有关智能的新公式

是否存在一个关于智能的公式？是的， F = T ∇ Sτ 。在这个既长见识又饶有趣味的讲话中，物理学家兼电脑科学家阿历克斯•维斯纳-格罗斯解释了智能的意义。

智能--它是什么？

当我们回顾在历史上

智能是如何被看待的，

一个开创性的例子是

艾兹格•迪杰斯特拉的著名引述，

"关于一台机器能否思考的问题

与关于

一艘潜艇是否会游泳的问题

几乎同样有趣"。

当艾兹格•迪杰斯特拉
写下这句话的时候，

他的用意是去批判那些

早年间开辟了计算机科学的先锋，

比如阿兰 · 图灵。

然而，如果你回顾过去

并予以思考，有哪些

最有利于发展的创新，

让我们有机会能够制造出

会游泳的机器

和会[飞]的机器，

你会发现，只有通过了解

游泳和飞行

背后的物理机制，

我们才有能力去制造这些机器。

所以说，在几年前，

我着手了一个项目，
试图去了解

智能背后的

基础物理机制。

我们先退一步说。

首先，让我们从一个思维实验开始。

假装你是一个外星人，

你对地球上的生物学、

神经科学和智能一无所知，

但你有绝佳的望远镜，

因此你能观望地球，

你的寿命也惊人地长，

所以你可以观察地球

超过数百万年，甚至几十亿年。

然后你观察到一个很奇怪的现象。

你观察到，几千年来，

地球不断地与小行星发生碰撞

直到某一刻，

而在那一刻，

大约对应的是公元2000年，

那些在地球撞击轨道

上的小行星，

本该相撞

但却被神秘地弹开了

或者在碰到地球之前就引爆了。

当然，作为地球人，

我们知道其中的原因是

我们正试图自我拯救。

我们要防止撞击发生。

但如果你是一个外星人，

对这些一无所知，

对地球上的智能也没有任何概念，

这就迫使你去总结

一种物理理论，
去解释其原因，

直到在某一刻，

本应摧毁一个星球表面的小行星，

神秘地停止了这种行为。

因此我声称这个问题

与理解智能的物理本质的问题
是相同的。

因此，在我几年前着手的
这个项目中，

我研究了许多不同的线程，

跨越科学界，跨越多个学科，

在我看来，他们都指向

一个统一的、潜在的

智能机制。

例如在宇宙学中，

就存在着各种各样的线索，

它们显示我们的宇宙就
为了智能的开发，

而被精准地调试过，

和特别是的对于发展

世界各国

去实现有最大多样化可能性的未来。

在棋牌界，举个例子，围棋--

大家都记得在1997年的时候

IBM制作的机器人“深蓝“打败了
世界象棋冠军加里·卡斯帕罗夫--

很少有人意识到

在过去10年左右的时间里，

围棋，

可以说是一个更具挑战性的游戏，

因为它具有更高的分支系数，

也已开始屈服于

电脑这个游戏对手，

出于同样的原因：

现在，电脑下围棋的
最佳技术方法

是在下棋的过程中，
试图最大化

未来的各种可能性。

最后，在机器人的运动规划中，

有各种各样的新颖技术，

它们有试图利用

机器人的能力去将

未来的行动自由最大化，

从而完成复杂的任务。

因此，考虑所有这些不同的线程

并把它们放在一起，

从几年前开始我就在问，

有没有一种潜在的智能机制

可以让我们分解出

所有这些不同的线程？

是否存在一个
关于智能的公式？

而我相信答案是有。
["F = T ∇ SΤ"]

