10年内AI应该有大突破

[hci]

不是LLM，而是混合模型，也就是我从2018年就开始宣传的以符号系统为主体的系统。而符号系统是以数据库为核心的，推理是数据库操作的一部分，神经网络成为其中一些具备特定功能的部件，比如LLM是用户界面，用来成为符号系统与人类自然语言之间的媒介，也是用来感知物理世界的部件。

本质上就是我现在在搞的方向。最近读到很多最新AI文章都是这个路子。这些除了大学在搞以外，deepmind也有人在走这条路，所以我觉得十年内应该就有大突破出来了。

反正不管别人进展如何，我的东西十年内就要实现我能想到的“能够人造的AGI”。

不能人造的部分，也正好是人类不需要AI具有的部分，也就是真正的自主意识。

完美。

机器奴隶代替人类工作，人类才有时间关注精神世界，也就是修行。

一切都在按照时间表进行。只要人类不作死乱来，千年内升级成神不是梦。

[TheMatrix]

不是LLM，而是混合模型，也就是我从2018年就开始宣传的以符号系统为主体的系统。而符号系统是以数据库为核心的，推理是数据库操作的一部分，神经网络成为其中一些具备特定功能的部件，比如LLM是用户界面，用来成为符号系统与人类自然语言之间的媒介，也是用来感知物理世界的部件。

本质上就是我现在在搞的方向。最近读到很多最新AI文章都是这个路子。这些除了大学在搞以外，deepmind也有人在走这条路，所以我觉得十年内应该就有大突破出来了。

反正不管别人进展如何，我的东西十年内就要实现我能想到的“能够人造的AGI”。

不能人造的部分，也正好是人类不需要AI具有的部分，也就是真正的自主意识。

完美。

机器奴隶代替人类工作，人类才有时间关注精神世界，也就是修行。

一切都在按照时间表进行。只要人类不作死乱来，千年内升级成神不是梦。

哦你说的混合模型不是multi-modal？我觉得下一个突破应该在multi-modal，很可能又是李飞飞的空间智能。

[hci]

不是。multi-modal是已经解决了的问题。对于LLM来说， modal不是障碍，都是矩阵，token与pixel没有区别。

不知道李飞飞的空间智能是啥，也不关心。

在AI这个行当，一提到混合（hyrid），大家的理解都是一样的，就是符号系统与基于数据的学习系统（现在就是指神经网络）的混合。符号系统就是所谓的老AI。混合体系结构就是hybrid, 也有说neuro-symbolic architecture的。

符号系统的用处，一个是用来推理，这个大家现在都认识到了。另一个更重要的作用，以前老AI忽略了的功能，就是其实它也是记忆的所在。

LLM之所以成功，其实是因为它本质上是集成了个模糊的数据库（所以小船说的也没错）。这儿的关键字是“模糊”，所以很多活干不了。

对智能来说，推理不如记忆重要。比如人的智能里面，推理的成分很少，因为人的工作记忆容量很小，只有7+-2（学了Psych101的话，这是常识），其实大部分貌似推理的东西都是记忆检索，这就是刷题的工作原理。

符号系统还有一个关键的功能，就是它可以简单实现人的天生的一些本能，而不需要用大量数据来学这些本能。

比如一些基本的空间认知能力，就是本能。比如“包含”这种关系，既不是公理逻辑系统的公理或者推出的定理，也不是从数据中学来的映射，而是人的智能系统天生内置的功能。这也就是我的stalker说的“常理”。

这些需要hardwire的先天的倾向性，能极大缩小搜索空间，降低推理的难度。人能够举一反三，就是因为这些本能已经把答案的搜索范围大大缩小了，只要一个例子，明白了题目的意思，换个类似题目，单靠这些本能，就可以找出答案，不需要大量数据来训练。

在符号系统中，这些本能很容易实现，其实就是推理（也就是搜索）算法中的一些筛选条件而已。所谓IQ测试题，就是在测量不同个体的这些hardwired的筛选条件的实现水平。不同的人实现的筛子是不一样的，有的人脑子里缺少一些筛子，IQ就低一些。而且这些筛子是人脑个体实现的搜索算法本身的特性，所以是天生的，后天学习不了，这也解释了IQ的先天性。

还有什么问题？AMA。

哦你说的混合模型不是multi-modal？我觉得下一个突破应该在multi-modal，很可能又是李飞飞的空间智能。

[TheMatrix]

不是。multi-modal是已经解决了的问题。对于LLM来说， modal不是障碍，都是矩阵，token与pixel没有区别。

不知道李飞飞的空间智能是啥，也不关心。

在AI这个行当，一提到混合（hyrid），大家的理解都是一样的，就是符号系统与基于数据的学习系统（现在就是指神经网络）的混合。符号系统就是所谓的老AI。混合体系结构就是hybrid, 也有说neuro-symbolic architecture的。

