第一千零八十三章 智能体II型AI~(2/3)

 

每一个阶段可以根据人工智能的复杂性进一步细分为三个型号、I型、II型、III型。  

其中聊天智能阶段AI系统能够进行基本的对话和交流，显示出对自然语言的基本理解能力，并能对各种提示和问题作出响应。  

这一级别的人工智能主要被应用于智能客服、智能助手等场景，提供基础的信息咨询和交互服务。  

例如，日常生活中的聊天机器人，它们能够解答用户的问题、提供信息，甚至进行简单的互动。  

而推理智能AI系统能够以人类普通专家的熟练程度解决复杂问题，标志着其从单纯模仿人类行为升级到展现真实的智能水平。  

在这一级别，人工智能AI系统可以应用于需要复杂推理和决策的领域。  

比如医疗诊断、金融风险评估等。  

推理智能AI可以能深入分析复杂数据，洞悉其中的模式，并基于逻辑和数据提供精准解决方案。  

而智能体AI系统能够承担复杂的任务、作出决策和适应不断变化的环境，并在无须接受人类监督的情况下自主行动。  

这一阶段的AI不仅具备推理能力，更能自主执行各类复杂的操作任务。  

可以应用于自动驾驶、机器人控制等场景，  

比如在智能家居领域，智能体能够根据个人习惯智能调节灯光、温度等居家环境；而在自动驾驶领域，智能体则能确保车辆的安全、舒适行驶等等。  

如果是最初的学术AI小助手‘启灵’，其级别在推理智能II型号阶段。  

可以通过相应的指令去完成各种资料的收集、分类、整理等等。  

在后面全面融入川海科技那边的人工智能完全体后，小灵具备了操控智能家居电器、自动驾驶、数据诊断、程序代码编写等各方面的能力。  

按照评估，那时候的它应该处于推理型智能III型阶段向智能体AI过渡的阶段，很接近智能体AI，但还未达到。  

而这个数据差不多是半年前的。  

半年的时间，完成从推理型智能III型阶到智能体II型的进化，这个速度的确有些超乎了他的预料。  

原本他以为要小灵要进化到这个阶段至少还需要一年以上甚至是更久的时间来着。  

没想到仅仅是半年，就做到了。  

刘嘉欣点点头，笑道：“前不久才突破的，程序II组那边对大正整数因子分解论文中有关于深度神经网络的权重层已经应用到了智能AI矩阵分解结构上。”  

“这减小训练模型的参数总量的同时还在一定程度上加快了启灵的训练工作。”  

“尤其是在SVM分类构造、集成学习模块、大稀疏矩阵问题以及模糊算法等方面有不小的突破，做到了可以通过因子分解机解决大规模稀疏数据下的特征组合难题。”  

闻言，徐川恍然明白了过来。  

如果是基于大正整数因子分解是否具有多项式算法中的部分理论完成的，那就不奇怪了。  

“PNP”是计算理论的核心问题，尽管大正整数因子分解是否具有多项式算法只不过是这个千禧年难题的一部分。  

但它对于分布式计算与并行处理算法、单源最短路径算法、整数因式分解等多个计算机算法领域有着重大的影响。  

从2023年刘嘉欣解决了这个问题到现在，时间已经过去了一年半，它应用到计算机和人工智能领域也差不多是时候了。  

毕竟数学成果转变成计算机领域的研究本身就是最容易的领域之一，再加上还有证明了这个问题的学者本身就在计算机领域发展，小灵能够快速的进化原因也正是如此。  

不像他研究的数学难题，除去NS方程这个本身就具有强应用性的数学猜想外，另外两个无论是霍奇猜想还是杨米尔斯存在性和质量间隙难题，即便是已经解决了好几年了，在应用领域依旧没什么动静。  

数学领域的尖端难题，要转变成应用成果，最容易的恐怕也就是PNP难题了。  

但PNP难题却并非那么容易解决的。  

至少就目前来说，无论是他还是解决了大正整数因子分解是否具有多项式算法难题的刘嘉欣都认为这个问题可能无解。  

上帝不掷骰子，人类也几乎不可能找到一种多项式算法来验证NP类难题属于P类。  

不过对于计算机发展来说，PNP？难题可能无解并不意味着它就不能继续发展了。  

相反，对于这个问题的每一次研究，哪怕是一点点的突破，都有可能对计算机与人工智能的算法起到巨大的推动作用。  

就像是二十世纪七十年代人们基于NP完全理论，密码学取得了革命性突破，建立了公钥密码体系。  

而后又在八十年代NP，完全问题的研究有了纵向的突破，在许多表面看来并不相关的计算模型之间发现了深刻的刻画关系。  

这一次突破非常大的刺激了算法界对近似算法研究的新热潮。  

此外，还有90年代量子计算机和命题证明系统的研究，21世纪以后的参数复杂性理论研究。  

几乎每一次PNP？猜想上的数学成果突破和研究，都会引起计算机领域的剧震。  

如果说‘启灵’再继续进化下去的话，它就离第四阶段‘创新者AI’距离不远了。  

这个阶段的智能AI系统具有模仿人类的创造力，突破思维的局限，

本章未完，点击下一页继续阅读