第150章 MIT CS 准大一新生(上)
第150章MITCS准大一新生(上
搞定了workflow这款软件的demo之后。
接下来林灰的工作无非就是再继续添加些细节。
这个工作很枯燥,但说不上困难。
不过此时时间已经接近零点。
林灰不打算夤夜鏖战了。
林灰不开夜车并不是因为精力上的疲乏。
相反,林灰的精力很充沛。
林灰之所以不加班加点赶工是因为涉及到一些技术支持上的问题。
workflow这款软件和林灰先前上线的几款软件/游戏有些不一样的地方。
那就是workflow这款软件是需要服务器的。
尽管用户在使用多数软件的时候基本上都感知不到服务器。
但没有服务器的话多数软件其实是玩不转的。
服务器通常是以网络作为介质,既可以通过内部网对内提供服务,也可以通过互联网对外提供服务。
服务器的最大特点就是其强大的运算能力或是具备大量磁盘存储空间的电脑。
使其能在短时间内完成大量工作及负载大量的文件资料存储,并为大量用户提供服务。
一般理解服务器相当于软件的奶妈。
尽管现在林灰搞得workflow相比于后世的workflow还不是完全体形态。
但即便是这种形态想将这样的软件全部的功能发挥出来的话依然是要用到服务器的。
没有服务器的话workflow的工作效率会大打折扣。
后世的快捷指令APP在不跟Siri一块用的时候,基本可以离线运行。
但现在的情况稍稍有些棘手。
说起来有点麻烦,最主要的原因是因为iOS7功能还不够强大。
尽管这个iOS界面首次应用的扁平化设计风格。
但除了风格上的改变之外,涉及到很多底层的东西都有点拉跨。
总之,workflow这款软件想要发挥出相应的实力还是需要服务器的。
等到iOS8版本上,workflow这款软件对服务器依存度就比较小了。
尽管如此,为了工作效率最大化还是有服务器的好。
涉及到工作效率只是一方面原因。
另一方面原因还是为了防盗版。
讲真,跟盗版软件各种勾心斗角真的很心累。
但不防范也不行,天下乌鸦一般黑,盗版无处不在。
workflow这款软件对于林灰来说价值可是接近两亿元。
再小心也不过分。
最关键的是涉及到workflow这款软件,林灰没法在专利上做文章。
因此只能在机制上玩些心机。
说起来,林灰觉得他似乎该找个得力下属了。
有下属的话弄服务器这种事情随便交代一下就完事了。
事事躬亲属实有点累。
不过现在事情多多少少有点麻烦。
最关键的是林灰并不知道将来他要何去何从。
是去麻省理工呢?
还是在國内随便读个水木将就一下?
要是以后去美國的话,在國内找个跟班短时间看没啥大用。
黄静倒是个不错的人选。
不过距离黄静示好也不过才半天不到。
黄静要真正加入林灰的麾下怕是要好久。
在大公司入职不容易,离职也是一件麻烦事。
涉及到工作交接神马属实烦人。
即便黄静真的有志于过来投奔林灰。
能在一个月之内处理完交接手续就很不错了。
更何况黄静和林灰还没有私下接触过。
黄静怕是还没有真正做出决断。
……
说起未来,林灰只是学业上暂时没明确做出选择罢了。
涉及到未来事业上的发展,林灰很清楚他将去往何方。
林灰的未来绝不是开发一款又一款软件。
尽管看起来林灰现在只是在跟各种软件打交道。
但看问题不能只看表象。
林灰此时的目光早已放在了别的地方——人工智能!
人工智能,也被称作AI。
对人工智能的研究由来已久。
约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。
安德烈亚斯·卡普兰(AndreasKaplan)和迈克尔·海恩莱因(MichaelHaenlein)将人工智能定义为“系统正确解释外部数据,从这些数据中学习,并利用这些知识通过灵活适应实现特定目标和任务的能力”。
和现在重视基于控制论和神经网络的方法不同。
当年人们一直致力于将人工智能符号化。
后来人工智能真的成符号了。
烂大街意义上的符号。
人工智能往后几年基本是烂大街的词汇。
不过在2014年来看,人工智能代表着未来的一种可能。
人工智能其实是一个很宽泛的课题!
