twhlw的个人博客分享 http://blog.sciencenet.cn/u/twhlw

博文

态势感知与超越GPT 精选

已有 5161 次阅读 2023-5-21 08:00 |个人分类:2023|系统分类:科研笔记

有不少人认为: GPT不但“非常耗电”,还“缺乏透明度”,支撑这些智能系统的人工神经网络可能正在走错方向。如何实现少耗电、透明度更好的智能系统呢?或许,基于高维的机器计算和人类算计的计算计方法可以更有效、更抽象地进行深度态势感知。

智能可以分为与数据有关的智能、与数据无关的智能两部分。这种崭新的分类方法可以帮助我们更好地理解智能的本质和应用范围。与数据有关的智能主要指的是基于大数据、机器学习等技术进行数据挖掘和分析,从而实现各种智能应用,例如智能推荐、智能搜索、人工智能等。与数据无关的智能则更加注重算法机理、架构机制和算计实现,例如算法优化、软件系统、系统架构等。总之,这种分类方法有助于我们更好地认识智能技术,并且指导我们在实践中更好地应用和开发智能技术。

同样,态势感知也可以分为与事实有关的态势感知、与价值有关的态势感知两部分。该说法是针对智能分析领域的一个分类方法。其中,“与事实有关的态势感知”主要是指对客观事实的感知和分析,包括对各种数据、信息、情报来源等的收集、筛选、分析和判断等,旨在获得客观准确的情报;而“与价值有关的态势感知”则是指对情报的价值、意义、影响等方面的感知和分析,包括对情报的潜在威胁、重要性、优先级等方面的评估和决策,旨在为决策者提供有价值的决策支持。在实际应用中,这两部分的态势感知紧密关联,二者相互依存。只有将两部分的态势感知结合起来,才能更好地帮助决策者了解外部环境、分析形势、预测走势、制定决策,从而为智能安全和发展做出贡献。

数据与信息的关系犹如金钱与资本的关系,当数据变成信息以后就有了价值,产生出了使用价值和交互价值,这与字符变成语义的过程也很相似性。从根本上而言,数据就是未经处理的原始信息,而信息是经过处理和转化的数据。就像金钱需要被投资和运用才能创造价值一样,数据需要被处理和转化成信息才能产生价值。而且,信息的价值不仅仅在于它的使用价值,还在于它的交互价值,也就是说,信息可以被分享和传播,进而产生更多的价值。这种过程也类似于字符变成语义的过程,只有在被赋予了意义之后,字符才能成为有用的语言,所以从这个意义上讲GPT只是字符(或向量)间的组合操作与映射,还没有产生相应的情义理解和物理洞察,仍需要人类的解读和翻译,这也是不少人看不好GPT的主要原因之一:知其然不知其所以然。

真实的世界,状态事实、趋势价值往往是参杂混合在事物发展变化过程中的,并且还时常会发生矛盾,这对于态势感知而言就会显得非常困难。“状态事实”指的是某一时刻事物的实际情况,而“趋势价值”则指的是某一事物在发展变化过程中所具有的发展方向和价值取向。这两者往往是同时存在的,但有时会相互矛盾,如在某个国家的社会发展中,虽然国家政策鼓励科技创新和环保,但实际上仍然存在着对传统工业的过度依赖和环境污染等问题。这种情况下,对于一般人来说,很难准确感知事物的真实状态和发展趋势,因为真相往往被掩盖或混淆了。

在人机环境系统交互中,态势感知涉及到现场的实时信息和环境的动态变化,其中包括了客观的事实计算和主观的价值估计。事实计算是指对已知的信息进行准确的计算和分析,而价值估计则是指对信息进行主观的判断和评价。为了协调平衡事实计算和价值估计的作用需要综合考虑数据模型、算法、用户需求和技术手段等多方面的因素,并不断进行优化和调整,以实现最佳的态势感知效果。具体可采取以下措施:1.建立合理的数据模型和算法,以确保事实计算的准确性和可靠性。2.针对不同的应用场景和用户需求,制定不同的评价标准和权重,以保证价值估计的客观性和有效性。3.采用多种数据源和算法相结合的方式,以提高对态势的感知和分析能力,并在此基础上进行综合评价。4.通过机器学习等技术,不断优化和调整数据模型和算法,以适应不同场景下的变化和需求。基于这些要素,可以构建一个人机环境系统融合的关系矩阵,用于描述其不同方面的特点和相互关系,进而将不同的人机融合态、势、感、知在这个矩阵中进行分类和比较,以便更好地了解其特点和优劣。

