第一千零八十三章 智能體II型AI~

大國院士 第一千零八十三章 智能體II型AI~

一場聯合國大會，最后無果而終。

對于華國來說，這本就是預料之中的事情。

五常的位置并不是白坐的，聯合國是五常的聯合國，而不是聯合國的五常。

將相關的會議針對回安理會內部解決，他們的目的就達到了，剩下的可以慢慢的‘討論’，反正他們也不急。

畢竟安理會的投票他們有著一票否決權，只要他們自己不同意，這一份針對天基電磁軌道炮的討論就只會這樣被無期限的繼續擱置下去了。

當然了，就算是聯合國最終在米國的蠱誘下召開了聯合國大會，并最終通過了投票，對于他們來說也沒有什么太大的意義。

因為非安理會的聯合國投票，聯合國并沒有強制執行權。

除非各國都統一起來不與他們外交和發展貿易。

但這很顯然是不可能的事情。

不過針對天基電磁軌道炮，米國肯定不會那么容易放棄。

接下來他們會要么繼續想辦法拉攏歐盟、沙俄等其他國家共同討論制裁或針對，要么則會選擇發展屬于自己的外太空武器。

但無論哪一種做法，對于他們來說都沒有什么好擔心害怕的。

很多時候，先人一步領先，便已經是一輩子都難以追趕的差距。

更何況天基電磁軌道炮遠不是他們的太空底牌，空天發動機和小型聚變堆才是！

有了這兩項技術，只要需要，他們就有足夠的能力在外太空組裝出一支規模龐大的艦隊。

相對比威力‘普通’的天基電磁軌道炮，太空艦隊的威懾力才是真正的‘無敵’！

在聯合國召開著會議的同時，另一邊。

華國，金陵。

紫金山腳下的別墅中，徐川正饒有興趣的翻閱著AI學術小助手給他優化的模擬計算程序。

雖然說并非專業的程序員，但編程在數學建模中同樣扮演著至關重要的角色。

對于建模和代碼這種東西他并不陌生。

尤其是涉及到那些將現實世界的問題轉化為數學方程，選擇合適的模型類型，如線性模型、非線性模型、微分方程、隨機模型等領域的內容更是有自己的獨特見解。

否則在當初研究可控核聚變技術的時候，他也沒那么容易將NS方程快速的應用到對反應堆中的高溫等離子體湍流的建模控制上了。

“有點意思，這里調整了一下解析方法數值構造，對數據的分析工作計算方式進行了改變，節省了不少的計算量。”

“這里用了模糊算法.”

翻閱著被小靈標記出來改動的代碼，徐川眼神中帶著一點若有所思的神色。

從被優化的地方來看，它對于Warp張量進行了不少的改動，這使得數據移動、張量核心MMA指令和CUDA核心性能提升不少。

除此之外，它對塊調度器以及密集分組等功能也進行一些改動。

看樣子在小靈的背后，也就是川海網絡科技那邊有一個大型的訓練數據庫，這些東西的訓練并不是簡單的修改就能做出來的。

確認優化后的數學模型沒什么問題后，徐川便將其下載了下來，隨即發了個消息給鄭海。

“教授，你找我。”

不一會，鄭海便趕了過來，徐川點點頭，將手中存儲U盤遞了過去。

“送去研究院那邊，找信息所的周吉安排一下超算，運行一下這里面的模型和相關的數據。”

“好。”

點了點頭，鄭海接過U盤，放進懷里后習慣性追問了一句：“還有其他的事情嗎？教授。”

徐川想了想，道：“再幫我安排一趟去川都那邊的行程，時間的話，這周五吧。”

