第378章 通用智力假说（1 / 2）

“新一届计算机界最高荣誉图灵奖揭晓，

    3月20日，阿美利肯计算机协会ACM莱特·陈为2026年ACM图灵奖获得者，以表彰他在人工智能理论方面的基础性贡献，包括重塑了人类对脑电波和人工智能联系的认知。

    莱特也是第二位同时获得诺贝尔奖和图灵奖的科学家.”

    每年的三四月份左右会公布前一年的图灵奖得主。

    HBM在2026年年底一经公布，就成为当年图灵奖毫无争议的得主。

    阿美利肯计算机协会把图灵奖颁给任何其他学者，他们只会觉得这是一种侮辱而不是荣幸。

    因此ACM也没有拖，在3月底就直接公布了，他们也知道陈元光不可能来阿美利肯参加颁奖典礼和颁奖晚宴，因此只是派姚院士尝试着联系了一下陈元光。

    果然不出ACM所料，陈元光拒绝了，甚至没有答应通过机器人的方式远程参加。

    不过他倒是提出了一种新的方式，那就是派代表去参加，“姚先生，我到时候会找一位青年学者作为我的代表代为领奖。

    同时我会让他讲解一下我最新关于人工智能方面的一些思考。”

    姚院士作为图灵奖的第一位华人得主，陈元光不是给ACM面子而是给姚院士面子。

    “是否能麻烦你帮我在ACM的图灵奖颁奖典礼上代为领奖，并且讲解一下这篇论文的内容，具体内容详见附件”

    杜高和往常一样来到办公室，习惯性打开自己的邮箱翻阅过去24小时的邮件往来。

    一封发件人署名为元光的邮件一下就吸引了他的注意力。

    元光？在他认识的人里只有一个人叫这名字，但人们一般不直接用真名称呼他，而是叫他光神。

    杜高是申海科大的副教授，过去主攻课题是深度学习。

    由于研究生阶段做过一些关于脑科学的研究，因此在申海科大做博士后期间，申请了和脑科学相关的机器学习课题。

    最终该课题在申报过程中没有被自然基金看中，本来以为最多能够评个省级课题，结果被陈元光看中，成为了21世纪人工智能领域最伟大发现之一的HBM技术框架的前置研究组成部分。

    当然在华国学者看来，这个之一完全可以去掉，ChatGPT也很牛，但显然要比HBM人工智能技术框架低不止一个级别。

    也正是因为有幸参与过HBM技术研发，杜高也在HBM相关论文中获得了一个共同作者的名头，博士后还没有做完就获得了申海科大特聘副教授的职位。

    特聘副教授没有编制，但无论是待遇还是稳定性方面都和有编制差别不大，至少放在之前，是杜高想都不敢想的职位，这可是申海的高校，含金量堪比二线城市211或者某欠发达省份的985了。

    过去学历显赫，但博士阶段导师不出名，做的课题在人工智能领域也属于边缘课题的杜高几乎是一瞬间就名声鹊起。

    像百度每年会统计所谓人工智能华人青年学者，从几万名华人学者中筛选出一百人，评价维度有学术水平、学术影响力、学术潜力等。

    杜高之前别说100人，就算是1000人他也选不上，因为这评判标准不是华国人，而是华人。

    华人显然包括了海外华裔，可就是因为参与了HBM项目，他就顺利入选了百度在4月评选的人工智能华人青年学者。杜高是里面唯一隶属于非985/211高校的青年学者。

    其他青年学者的所属机构都是什么海外高校、华国科学院、985/211、国内外顶尖科技巨头。

    杜高很清楚要跟谁混才有出头之日，看到发送人为元光的邮件，他放松的姿态都一下紧绷起来，点开一看具体内容他内心更是心潮澎湃起来。

    “光神拿去年的图灵奖了？这不奇怪，新闻早就满天飞了，网友们甚至都脱敏了，换其他人估计得大吹特吹，这是光神，也就还行吧。

    也就只有光神能说出图灵奖还行这种话了。

    让我去代为领奖，这倒是一桩不错的差事。”

    让他ACM颁奖典礼代为领奖顺便上介绍光神的最新论文，这无疑是一种荣耀。不然为啥不喊别人呢？

    光甲航天内部也不少人工智能相关学者。

    其实主要是因为陈元光考虑到如果派光甲航天的员工，大家因为之前那件事有点过敏，怕去得了回不来。

    像陆奇要是代为跑到阿美利肯去参加ACM，回不来的概率超过90%。

    杜高对论文很是期待。

    大部分学者靠论文来为自己的学术能力做注脚，而陈元光从来不需要，光是这个名字随便配上一个标题，不需要任何内容，放到任何学术会议上，该学术会议都会给他专门预留时间、场地，全球学者都会蜂拥而至。

    作为开辟了凝聚态物理新方向和人工智能新方向的顶级学者，这就是过往战绩积累的声望。

    “技能不等同于智力，后者仍然没有单一的定义。我们今天可以达成共识的是，目标导向和对不同环境的适应性至关重要。今天的深度学习系统仍然非常有限，因为它们本质上是在大量数据上训练的技能程序。为了衡量人工智能的智力标准，我们需要其他基准，这些基准侧重于泛化和技能获取效率，通过增加这些基准来构建一个统一的标准，这套标准不仅可以用来衡量人工智能的智力水平，而且可以用来衡量人类的智力水平.”

    “关于智力这个术语，研究人员对一个单一的定义仍然没有达成科学共识。但是，智力的常见特征包括两个方面:特定于任务的能力(“实现目标”)以及通用性和适应性(“在广泛的环境中”)”

    “过去进化心理学对人类智力的看法认为许多认知功能是由于特殊目的的适应。换句话说，人类的大脑已经进化到擅长某些任务，因为这些技能是生存所必需的。这种观点引起了针对特定任务性能的情报和评估协议的定义。这种方法的问题在于它缺乏通用性。只专注于特定任务的人工智能通常在这些特定任务上表现要远优于人类。但在解决一般问题时，它们缺乏人类的灵活性和适应性。

    因此，在过去人工智能智力衡量标准中对特定任务性能的关注导致人工智能缺乏普遍性.”

    “另一种常见观点认为智力包括通过学习获得新技能的一般性能力，这种能力可以针对各种以前未知的问题。这种对智力的认知反映了另一种长期存在的看法，这种看法强烈地影响了认知科学的历史，它与进化心理学的观点形成了鲜明的对比:将智力视为一种灵活的，适应性，高度通用的过程，将经验转化为行为，知识和技能.”