符号系统的用处，一个是用来推理，这个大家现在都认识到了。另一个更重要的作用，以前老AI忽略了的功能，就是其实它也是记忆的所在。

LLM之所以成功，其实是因为它本质上是集成了个模糊的数据库（所以小船说的也没错）。

对智能来说，推理不如记忆重要。比如人的智能里面，推理的成分很少，因为人的工作记忆容量很小，只有7+-2（学了Psych101的话，这是常识），其实大部分貌似推理的东西都是记忆检索，这就是刷题的工作原理。

符号系统还有一个关键的功能，就是它可以简单实现人的天生的一些本能，而不需要用大量数据来学这些本能。

比如一些基本的空间认知能力，就是本能。比如“包含”这种关系，既不是公理逻辑系统的公理或者推出的定理，也不是从数据中学来的映射，而是人的智能系统天生内置的功能。这也就是我的stalker说的“常理”。

这些需要hardwire的先天的倾向性，能极大缩小搜索空间，降低推理的难度。人能够举一反三，就是因为这些本能已经把答案的搜索范围大大缩小了，只要一个例子，明白了题目的意思，换个类似题目，单靠这些本能，就可以找出答案，不需要大量数据来训练。

在符号系统中，这些本能很容易实现，其实就是推理（也就是搜索）算法中的一些筛选条件而已。所谓IQ测试题，就是在测量不同个体的这些hardwired的筛选条件的实现水平。不同的人实现的筛子是不一样的，有的人脑子里缺少一些筛子，IQ就低一些。而且这些筛子是人脑个体实现的搜索算法本身的特性，所以是天生的，后天学习不了，这也解释了IQ的先天性。

还有什么问题？AMA。

符号系统应该是AI的结果，而不是输入。这是我的看法。

[hci]

你那是死路。现在AGI人士都改口了。你得跟上形势。CoT就是内置的输入（prompt），而不是学习的结果。

符号系统最大的困难是不知道应该内置什么，到底什么是最通用的本能。

现在这问题有了进展，其实就是第一性原理：空间和因果（时间）。做这个工作的人现在在deepmind工作。看了这些工作我也受到了极大地鼓舞，一下子都想明白了，所以才有这个主帖。

大家拭目以待。

符号系统应该是AI的结果，而不是输入。这是我的看法。

[pyd]

能发一下你提到的相关的文章的链接在这里吗？ 谢谢！

[TheMatrix]

你那是死路。现在AGI人士都改口了。你得跟上形势。CoT就是内置的输入（prompt），而不是学习的结果。

符号系统最大的困难是不知道应该内置什么，到底什么是最通用的本能。

现在这问题有了进展，其实就是第一性原理：空间和因果（时间）。做这个工作的人现在在deepmind工作。看了这些工作我也受到了极大地鼓舞，一下子都想明白了，所以才有这个主帖。

大家拭目以待。

你说符号系统，使我想起了rule based系统。这种系统应该是不行的。如果你说的不是rule based系统的话，那可能可以。看你怎么解释“符号系统”这个名词了。

[agnis]

每人都是神，还需要这么多神吗？

不是LLM，而是混合模型，也就是我从2018年就开始宣传的以符号系统为主体的系统。而符号系统是以数据库为核心的，推理是数据库操作的一部分，神经网络成为其中一些具备特定功能的部件，比如LLM是用户界面，用来成为符号系统与人类自然语言之间的媒介，也是用来感知物理世界的部件。

本质上就是我现在在搞的方向。最近读到很多最新AI文章都是这个路子。这些除了大学在搞以外，deepmind也有人在走这条路，所以我觉得十年内应该就有大突破出来了。

反正不管别人进展如何，我的东西十年内就要实现我能想到的“能够人造的AGI”。

不能人造的部分，也正好是人类不需要AI具有的部分，也就是真正的自主意识。

完美。

机器奴隶代替人类工作，人类才有时间关注精神世界，也就是修行。

一切都在按照时间表进行。只要人类不作死乱来，千年内升级成神不是梦。

[hci]

数据库是实现AGI的理想平台：

知觉和动作（LLM的功能）= input parsing + results presentation
深度推理 = query
工作记忆 = buffer cache
实时学习(也就是海马的工作，把工作记忆成果变成长时记忆的关键部位) = transaction processing
常识和日常推理 = materialized views

不是LLM，而是混合模型，也就是我从2018年就开始宣传的以符号系统为主体的系统。而符号系统是以数据库为核心的，推理是数据库操作的一部分，神经网络成为其中一些具备特定功能的部件，比如LLM是用户界面，用来成为符号系统与人类自然语言之间的媒介，也是用来感知物理世界的部件。

本质上就是我现在在搞的方向。最近读到很多最新AI文章都是这个路子。这些除了大学在搞以外，deepmind也有人在走这条路，所以我觉得十年内应该就有大突破出来了。

反正不管别人进展如何，我的东西十年内就要实现我能想到的“能够人造的AGI”。

不能人造的部分，也正好是人类不需要AI具有的部分，也就是真正的自主意识。

完美。

机器奴隶代替人类工作，人类才有时间关注精神世界，也就是修行。

一切都在按照时间表进行。只要人类不作死乱来，千年内升级成神不是梦。

[hci]

