最新研究

笨AI对未来智能的思考，应对未来挑战的方案，相关研究成果，提案等

复杂系统

复杂系统广泛存在，是未来智能要解决的问题，包括:

• 医疗
• 机器人足球
• 战争模拟，兵棋推演
• 全球经济
• 股票市场
• 互联网
• …

未来挑战

• 复杂系统
• 短期主义
• 探索未知，如开发新药

全球挑战

• 全球医疗
• 安全
• 数据
• 气候变化
• 能源
• 等等

未知威胁

• 小行星碰撞
• 全球传染病

什么是智能

智能和未来AI包含以下几点:

• 理解，学习，推理，解释，说服，决策，规划，反思，惩罚和增强，适应和进化，感知，交流，交互，知识表示，相似
• 高级智能：
  • 抽象和逆抽象
  • 深层次因果分析
  • 分解复杂问题为概率最优子结构并去除概率重叠子问题，然后并行化
  • 创新，创造，灵感，直觉，类比，联想，洞察
• 其他…

文雅点的

• Future AI：举一反三，触类旁通，过目不忘，博览群书

• Super Assistive Abilities：千里眼，顺风耳

• Understanding：心有灵犀，心灵感应，一点即通

• Collective Intelligence：用兵如神，统筹规划

• Reinforcement Learning, Digital Twins：先知先觉，先见之明，人无远虑必有近忧

• Reflection：日三省吾身。居安则思危，成事则思远，逢难则思变。

• Telemedicine：悬丝诊脉

现阶段AI无法匹敌关键领域人类专家智能的原因

关键领域包括医疗，自动驾驶，金融，航空航天等，对安全准确性要求很高

• 属于初级智能：计算概率，重复
• 关键领域属于复杂系统，单纯计算不可能，复杂度甚至高于加密系统
• 无法泛化
• 数据不足，小数据集
• 缺乏高级智能，如抽象和逆抽象，类比等
• 缺乏数据之外的部分必要知识
• 没有因果分析

AI给人类的错觉

• 大语言模型依靠强大算力和全球庞大数据集训练，实现有限理解。不可靠，无法泛化，受限于其底层架构数学原理是根本性缺陷。

• 阿尔法狗之所以击败人类世界冠军，因为其背后超级强大的算力。但是阿尔法狗并非完美，在研究了其底层原理后，有极客设计出特殊策略可以100%击败它，所以它仍然不能匹敌人类高级智能。

推理架构与变量关系

• 不同的AI推理架构有不同的推理能力，不存在全能型推理架构
• 推理能力取决于变量间的关系，比如CNN二维区域；GNN图结构；RNN时序单向；MLP(非)线性双向；XGBoost线性和简单非线性关系，逻辑阈值处理；Transformer顺序不定长变量和(长)依赖关系

• transformer推理架构擅长不定长顺序和(长)依赖关系推理，属于重量级模型，尤其适合(自然)语言处理。在非顺序数据推理方面表现笨拙。
• 人的智能是全能型的，可以进行所有推理任务，包括创造性。但不存在一个人能推理所有任务

AI推理的局限性

• 纯数据统计分析，不同于常识中的推理
• 极其有限的创造性
• AI的创新推理能力需要新架构，仍待研究

未来智能的知识表达

语言的本质，是为了交流，沟通，理解，说服，而不是背诵，机械记忆，发音标准，念对某字读音。偏离了本质，语言变成了炫耀的工具，身份的象征。如果未来的某天，某种形式的语言克服了上述偏见，那将会是未来智能中全新的知识表达。

The essence and purpose of language is for facilitating understanding and communication. Scientists have created too many terms which have complicated things up unnecessarily and this phenomenon will hinder the rapid progress of future scientific research. Will future intelligence help solve this issue?

未来综合体(Future-complex)

我们预见具有未来智能和超辅助能力的“未来综合体”，以应对”全球挑战，未来挑战，未知威胁，复杂系统”：

• 未来智能：核心
• 超辅助能力：如超感知，远程诊断，机器人辅助等
• 具备未来智能或超辅助能力的“单元”
• 由“单元”组成的”未来综合体”，遵循复杂系统理论，如博弈论，控制论，网络理论，动态系统，混沌理论，等等。
• 协同增效：”单元”间提供相互援助，互补能力，通过集智，协同合作竞争，指数级增强”未来综合体”的整体能力，使其远超现有人类智能和辅助能力。

未来智能与渊博AI(Profound AI or PAI)

我们预见未来智能将基于生物智能，未来理性AI，未来感性AI；三者各有优缺点，协同增效互补。渊博AI(PAI)是笨AI定义的未来理性AI。PAI定义前述高级智能，更包括超人智能(如超级记忆和全人类知识)，天才智能(如抽象理论获知事物本质)，瞬间理解/学习/推理，不同知识表示方式/结构间的自动转换等。需要全新的架构算法以实现高级智能在不同任务和数据集上的推理。BAI-PAI项目家族是PAI的初步实现，包括BAI-OPTIMA, TAIR-CDSS, BAI-RA及各项研究提案。

BAI-OPTIMA项目

通用最优个性化辅助决策算法基础框架，应用于关键领域

现阶段AI仍无法匹敌人类专家智能，盖因缺乏高级智能比如抽象，逆抽象，类比等。通过引入抽象和逆抽象，实现小数据集(有限)泛化训练，包括最优个性化决策，抽象规则等。

项目详解及创新点 BAI-OPTIMA

TAIR-CDSS临床决策支持系统

TAIR-CDSS是渊博AI(PAI)在医疗辅助领域的不完全初步实现。通过引入抽象和逆抽象，实现小数据集(有限)泛化训练，模拟人类专家医生看病。包括逻辑理解，解释，最优个性化决策，抽象规则，进化。

项目详解TAIR-CDSS

研究提案

我们计划与某数据提供方联合提出创新性研究提案，申请基金支持，以逐步实现未来智能。

• 合并症治疗与博弈论
• 相似性推理
• 抽象推理
• 类比推理
• 联想推理
• 二义性推理
• 医疗数据非确定性环境下的推理
• 智能的知识表示间的自动翻译(LLMs)
• 从现象到科学理论推理

泛化和小数据集训练原理

原理:

• 抽象
• 逆抽象
• 相似
• 类比

原理应用举例:

• 大语言模型
• 自动驾驶
• 医疗
• 图像处理

这点算啥，更详细的看英文版[Latest-Research]