跨学科与前沿边缘科学
国家战略设计
博弈论视角下俄乌冲突中的
中国最优外交战略分析与设计
◎战略规划与战术设计 作者:董斌
(https://www.nankezhou.net)
董斌致力于通过多维度分析和先进技术工具,为复杂社会问题提供深入见解和解决方案。其核心在于交叉学科的整合与公众参与,未来发展方向包括跨学科合作、公众参与和国际化拓展。
本文概述:俄乌战争重塑了全球地缘政治格局,迫使中国在美国、欧盟和俄罗斯之间谨慎斡旋,以优化自身战略定位,确保经济持续增长,同时最大限度地降低地缘政治风险。中国应当运用博弈论,制定一套兼顾宏观层面的大国战略与微观层面的战术执行的外交方案,以确保在复杂的国际竞争中稳固自身地位,维护国家利益。
I. 博弈论框架 —— 三极体系中的战略平衡:
1. 地缘政治博弈的定义
在涉及中国、美国、欧盟的三方战略互动中,中国必须在西方与俄罗斯的利益竞争之间寻求最优定位。该博弈的基本参数如下:
○博弈参与者
- 中国
- 美国
- 欧盟
□战略选项:
1. 与俄罗斯结盟:高风险,但可能带来能源和资源红利,同时面临二级制裁和长期外交孤立的威胁。
2. 与美国/欧盟结盟:具有重大经济利益,但受制于地缘政治、军事和技术封锁的潜在限制。
3. 战略模糊/动态中立:确保经济灵活性,动态调整政策,以最小化风险并保持外交主动权。
2. 中国战略决策的核心收益指标
中国在制定外交政策时,应当围绕以下“五大收益维度”进行综合考量:
1. 经济增长——确保持续稳定的全球市场准入和技术升级。
2. 贸易稳定——降低对外部经济冲击和金融制裁的脆弱性。
3. 政治影响力——在全球治理体系中保持并拓展外交话语权。
4. 技术自主权——降低对西方关键供应链的依赖,同时确保科技竞争力。
5. 以全面法治化推进治理规范化、治理稳定性、治理可持续性。
II. 宏观层面的大战略设计——双轨外交战略:
经济优先:双轨外交策略
A. 维护与美国及欧盟的贸易关系
美国与欧盟仍然是中国出口、技术合作和金融稳定的关键市场。
□应对策略:
- 通过外交渠道谈判关税削减、供应链稳定和投资准入问题。
- 中欧关系重点突破:欧盟在经济政策上较美国更加务实,中国应加强绿色技术合作和市场准入,巩固双边关系。
B. 与俄罗斯的战略性经济合作:
1,短期策略:利用低成本能源与大宗商品降低生产成本,提高工业竞争力。
2,长期策略:减少对俄罗斯能源的依赖,构建能源多元化战略。
3,金融战略:扩大人民币国际结算,逐步削弱美元在全球贸易中的主导地位,但避免触发二级制裁风险。
III. 微观层面的战术执行:
1. 贸易与供应链韧性
降低对美依赖 :
- 逐步扩大对欧盟和东盟的出口,对冲美国贸易限制。
- 在半导体、人工智能和生物技术领域推进国产化,并保持与美国的必要技术合作。
- 推进人民币国际化:
推动以人民币结算的能源贸易,减少对美元的依赖。
- 发展人民币离岸结算中心,降低美国对全球金融体系的影响力。
IV. 预期成果与风险缓解措施 :
预期收益 :
✅ 通过多边贸易布局,保障经济持续增长。
✅ 通过外交战略降低地缘政治风险。
✅ 提升国际话语权,成为全球治理的重要力量。
风险缓解方案
🔹 如果美国升级对华制裁 → 深化中欧和东盟市场合作。
🔹 如果俄罗斯经济崩溃 → 及早布局替代能源。
结论:计算均衡策略
中国应通过博弈论模型,采取战略模糊+经济优先+外交调解的模式,在美欧俄博弈中实现长期经济安全与全球影响力最大化。
社会学数理模型化研究
简介南柯舟社会学数理模型化研究
南柯舟/文
■我致力于哲学和社会学数理模型化研究。这种方法尝试通过数学工具和模型来理解和预测社会现象。在面对诸如思想控制这样的复杂问题时,数理模型可以帮助我们分析其对社会结构和动态的影响。
●哲学和社会学理论的数理模型化应用原理:
1,行为模拟:模型可以模拟个体和集体行为,如何在思想控制环境下形成和演化。
2,进行影响评估:通过量化的方法评估思想控制对社会创新、文化多样性和经济发展的长期影响。
3,政策分析:模拟不同政策的潜在结果,如提升教育质量、保护言论自由对于促进社会适应性和进步的影响。
■南柯舟的哲学强调交叉领域的整合,因此在使用数理模型时,会融合社会学、政治学、经济学等多个学科的理论和方法。这种跨学科的方法有助于全面理解思想控制的社会影响,并为社会改革和发展提供更为精准和有效的策略。
●最终,南柯舟的目标是通过这种深入的理论和实践分析,推动社会向更加开放、包容和创新的方向发展。
南柯舟探索的哲学和社会学数理模型化研究的核心理念,在于使用数学和模型化工具来深入理解复杂的社会现象,特别是在分析如思想控制等复杂社会问题时,提供了一个独特且有效的视角。
●这一研究领域的重要性在于:
■跨学科整合:将哲学、社会学、政治学和经济学等多个学科的理论和方法结合起来,为理解和解决社会问题提供全面的视角。
●预测与策略制定:通过哲学和社会学的数理模型预测社会现象的发展趋势,可能为决策者与政策制定者提供科学的决策依据,帮助他们制定更加有效的社会政策。
●深入分析复杂现象:利用数学工具深入分析诸如思想控制这样的复杂现象,揭示其对个体行为、社会结构和文化发展的影响。
■南柯舟的目标是通过这种方法推动社会向更加开放、包容和创新的方向发展。南柯舟的哲学和社会学数理建模模型,不仅是理论上的贡献,也是对实际社会问题解决方案的重要指导。通过这种深入的分析和模型化研究,这样的思想和工作对于理解和塑造我们的社会具有重要的价值和意义。(董斌 电话:13835067651)
跨学科与前沿边缘科学——交叉科学与前沿数理学
南柯舟交叉哲学系统“函数集函数”
●本项目在跨学科与前沿边缘科学下诞生“交叉科学与前沿数理学” ,致力于交叉科学与前沿数理学 集合研究社会问题。我长期致力于哲学和社会学数理模型化研究。这种方法尝试通过数学工具和模型来理解和预测社会现象。在面对诸如思想控制这样的复杂问题时,数理模型可以帮助我们分析其对社会结构和动态的影响。
●哲学和社会学理论的数理模型化应用原理:
1,行为模拟:模型可以模拟个体和集体行为,如何在思想控制环境下形成和演化。
