在今年年初，DeepSeek在国内外变得很流行，然后由通用人工智能（GAI）在国内制造的另一个曼努斯（Manus）也在在线屏幕上泛滥成灾。从近年来的Chatgpt到今天的DeepSeek和Manus，总体客观人工智能技术已经迅速开发和应用了越来越多的领域和情况。随着迅速地主张人工智能，对人类的生活，学习和工作状况，人们将不得不将其与其他众所周知的历史发明（例如火灾，电灯和内部燃烧引擎）进行比较。当然，这种比较仅仅是为了强调奉献的人的变化，这些人将制造人工智能，而在不同事物之间不相等。那么，Artipisa智能的特征是什么？我们考虑的第一件事可能是巨大的存储容量，高速计算和所显示的学习能力。外交官基辛格也这个问题的HT。基辛格被称为“中国的老朋友”，并为中美国的关系做出了重大贡献。在他去世之前（死于2023年11月29日），他仍然想到了各种国际社会问题。此外，人工智能也是他认为的主题之一。他一生中写了22本书，最后一本被称为“人工智能和人类价值观的时代”。 Google前首席执行官埃里克·施密特（Eric Sc​​hmidt）和Microsoft Craig Mondy的前首席研究与战略官结束了这一问题。在基辛格一生的最后一年，两个行业内部人士多次与他见面，讨论人造Catalinuhan。以下内容来自“人工智能和人类价值观”一书。内容是关于人工智能特征的讨论。摘录摘要，标题由段落给出。请参阅原始书以获取评论。纪录片《 AI的喜悦》（2018年）是一张图片。最初与-set | [美国]亨利·基辛格等人。 “人工智能与人类价值观的时代”，[美国]亨利·基林（Henry Kissinger）等人，由Hu Liping和Feng Jun翻译，Citic Publishing House Ark Studio，2025年3月。将军和外交官将人工智能与原子的能量进行了比较，或者是原子的能量，或者是由Bimsarck bimistodebodebode的人类或不可思议的人类意志。天文学家将其描述为一种小行星效应 - 一个遥远的预测和较低的预测，人们可以安排行星防御或外国生命的发现。经济学家将人工智能比作官僚主义和市场，而国家和社会的领导人将与印刷机或公司的出现进行比较 - 后者甚至逐渐拥有他们的意愿，并在世界发展之前征服了南亚的分歧，当时世界尚未认识到其与现有电力结构的分歧。没有变化，无论多么深，最初我们可以包括建立智力时所追求的灵魂，并且（我们认为）是以前的目的 - 使智力比世界上任何人都更强大 - 是可比的。来自“ AI我们需要谈论”的剧照（AI我们需要谈论A.I.2020）。有两个Paraan可以考虑我们当前的情况。首先是熟悉事物的类比。迄今为止，人们最不断变化的技术已经增强或增强了人体的功能。轮胎可以减轻疲劳的疲劳，而所有类型的机器都可以缓解肌肉酸痛。 X射线，放大镜和灯泡扩大了明显的现实的限制，使我们能够超过自然视觉的极限，例如以我们的喉咙无法以喉咙无法使用的方式增加电话。人类功能的所有方面均以我们创建的机器的无机方式相对扩大，锐化或增强。那么，人工智能是人类能力的另一种扩展吗？第二个想法当时，情况有所不同 - 人工智能具有某些独特的方面，而人类能力无法涵盖。通过创造几十年来数千年来制造的大脑的存在，也就是说，我们突然意识到，这是需要在人类手的帮助下复制或重新创建的最后一个器官。 2。第一个特征是，机械速度的发展与从青春期到年龄的人脑成熟的生物学过程相似。学生们学习了中学基本主题的基础知识，并在世界上建立了一个关键的观点。这个世界的观点可能不是特别先进，也不总是正确的，机器也是如此。机器像人类一样，通过吸收信息并将其转换为随后的Kasanayan的理论来学习。