例如,当我们使用智能手机时,系统可以利用各种传感器(例如重力传感器、陀螺仪、加速度计等)来分析用户的态、势、感、知,进行系统的定性分析与定量计算。当用户拿起手机时,系统可以通过重力传感器和陀螺仪来检测手机的方向和位置,从而判断用户的姿态和动作,并打开相应的应用程序。当用户在屏幕上滑动时,系统可以通过加速度计来检测手势的速度和方向,并进行相应的操作。当用户使用语音命令时,系统可以通过麦克风来捕捉用户的声音,进行语音识别和语义理解,并执行相应的操作。此外,系统还可以通过分析用户的历史行为(浏览历史和购买记录)、偏好等数据来进行个性化推荐,在这个过程中,利用各自的态、势、感、知进行系统的定性分析与定量计算,可以大大提高人机交互的效率和便利性,使用户获得更好的体验。

状态感觉和知觉趋势是心理学中的两个不同的概念。状态感觉指的是个体在特定情境下的情感体验,如快乐、悲伤、愤怒等,这些情感体验是短暂的,容易受到外部环境的影响。状态感觉具有主观性,不同的人对同一情境的反应可能不同。知觉趋势则是指个体在对待信息时存在的一些倾向性,如选择性注意、记忆偏差、判断失误等。知觉趋势是相对持久的,不容易受到外部环境的直接影响。知觉趋势具有客观性,不同的人对同一信息的处理可能存在相似的倾向。

一个人机环境系统的发展状态和变化趋势是相互关联的。人的需求和行为方式对机器的设计和发展产生影响,而机器的功能和表现也会影响到人的行为和需求。同时,环境的变化也会对人和机器的互动方式产生影响。随着科技的不断发展和普及,人们与机器的互动方式也在变化。人们越来越依赖机器来完成各种任务,而机器也在不断地智能化和自动化。同时,环境的变化也在促使人们和机器采取新的互动方式,例如智能家居和自动驾驶等。

休谟在他的名著《人性论》中曾论述了因果关系不存在的观点:"我们从来没有观察到过因果关系本身,我们只是观察到了一列事件的相继发生。我们无法通过观察来证明因果关系的存在,因为我们无法观察到因果关系本身。因此,我们只能通过经验来推断事物之间的关系,而这种推断是基于我们的习惯和惯性的"。从中我们可以看出,休谟主张:我们无法通过经验观察到因果关系,我们只能看到某些事件发生了,然后紧接着另一个事件发生了,因此我们习惯上认为前一个事件是因,后一个事件是果。然而,我们并没有直接观察到因果关系,只是根据我们的经验和惯性推断出来的。举个例子,假设一个人吃了一块巧克力,然后突然感到头痛。我们通常会认为这个人头痛是因为吃了巧克力,这是因果关系。但是根据休谟的观点,我们无法通过直接观察到的经验来证明这种因果关系。我们只是根据习惯和惯性的推断认为这是因果关系。实际上,这个人头痛的原因可能有很多种,吃巧克力只是其中的一个因素,也可能是其他因素引起的。

因此,我们感觉到的状态空间和变化趋势可能与真实的因果关系不一致。我们无法通过观察到的事件的发生次序来推断它们之间的因果关系。 换句话说,就是我们无法通过感官的经验来确定事件的因果关系,因为我们无法观察到因果关系本身,只能观察到事件的发生次序。 在日常生活中,一些人可能会利用这一点来制造隐真示假、造势欺骗的效果。例如,一些商家在进行广告宣传时,可能不断强调某个产品和某个事件的时间上的先后关系,从而让人们产生错误的因果关系认知,以此来提高产品的销售量。又例如,一些政治宣传活动中,可能会夸大或淡化某些事件的发生次序,以此来影响民众的选票,达到造势欺骗的效果。

