計算人

通過 里卡多·加西亞 （大學教授）

歐內斯特·沙克爾頓 (Ernest Shackleton) 和他的船員進行了航海中最英勇的航行之一。 你的船， 硬化， 它被南極洲的冰層困住了，它坍塌了，把水手們留在了冰面上。 沙克爾頓帶領他的船員前往無人居住的象島，他和其他五名水手將進行 1600 英里的旅程以尋求幫助。 旅程持續了 16 天，直到到達南喬治亞島上的捕鯨站。 航行是用六分儀進行的，惡劣的天氣條件下，船長只做了三個測量，但他的精確計算使他到達了象島。 航海史充滿了結果不平等的故事，在這些故事中，諸如地球半徑之類的錯誤計算危及船員的生存。

計算在人類歷史中的重要性不能像前一個那樣僅限於微觀歷史，而是在人類發展中發揮了核心作用，並將繼續發揮核心作用。 我正在考慮計算能力的廣泛概念和書名 M·阿比布 (1981) 大腦、機器和數學. 它的標題適合我設置坐標在哪裡放置概念，在哪裡 人工智能 它是這種能力的一部分。

科學讓我們了解世界，技術讓我們生活在這個世界上。 計算能力是科學技術背景下的一項橫向基本技能。 作為一個社會，出於多種原因，我們必須優先考慮它。 

在像我們這樣的有限世界中，經濟增長是不可行的。 Donella H. Meadows 等人 (1972) 在他們的報告中指出了這一事實 成長的極限 受羅馬俱樂部委託。 有一種錯覺使我們相信，無限的問題將被一種每天都取得更顯著和令人難以置信的成功的科學技術所解決。 這些想法也受到遊說者的推動，需要批判性思維來評估和得出自己的結論。 這是計算能力的品質之一。 比如我們要質疑技術變革是要解決增長衍生的問題，我們可以具體分析一個例子。 目前，人們相信汽車行業的能源模式將會發生變化，電動汽車將成為內燃機的自然替代品。 如果世界上所有的鋰生產都專門用於製造電動汽車的電池，而讓手機無人看管， 片， ETC。 將生產不到 18 萬輛汽車。 2022 年全球總產量為 85 萬輛。 推論是我們需要生產四倍多的鋰來維持目前的條件。 量化將問題從信念和先驗論方面解耦，並闡明答案。 它是改善的重要工具 關鍵能力。

有多種論據可以建立一種未來的情景，即經濟規模遠小於當前的情景（也許是 40%？），並且不考慮可能採取的環境政治決策。 在收斂過程中會與地球自身的極限發生碰撞， 給出多少、地點、時間或方式的正確答案 再次成為自己的必需品 生存. 這是一個新的旅程 硬化 並做出正確的決定，以免再次被困在冰中或能夠到達南喬治亞島，這將需要最好的計算能力.

作為一個社會，我們如何才能具備這種計算能力？ 答案因國家而異。 美國有能力吸引全球人才，並掌握大量可用資源。 中國信任它自己的數量，而歐盟必須提拔和留住它的所有人才。 另外，爭奪資源的代理商的配合也不保證。 例如，如果美國建造一台量子計算機，它永遠不會把它賣給中國（或歐盟），事實上，目前所有使其建造成為可能的科學發展都包括與軍事技術相同的安全措施。 這場競賽的局限性也各不相同，例如，人工智能發展的倫理問題在中國乃至美國的討論都比在歐盟提出的要少（內部市場和消費者保護委員會，2023).

如果我們將自己置於局部或區域範圍內，則解決方案空間的自由度會大大降低以增加我們的計算能力。 此外，我們必須處理這樣一個事實，即在邊緣的邊緣，這些問題似乎對我們沒有吸引力。 破譯蛋白質的結構或在納米技術中進行必要的計算成為其他人的事情，成為我們日常問題的昂貴而無用的遊戲。 一些似是而非的行動是：

1. 我們必須了解科技進步的顛覆性運作。 例如，在藥理學研究中，只有剩餘百分比的測試活性成分具有實際意義。 但儘管如此，這個無窮小部分的回報還是值得全部投資的。 這種情況普遍存在於科學技術領域。 我們必須承擔這個運作規則，並為這方面的研究提供充足的資金。 此外，將其與直接或最終收入斷開連接。
2. 歐盟 1.4% 的活躍人口致力於農業，這一經濟活動產生了約 1.5% 的 GDP，但是，出於歷史和戰略原因，歐盟預算的 40% 用於該部門。 它已經從預算的 60% 增加到 40%，沒有造成災難性的影響，作為一種用滴灌代替漫灌的方法。 同樣，計算能力必須被理解為戰略性的，並為這些部門創造就業機會提供資金，這樣歐盟領土上的人才就不會因為缺乏灌溉而浪費。
3. 培訓是發展這種能力的重要手段。 在中等教育階段，有必要在高中開設一門編程課程。 此外，數學課程非常廣泛，覆蓋面很膚淺，發展的特點是需要通過考試，而把數學技能的發展放在幕後。 在大學層面，技術部分與其基礎知識之間的技術培訓存在不平衡。 優先考慮為行業培養勞動力而不是知識的發展。

計算能力的發展將為一些迄今為止難以解決的問題提供解決方案。 材料或藥物將在難以想像的小尺度上進行設計，或者工程問題將在行星尺度上提出（地球工程），但 客廳裡的大象 它是具有人工通用智能（AGI，英文縮寫）的機器。

Roli、Jaeger 和 Kauffman (2022) 認為 AGI 是無法實現的，因為算法框架具有封閉的可能性系統，算法無法感知新框架並超越自己的框架。 人類智能就像一系列集合 A1⊆A2⊆……。 其中包含思想範式，由於它們的包容性，思想範式可以從一個到另一個訪問，而在算法框架中，有一個閉包，無論它有多寬，A1⊆A2⊆….⊆Ak，它關閉了可能性的集合。 AGI 等同於詢問人類智能是否可計算，在這種情況下 通用圖靈機 我可以實現它。 我們知道有問題，比如 失速問題，它沒有算法來解決它。 AGI 可能處於相同的情況並且是一個白日夢，但如果不是，我們將羅馬帝國到達月球的挑戰與當前帝國實現 AGI 的挑戰進行比較（美國或中國）它們似乎具有相同數量級的難度。

如果我們到達機器思考的這些衛星，我們的智人就會意識到思考只不過是計算，與機器的共生延續了人類的進化，也許還有諸如 計算人 它更適合這些新時代。

參考書目

1. M·阿比布 (1981) 大腦、機器和數學s，大學聯盟。
2. 內部市場和消費者保護委員會 (2023)。 人工智能法案：更接近人工智能的第一條規則。 https://www.europarl.europa.eu/news/en/press-room/20230505IPR84904/ai-act-a-step-closer-to-the-first-rules-on-artificial-intelligence
3.  D. Meadows 等人 (1972) 增長的極限：向羅馬俱樂部報告人類的困境, 經濟文化基金。
4.  A. Roli, J. Jaeger 和 S, A. Kauffman (2022)。 有機體如何認識世界：通用人工智能的基本限制。 正面。 迴聲。 Evol., 28, Sec. Models in Ecology and Evolution 第 9 卷 – 2021 | https://doi.org/10.3389/fevo.2021.806283

ESI 觀點文章

[+] 其他觀點文章

在網絡中互動