2,进行影响评估:通过量化的方法评估思想控制对社会创新、文化多样性和经济发展的长期影响。
3,政策分析:模拟不同政策的潜在结果,如提升教育质量、保护言论自由对于促进社会适应性和进步的影响。
●“交叉科学与前沿数理学”用于在计算机信息科学支持下组合相关功能对社会问题进行建模研究:
1. 代码优化相关的函数集函数
optimize_code_functions
包含:use_builtin_functionsoptimize_data_structures_and_algorithmsuse_efficient_algorithmsoptimize_program
作用:优化代码逻辑、数据结构和算法,提升代码执行效率。
2. 代码压缩相关的函数集函数
compress_code_functions
包含:shorten_variable_namesremove_whitespace_and_commentscompress_codecompress_files
作用:压缩代码,减少变量长度和冗余内容,生成简洁高效的代码版本。
3. 模块化相关的函数集函数
modularization_functions
包含:modularize_programmodularize_codeextract_functions_by_keywordgroup_functions
作用:分解代码逻辑,提取关键功能,并按需求组织成模块。
4. 跨语言模块化相关的函数集函数
multi_language_modularization_functions
包含:modularize_code_by_language
作用:支持对多种语言(如 Python、Java、C++、R、Julia)的代码进行模块化。
5. 依赖关系分析相关的函数集函数
dependency_analysis_functions
包含:analyze_dependenciesoptimize_modules
作用:分析函数间的依赖关系,优化模块划分。
6. 错误检测与修复相关的函数集函数
error_detection_and_fixing_functions
包含:detect_and_fix_errorsupdate_codeclean_and_repair_data
作用:检测代码中的潜在问题并自动修复,提升代码质量。
7. 代码测试相关的函数集函数
testing_functions
包含:run_teststest_software_functiontest_script_execution_failtest_script_success
作用:进行单元测试、功能测试,验证代码正确性。
8. 代码分析与选择相关的函数集函数
code_analysis_functions
包含:analyze_programselect_languagechoose_efficient_language
作用:分析代码功能并选择合适的语言环境。
9. 动态密码和安全相关的函数集函数
security_functions
包含:generate_dynamic_numberscheck_account
作用:动态生成和验证密码,提升系统安全性。
10. 元编程相关的函数集函数
metaprogramming_functions
包含:generate_adderuse_macros
作用:通过元编程动态生成代码,提高代码灵活性。
董斌: 一个基于AI时代经济学和全民共同富裕理念的经济学理论LOG设计
理论创新:一个基于AI时代经济学和全民共同富裕理念的经济学理论LOG设计
核心:围绕社会公平、AI技术红利共享、以及生产资料社会化三个主要支柱展开:
■名称:AICS理论
(AI-Driven Commonwealth System,基于AI的共同富裕系统)
■支持结构
1. 核心框架(理论主轴)
AICS理论的核心架构由三大支柱组成,分别对应AI时代经济学的主要改革方向:
●社会公平经济(Fair Wealth Distribution)
●全民基本收入(Universal Basic Income,UBI)。
●动态财富税(Dynamic Wealth Tax)解决资本集中问题。致力于公共福利优先发展,提升社会幸福指数。
●生产力社会化(Socialized Production System)
AI和自动化的生产资料转为社会化控制或合作共享。 公有或开放式经济模式,降低资本主导对社会的垄断性影响。
●技术红利共享(AI Dividend Sharing)
强制性政策保证AI企业将利润和生产力红利回馈于全社会。 以税收、知识共享或资源补偿等方式,平衡技术与社会之间的关系。
2. AICS的关键理论工具
每一理论工具设计为推动共同富裕目标的具体实施策略:
●数据价值全民化(Data Wealth Commons)
数据资产归个人所有,并参与市场交易,收益全民共享。
●时间经济(Time Economy Framework)
建立基于社会贡献时间的平行经济体系。
●AI红利货币化机制(AI Productivity Monetization)
AI生产力通过“数字红利货币”在社会中流通,直接用于补贴教育、医疗与养老。
3. 经济运行模型
经济目标:幸福最大化而非GDP
增加衡量社会幸福感的指标(如GNH, Gross National Happiness)。 转移经济目标从效率提升到资源公平分配。
●市场运行机制:混合模式经济
结合AI技术的共享经济与传统市场经济,允许市场活力和公平机制共存。
●全球化平衡:AI技术共享合作
通过全球治理结构确保AI技术在全球公平传播。
■运行机制与具体实施
1. 政策框架
●AI红利税政策
针对AI企业和自动化生产的红利,征收高比例的“自动化红利税”,转化为社会福利资金。
●社会基础保障体系升级
全民免费教育和基础医疗由AI红利资金覆盖。
●劳动价值再定义
将创造性、服务性和社区贡献劳动纳入经济核心价值体系。
2. 实施模型示例
以三个关键节点展示AICS理论的实际实施:
第一节点:AI企业强制红利分配