维特根斯坦在他的著作《哲学研究》中提出了”seeing-as“的概念,即认为我们对于某些事物或现象的理解和认知是基于我们对于它们的态势感知而形成的,逻辑多样性取决于看的方式的多样性。他认为,人们对于一个事物的看法不是客观存在的,而是基于人们通过观察、感知、比较等主观过程所形成的。这种看法不仅存在于艺术、文学等领域,也贯穿于我们日常生活中的各个方面。这一思考强调了人的主体性和感知的重要性。它提醒我们在认知事物时不能只看表面的形式,而是要深入感知事物的本质和背后的意义,从而更好地理解和认知事物。同时,它也启示我们要尊重不同人群的主观感受和认知,不要一味地强加自己的观点和看法于他人。维特根斯坦的态势感知思想为我们提供了一个更加全面和深入的认知事物的角度,让我们能够更好地理解和认识世界。从这个意义上说,人必须在智能环中或智能环上除了是为了防止意外发生外,还有保障在智能环境中或与他人、它机相处时遵守一定的规则和道德准则,以维护社会秩序和人机环境系统关系的和谐。

看待问题的不同角度的确会带来不同的态势感知。态势感知是指对环境中相关信息的收集、处理、分析和预测,以便形成对环境状态和变化的全面、准确的认知。当我们看待问题时,不同的角度和视角会影响我们对问题的认知和理解。不同的人可能会从不同的角度出发来看待同一个问题,比如从经济、社会、文化、历史、政治、科技等不同的角度来分析问题,这些不同的角度会给我们带来不同的信息和认识,从而形成不同的态势感知。例如,在分析一场自然灾害的时候,从环境保护的角度出发,我们会关注灾害对自然环境的影响;从经济发展的角度出发,我们会关注灾害对当地经济的影响;从人文关怀的角度出发,我们会关注灾民的生命安全和生活状况等等。这些不同的角度和视角会给我们带来不同的信息和认识,从而影响我们对问题的态势感知。因此,我们在进行态势感知的时候,需要综合各种不同的角度和视角,通过多方面的信息收集和分析,从而形成全面、准确的认知和判断。

若要形成“窥斑知豹”、“滴水之冰知天下之寒”的洞察力,从不同的对象、属性、关系、态、势、感、知中适时地能够抽象出所需要的相似度,需要做到:观察事物时要从细节入手,留意事物中的微小变化,注意事物的特征和变化;通过不断的学习和实践,积累丰富的经验,提高对事物的认知和理解能力;在观察和积累经验的基础上,要善于思考和总结,不断地推敲和分析,从而形成自己的见解和认识;在思考和分析问题时,要从多个角度出发,全面考虑问题,避免片面和偏颇的看法;在实践和思考过程中,要不断地反思和总结,发现自己的不足和错误,及时纠正和改进。只有在不断地观察、思考、积累和反思中,才能逐渐提高自己的洞察力和认知能力,更好地把握事物的本质和规律,形成深度的态势感知能力。

中医辨证施治的方法就是需要从势、人和证三个方面进行辨识和治疗。其中,势指的是疾病的势态,也就是疾病的发展趋势和程度级别(如疫情、气象、环境等);人指的是患者的个体差异,如体质、病史、习惯、年龄、性别等;证指的是患者的临床表现和病情特点,包括脉象、舌象、症状等。这三个方面相互关联,共同构成了中医辨证施治的体系。对于外感病的治疗,中医一般会首先辨势,即根据患者的病情势态判断疾病的严重程度和发展趋势,然后再辨人,考虑患者的个体差异及身体状况,最后才辨证施治。这种治疗方法能够更加全面、准确地把握患者的病情,从而制定出更为科学、有效的治疗方案。整个过程既有对个体小数据的望闻问切,也有对历史大数据的传承分析,更有对非数据的思量揣摩。