也正因为人工智能的宽泛,林灰才将这个方向作为入局的首选。
以人工智能为切入点,将来可以很容易延申到别的方向。
林灰相信人工智能在未来10~15年的潜力。
当然,也仅仅是10~15年的潜力。
至于再久远的事情,林灰并不是很看好。
事实上以前世2021年的人工智能情况来看。
已经给人一种日薄西山的感觉。
人工智能已经沦为一门很俗很俗的学问。
远没有人工智能概念刚火起来那会,给人一种点石成金的感觉。
林灰不看好人工智能15年后的潜力并不完全是心理层面的原因。
很大程度上也是因为人工智能本身的原因。
以前世人工智能的发展状况来说。
前世大概2010年之后,人工智能这方面的热度就在不断发酵。
在2016年,人工智能这方面的热度被彻底引爆。
之后的几年时间,基本上各个大厂科研机构一窝蜂地涌入人工智能领域。
在这段时间里,看似科技成果疯狂涌现。
但林灰觉得这些科技成果的疯狂涌现只是量变的积累罢了。
并没有产生质变。
为什么这样说呢?
前世人工智能方面的研究进展看似取得很多成果。
但这些研究成果大部分都属于弱人工智能。
最为典型的就是弱人工智能就是Siri。
你与它的对话,实际上就是程序设计者在背后设计出一套相对应的流程。
然后在语音识别的基础上加了一套应对,使得大家都以为它能够听得懂你在说什么。
其实Siri不过是走了一遍流程而已。
有弱人工智能,自然就有强人工智能!
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对电脑和其它信息处理机器创造的,其定义为:
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具;相反,只要运行适当的程序,计算机本身就是有思维的。”
强人工智能和弱人工智能最大的区别在于能不能具有不依赖于人的思维能力。
不止于此,还涉及到一些理念上的区别。
比如说弱人工智能观点认为不可能制造出能“真正”地推理和解决问题的智能机器。
从前世人工智能的发展情况来看,弱人工智能一派似乎是胜利了。
强人工智能一派一败涂地。
前世在很多人眼中人工智能进展早已突飞猛进,但实则不然。
诸如图像识别、影像识别、语言分析、棋类游戏等。
这些看似很高端大气上档次的人工智能实际上都处于非常原始的弱人工智能阶段。
这些机器只不过“看起来”像是智能的,但是并不真正拥有智能,也不会有自主意识。
之所以说这些东西原始,是因为这些人工智能的一举一动都是程序设计者在预测会出现的情况。
或许有人会说,人工智能一举一动都处在程序设计者预测的情况不才是正确的吗?
如果人工智能产生了什么设计者预测不到的情况岂不是意味着人工智能的失控吗?
这样说确实有道理。
但是换个角度想想,人们设计人工智能的初衷是什么呢?
人们是想要人工智能在诸如语言分析、棋类游戏上做的更游戏吗?
哪怕人工智能在这些方面做的再优秀也只能说明这些人工智能更适应规则而已。
而人类所期待的是人工智能可以打破规则。
只有人工智能打破规则才有可能在基础科学上有所助力。
听起来有点扯。
但事实如此,强人工智能的研究一向有志于此。
如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序,只要给予一些资料,这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式。
这等于只用几十个小时就自己重新发现牛顿力学公式。
但这种研究也仅仅到牛顿公式而已。
研究人员致力于此也是可以理解的。
基础科学才是决定人类科技真正上限的东西。
人工智能如果无助于基础科学的研究。
那现在多多少少都有点资源浪费的意味。
大概类似于换皮赛博朋克?
就算把概念炒出花来,本质上也只是虚假繁荣而已。
当所有领域都被弱人工智能铺开一遍。
那人工智能估计也就走到尽头了。
有的时候,林灰甚至会觉得涉及到人工智能很像是科技树点歪的结果。
深度学习的到来开启了人工智能的大门。
但开启了这扇大门之后,带来的直接后果是:
机器越来越聪明,人的作用在下降。
一些算法工程师甚至直接沦为机器的保姆。
一言难尽。
不是说人工智能没发展前景。
不过林灰估计只能够用个10~15年而已。
弱人工智能的潜能挖掘殆尽,估计人工智能的红利也就走到尽头了。
至于说林灰刻意引导发展强人工智能?