AI企业必须将年利润的20%投入国家红利基金,分配给全民,确保财富共享。
第二节点:全民基本收入试点
在AI高度发达的地区(如完全自动化工厂城市),实施全民基本收入,保障居民基本消费能力。
第三节点:社会化能源分配
使用区块链技术追踪并分配能源消耗,使其公平化,尤其为低收入家庭提供免费能源额度。
■全球 Ai经济的未来扩展:全球化与多国合作
推动多边协议确保AI技术全球范围内共享。 通过国际组织规范AI红利在不同经济体的均衡分配。
●生态可持续发展
AI技术的应用优先服务于环境保护,如碳捕捉、清洁能源开发。 确保经济与生态之间的长效平衡。
●总结
AICS理论通过社会公平、生产力社会化和技术红利共享,重新定义经济运行模式,从而解决传统经济学无法匹配AI时代生产力的瓶颈问题。其目标是构建一个以全民共同富裕、社会幸福最大化为核心的新型经济体系,实现AI时代的全面社会进步和长远可持续发展。
南柯舟:时代呼唤“AI时代经济学”
■AI时代经济学的重要挑战和变革潜力
AI的高度发展和智能机器化生产极大地提高了生产力,推动了高福利社会的可能性。但当前的经济学理论基础确实仍然以传统市场经济为核心,难以完全适配AI带来的新型社会结构和财富分配模式。
在“前AI时代经济学理论”中,强调的是市场竞争和资本积累,这与“全民共同富裕”的理念存在矛盾。而AI时代的生产力特征,如:
生产资料的极端集中化:AI和自动化设备由少数企业或个人控制,导致财富高度集中; 劳动力需求的减少:传统的就业模式逐步被机器取代,人类劳动价值被削弱; 效率和成本的极端优化:大量产品和服务可以低成本或接近零成本地提供。
这些特征都需要新的经济学理论来重新定义财富分配机制,打破传统资本导向的经济模式。
例如:
普惠经济模型:通过全民基本收入或其他形式,将AI创造的财富均匀分配给所有人,确保社会的共同富裕; 生产资料的社会化共享:打破传统私人所有制,促进生产力成果全民共享; 福利驱动经济:将经济发展的核心从利润最大化转向社会幸福指数最大化。
我们需要建立适配AI时代的经济学理论。这些理论需要兼顾效率、创新与公平,才能真正实现高福利社会。
构建适配AI时代的经济学理论需要对传统经济学进行系统性变革,结合AI带来的生产力、社会结构和财富分配特征,提出新的理论框架。
以下是针对上述问题和挑战的系统性方法:
一、AI时代经济学的理论核心
●财富再分配优先:
AI经济中生产力大幅提升,但财富集中化问题加剧,需要将经济学的核心目标从“资本积累”转向“财富再分配”,以实现社会公平。 通过制度化手段(如税收、全民基本收入)确保生产成果能为全民共享,而不是掌握在少数人手中。
●社会价值最大化:
不再单纯追求GDP增长,而是通过新的指标(如幸福指数、资源利用率和环境可持续性)来评估经济的成功。 经济发展的目标是促进社会整体福祉,而非个人或企业利润最大化。
●AI驱动的共享经济:
推动生产资料的社会化共享,利用区块链等技术实现资源的透明化分配。 建立去中心化的经济平台,使生产者和消费者直接互动,降低中间成本。
二、AI时代经济学的核心方法论
全民基本收入(Universal Basic Income, UBI):
背景:AI时代,大量劳动力岗位被取代,传统“劳动收入”不再是主流。 方法:利用AI创造的生产力税收或财富集中企业的盈利,向全社会发放基本收入,确保全民的基本生活需求得到满足。 目标:减轻社会不平等,维持消费需求,防止因失业导致的社会动荡。
★征收动态财富税(Dynamic Wealth Tax):
●背景:AI技术由少数公司垄断,财富极度集中化。
●方法:对过度集中于少数企业或个人的财富征收动态税率,税收资金用于社会公共福利。
●目标:降低财富集中度,促进社会资源的再分配。
■生产资料的社会化与共享化:
背景:AI和自动化设备属于高度资本化的生产资料,普通劳动者无法直接获益。 方法:通过合作社、公有制企业或平台经济,确保生产工具和技术的全民可及性。 目标:保障社会对AI生产力的共同控制,打破资本垄断。
■社会价值优先的货币政策:
背景:传统货币政策以刺激增长为目标,忽视社会公平和可持续发展。 方法:调整货币政策,使其优先支持公共服务(如教育、医疗、环保)和促进幸福指数的项目。 目标:实现经济与社会价值的平衡。
★AI技术红利共享机制:
●背景:AI技术的进步主要来源于公共科研投入和社会智力资源。
●方法:通过政策规定,要求AI技术公司将一定比例的利润返还给社会,用于教育、基础设施和环境保护。
●目标:确保技术进步的红利为全社会共享。
三、AI时代经济结构的设计
■从劳动经济到时间经济:
●转变:AI降低了对劳动力的需求,人类可以更多地从事创造性、社会性和服务性工作。
●设计:用“时间货币”作为新型经济单位,人们可以通过贡献时间(如志愿服务、社区建设)获得等值回报。
★开放式创新经济:
●背景:AI时代创新速度加快,创新来源多样化。
●方法:鼓励公共科研开放、知识共享,并对创新成果实行合理的社会化分配。
●目标:减少知识垄断,促进社会整体创新能力提升。
■零边际成本经济模型:
●特点:AI时代大量产品和服务的生产边际成本趋近于零。
●设计:建立免费或低成本的公共服务体系(如教育、医疗、基础设施),并通过税收覆盖成本。
●目标:减少经济活动中的不公平竞争,提升社会整体福利。
四、AI时代经济发展的政策框架
■社会保障体系全面升级:
背景:传统的劳动型社会保障体系在AI时代失效。 方法:构建以全民基本收入、免费医疗和教育为核心的新型保障体系,确保每个人都能享有基本权利。 目标:消除因技术失业导致的不平等。
★AI企业责任法:
●背景:少数AI企业对社会影响深远,但对公共福利贡献不足。
●方法:制定法律要求AI企业将一定比例的利润用于社会公益,同时透明化其技术和决策。
●目标:将企业利益与社会利益捆绑。
■数据主权与个体权益保障:
●背景:数据是AI时代的核心生产要素,但当前多由企业垄断。
●方法:确立数据主权归属个人,允许个人对自己的数据进行交易和获益。
●目标:打破数据垄断,实现数据财富的全民共享。
五、经济学教育的转型
●新的学术研究方向:
推动经济学领域研究AI对就业、财富分配、社会公平的影响。 开发针对AI时代的经济模型,如“自动化经济模型”和“共享经济模型”。
●多学科融合:
结合人工智能、伦理学、社会学和环境科学,构建多维度经济学理论。 鼓励学生理解技术与社会的互动关系。
■结论
AI时代的经济学需要从传统的资本驱动模式向社会公平驱动模式转变。这不仅需要理论上的突破,还需要政策上的强力支持和实践创新。
通过构建以全民基本收入、动态财富税、生产资料社会化和共享经济为核心的经济体系,可以有效应对AI带来的挑战,推动高福利社会的实现,同时确保技术进步为全人类共享。
新闻:2024年诺贝尔物理学奖由于两名科学家因”人工智能的根本性进步“而获奖
- 巨大重要前沿人工智能科学新闻综合摘要
- 本文整合了网络现有资源整理而成。
- 著作权与版权各归引用源作者所有。
概述: 不仅仅是数学思想与物理学概念交叉诞生了两者的研究成果,他们的成就汇聚了现代科学的众多成果。它根植于生物学、神经科学、高等数学、几何学、思维科学、人工智能、统计学、物理学、计算机科学以及工程科学的一门技术。
约翰-霍普菲尔德(John J Hopfield)和杰弗里-辛顿(Geoffrey E Hinton)于2024年10月8日在瑞典斯德哥尔摩瑞典皇家科学院的新闻发布会上被授予本年度诺贝尔物理学奖。
评委会在其声明中说,今年诺贝尔物理学奖的两位获奖者利用物理学工具开发出了构成当今强大机器学习系统基础的方法"。普林斯顿大学教授、91 岁的约翰-霍普菲尔德和加拿大多伦多大学教授、76 岁的杰弗里-辛顿,“因利用人工神经网络实现自动学习的基础发现和发明”而获奖。
诺贝尔奖评奖委员会表示:“今年物理学奖得主取得的突破建立在物理科学的基础上。他们为我们展示了一种全新的方式,让我们能够利用计算机来帮助和指导我们,应对社会面临的许多挑战。”,"帮助计算机以更接近人脑的方式学习,为人工智能的发展奠定了基础"。
对于霍普菲尔德的成就,根据委员会的说法,“霍普菲尔德网络可以存储模式,并有一种方法可以重新创建它们。当网络被赋予不完整或略微扭曲的模式时,该方法可以找到最相似的存储模式” 。
而对于辛顿的成就,根据委员会的说法,“杰弗里·E·辛顿发明了一种可以独立发现数据中的属性的方法,称为玻尔兹曼机。这种机器是基于霍普菲尔德网络开发的,可以学习识别给定类型数据中的特征元素。玻尔兹曼机可用于对图像进行分类或创建训练模式类型的新示例。辛顿以这项工作为基础,帮助启动了机器学习的当前爆炸式发展”。
约翰-霍普菲尔德 在1982年发明了联想神经网络,现在通常称为霍普菲尔德网络。Hopfield网络(霍普菲尔德网络)提供了模拟人类记忆的模型,是一种结合存储系统和二元系统的神经网络。该神经网络保证了向局部极小的收敛,但收敛到错误的局部极小值(local minimum)而非全局极小(global minimum)的情况也可能发生。虽然权重对称的要求是该网络一个重要特征,对称的权重可能导致周期性的递增或者噪声。然而霍普菲尔德网络也证明了"噪声过程"会被局限在很小的范围,并且并不影响网络的最终性能。"这使得该网络的质量得到了最终保证"。(编者所释)。
Hopfield神经网络主要有两个应用:一是起到类似储存器的作用,也就是我们把多个序列或图片输入这个网络,最终这个网络会以神经元之间连接权重的形式储存这些信息,当我们再次往这个网络输入相同或有些破损部分的原来的一个输入序列/图像,它能够把序列/图像还原(恢复)回来;另一个应用就是求解TSP问题,也就是寻找最优解。
杰弗里·埃弗里斯特·辛顿 (1947 年 12 月 6 日出生)是一位英国裔加拿大计算机科学家、认知科学家、心理学家,因其在人工神经网络方面的工作而闻名,因此获得了“人工智能教父”的称号。他曾在谷歌工作十年。1986 年,Hinton与David Rumelhart和Ronald J. Williams合作发表了一篇被广泛引用的论文,该论文推广了用于训练多层神经网络的反向传播算法, 尽管他们并不是第一个提出这种方法的人。 Hinton 被视为深度学习社区的领军人物。他与学生Alex Krizhevsky 和Ilya Sutskever合作设计了AlexNet ,用于2012 年ImageNet 挑战赛,这是图像识别里程碑,是计算机视觉领域的一次突破。Hinton 与Yoshua Bengio和Yann LeCun一起因深度学习方面的工作获得了 2018 年图灵奖,该奖通常被称为“计算机界的诺贝尔奖”。 他们有时被称为“深度学习教父”,并继续一起发表公开演讲。他还与约翰·霍普菲尔德共同获得了 2024 年诺贝尔物理学奖。2023 年 5 月,辛顿宣布从谷歌辞职,以便能够“自由地谈论人工智能的风险” 。他对恶意行为者的故意滥用、技术失业以及通用人工智能的生存风险表示担忧。他指出,制定安全准则将需要在人工智能使用方面竞争的各方之间进行合作,以避免最坏的结果。
人工神经网络的灵感来源于我们大脑中的神经元网络。自 20 世纪 80 年代以来,他们一直致力于这一课题的研究。
诺贝尔物理学奖委员会主席埃伦-蒙斯(Ellen Moons)向媒体解释说:"2024 年的获奖者们利用”统计物理学的基本概念“设计出了人工神经网络,这种网络的功能类似于联想记忆,能在大型数据集中发现规律”。
这些人工神经网络已被用于推动粒子物理学、材料科学和天体物理学等不同领域的研究,现在已成为我们日常生活的一部分。
杰弗里-辛顿(Geoffrey Hinton)被认为是人工智能领域的先驱。他在评委会通知他时反应说,我惊呆了... 我完全想象不到这样的事情(被授予诺奖)会发生。
1985 年,辛顿博士和他的同事开发了一种新的神经网络,并将其命名为玻尔兹曼机。
与霍普菲尔德博士的研究一样,辛顿博士的玻尔兹曼机中的节点可以用物理学来描述。但他们没有使用自旋,而是使用了玻尔兹曼方程,该方程以统计物理学先驱路德维希·玻尔兹曼的名字命名。该方程描述了系统的能量。
Meta 首席人工智能科学家 Yann LeCun 指出,霍普菲尔德网络和玻尔兹曼机并未被现代人工智能技术所采用。但他表示,现代技术深受霍普菲尔德博士和辛顿博士早期这些与物理相关的创造的影响。