研究机器时，该算法会创建大量数据（此数据来自开放式互联网或其他Priv提供的更具体的数据吃个人），然后将结果调整为压缩和theStreamline概念图，以备将来使用。正如人类生物学机制绘制了连接大脑加工单元网络的神经“重量”中的感觉感觉一样，机器也需要逐渐增强自己的计算重量。神经网络就像一些高中生一样，可能很懒惰。在培训的早期阶段，AI将完成最低任务 - 请记住答案，而不是真正学习。面对“ 2+2等同于某些人”的问题，该模型可以是“ 4”的答案，而无需掌握基本的KAR PrancionlesAdlesAdlesadd。但是很快，当某个临界点越过时，此过程崩溃并迫使机器抽象并容易受到人类等更一般知识公理的影响。这是人工智能和普通计算机之间的主要区别：它在世界上的映射不是通过编程获得的，而是学会的。在传统软件编程中，人们指南创建的有关如何将一组输入转换为一组输出的算法。相反，在对机器的研究中，人类创建的算法仅告诉机器如何改善自己，并允许机器设计自己的输入输出转换的映射。当机器从无数的尝试，失败和谴责中“学习”时，它以一种迭代方式升级了自己的算法，以将这些模式和连接的内部映射设计为数据中的“见解”。人类培训师会定期反馈其输出的准确性和质量在机器中导致。机器通过“反向传播”内部化其更正：此过程提供了改变培训师以通过计算机创建的数学关系反向传播的效果，从而改善了整个模型。但是，对于任何给定的模型，人们只能对可能的输入和输出的一小部分发表评论。当模型到达CER时通过大量的培训测试，其开发人员认为，该模型建立的映射关系将具有安全，准确的响应，所有输入（甚至意外的输入），成功的可能性很高。尽管人的大脑具有高度的并行性，也就是说，由于生物回路的使用速度，同时处理不同类型的刺激的能力，处理人脑信息的速度非常慢。如果使用与计算机相同的性能指标来评估人脑的电路 - “时钟频率”或处理速度 - 那么人工智能超级计算机的平均处理速度在人脑中为1.2亿倍。接受，速度不是名义智能的有力指标；愚蠢的人可以很快思考。但是，比人脑快的处理速度带来了两个好处：在处理更多请求时摄入大量信息。 mos人大脑的T通常处于“驾驶的自主状态”，也就是说，只需响应人体的需求，这会引导我们的心脏跳动和脚移动，并且只有在这种自主驾驶失败时才进行干预和调整。相反，人工智能可以达到的速度提供了以程序化的方式展示强大能力的速度，从而解决了比人脑的解决方案更先进，更困难和更好的问题。 3。我们如何理解我们知道的宇宙定律？我们怎么知道我们所知道的一切都是真实的？在大多数知识领域，任何没有证据的信息都被认为是不完整和不可靠的科学方法来主张实验作为证明标准的。透明度，重复和逻辑验证可以在索赔中提供合法性。在这个框架的影响下，人类的知识，理解和生产力在过去几个世纪中都发展起来，并且计算机和机器研究的发明标志着其在高潮时的发展。但是，在当今的人工智能中，我们面临着一个特别严重的新挑战：这些信息无法提供相应的解释。如上所述，AI响应可能是对复杂概念的高度清晰且连贯的描述，并且会立即做出此类描述。机器输出的信息是最基本和不变的，没有明显的偏见或动机，但没有任何引用源或附加的其他因素。但是，尽管任何给定的答案无缘无故，但较早的AI系统给人们带来了令人难以置信的信任和希望的陈述。随着他们的进展，这些新的“大脑”似乎不仅是作者，而且实际上没有什么是完美无缺的。 《人工智能》（2001年）的静止图。尽管人类反馈可以帮助AI机器完善其内部算法，但它是主要机器，负责发现模式培训数据并为其献身于权重。训练模型后，机器将无法发布此数学模式。因此，即使是在发明者中，这些机器产生的现实代表也主要保留。现在，人们主要是在尝试通过一个人来确保MGA模型机器的完整性，以检查输出结果。但是机器的内部操作仍然无法预测，因此一些人工智能系统称为“黑匣子”。