一时间现场寂静无声。

坐在第一排的陶轩之同样大为震撼。

不过长久养成的习惯让他下意识的冲着乔喻微微额首致意乔喻给出的例子其实属于认知科学中的预测加工理论。

虽然人类对于自身大脑的认识还很肤浅。

但毫无疑问的是人类的大脑可以说是一个非常强大的预测机器。

它能够不断的基于过去经验，以及即时接受到的信息同步生成针对未来的预测模型。

或者说生成未来图景。

人类独特的创造力也来源于此。

毕竟如果什么都需要经过严谨的计算，就不会有那么多数学猜想推动整个体系向前发展了。

现在听乔喻的说法，他这些年似乎就在研究如何能让机器超越执行预设算法，获得类似人类这种能够瞬间整合复杂信息、产生意义、做出价值驱动的直觉选择能力？

WTF？

！

显然这已经不是单纯的数学问题了。

当然这也绕不过数学。

毕竟要实现这一点，首先还是得有数学基础。

原因也很简单，机器的本质就是读取0

跟1。

起码在现在这个时代，任何在硅基计算机上实现的人工智能，无论对外宣传它们有多么高级或类意识，又或者使用了怎样厉害的算法其底层必然依赖于数学定义的算法和数据进行操作的。

没办法，离开了算法，计算机什么都不是，

所以乔喻的意思听到许多人的耳朵里，大概就是要开辟一条反数学的数学基础框架，

来让人工智能可以脱离算法的桔，进行类人脑的瞬间推理决策能力？

嗯，反数学的数学基础框架毫无疑问这个概念听着就很绕。

更有许多人已经反应过来了，为什么这次报告会有元数学三个字—

「在正式介绍我的成果之前，我打算先跟大家聊一下我的思路。

首先我们需要剖析的是人的意识。

也就是我刚刚说的，为什么意识可以不依靠计算就能做出行为上符合最佳预期的决策？

我们小组讨论的时候，有成员用量子理论去剖析。

即意识层面会从所有叠加态的可能中瞬间挑选出最符合自身利益的确定态。

如果从这个方向去理解，显然要容易很多。

毕竟量子物理的框架已经相对成熟，

甚至我们已经有了类量子计算的模拟计算机这样的硬件基础。

如果从这个方向去解决问题，无疑要轻松很多。

但我觉得不是。

首先意识层面不存在叠加态，所有的选择都是确定态。

而且如果从量子物理去理解意识的决策过程，同样无法省略计算的过程。

请允许我再次强调，意识不需要依靠任何公式去计算，只是凭借经验去挑选出未来可能性的最优结果。

换句话说意识只负责预测，计算是在预测之后的过程。

我再举一个例子。

大家都知道华夏有许多的网购节。

六一八、双十一，双十二，西大也有差不多类型的线下购物季，比如疯狂周五等等。

对于消费者来说，每当临近这些折扣季的时候，意识会瞬间判断出在折扣季购买东西能更加节省。

但在具体执行的时候，因为商家跟平台会有各种优惠政策，大脑需要通过计算去找到一种最优惠的购买方式。

大家能理解了吗？

意识负责瞬间预测，并给出最优化的选择，然后大脑其他部分才开始具体的计算。

同理，艺术家们突然来了灵感，音乐家脑子里浮现出一段旋律，首先要做的是记录下来，然后针对旋律进行修改。

画家会拿起画笔，先把大概轮廓搞定，然后才开始补笔，作家会记录下大纲，然后开始精修·.—

所以大家明白了吗？

决策是瞬间做出的，计算是延后且为最优化决策服务的。

但意识就这么简单吗？

显然不是！

我相信所有在场的人都一样，当你们在意识里开始最优化选择的时候，潜意识会自动忽略那些需要付出巨大代价的选择！

就好像我最初举的那个例子，当一个年轻人男人看到一个他理想中的伴侣时，他想到了未来美好的婚后生活。

甚至可能想到了未来孩子的名字。

但他第一时间肯定不会想到他会用违反道德准则的方式快捷的实现意识中规划的场景。

用数学上的话说，意识在做出决策的时候，依然是受到限定条件约束的。

这些约束因为人类个体受教育程度、家庭环境、成长环境、以及自身性格的不同而不同。

道德约束、法律约束、情感约束等等当然还有人类在不同年龄阶段，受到的荷尔蒙刺激不同，所以这些潜意识里的约束根本无法被量化。

但毫无疑问，这些约束体系同样属于意识决策的一部分。

甚至可以说无时无刻不影响看意识的决策树。

我相信说到这里大家应该也都已经在脑海中给意识下了数学定义了。

在我看来意识在数学上的定义就是带约束下瞬时最优化可行域筛选预测器。

同时我们也能得出结论意识具备以下几个数学特性，第一，决策时间△t无限趋近于零；

第二，具备约束驱动的可行域；第三，瞬时经验的概率化评估，以及最优化目标选择因此，针对这些特性，我跟我的小组成员们制定了预测在计算之先，选择在优化之外的全新数学模型。

也就是今天我要重点跟大家讲述的元数学雏形。

我们将之命名为经验约束瞬时优化体系，简称为ECIO框架，其基础体系大家可以看大屏幕。」

话音落下，乔喻背后早已经准备好的大屏幕同步亮起。

这场报告会还是第一次出现PPT。

跟乔喻以往的风格一样，简单且直接。

没有过多的解释。

这也是七月在发送邀请函时，要出一道题的意义所在了。

上面的数学符号都是直接引用的乔代数几何中的概念。

显然对于没有专门学习跟研究过广义模态公理体系跟乔代数几何的数学家来说是很不友好的，即便来了也听不懂什么，无异于浪费时间。

更别提这些公式虽然看起来很简单，但如果讲起那些推导过程来就很复杂了。

虽然最终的目的是让人工智能向通用人工智能过渡。

在决策时不再需要调参，不再需要严谨跟复杂的推导计算过程，但数学毕竟就是数学。

支持这一决策树过程本身的推导必须是讲逻辑的。

接下来一个多小时对于台下这一千多位数学家，尤其是那些跟着导师来见世面的学生跟助手们无疑是最无趣的。

不再有那些生动有趣的例子，全都是关于意识决策的数学解释。

尤其是其中涉及到模态空间的部分。

没办法，可实现性测度下的差异度规肯定要引入到高维模态空间。

这块绝对是整套理论最为抽象的部分。

毕竟淘汰了以往的决策树，并不代表通用人工智能不需要决策树只是要达成这种瞬时决策需要的决策树过于抽象当然这也是必然的。

毕竟人类的意识本就很抽象。

而且介绍这些数学上的推导过程时，乔喻完全没有照顾台下众人心情的想法。

依然是他的风格，总是默认台下的数学家跟他水平差不多，肯定能听懂每一步的推导所以也没有什么详尽的解释，只是将他当时的推导思路说了一遍。

于是抛去一半本就是来打酱油的，剩下一半人百分之九十的数学家同样全程一脸憎逼皱着眉头半懂不懂的样子.

即便坐在第一排的众多大佬级数学家，差不多也是如此。

比如陶轩之，皱看的眉头就从没展开过。
本章未完，请翻下一页继续阅读.........