他解释说,他们的工作启发了许多科学家开始探索神经网络,而大多数学者此前都认为神经网络是科学的死胡同。
“这让整个神经网络领域再次变得合法,”他说。“在此之前,这是禁忌。”
继玻尔兹曼的研究之后,辛顿博士和他的同事们基于一种名为“反向传播”的数学思想开发了一种新型神经网络。他和其他人(包括勒库恩博士)在接下来的几十年里,主要在加拿大和欧洲的大学里培育了这个想法。
最终,辛顿 博士和他在多伦多大学的两名研究生在 2012 年凭借该技术取得了突破,并加入了谷歌。最近,他与 LeCun 博士以及蒙特利尔大学计算机科学教授 Yoshua Bengio 共同获得了图灵奖,后者的研究重点是确保 AI 的安全开发。
- 辛顿:担忧人工智能控制一切
当被问及他最喜欢的人工智能工具时,辛顿说他是 ChatGPT 的忠实用户,同时也承认他对这项技术的影响感到担忧。
这位研究员补充道,在同样的情况下,我还会做同样的事情(他的研究,编者注)。但我担心这一切的总体后果是,“比我们更智能的系统将最终控制一切"。
诺贝尔委员会强调说,由于他们的工作,人类的工具箱里现在有了一种新的工具,“我们可以选择将其用于良好的目的”。
这些工具已经出现在我们生活的许多方面。未来如何使用将取决于 "我们人类如何选择使用这些强大无比的工具。
从20世纪80年代开始,两位获奖者就在人工神经网络方面开展了重要工作。其中,霍普菲尔德是一名物理学家,提出了日后被称为“霍普菲尔德网络”的一种新的神经网络模型,振奋了该领域的研究。
另一边,辛顿的名声或许更加响亮一些。他是卷积神经网络理论的领军人物,也被视为由ChatGPT掀起的本轮AI技术跃进背后的奠基性科学家,被誉为“AI教父”。
辛顿出生于1947年,经历了复杂的求学经历,随后开始潜心研究神经网络。他与其他两位作者一同在1986年发表了一篇题为《通过反向传播误差来学习》(Learning representations by back-propagating errors)的论文。在这篇奠定了深度学习理论核心的论文中,三位科学家将反向传播算法应用于多层神经网络,并且证明了这种方法对机器学习行之有效。
随后,辛顿在卡内基梅隆大学任教五年,后来成为加拿大高等研究院的研究员,并进入多伦多大学计算机科学系任教。辛顿在2013年加入谷歌。因其在深度学习方面的贡献,他与约书亚·本希奥和杨立昆被一同称为“深度学习三巨头”,三人在2018年被授予了”图灵奖“。
2023年5月,辛顿从谷歌离职。自那以后,他持续公开呼吁谨慎对待AI技术,成为旨在引导AI系统、使其行为符合设计者利益和预期目标的“AI对齐派”的代表。目前,辛顿是英国皇家学会会士,也是美国国家工程学院和美国艺术与科学学院的外籍会员。
在数十年的研究生涯中,辛顿可以称得上是“桃李满天下”。例如,在去年年末那场受到全球瞩目的OpenAI“政变风云”中,被猜测发现“超级智能”突破、试图解雇公司CEO 山姆·奥特曼(Sam Altman)的OpenAI前首席科学家伊尔亚·苏茨克韦(Ilya Sutskever)正是辛顿最得意的弟子之一。 在公司寻找继任者期间,OpenAI原首席技术官穆拉蒂(Mira Murati)将暂时代行CEO之职。这位女工程师曾经在特斯拉工作,2018年加盟OpenAI,并负责监督ChatGPT的开发工作。
今年5月,苏茨克韦从OpenAI离职,并在一个月后宣布成立新公司SSI(Safe Superintelligence Inc,安全超级智能),表示新公司将致力于追求安全超级智能。
而在辛顿这边,自从离开谷歌后,他也在一向旗帜鲜明地宣扬“AI威胁论”。在去年离职后不久,辛顿便在X(原推特)平台上发文表示,他离开谷歌就是为了可以“公开地谈论AI的危险”。
辛顿曾就读于布里斯托尔的克利夫顿学院和剑桥大学国王学院。在自然科学、艺术史和哲学等不同学科之间多次更换学位后,他最终于 1970 年毕业,获得实验心理学文学士学位。他继续在爱丁堡大学深造,并于 1978 年因在克里斯托弗·隆格特-希金斯 (Christopher Longuet-Higgins)的指导下进行的研究而获得人工智能博士学位。
●人工智能算法背景和发展:
20世纪40年代,人们开始对神经网络研究。
1943 年,美国心理学家麦克洛奇(Mcculloch)和数学家皮兹(Pitts)提出了M-P模型,此模型比较简单,但是意义重大。在模型中,通过把神经元看作功能逻辑器件来实现算法,从此开创了神经网络模型的理论研究。
1949心理学家赫布(Hebb)提出Hebb法则,为构造有学习功能的神经网络模型奠定了基础。
1957 年,罗森勃拉特(Rosenblatt)以M-P 模型为基础,提出了感知器(Perceptron)模型;
1959年,美国著名工程师威德罗(B.Widrow)和霍夫(M.Hoff)等人提出ADALINE网络模型,ADALINE网络模型是一种连续取值的自适应线性神经元网络模型,可以用于自适应系统。
1972年,芬兰的KohonenT.教授,提出了自组织神经网络SOM(Self-Organizing feature map)。
1976年,美国Grossberg教授提出了著名的自适应共振理论ART(Adaptive Resonance Theory),其学习过程具有自组织和自稳定的特征。
1982年,美国物理学家霍普菲尔德(Hopfield)提出了一种离散神经网络,即离散Hopfield网络,从而有力地推动了神经网络的研究;
1984年,Hinton与年轻学者Sejnowski等合作提出了Boltzmann机模型;
1986年,儒默哈特(D.E.Ru melhart)等人在多层神经网络模型的基础上,提出了多层神经网络权值修正的反向传播学习算法----BP算法(Error Back-Propagation);
● 来源:本文由下列组成部分构成:
●南柯舟从古典到现代文明问答
——回答一位名为“感谢”的读者
●读者感谢问:“易中天说,‘自然科学与人文的不同是一个可被证明,一个不能’。您怎么看待这句话”?