神分等级。

宇宙这么大，需要很多管理人员。

神也要换班呀。上面的神升级了，也得有神来顶班。

人世就是个学校。

每人都是神，还需要这么多神吗？

[hci]

“这种系统应该是不行的”是为啥？

你不要光鹦鹉学舌背书。

整整一代的学生就是这么背书的。

感谢AI教科书作者们，我这种老帮菜才有搞头。否则AGI哪里轮得到我来弄呢？哈哈。

为啥很多成果都是英国培养的人弄出来的，比如Hinton，还有我现在觉得靠谱的几个工作，都是英国培养的。 我觉得还是英国的学术传统底子比较厚，有自信，喜欢从第一性原理出发，不跟风。

你说符号系统，使我想起了rule based系统。这种系统应该是不行的。如果你说的不是rule based系统的话，那可能可以。看你怎么解释“符号系统”这个名词了。

[agnis]

在人还不能实现星际旅行前，AI会有足够时间会抢先一步自己进化成神

神分等级。

宇宙这么大，需要很多管理人员。

神也要换班呀。上面的神升级了，也得有神来顶班。

人世就是个学校。

[hci]

AI没有自主意识。也就是没有灵魂。灵魂自在天成，不是人能够造的。人升级成神之后，也许可以管理一些低级灵魂的分配。

人类上的是神仙速成班，没有星际旅行这个学习项目。

人类一千年内就要成神了。到时候想去哪里立即就到了。

星际旅行是低级灵魂的学习项目，比如造我们的那些外星人。

在人还不能实现星际旅行前，AI会有足够时间会抢先一步自己进化成神

[TheMatrix]

“这种系统应该是不行的”是为啥？

你不要光鹦鹉学舌背书。

整整一代的学生就是这么背书的。

感谢教科书作者，我这种老帮菜才有搞头。否则AGI哪里轮得到我来弄呢？哈哈。

先说你所说的符号系统是不是rule based system，如果不是，那就没必要说rule based system为什么不行了。

[hci]

那你理解的rule based system是啥？你说说看。

然后我可以告诉你，我说的符号系统是不是你理解的“rule based system"。

好不好？

先说你所说的符号系统是不是rule based system，如果不是，那就没必要说rule based system为什么不行了。

[TheMatrix]

那你理解是rule based system是啥？你说说看。

然后我可以告诉你，我说的符号系统是不是你理解的“rule based system"。

好不好？

我理解的rule based system就是人把某一方面的知识提取出来写成规则，可以有成千上万条，然后把这些规则编程写进一个电脑系统里，用以处理新出现的情况。

[hci]

这篇博士论文可以看看：

https://www.doc.ic.ac.uk/~re14/Evans-R- ... Thesis.pdf

这个人现在在deepmind工作。

能发一下你提到的相关的文章的链接在这里吗？ 谢谢！

[wass]

不是LLM，而是混合模型，也就是我从2018年就开始宣传的以符号系统为主体的系统。而符号系统是以数据库为核心的，推理是数据库操作的一部分，神经网络成为其中一些具备特定功能的部件，比如LLM是用户界面，用来成为符号系统与人类自然语言之间的媒介，也是用来感知物理世界的部件。

本质上就是我现在在搞的方向。最近读到很多最新AI文章都是这个路子。这些除了大学在搞以外，deepmind也有人在走这条路，所以我觉得十年内应该就有大突破出来了。

反正不管别人进展如何，我的东西十年内就要实现我能想到的“能够人造的AGI”。

不能人造的部分，也正好是人类不需要AI具有的部分，也就是真正的自主意识。

完美。

机器奴隶代替人类工作，人类才有时间关注精神世界，也就是修行。

一切都在按照时间表进行。只要人类不作死乱来，千年内升级成神不是梦。

完了，ds明年就搞出来了

[hci]

这个理解不太对。

后面的技术的工作原理差不多，但工作方式不是这样。

不要忘了我们在说AGI系统，所以不需要把人的知识提取出来放进去，而是它自己去提取人的知识。我们只需要造它，也就是赋予它能够自己提取知识的能力。这与其他AGI人士的看法是一样的。

不同在于，这个能力是如何赋予。AGI人士说是堆数据堆算力。我们hybrid人士说不需要，因为人没见过多少数据，更没啥算力。

我理解的rule based system就是人把某一方面的知识提取出来写成规则，可以有成千上万条，然后把这些规则编程写进一个电脑系统里，用以处理新出现的情况。

[TheMatrix]

这个理解不太对。

后面的技术的工作原理差不多，但工作方式不是这样。

不要忘了我们在说AGI系统，所以不需要把人的知识提取出来放进去，而是它自己去提取人的知识。我们只需要造它，也就是赋予它能够自己提取知识的能力。这与其他AGI人士的看法是一样的。

不同在于，这个能力是如何赋予。AGI人士说是堆数据堆算力。我们hybrid人士说不需要，因为人没见过多少数据，更没啥算力。

那就没啥可说的了。

知识肯定是要AI系统自己提取出来的，而不是rule based。

至于怎么提取出来，你也没说。那就只能等你说了再说。