尽管一些研究人员试图将这些复杂模型的输出工程师扭转为熟悉的算法，但尚不清楚它们是否成功。简而言之，通过机器学习训练的模型可能会意识到新事物（模型的输出），但他们不了解这些发现是如何发生的（模型的内部过程）。它将人类的“知识”与人类“理解”区分开来，这是人类任何其他时代所独有的经历。现代意义上的人类意识从直觉和结果来自有意识的-TAO主观经验，个人逻辑试验以及重现结果的能力。这些知识方法来自一种常见的人文冲动：“如果我不能做某事，我就不明白；如果我不了解，我就不知道这是真的。”在启蒙期间出现的这个框架中，这些基本要素（人类个人能力，主观理解和客观事实）彼此之间接触。相比之下，人工智能制成的事实是由人们无法复制的过程创建的。机器推理不是通过人类方法进行的。它超越了人类的经验主观和超越人类的能力。人们无法完全显示机器的内部过程。尽管AI模型并没有从人类的意义上“理解”世界 - 因为机器显然没有意识到或主观性，但AI的目的具有通过不人道的方式准确地了解我们的世界的能力。它不仅破坏了我们对过去500年来一直追求的科学方法的依赖，而且还挑战人们真正理解真相或人们对真相的说法。 4。它还包含不同生物的方式的方式，以测量不同尺度上的时间。在地质时间范围内，整个人的存在在世界45亿年结束时取得了很小的成功。如果人类发展以地质速度进行，我们只会感到停滞。相反，作为一个没有耐心和高自尊的物种，我们定义了我们的进化速度。地质“年龄”的单位为数千年，而人类的“年龄”只有一个或两个世纪的单位。人工智能可以基于其独特的测量方法中人工或技术的时间大小。人工智能的整个历史只有70年。通常认为数百个M在寒武纪爆发之前的几年是一个很长的空白时期，然后动物的生命和进化突然爆炸了，人工智能很可能将从1950年到2010年的60年描述为类似的缓慢，不清楚的生活，但直到最近10年才在早晨照亮。从社会和生物学的角度来看，一代人持续了大约25年。相比之下，人工智能以非人类的速度形成；它的一代人较短，可以在仅十分之后跳跃。因此，我们应该期望在人类的时代感觉就像是革命性的事物，但是在技术时期，它不仅仅是进化。除了以前的版本外，较新的AI-Just模型仅对越来越多的开放式提示做出反应，做出更多选择以实现给定目标，并采取越来越多的模型。因此，人工智能的时期 - 大概在人类时期 - 可以更准确划分并将其标记为“多个”不同的时代，此外，根据时间的规模，人工智能时期包括一代方式。研究人员使用Ang AI阅读古代文本。图片来源：慕尼黑大学引用的自然杂志。人工智能的快速发展是一个多方面的挑战，在很大程度上不是认真的。人们从未经历过以前的时间进行大规模的压缩，并且还没有为此做好准备。这种变化的快速速度无疑带来了文化和心理损失。尽管新技术对阳光寿命的影响继续加深而复杂，但将更加复杂和难以确定任何应用是危机的根源还是令人满意的发展迹象。这将使在现实世界中阐明这些令人不安的问题变得更加困难，因为人工智能的差异可能会产生许多难以捉摸的效果。在此外，虽然人工kataLight变得更强大，但可能会在将来经历基本的进化和多样性。只要对新的基础架构和新机器学习技术没有限制，人工智能的几代就会彼此出现，它们的差异，宽度，能力，能力和复杂性也将每天增加。就像电力不仅照亮灯泡一样，人工智能也将有很多用途。由于发电的多种方式 - 摩擦，传导，归纳 - 我们还可以找到许多创造人工智能的方法。例如，为人工智能提供了最新进步的基础架构称为“变形金刚”。这使机器可以同时考虑许多单词之间的连接。用外行的术语，中的结构是同时读取一个单词，只需绘制Word 1和Word 2之间的连接，然后获得连接单词2和Word 3之间。变压器允许模型同时获得整个句子和每个单词之间的连接。通过创建和抓住所有连接的数学表示，AI可以预测最佳响应。 5。规模的变化带有人类可能带到他能理解的世界一边。