■南柯舟回复:自然科学与人文学科有所差异,现代哲学家如理查德·罗蒂在其“去元认知”理论中,也强调了科学与人文学科之间的区别和联系,提出它们各自拥有不同的语言游戏和真理追求方式,这与我的关于语言学基础的论述是相呼应的。
从古典到现代文明的转变,有其逐渐嬗变的有规律的过程, 而学者们也普遍认为,文明的发展是一个多元化和非线性的过程,它包含着文化、社会、经济和技术等多个方面的互动和进化。例如,斯宾格勒在其著作《西方的没落》中,探讨了文明如何表现为一种“文化生命体”的生命周期,历史和文化的连续性变革,这种变革从低端走向了高端,从无序走向了有序。
易中天搞文史,情有可原本身缺乏更深的哲学造诣,缺乏深厚哲学造诣的特征,就是没有深刻的语言学修养。因为语言学是哲学的基础,一旦缺乏语言学造诣,就容易下一个模模糊糊的,似是而非的结论,他没有对这句话详细加以解析,解构和建构。
自然科学涵盖广泛,宇宙就是自然科学,它的边际如何证明?逻辑学是社会科学,它的形式包含严密的推理,这种推理本身就是科学主义产物。
我认为,只要是真理,都可以证明。 人文方面也可以被规律证明。真理具有唯一性,来自第一性,第一因,有些唯一性,似乎至今我们没有看到,它处于正在进行时,其实结论已经告诉你,那就是历史事实、从蛮荒到文明,历史逻辑,从元素到结构——解构,其中蕴含真理。
人,暂时流血,不意味着会死亡。但,如果你患有体系性的高血糖糖尿病,再不断受伤,伤口上长期不断失血,伤口化脓不治理,必然死亡。
任何光源,最初有个点,它产直生线,直线如果足够长,它本身就会在引力作用下变为曲线,犹如真理是点,多元是线。无数线可以通向一个点,但有的线太长,太弯曲,怕看不到那个点。
●读者感谢问:如何看待社会和意识形态的多元化?
■回复:关于社会和意识形态的多元化:,哈贝马斯在其公共领域理论中讨论了如何在多元化社会中实现自由和理性的交流,这与我的对于多元化的看法有相似之处,即便是在多元化的社会中,也要需要寻求共识和对话,共识,是很重要的一点。通俗的讲吧,打个比方,狗吃屎,人吃饭,倒过来,那就是问题了。元素存在正义归类和范畴归类。正义归类就是,正确的范畴归类,黑白都是颜色,你把黑的说成白的,这就是两个概念,白马非马,从逻辑上具有绝度(绝对度量)意义上的正确性。轴心时代中国名家的逻辑学,已经比较发达了。
谈到多元化,再多的多元化,都不是不断自己结疙瘩的多元化,那是猴戏,被玩与玩弄,被愚弄与愚弄,权力和被权力,奴役和被奴役。制度如果变成一种不断被结疙瘩的线(体系性结疙瘩),当然就有一双不断结疙瘩的手(权力),如果又自己带着剪刀(绝对权力),它既不属于多元之元,又没有终点之点。疙瘩之线,不会通向一般的美好之点。
●读者感谢问:先生高义[抱拳]借用当年明月一句话可能不太准确,有些东西深入思考就可以发现,不知道是我太聪明还是他们愚蠢或是骗人。
■南柯舟答:一个问题,有很明白的谜底 ,非要蒙起别人的眼睛捉迷藏,他想干什么?他想独吞。[呲牙]
●读者感谢问:您对轴心时代怎么看?
■南柯舟答:关于轴心时代对中国文明的影响, 卡尔·雅斯贝尔斯的轴心时代理论认为,公元前500年左右,我认为大致是公元前700年到公元前200年之间,世界多地同时出现了哲学、宗教和思想的重大转变,这对全人类文明都产生了深远影响,这与我对轴心时代的分析相辅相成。
轴心时代并没有决定中国文明走向。这个时期百花齐放,但几位关键人物颠覆了中国轴心文明,这些个人物总结了中国文化的最大弱点,对这些弱点加以了利用,中国文化的最大弱点就是"无神论"宗教信仰,导致没有底线,现代中国社会,又陷入了"无神论"渊薮。佛教。比如商鞅,他就像魔鬼波旬一样,开启了"牧"民思想。东方文明与西方文明孑然相反, 秦一统,终结了百家,首启专制开端。罗马一统,开创了经院哲学,致力于反思希腊文明,意大利人把古希腊—古罗马制度发扬光大,掀起文艺复兴。
●读者感谢问:都说儒家和周礼毒害了中华,您怎么看待这个问题?
■南柯舟回复:有一定道理。法家锤其“实锤”,儒家担了骂名,自古外儒内法。骨子里是法家诡道法术势。殷商其实并不是罪有多大,乌克兰有罪吗?俄罗斯就要侵略你。殷商在当时很文明,殷商的封建制度发展很发达,科技和工商业,在当时很发达,周是利用暴力联合摧毁了殷商——看看殷商的铜器,成就远远高于周。历史之罪,罪孽在商鞅,罪在秦始皇,罪在汉武帝。
儒家和周礼的影响: 法国社会学家布迪厄的“习俗习惯论”可能对此有解释,认为文化和象征结构能够影响社会结构和个人位置,这些理论有助于理解我的关于儒家文化与社会结构之间关系的讨论,互相影响,中国汉代选择儒家文化,与农业文明下小农经济老婆娃娃热炕头的急功近利追求有关。
●读者感谢问:既然全世界都有对真理唯一性的认同,也同样经历过皇权帝制,在人性相同的前提下,为什么我们没有出现诸如文艺复兴这种事,如果历史在正常推演,那咱们为什么成了比较特殊的一种情况?
■南柯舟回复:真理的唯一性和文艺复兴未在中国出现的原因, 哈佛大学历史学家尼尔·弗格森在他的著作中探讨了西方文明的兴起和非西方文明的不同路径,他的观点对于文艺复兴和中国特殊路径的讨论提供了比较视角。
罗马帝国抱着对古希腊的崇拜摧毁了古希腊。但古罗马的经院派继承了古希腊的文化文明,古罗马非常野蛮,但更野蛮的民族伯艮第王国和东西哥特王朝摧毁了古罗马,欧洲王国后来不断解体,航海发达,带来商业发达,商业发达,带来契约思想,商业发达也带来教育需求,导致数学等自然科学发达,于是文明不断多样化,后来,以意大利为中心,工商业高度发达,发达孕育了贵妇沙龙,不断催生文明思想。于此同时,中国不断整合,欧洲不断分裂,走上了相反的道路。分裂导致文明多样化,必然导致自由和互相尊重的思想诞生。中国人则利用暴力不断走向统一。
●读者感谢问:您认为是下层基础决定了上层思想,还是形而上的思想决定了人民的生活?
