在AGI時代人工智能的全新思維

讓機器能夠在接觸物理世界中，像人類那樣不斷的變聰明，用傳統的機器學習模型是很難實現的，其理由是：傳統的機器學習模型只能依據統計學理論，通過事先大數據的訓練實現對物理世界的認識。然而復雜的物理世界是變化多端的，就拿自動駕駛的道路識別來說，道路一會兒是被強大陽光籠罩著的，一會兒又進入陰暗，有時甚至是陰陽分明的道路等等，甚至自動駕駛一年四季在不同的天氣下行駛，面對錯綜復雜的路況下的自動駕駛的道路識別，靠一次性的再大的數據的訓練也不可能解決這樣復雜的識別問題。

為此，從人類認識世界的過程就可引發出自動機器學習的算法。

人類的知識只有20%是來源于學校，而80%是來源于人類接觸了社會后才獲得的知識。因此，具有可以自動的在物理世界中不斷的學習的自動機器學習模型應運而生。

僅以自動機器學習的應用為例，開發者就應該用全新的思維來思考。例如人的記憶不可能只用簡單的大數據庫來形成，需要把所聽到的以及所見到的物理世界的每一個信息完整的記錄下來。用這樣的智慧的大數據，才會讓機器像人那樣產生記憶。

再有，對于不曾見到的物體人類也需要通過某些手段先搞清究竟，而后才會有記憶的產生，因此，機器也應該用這種方法把不曾見到的物體先賦予一個符號，而后逐漸的形成對這個符號的認識。

導入自動機器學習模型，按照上述的思維方式，就可以創造出超越特斯拉FSD的AGI時代的自動駕駛。在絕大多數的人們還在青睞大數據，大模型的熱潮中，一個取代一次性的大數據訓練的，可以不斷的自動學習的，可以讓機器產生智慧的小模型脫穎而出，可以超越人類智慧的機器會在人們不知不覺中潛移默化的誕生！

By 顧　澤蒼

2025年3月28日