爱因斯坦的物理学和量子力学建议是在未知领域进行人类冒险的开始，但是这种冒险仍未完成：世界可能拥有自己的知识政策，这些政策不是通过使用理解而经历的，但只能在pamarelieve理论概念中被理解。体积力学以微观量表描述了世界。正如哈佛大学的物理学家格雷格·凯斯汀（Greg Kestin）在微观范围内说的那样，“没有什么可以预测的，并且在观察之前没有任何准确的位置”；大亲戚在宇宙规模上描述了世界Re一切都是可以预见的，无论是“或观察到”。 6这些理论也失败了，但两者不可能是真实的，“没有实验可以证明这两种理论中的哪一个”是主导的。特别是，这种不确定性是现代世界的基础。量子物理学导致了诸如计算机革命之类的革命。人工智能在当下和未来就是这种情况。它通过我们尚未完全理解的机制创造了见解，并改变了真理。它一旦Nuna，它也将重点放在探索人类越来越误解的科学上。纪录片《 2022年最大的科学之谜》是一张图片。尽管有300年历史的合理年龄，但现在已经停滞不前 - 在身体统一理论中，我们的无助于无助。在提出了宇宙的主要理论概念和弹性世界的数量之后一个多世纪以来，人类科学已经越来越多损失。我们目前正在经历的焦虑和斗争只是人类智力可以接近某种形式的生物学限制的迹象。由于其对质疑和研究的独特方法，人工智能将在规模上（“规模”）和准确性（“分辨率”）实现不人道的成就，从而导致重大变化与任何其他人类发明或人类物种本身不同。但是，人工智能将在人类现实的宏观和微观的末端实现统一，并妥协一场具有完全不熟悉人类经验的技术的革命？人脑的身体大小取决于我们的解剖结构。人脑应放在人的头骨上，人类婴儿的头骨通常适合通过女性出生管。如果大脑较小，那么这些人处于不利地位。但是，如果他们年纪大，婴儿或母亲可能无法在送货方面幸存下来s。其他生理限制也可能对大脑重量产生实际限制。除非由剖宫产或未来的人造子宫完成，否则该限制是可能的，这意味着人们达到了进化平衡的状态。对于人工智能而言，当今的模型具有创建开始时出乎意料的功能。 So far, the scale law applied to artificial intelligence (for example, in an older example, the law governing the relationship between the length and place of something) seems correct, but we do not know what exactly a model can achieve with exponential growth in the number of parameters, because we have not found the scientific reason why some capabilities appear under the under -the -power Complex.在动物世界中，与体型相关的大脑大小的比例没有显着的智力关系 - 海豚，大象和一些鲸类的大脑比人的大脑更大。但是很早科学表明，该量表在此处执行TCRY论文，我们还不知道。量表的主要影响之一是解决。人们长期以来一直想扩大我们的观察结果很小和长距离。显微镜和望远镜是人类观察的常见工具。但是，很少有人注意令人难以置信的笔。该写作工具是4，000年前发明的，仍然是积累和提供复杂性的出色工具。这包括数学，这可能是纯净，最通用的人类语言，本身就足以促进深入的想法和与技术项目的合作。通过字节计算出来，以各种美丽形式呈现的语言具有独特的密集数据结构 - 这是直到介绍之前发明的最有效的数据结构。原始/set/[我们]亨利·基辛格（Henry Kissinger）等。