林灰没那么勇。
人工智能的发展不仅有技术上的难题!
还有社会上的重重阻力:
很多媒体预测弱人工智能将取代诸如超市店员、一般事务员、计程车司机、收费站运营商和收银员、市场营销人员、客服人员之类的很多行业。
因此引起了这些人的恐慌。
人工智能每前进一步都要面临着巨大的社会争议。
前世弱人工智能的发展都面对着层层阻碍。
更不要说强人工智能将会面对怎样的阻碍了。
毕竟强人工智能某种意义上来说具有颠覆性。
林灰没那么勇是一方面。
另一方面,林灰没那么高尚。
仅仅是弱人工智能就足够林灰吃的了。
核心产业规模超过1万亿元,附带效益超过10万亿元。
附带效益十万亿是什么概念?
别说是足够林灰一个人吃。
就是想带起一个庞大的商业帝国都问题不大。
这还仅仅是國内。
总之,一切都是大有可为。
不过这些都是往后的事情了。
至于十年二十年之后又该如何,林灰说不好,也不好说。
要是林灰能实时接受前世那个时空的消息。
或许就是另外的故事了。
……
林灰停止了胡思乱想。
开始例行的睡前回邮件环节。
在邮箱里,林灰看到伊芙·卡莉又发来了邮件。
在邮件中伊芙·卡莉表示她已经到帝都了。
大概明日就会到达北域。
这让林灰多多少少有点意外。
林灰原本以为伊芙·卡莉会在帝都逗留一段时间呢。
结果全然没想到伊芙·卡莉居然明天就到了。
这样也好。
林灰也蛮期待着这次见面。
或许这将会是载入科学技术发展史的一次见面。
除了向林灰通告了一下行程之外。
伊芙·卡莉还在邮件里继续力邀林灰加入麻省理工学院。
虽然伊芙·卡莉在邮件中的语言基本都是陈述句。
并没有什么煽动性。
但林灰却心动了。
因为林灰敏锐地捕捉到了一个信息。
伊芙·卡莉在邮件中介绍麻省理工学院在本科以及硕士期间均是完全学分制。
完全学分制?
所谓的完全学分制有别于学年学分制和学年制。
基本上在校学生只要修够相应的学分就能直接毕业。
这居然还有这好事?
林灰本就不想在本科浪费太多时间。
学校在林灰看来是跳板。
完全学分制这个条件对林灰无疑是极大的诱惑力。
这岂不意味着修满学分就能毕业了?
林灰记得前世MIT似乎不是这个制度啊。
是这个时空独有的制度?
还是为他一个人开的特例?