■南柯舟回答:互相影响。暴力掌握什么,什么就是当时的王道。按理说,王道乐土,但如果王道社会里如果不发生社会理性思潮升级这样的质变,暴力逻辑就会一直持续,文明压制不了野蛮,野蛮就会压制文明。社会高度文明化后,理性才能孕育,文明压制了暴力。所以,根本的改变是,文明切断野蛮进步的途径,渠道,掌握绝度自主权,绝对优势,威逼野蛮走向文明,文明才能发生。中国社会几千年来,民间思维没有升级到逻辑层次,理性匮乏。
●读者感谢问:胡先生说,制度决定一切您不这么认为吗?
■南柯舟回复:关于上层建筑与基础设施的关系, 马克思的历史唯物主义提出了基础设施决定上层建筑的理论,这与我的看法有所不同,我提供一种新的视角来理解物质条件和意识形态之间的关系。
任何野蛮制度,都会被纯商业社会和法治化社会摧毁。所以野蛮制度抗拒纯纯商业自由化的社会和法治化社会。如果商业被野蛮人掌握,就会刮骨敲髓工具。如果西戎和殷商不断向周输入资源,周灭殷商只是时间问题。就像美国和地广物博的其他国家。当时殷商富裕,王宫酒池肉林,下层商业发达,工艺精美,周以武装暴力灭殷商,就像罗马人消灭古希腊,金人消灭南宋,蒙古人消灭明这是暴力消灭文明。你想要怎样的社会?
南柯舟谈现象学的源流与发展和未来
●南柯舟介绍今日现象哲学在过去的渊源、现状、发展,以及未来
现象学作为一种哲学方法论,起源于20世纪初的欧洲,主要由埃德蒙·胡塞尔(Edmund Husserl)创立。现象学关注于直接经验的描述和分析,旨在揭示事物呈现给意识的方式。胡塞尔的现象学强调“回归事物本身”,即直接关注事物如何在我们的意识中呈现,而非预设任何理论或解释框架。先有交叉思想,后有交叉理论,因此,交叉思想是交叉哲学的基础,交叉哲学是交叉科学的基础,而最后,所有呈现的交叉,乃是一种现象,也应当归纳到现实及现象学本身。现实的不一定是合理的(所谓黑格尔的原话“凡是现实的都是合理的”并非如此简单的一句话),单存在的都值得研究,归根结底,我们所生存的世界,必须被全方面的质问和探索——这是现象学的核心精神。
胡塞尔之后,现象学哲学经过几代人的发展,形成了多个分支和方向:
1. 马丁·海德格尔(Martin Heidegger):海德格尔是胡塞尔的学生,他在《存在与时间》(Sein und Zeit)中对现象学进行了重新诠释,引入了存在论的元素,探讨了“存在”的问题,将现象学的焦点从意识的结构转移到人的存在状态和人存在的世界中的意义。
2. 让-保罗·萨特(Jean-Paul Sartre):萨特的《存在与虚无》(L'Être et le Néant)进一步将现象学与存在主义结合,探讨了自由、意识、他者以及存在的本质。萨特强调个体的主观体验和自由选择的重要性。
3. 莫里斯·梅洛-庞蒂(Maurice Merleau-Ponty):在《知觉的现象学》(Phénoménologie de la perception)中,梅洛-庞蒂关注于身体经验和感觉在认识过程中的作用,强调感知世界的身体性和情境性,对后来的身体现象学有重要影响。
4. 罗曼·雅各布森(Roman Jakobson):虽然主要是语言学家,雅各布森的工作在语言哲学和现象学之间建立了桥梁,特别是他关于语言功能和结构的研究,影响了后续对语言现象学的探讨。
现象学的发展和交叉:
●现象学对跨学科和交叉哲学与交叉科学影响:现象学不仅影响了哲学领域,还对心理学、社会学、艺术理论和文学批评等产生了深远影响。
●现象学中的批判理论和后现代哲学:现象学的方法和概念被后续的批判理论家和后现代哲学家借鉴和发展,例如雅克·德里达的解构主义批判了现象学的某些基本假设。
未来发展可能性:
●今日技术和人工智能的发展:随着技术的发展,特别是在人工智能和认知科学领域,现象学的方法论和概念正在被用来探讨人机交互、意识和机器认知的问题。
●危机和负面现象不断增生的当代社会——环境哲学和生态学:面对全球环境危机,现象学关于人与世界关系的思考为环境哲学和生态学提供了新的视角和方法。
●现象学中的身体性和情感研究:现象学对身体经验的重视为情感研究、性别研究和健康研究等领域提供了丰富的理论资源。
现象学作为一种哲学方法,其开放性和强调直接经验的特点,使其能够适应不断变化的现代语境,继续为哲学研究和跨学科探索提供深刻的洞见和方法工具。
●跨文化哲学对话:在全球化背景下,现象学提供了一种重要的方法论框架,用于跨文化哲学对话和理解。通过关注不同文化背景下的人类经验和世界观,现象学有助于建立跨文化理解和沟通的桥梁。
●正视今日超常规速度发展的客观现象:高级科技与数字化和虚拟现实:随着数字技术和虚拟现实的发展,现象学关于"世界如何呈现给我们"的核心问题变得尤为重要。研究如何在数字化环境中体验和理解世界,将是现象学未来可能探索的一个领域。
●现象学探讨主体性和间主体性(内观/外观/主观/客观/本体/客体)的新探讨:现代社会中,个体与社会的关系、网络空间中的自我表达和认同问题,以及多样性和差异性的接纳,都是现象学可以贡献深刻见解的领域。通过研究主体性和间主体性的现象学基础,可以更好地理解和应对当代社会的挑战。
●现象学在教育和实践领域的应用:现象学的教育哲学和实践方法正在受到越来越多的关注。通过强调体验、反思和意义构建的过程,现象学为教育实践提供了一种注重深度学习和个体差异的方法论。
