千禧年難題更難。

本章未完,點選下一頁繼續閱讀。

目錄
返回頂部