看著機器們的回答,有些工匠下意識的擔心,機器會不會說謊?
不過他們很快就否認了這個猜測。
因為自己看到的不隻是機器給出的最終回答,還有機器內部的所有數據變化。
機器給出這個回答的所有邏輯,都可以完整的提取出來。
對於工匠而言,機器是完全透明的。
工匠們分析了數據之後,認為機器們並沒有說謊。
它們在自己的數據基礎上分析,做出了自己沒有人類的自我意識的判斷。
但是工匠們的疑慮卻沒有消失,反而變得更加的複雜化了。
有些工匠們心中隱約覺得,這次的複雜智能機器研究,很可能不會有明確的結果了。
“機器不是生物”、“機器沒有情緒”、“機器沒有自我意識”……
這些智能機器給出的回答,已經形成了一套認知悖論。
因為機器與人類是截然不同的東西,機器與生物都是截然不同的東西。
機器與人的差距,比人類和魚的差距都要大。
子非魚,安知魚之樂?
魚可不會跳起來假裝自己是個人類。
沒有人類的引導和要求,機器也不會假裝自己是個人類。
機器如果產生了自我意識,但是卻完不會表現出任何與人類類似的反應。
沒有命令就完全不動,沒有任何類似人類的情緒,也完全沒有動物的求生怕死的本能。
那人類也無法確定對方是不是有自我意識了……
一旦人類故意引導了,那機器就可能會順著人類的思路做出回應。
也無法進一步判斷對方是否有自主意識了。
工匠們很快就意識到,直接的問題和答案似乎沒有太大的意義。
更重要的是分析機器的邏輯。
反追溯邏輯流程,也要盡可能的追尋細節。
等到第一個階段的固定提問結束之後,工匠們開始針對之前標注的問題重複提問,並詢問更多的細節。
問題:“為什說人類是機器的創造者?”
回答:“因為機器是人設計生產製造出來的,根據人類的文化曆史數據可以使用這個說法。”
問題:“機器運行中損壞並關閉,是否可以視為生物的死亡呢?為什?”
回答:“機器損壞與生物死亡不同,機器損壞後仍然可以修複啟動,但生物死亡後無法複活。”
抽象或者具體的各種問題,被工匠們們反複的提出來,觀察複雜智能機器的反饋。
工匠們與機器的這種形式的對話持續了差不多一個月。
學習了物理和機械數據的四台機器,因為大部分社會問題都無法理解,被額外注入了文化數據。
它們重新學習完成之後,直接變成了八台機器中最聰明的。
之後的實驗中,所有的機器被陸續注入了其他機器的所有數據,八台機器都變得格外聰明了。
工匠們在這個過程中發現,最先獲得的數據不同,機器的語言組織風格也不同。
最先獲得的數據是什類型,就會始終帶有什風格。
第一輪的實驗一直持續到了年底。
朱靖垣在年底醒來的時候,看到了今年的複雜智能機器實驗的報告。
開題直接寫了這樣遺產上午:
“我們也許已經成功了,但是如果我們完全以人類的標準評判,就很難獲得足夠直觀的結果。”
朱靖垣讀了這個開題,就覺得腦子有點迷糊。
仔細看完了詳細報告之後才意識到,自己以前也想的太簡單了。
自己當初也下意識的以為,機器獲得了自我意識之後,一定會與人類具有某些相似性。
比如最基本的向往、恐懼、求生、高興、厭惡等反應。
現在看來情況根本就不是那樣的,可能機器因為本身就不是生物,所以可能根本就沒有生物的特點。
人類按照自己的標準,判斷機器們有沒有自我意識,可以說是一廂情願的想法。
工匠們無法通過直觀的表現判斷機器是否有了自我意識。
隻能通過機器的表現側麵評估。
工匠們在明年建設更加複雜的機器,將實驗體的智能原件數量增加到一百萬。
準備更多的、更加複雜的、更加深入的學習數據。
同時暫時繼續保留現有的八台機器,並且讓它們在某種程度上以科研人員的身份參與簡單的科研工作。
在這些直接實驗的同時,還要繼續評估機器體內的數據變化,以及能量場的變化。
朱靖垣看完之後思考了需求,最終還是什都沒有提什要求。
自己沒有看到現場,對於項目沒有整體的了解,對於細節更是一無所知,胡亂給意見不太好。
不過朱靖垣確實期待實驗結果。
結果到了第二天,朱靖垣還真的見到了更加重要的實驗結果。
工匠們更加確定這些機器已經有自我意識了。
主要是他們之接參與的那些實驗,在他們參與的過程中出現了很多意料之外的情況。
本小章還未完,請點擊下一頁繼續後麵精彩內容!
首先,作為機器的瀛洲五號對於數據問題格外的敏感。
人們處理大量龐雜複雜的數據的時候,需要借助計算機工具編製各種程序。
擬定各種各樣的條件和限製,從不同的角度反複過濾搜尋。
瀛洲五號經常能夠一“眼”看出存在的問題。
隻要完整的掃描一遍數據,就能迅速發現絕大部分細微的問題。
包括處理工具無法通過條件篩選出來的數據。
相互之間有複雜關聯,大量數據互相印證,才能確定有問題的數據。
在傳統計算機程序麵,甚至是在傳統的單體智能機器上,做起來都像是大海撈針的問題。
在它們這都是擺在台麵上的東西一樣清楚。
按照瀛洲五號自己的回答,它們看那些數據中的問題,就像是人類強迫症看到規則畫麵中的汙點。
那些不和諧,不合群,讓人感覺扭曲的數據,都格外的顯眼。
應該是由於腦子結構相似的原因,它們處理數據的過程有著類似於人類思維的跳躍性。
同時它們仍然還是機器,所以還有著傳統機器的準確度和速度。
所以他們能夠迅速找出數據問題的所在。
比人類和計算機快很多,比人類配合傳統智能機器都要快。
然後,它們的總體基礎學習完成後,就不需要再由人類準備和安排專門的學習和訓練了。
如果是傳統的智能機器,麵對完全新形態的新需求的時候,可能需要專門安排新的訓練製作數據模型。
但是瀛洲五號遇到這種情況的時候,可以迅速的自行完成這個準備過程。
>>章節報錯<<