既然婆婆提出來想見見他，那自然不可能讓老人家等太久。

今天已經周三了，明天他先安排一下研究院和CRHPC機構那邊的工作，周五過去正好合適。

鄭海離開后，徐川伸了個懶腰，起身朝著客廳走去。

茶幾上，一個長頸透明花瓶中插著幾只正盛開的郁金香和彩色百合，高低錯落的盛開著。

除了茶幾上的花卉，客廳的窗邊也落座了幾盆多肉和植物，為原本清冷的客廳添加幾分活力和家居的氣息。

這自然是劉嘉欣帶過來的。

畢竟以他的性格，根本就不可能去弄這種花卉類的東西擺在房間里面。

撥弄了一下茶幾上的百合花瓣，徐川看了一眼正在廚房中忙碌的劉嘉欣和家政阿姨，走了過去。

“餓了嗎？吃飯還要再等一小會。”

廚房中，正幫著家政阿姨摘洗著青菜的劉嘉欣抬頭看了過來，臉上情不自禁的帶上了溫柔的笑容。

徐川笑著搖搖頭，道：“沒有，我只是出來看看。”

想起了什么，他有些好奇的問道：“對了，公司那邊的人工智能AI研究的進展如何了？我剛剛在進行研究的時候，小靈已經能夠自動進行代碼優化了？”

聽到這個問題，劉嘉欣思索了一下，道：“目前來說，大概在智能體II型中期的樣子？”

“智能體II型中期？進化的速度這么快？”徐川有些訝異的問道。

智能體II型中期，是川海網絡科技那邊對AI智能的一個階段性評價。

整體來說，他們將人工智能分為了五個大階段，分別是聊天智能、推理智能、智能體、創新體、完整體。

這五個階段對應著人工智能的聰明程度。

每一個階段可以根據人工智能的復雜性進一步細分為三個型號、I型、II型、III型。

其中聊天智能階段AI系統能夠進行基本的對話和交流，顯示出對自然語言的基本理解能力，并能對各種提示和問題作出響應。

這一級別的人工智能主要被應用于智能客服、智能助手等場景，提供基礎的信息咨詢和交互服務。

例如，日常生活中的聊天機器人，它們能夠解答用戶的問題、提供信息，甚至進行簡單的互動。

而推理智能AI系統能夠以人類普通專家的熟練程度解決復雜問題，標志著其從單純模仿人類行為升級到展現真實的智能水平。

在這一級別，人工智能AI系統可以應用于需要復雜推理和決策的領域。

比如醫療診斷、金融風險評估等。

推理智能AI可以能深入分析復雜數據，洞悉其中的模式，并基于邏輯和數據提供精準解決方案。

而智能體AI系統能夠承擔復雜的任務、作出決策和適應不斷變化的環境，并在無須接受人類監督的情況下自主行動。

這一階段的AI不僅具備推理能力，更能自主執行各類復雜的操作任務。

可以應用于自動駕駛、機器人控制等場景，

比如在智能家居領域，智能體能夠根據個人習慣智能調節燈光、溫度等居家環境；而在自動駕駛領域，智能體則能確保車輛的安全、舒適行駛等等。

如果是最初的學術AI小助手‘啟靈’，其級別在推理智能II型號階段。

可以通過相應的指令去完成各種資料的收集、分類、整理等等。

在后面全面融入川海科技那邊的人工智能完全體后，小靈具備了操控智能家居電器、自動駕駛、數據診斷、程序代碼編寫等各方面的能力。

按照評估，那時候的它應該處于推理型智能III型階段向智能體AI過渡的階段，很接近智能體AI，但還未達到。

而這個數據差不多是半年前的。

半年的時間，完成從推理型智能III型階到智能體II型的進化，這個速度的確有些超乎了他的預料。

原本他以為要小靈要進化到這個階段至少還需要一年以上甚至是更久的時間來著。

沒想到僅僅是半年，就做到了。

劉嘉欣點點頭，笑道：“前不久才突破的，程序II組那邊對大正整數因子分解論文中有關于深度神經網絡的權重層已經應用到了智能AI矩陣分解結構上。”

“這減小訓練模型的參數總量的同時還在一定程度上加快了啟靈的訓練工作。”