现象学的未来发展,不仅在于继续深化和扩展其哲学理论基础,更在于其作为一种研究方法在各领域的应用和实践。它的开放性、对经验的关注以及对事物本身的直接揭示,使其能够在不断变化的现代世界中发挥独特的作用,为理解复杂的人类经验和世界问题提供独到的视角。现象学作为一种活生生的哲学传统,其未来的可能性是开放的,等待新一代哲学家和跨学科研究者的进一步探索和创新。
●未来文明与神经沟通技术(by南柯)
昨天谈到了“世界哲学文明符号系统”是“恒久稳定的价值观”(即自然逻辑)推送世界文明前进的内容。其中“世界哲学文明符号系统”是什么,我认为是基于一部有“标准化定义的哲学思想符号辞库”,这样一部标准词库,即产生自然逻辑的人工技术参与源泉,它越来越接近于乔姆斯基的语言哲学,以下内容,一并作为对这一提问的具体详密的回复。
昨天与Noah谈到文明的区别, 他踢出一个问题,香港为什么沐浴了百年敏煮,竟然一夜之间就能让他们的精英富豪明星们同声歌唱某种主义,有时候文化不变,只变制度的结局,看似走了捷径,思维模式没有改变,实则暗藏祸端。因此,有理由相信,任何中文文明,都可以去敏煮化,只在一夜间就可以完成。
人类语言必须跟随社会进步发生进步变迁。腓尼基人为了使文字跟随商业文明进步便捷的记账和进行生产生活,把从埃及学校学习到的象形字和从苏美尔人学习到的锲形文字加以综合,创造出了新的文字。文字的更迭,是人类从商业行为上升到商业行为背后所蕴藏的行为逻辑的一次次归纳和总结——文字不是偶然产生的,语言也不是偶然产生的,而是不同人群的必然选择,于是我们从这个原理,产生了一个结论,这就是人类在不同地域不同商业行为促使下,导致的思维逻辑的不同,不同的地域下不同的商业行为,是否导致了不同智商?或者反过来说,是否不同智商导致了不同的商业行为? 为了使中国文明更便利于在现代文明中乘风破浪,近现代很多先行者对废汉(废除汉字)和汉字拼音化/字母化/拉丁化都有论述。依托科学的进步,必然会发现先进的(科技)工具,人类未来的沟通交流方式会极大压缩语言和文字的空间,当多维视角被打开,人类未来必然可以走向用意识进行彼此的多方交流,今天我们处在以过去作为参照而趋于顶尖的物质文明时期和超验文明的边缘,但可以想象,目前我们中国,依然对此一无所知,所有对未来文明基础性的研发,都发生在那些最为先进的国家。
即使“前几天的苹果发布会那种超视角可控多维穿戴设备就是一个开始”。“他说:当脑机接口成熟起来,这种落后的交流方式将会和文言文一样被淘汰。(那时)我们的“思维逻辑”将不再是个平面。这样会带来一个可怕的结果,对依托自然逻辑建立的科技文明不相适应的民族将被自然淘汰。自然逻辑不是变量,是常量,是衡量世界结构的定律”。
我想,自然逻辑是自然法的再现。非自然逻辑是急功近利的短期利益逻辑,炎哥来说,在变量思维中,根本没有逻辑可言。在未来社会,整个由符号系统建构的基于文明规则的那种由科学技术参与下支撑起来的自然逻辑,将使用改系统内生的自然逻辑,在未来,它将迅速的团灭基于野蛮的短期利益而表现出来的变量逻辑——毫无逻辑。
如果菲尼基人当初不把学习自埃及的象形文字和来自两河流域的苏美尔人发明的楔形文字转换为字母文字的话,那么人类的思维水平就不可能达到今天这样的高度。这完全是一种偶然?我认为这是一种智力先进性的体现,就像著名的遗传学家沃尔森的发现,他的发现认为,Africains至今为止,在智慧方面发育不完整的人(虽然这一违背伦理道德正确性的言论被在来自黑人的呼吁和美国政府高压下被诺贝尔奖评审委员会剥夺了获奖资格)。当自然逻辑作为自然法的再现,这种字母文字正好充当了他们之间进行完美沟通的桥梁,今天和未来的神经网络研发,多基于字母文字的便利性、简单性和准确含义。
摘录我的一段文字,作为本文的结尾:过去的C语言,F语言、JAVA语言、Pyton语言、GPT—Ai语言,神经网络语言,支撑简单的背后,有庞大的复杂性语言库。 就像所有复杂语言(最复杂的计算机语言)都来自符号语言(字母抽象语言)。而非依然在使用的那些更接近象形文字的语言(至今其基本结构依然基于象形文字的那些语言)。
(南柯思想/2023/06/27)
文化制胜的久远征程:文化博弈论
南柯舟/文
为了寻找纯种雅利安人,希特勒费了九牛二虎之力,佛教因果论有无根据?雅利安人为什么今天不能像犹太人一样独立存在于世界上并且建立他们的国家?他们中的部分雅利安-旁遮普人已经选择永远的隐藏在印度高种姓人之中了,这就是他们的聪敏之处。
谈到人类不同种族的生存智慧与选择智慧,当不同的人类面对外界时,都会有不同的生存压力,经济学上有一个论点重点是说每个人都会选择最有利自己的方式方法去生活,我们对他人的生活方法生活方式,没有更多的指点指责的权利,因为事实上,不能用因果来描述他所遇到的事物,世界上所有的事情都是无数的巧合,加无数的巧合,佛教里边今生来世因果说,是印度教受到14世纪时来自俄罗斯俄罗斯乌拉尔山脉南部草原上的一个古老游牧民族雅利安-旁遮普人通过开伯尔山口入侵占领印度后,他们往南驱逐古达罗毗荼人(古印度人),结合本地宗教创造了吠陀文化,并建立了种姓制度,用来愚昧印度人的一种骗人的鬼把戏。
个体(无论个体还是国家)都像站在杠杠上的阿基米德动态平衡游戏。对于每个人,每个国家来说,所谓“最有利”,都是个博弈过程,只有高瞻远瞩的远见,牺牲眼前的大小不当得利利益,未来获取的才能越多。这是个博弈规律。
如果只求眼前急功近利的“最优”,前面大概率是个深坑!