不过不管这些是什么原因。
如果真的是完全学分制。
那林灰似乎没什么好纠结的了。
果断选择麻省理工学院就完事了。
水木什么的一边呆着去。
林灰之所以青睐完全学分制。
不仅仅是因为实行完全学分制学生能够快速修满学分。
完全学分制还意味着学生能够充分根据个人兴趣制订个性化的学习计划。
这对于学习无疑是很有好处的。
毕竟兴趣才是最好的老师。
像交代人工智能发展的瓶颈这种东西,可能现在看确实没用。
但这种东西我不可能不写,总不可能前面一点没交代。
后面突然提到人工智能遇到瓶颈了,那是不负责任。
什么样的技术都是有局限性的,不可能无脑嗨,我做不到。
而且一本书也不可能是竹竿子一样一节一节往上去。
对于一本很长的书构型应该是金字塔型的。
塔基搭的够大够稳,才能盖的足够高。
而且金字塔结构的文章才符合正常的行文逻辑。
我每天写新章节的时候都会从头读一遍。
或许单章看存在着一些问题。
但连贯着读下来,我不觉得有什么技术发展逻辑方面的问题。
前面一些章节或许你不觉得它有什么用,但后面都会用得到。
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc
搞定了workflow这款软件的demo之后。
接下来林灰的工作无非就是再继续添加些细节。
这个工作很枯燥,但说不上困难。
不过此时时间已经接近零点。
林灰不打算夤夜鏖战了。
林灰不开夜车并不是因为精力上的疲乏。
相反,林灰的精力很充沛。
林灰之所以不加班加点赶工是因为涉及到一些技术支持上的问题。
workflow这款软件和林灰先前上线的几款软件/游戏有些不一样的地方。
那就是workflow这款软件是需要服务器的。
尽管用户在使用多数软件的时候基本上都感知不到服务器。
但没有服务器的话多数软件其实是玩不转的。
服务器通常是以网络作为介质,既可以通过内部网对内提供服务,也可以通过互联网对外提供服务。
服务器的最大特点就是其强大的运算能力或是具备大量磁盘存储空间的电脑。
使其能在短时间内完成大量工作及负载大量的文件资料存储,并为大量用户提供服务。
一般理解服务器相当于软件的奶妈。
尽管现在林灰搞得workflow相比于后世的workflow还不是完全体形态。
但即便是这种形态想将这样的软件全部的功能发挥出来的话依然是要用到服务器的。
没有服务器的话workflow的工作效率会大打折扣。
后世的快捷指令APP在不跟Siri一块用的时候,基本可以离线运行。
但现在的情况稍稍有些棘手。
说起来有点麻烦,最主要的原因是因为iOS7功能还不够强大。
尽管这个iOS界面首次应用的扁平化设计风格。
但除了风格上的改变之外,涉及到很多底层的东西都有点拉跨。
总之,workflow这款软件想要发挥出相应的实力还是需要服务器的。
等到iOS8版本上,workflow这款软件对服务器依存度就比较小了。
尽管如此,为了工作效率最大化还是有服务器的好。
涉及到工作效率只是一方面原因。
另一方面原因还是为了防盗版。
讲真,跟盗版软件各种勾心斗角真的很心累。
但不防范也不行,天下乌鸦一般黑,盗版无处不在。
workflow这款软件对于林灰来说价值可是接近两亿元。
再小心也不过分。
最关键的是涉及到workflow这款软件,林灰没法在专利上做文章。
因此只能在机制上玩些心机。
说起来,林灰觉得他似乎该找个得力下属了。
有下属的话弄服务器这种事情随便交代一下就完事了。
事事躬亲属实有点累。
不过现在事情多多少少有点麻烦。
最关键的是林灰并不知道将来他要何去何从。
是去麻省理工呢?
还是在國内随便读个水木将就一下?
要是以后去美國的话,在國内找个跟班短时间看没啥大用。
黄静倒是个不错的人选。
不过距离黄静示好也不过才半天不到。
黄静要真正加入林灰的麾下怕是要好久。
在大公司入职不容易,离职也是一件麻烦事。
涉及到工作交接神马属实烦人。
即便黄静真的有志于过来投奔林灰。
能在一个月之内处理完交接手续就很不错了。
更何况黄静和林灰还没有私下接触过。
黄静怕是还没有真正做出决断。
……
说起未来,林灰只是学业上暂时没明确做出选择罢了。
涉及到未来事业上的发展,林灰很清楚他将去往何方。
林灰的未来绝不是开发一款又一款软件。
尽管看起来林灰现在只是在跟各种软件打交道。
但看问题不能只看表象。
林灰此时的目光早已放在了别的地方——人工智能!
人工智能,也被称作AI。
对人工智能的研究由来已久。
约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。
安德烈亚斯·卡普兰(AndreasKaplan)和迈克尔·海恩莱因(MichaelHaenlein)将人工智能定义为“系统正确解释外部数据,从这些数据中学习,并利用这些知识通过灵活适应实现特定目标和任务的能力”。
和现在重视基于控制论和神经网络的方法不同。
当年人们一直致力于将人工智能符号化。
后来人工智能真的成符号了。
烂大街意义上的符号。
人工智能往后几年基本是烂大街的词汇。
不过在2014年来看,人工智能代表着未来的一种可能。
人工智能其实是一个很宽泛的课题!
