预见未来

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
  • 因果分析
  • 分而治之
  • 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 Auxiliary 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。
• Adaptive strategies: 居安则思危，成事则思远，逢难则思变。

• Telemedicine：悬丝诊脉

为什么AI仍然不是高级智能

现阶段AI仍无法匹敌关键领域人类专家智能，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。现阶段AI特点:

• AI计算概率，简单的推演推理
• 面对数据不足，性能下降非常迅速，典型非高级智能的表现
• 关键领域属于复杂系统，数据量不足，复杂度甚至高于加密系统，单纯计算不可能
• 无法泛化，小数据集尤其明显
• 数据不足
• 缺乏高级智能的特点，如相似性，分而治之，抽象，可解释性，类比等
• 缺乏数据集之外的部分额外知识和领域知识
• 没有自归纳自溯因能力
• 没有适应性策略
• 不能处理庞大的复杂问题

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，通过思维链CoT，实现有限理解。不可靠，无法做决策，无法应用于关键领域，无法泛化，无法适应小数据集，受限于其底层推理架构和数学原理是根本性缺陷，所以不是高级智能。
• 笨AI坚决反对广告式宣传大语言模型达到博士级别的不切实际的言论。因为没有任何第三方严格测试表明大语言模型达到这种级别的智能，比如医疗等关键领域测试，或者美国国家级安全测试。IMO竞赛金牌不足以证明其达到博士级别水平，其在创新能力测试方面不具代表性，关键领域应用仍不可解。解决数学证明问题是搜索增强和规则增强，而非推理本身达到高级智能。scaling law仍然是严重桎梏。
• 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，在研究了其算法底层数学原理和世界冠军李世石1:4败北中唯一胜局的原因后，已经有计算机极客geeks设计出特殊策略可以90%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长依赖关系
• transformer架构解决了长依赖关系，属于重量级模型，尤其适合语言处理。在其它推理方面表现笨拙。
• 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，不具备完整的三大推理能力，如归纳溯因
• 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

未来综合体(Future-complex)

笨AI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)

笨AI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(如通过有限数据获知事物本质)，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及研究提案。

BAI-OptiMa项目

最优个性化决策算法，应用于关键领域 BAI-OptiMa

TAIR-CDSS临床决策支持系统

项目详解TAIR-CDSS

π-臻项目π-Gen

…

研究提案

…