“尤其是在SVM分類構造、集成學習模塊、大稀疏矩陣問題以及模糊算法等方面有不小的突破，做到了可以通過因子分解機解決大規模稀疏數據下的特征組合難題。”

聞言，徐川恍然明白了過來。

如果是基于大正整數因子分解是否具有多項式算法中的部分理論完成的，那就不奇怪了。

“PNP”是計算理論的核心問題，盡管大正整數因子分解是否具有多項式算法只不過是這個千禧年難題的一部分。

但它對于分布式計算與并行處理算法、單源最短路徑算法、整數因式分解等多個計算機算法領域有著重大的影響。

從2023年劉嘉欣解決了這個問題到現在，時間已經過去了一年半，它應用到計算機和人工智能領域也差不多是時候了。

畢竟數學成果轉變成計算機領域的研究本身就是最容易的領域之一，再加上還有證明了這個問題的學者本身就在計算機領域發展，小靈能夠快速的進化原因也正是如此。

不像他研究的數學難題，除去NS方程這個本身就具有強應用性的數學猜想外，另外兩個無論是霍奇猜想還是楊米爾斯存在性和質量間隙難題，即便是已經解決了好幾年了，在應用領域依舊沒什么動靜。

數學領域的尖端難題，要轉變成應用成果，最容易的恐怕也就是PNP難題了。

但PNP難題卻并非那么容易解決的。

至少就目前來說，無論是他還是解決了大正整數因子分解是否具有多項式算法難題的劉嘉欣都認為這個問題可能無解。

上帝不擲骰子，人類也幾乎不可能找到一種多項式算法來驗證NP類難題屬于P類。

不過對于計算機發展來說，PNP？難題可能無解并不意味著它就不能繼續發展了。

相反，對于這個問題的每一次研究，哪怕是一點點的突破，都有可能對計算機與人工智能的算法起到巨大的推動作用。

就像是二十世紀七十年代人們基于NP完全理論，密碼學取得了革命性突破，建立了公鑰密碼體系。

而后又在八十年代NP，完全問題的研究有了縱向的突破，在許多表面看來并不相關的計算模型之間發現了深刻的刻畫關系。

這一次突破非常大的刺激了算法界對近似算法研究的新熱潮。

此外，還有90年代量子計算機和命題證明系統的研究，21世紀以后的參數復雜性理論研究。

幾乎每一次PNP？猜想上的數學成果突破和研究，都會引起計算機領域的劇震。

如果說‘啟靈’再繼續進化下去的話，它就離第四階段‘創新者AI’距離不遠了。

這個階段的智能AI系統具有模仿人類的創造力，突破思維的局限，提出令人耳目一新的創新理念的能力。

簡單的來說，它已經能夠基于龐大的數據庫，針對某一種問題提出以前人類沒有想到過的解決辦法或思路。在一定程度上具備弱·創造性或弱·獨創性。

在這一級別，人工智能AI可以輔助人類進行發明創造，推動多個領域的創新和進步。

例如，在科學研究、藝術創作以及技術開發等多個領域，創新者均能發揮其獨特價值，提供新的思路和方法。

甚至你可以將PNP？猜想這類難題交給它去推衍、嘗試解決等等。

盡管它并不一定能夠做到，但理論上來說，它已經完全能夠思考這種高度復雜性的難題了。

至于最終的組織者AI級別。

理論上來說，它已經是完全體的人工智能了。

在這一級別，它不僅具備戰略思維，還擁有實現組織目標所需的高效率和強適應性，能夠管理復雜的系統。

比如它們能夠靈活協調多個智能AI，合理的分配任務，實時監控任務進度，并依據實際情況作出迅速調整等等。

這種級別的智能AI，理論上來說，你完全可以將一家大型公司或者說一整個國家都交給它管理。

它足夠制定出‘完善’且‘公平’的規劃來維持公司乃至國家的運行。