也正因为人工智能的宽泛,林灰才将这个方向作为入局的首选。
以人工智能为切入点,将来可以很容易延申到别的方向。
林灰相信人工智能在未来10~15年的潜力。
当然,也仅仅是10~15年的潜力。
至于再久远的事情,林灰并不是很看好。
事实上以前世2021年的人工智能情况来看。
已经给人一种日薄西山的感觉。
人工智能已经沦为一门很俗很俗的学问。
远没有人工智能概念刚火起来那会,给人一种点石成金的感觉。
林灰不看好人工智能15年后的潜力并不完全是心理层面的原因。
很大程度上也是因为人工智能本身的原因。
以前世人工智能的发展状况来说。
前世大概2010年之后,人工智能这方面的热度就在不断发酵。
在2016年,人工智能这方面的热度被彻底引爆。
之后的几年时间,基本上各个大厂科研机构一窝蜂地涌入人工智能领域。
在这段时间里,看似科技成果疯狂涌现。
但林灰觉得这些科技成果的疯狂涌现只是量变的积累罢了。
并没有产生质变。
为什么这样说呢?
前世人工智能方面的研究进展看似取得很多成果。
但这些研究成果大部分都属于弱人工智能。
最为典型的就是弱人工智能就是Siri。
你与它的对话,实际上就是程序设计者在背后设计出一套相对应的流程。
然后在语音识别的基础上加了一套应对,使得大家都以为它能够听得懂你在说什么。
其实Siri不过是走了一遍流程而已。
有弱人工智能,自然就有强人工智能!
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对电脑和其它信息处理机器创造的,其定义为:
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具;相反,只要运行适当的程序,计算机本身就是有思维的。”
强人工智能和弱人工智能最大的区别在于能不能具有不依赖于人的思维能力。
不止于此,还涉及到一些理念上的区别。
比如说弱人工智能观点认为不可能制造出能“真正”地推理和解决问题的智能机器。
从前世人工智能的发展情况来看,弱人工智能一派似乎是胜利了。
强人工智能一派一败涂地。
前世在很多人眼中人工智能进展早已突飞猛进,但实则不然。
诸如图像识别、影像识别、语言分析、棋类游戏等。
这些看似很高端大气上档次的人工智能实际上都处于非常原始的弱人工智能阶段。
这些机器只不过“看起来”像是智能的,但是并不真正拥有智能,也不会有自主意识。
之所以说这些东西原始,是因为这些人工智能的一举一动都是程序设计者在预测会出现的情况。
或许有人会说,人工智能一举一动都处在程序设计者预测的情况不才是正确的吗?
如果人工智能产生了什么设计者预测不到的情况岂不是意味着人工智能的失控吗?
这样说确实有道理。
但是换个角度想想,人们设计人工智能的初衷是什么呢?
人们是想要人工智能在诸如语言分析、棋类游戏上做的更游戏吗?
哪怕人工智能在这些方面做的再优秀也只能说明这些人工智能更适应规则而已。
而人类所期待的是人工智能可以打破规则。
只有人工智能打破规则才有可能在基础科学上有所助力。
听起来有点扯。
但事实如此,强人工智能的研究一向有志于此。
如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序,只要给予一些资料,这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式。
这等于只用几十个小时就自己重新发现牛顿力学公式。
但这种研究也仅仅到牛顿公式而已。
研究人员致力于此也是可以理解的。
基础科学才是决定人类科技真正上限的东西。
人工智能如果无助于基础科学的研究。
那现在多多少少都有点资源浪费的意味。
大概类似于换皮赛博朋克?
就算把概念炒出花来,本质上也只是虚假繁荣而已。
当所有领域都被弱人工智能铺开一遍。
那人工智能估计也就走到尽头了。
有的时候,林灰甚至会觉得涉及到人工智能很像是科技树点歪的结果。
深度学习的到来开启了人工智能的大门。
但开启了这扇大门之后,带来的直接后果是:
机器越来越聪明,人的作用在下降。
一些算法工程师甚至直接沦为机器的保姆。
一言难尽。
不是说人工智能没发展前景。
不过林灰估计只能够用个10~15年而已。
弱人工智能的潜能挖掘殆尽,估计人工智能的红利也就走到尽头了。
至于说林灰刻意引导发展强人工智能?