你看到的可能是

我所见过最接近于 E = mc²

的智慧。

所以你在这里看到的

是一张对应表，

其中智能是一种力量，F，

它的作用是为了便于将未来的
行动自由最大化。

它的作用是将未来的
行动自由最大化，

或是保留灵活的选择权，

与一种力量 T，

和有多种可能性的、
可实现的未来，S，

一直到某个未来的开始，
tau（希腊字母）。

简而言之，智能不喜欢被困住。

智能试图将未来的行动自由最大化，

并保留选择权。

所以，鉴于这一公式，

你自然会问，
那么这些可以让你做什么？

它是预测性有多高？

它能否预测人类的智能水平？

它能够预测人工智能吗？

因此，我将要展示给你们一段视频，

我认为，它会展示出

单是这一个公式的

一些惊人的应用。

（视频）讲述人：
宇宙学的最近研究

反应了那些产生更多混乱、

或者"熵"的宇宙，
在他们的生命中

应该倾向于产生更多
有利的情况，

让像我们这样的智慧生物
得以存在。

但假如那个在熵与智能之间

暂定的宇宙链接

暗示着更深层的关系呢？

如果智能的行为不仅只与

长期熵的生产相关，

而是直接由其产生的呢？

为了找到答案，
我们开发了一个软件引擎

称为 Entropica，
设计的意图是将

长期熵的生产最大化，

无论它身在任何系统内。

惊人的是，Entropica 通过了

多个动物的智能测验、
玩人类的游戏、

甚至在股票交易中赚钱，

而且完全没有被给出那些指示。

下面是一些 Entropica 的行动实例。

就像人类站立不会跌到，

这里我们可以看到 Entropica

自动地使用购物车去平衡棍子。

这种行为可以说是非常卓越的

因为我们从未给 Entropica
设定一个目标。

它自己就决定去平衡那根棍子。

这种平衡能力将能应用于

人形机器人

和人类的辅助科技。

正如一些动物可以使用

环境中的物体作为工具

去伸入狭窄的空间，

这里我们可以看到 Entropica，

同样是自主的，

能够移动一个表示动物的大圆盘

去把一个表示工具的小圆盘，

去深入一个狭窄的空间，

那里有第三个圆盘，

并把第三个圆盘从它初始
的静态解放出来.

这种工具的使用能力将能运用于

智能制造业和农业。

此外，正如其他一些动物

能够合作起来同时去拉
一根绳子的两端

从而释放食物，

这里我们可以看到 Entropica 有能力完成

这项任务的模型版本。

这种合作能力能够带来有趣的影响，

在经济规划和各种其他领域中。

Entropica 可以广泛适用于

各种各样的领域。

例如，在这里我们看到它成功的

与自己玩乒乓球游戏，

说明其在游戏界的潜力。

在这里我们看到 Entropica 指挥着

社交网络上新的关系，

在这朋友们不断的失去联系

并成功地保持有效的网络连接。

这种相同的网络指挥能力

在医疗保健、能源、和智能方面

都有相关的应用。

这里我们可以看到 Entropica

指挥一支舰队的路径，

成功地发现并利用巴拿马运河，

然后将其范围从大西洋到太平洋

全球性地扩大。

同样的，Entropica

可以广泛地适用于

自主防御、 物流和运输地应用。

最后，在这里我们看到 Entropica

自主地发现和执行

一个低买高卖的策略，

这是在模拟的范围交易股票上，

它成功地将其管理的资产

成指数升涨。

这种风险管理的能力

将在金融和保险领域

有广泛的应用。

阿历克斯•维斯纳-格罗斯：
你刚看到的

是各种具有代表性的人类智能

的认知行为，

例如工具的使用、直立行走

和社会合作，

它们都遵循一个公式，

该公式所驱动的系统

是要将其未来的行动自由最大化。

现在，这里存在一个深刻的讽刺。

回到最初，

机器人这个术语的用法，

"RUR，"这出戏，

总存在一种概念就是

如果我们开发了机器智能

就会产生一个人工智能的叛变。

机器会奋起反抗我们。

这项工作的主要成果之一

就是也许这几十年间，

我们对于人工智能的叛变
的整个概念

是颠倒的。

机器不是先有了智慧

然后才变得狂妄

并试图接管世界的。

其实几乎是相反的，

那种迫切的欲望，

想要控制所有未来的所有可能

是比智能更基本的

一个原则，

综合智能事实上可能是从

这种控制欲中直接产生的，

而不是反之。

另一个重要的成果是寻找目标。

我经常被问道，
寻找目标的能力

怎么会遵循这种框架结构呢？

答案是，寻找目标的能力

将直接遵循它，

道理是这样的：

就像你要穿过一条隧道，

你未来道路空间中的一个瓶颈，

为了在以后实现许多

其他的各种目标，

或者就像你会投资

于金融证券，

减少你的短期流动性

从而长远的增加你的财富，

目标的寻求直接涌现于

长期的驱动，

为了增加未来的行动自由。

最后，理查德 · 费曼，
这位著名的物理学家，

曾经写道，
如果人类文明被摧毁

并且你只能将一个概念

传承给我们的后代，

来帮助他们重建文明，

这个概念应该是

我们身边的一切物质

都是由微小的元素组成的，

它们之间距离远的时候
会相互吸引，

但在靠的很近时
它们会互相排斥。

我与这句话等同的声明，

来传递给后代，

帮助他们建立人工智能

或是帮助他们理解
人类的智慧，

是如下的话：

智能应该被看作是

一个物理过程，

它试图将未来的行动自由最大化

并且避免在自己的未来中的约束。

非常感谢。

（掌声）