计算是通过数值、量化的方式来进行分析,而算计则是通过主观的、定性的方式来进行分析。这两种分析方法都有其优点和局限性,需要根据具体情况来选择合适的方法。计算的优点在于可以通过量化的方式来得出准确的结果。例如,在数据分析中,可以通过计算来得出数据的平均值、标准差等指标,从而更准确地了解数据的特征。计算还可以通过建立模型来预测未来的趋势,例如在金融行业,可以通过建立风险模型来预测投资的风险。算计的优点在于可以更深入地了解具体情况。例如,在人力资源管理中,通过面试、观察等方式可以了解员工的个性、能力等特征,从而更好地进行人才管理。在市场营销中,通过焦点小组讨论等方式可以了解消费者的需求、偏好等,从而更好地进行产品设计和营销策略制定。然而,计算和算计都有其局限性。计算对数据的准确性要求较高,如果数据出现误差或者缺失,计算结果可能会出现偏差。算计则受到主观因素的影响,结果可能存在一定的主观性和不确定性。因此,在实际应用中,需要根据具体情况来选择合适的方法,或者将两种方法结合起来,从而获得更准确、深入的分析结果。

GPT的耗电、不透明是其缺点,但还不是致命的缺点,致命的不足则在于缺少更高维的机器计算与人类算计的有效结合以反映真实世界中的真实变化,简单的说就是没有形成深度态势感知洞察能力。“沉舟侧畔千帆过,病树前头万木春”,2023年大疫情即将过去,GPT的缺点也会慢慢浮出水面,我们希望在GPT渐渐远去的背影中依稀看到更好更安全更有利于人类的崭新的智能系统出现,毕竟我们曾经不止一次地经历过各种的颠覆性革命,不远的将来还会经历着更多的颠覆性工作......    人,不能永远跪着

mmexport1565970688761.jpgmmexport1677718144226.jpg01133df959c3f7911bbda37df9577463.jpg 人-机器人交互封面1.jpg



附 超维度计算介绍:

自然世界充满各种变化,这不可能是我们的大脑感知自然世界的方法。加州大学伯克利分校的神经科学家布鲁诺·奥尔斯豪森(Bruno Olshausen)表示:“否则你必须假设,每个可能的组合在你的大脑中都有一个对应的检测神经元。比如说,专门检测紫色大众汽车的神经元。”

相反,奥尔斯豪森和其他人认为,大脑中的信息是由许多神经元的活动所表示的。因此,对于紫色大众汽车的感知并不是通过单个神经元的活动编码,而是成千上万个。同一组神经元以不同的方式激活,可以代表完全不同的概念,比如粉色凯迪拉克。

这是一种被称为超维度计算(hyperdimensional computing)的彻底不同的计算方法的起点。关键在于,每个信息片段,例如汽车这个概念,它的品牌、型号或颜色,或者所有这些的综合,都被表示为一个单独的实体:一个超维度向量

向量简单来说就是一组有序的数字数组。例如,一个三维向量由三个数字组成:三维空间中一个点的x、y和z坐标。一个超维度向量,或者称为超向量,可以是一个包含一万个数字的数组,用来表示一万维空间中的一个点。这些数学对象及其操作代数足够灵活和强大,可以将现代计算推向超越某些当前限制的新领域,并促进一种新的人工智能方法的发展。

“这是我整个职业生涯中最令我兴奋的事情,”奥尔斯豪森说道。对他和许多其他人来说,超维度计算承诺了一个全新的世界,在这个世界中,计算高效而稳健,机器决策完全透明。




https://blog.sciencenet.cn/blog-40841-1388788.html

上一篇:态势感知与GPT
下一篇:态势感知与势态知感
收藏 IP: 124.64.127.*| 热度|

9 郑永军 许培扬 武夷山 晏成和 杨正瓴 彭真明 崔锦华 农绍庄 曹俊兴

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-26 00:16

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部