林灰没那么勇。
人工智能的发展不仅有技术上的难题!
还有社会上的重重阻力:
很多媒体预测弱人工智能将取代诸如超市店员、一般事务员、计程车司机、收费站运营商和收银员、市场营销人员、客服人员之类的很多行业。
因此引起了这些人的恐慌。
人工智能每前进一步都要面临着巨大的社会争议。
前世弱人工智能的发展都面对着层层阻碍。
更不要说强人工智能将会面对怎样的阻碍了。
毕竟强人工智能某种意义上来说具有颠覆性。
林灰没那么勇是一方面。
另一方面,林灰没那么高尚。
仅仅是弱人工智能就足够林灰吃的了。
核心产业规模超过1万亿元,附带效益超过10万亿元。
附带效益十万亿是什么概念?
别说是足够林灰一个人吃。
就是想带起一个庞大的商业帝国都问题不大。
这还仅仅是國内。
总之,一切都是大有可为。
不过这些都是往后的事情了。
至于十年二十年之后又该如何,林灰说不好,也不好说。
要是林灰能实时接受前世那个时空的消息。
或许就是另外的故事了。
……
林灰停止了胡思乱想。
开始例行的睡前回邮件环节。
在邮箱里,林灰看到伊芙·卡莉又发来了邮件。
在邮件中伊芙·卡莉表示她已经到帝都了。
大概明日就会到达北域。
这让林灰多多少少有点意外。
林灰原本以为伊芙·卡莉会在帝都逗留一段时间呢。
结果全然没想到伊芙·卡莉居然明天就到了。
这样也好。
林灰也蛮期待着这次见面。
或许这将会是载入科学技术发展史的一次见面。
除了向林灰通告了一下行程之外。
伊芙·卡莉还在邮件里继续力邀林灰加入麻省理工学院。
虽然伊芙·卡莉在邮件中的语言基本都是陈述句。
并没有什么煽动性。
但林灰却心动了。
因为林灰敏锐地捕捉到了一个信息。
伊芙·卡莉在邮件中介绍麻省理工学院在本科以及硕士期间均是完全学分制。
完全学分制?
所谓的完全学分制有别于学年学分制和学年制。
基本上在校学生只要修够相应的学分就能直接毕业。
这居然还有这好事?
林灰本就不想在本科浪费太多时间。
学校在林灰看来是跳板。
完全学分制这个条件对林灰无疑是极大的诱惑力。
这岂不意味着修满学分就能毕业了?
林灰记得前世MIT似乎不是这个制度啊。
是这个时空独有的制度?
还是为他一个人开的特例?
不过不管这些是什么原因。
如果真的是完全学分制。
那林灰似乎没什么好纠结的了。
果断选择麻省理工学院就完事了。
水木什么的一边呆着去。
林灰之所以青睐完全学分制。
不仅仅是因为实行完全学分制学生能够快速修满学分。
完全学分制还意味着学生能够充分根据个人兴趣制订个性化的学习计划。
这对于学习无疑是很有好处的。
毕竟兴趣才是最好的老师。
像交代人工智能发展的瓶颈这种东西,可能现在看确实没用。
但这种东西我不可能不写,总不可能前面一点没交代。
后面突然提到人工智能遇到瓶颈了,那是不负责任。
什么样的技术都是有局限性的,不可能无脑嗨,我做不到。
而且一本书也不可能是竹竿子一样一节一节往上去。
对于一本很长的书构型应该是金字塔型的。
塔基搭的够大够稳,才能盖的足够高。
而且金字塔结构的文章才符合正常的行文逻辑。
我每天写新章节的时候都会从头读一遍。
或许单章看存在着一些问题。
但连贯着读下来,我不觉得有什么技术发展逻辑方面的问题。
前面一些章节或许你不觉得它有什么用,但后面都会用得到。
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc