第378章 通用智力假说(2/2)

首发：~第378章 通用智力假说

杜高觉得自己的知识储备有些不够了，整整上百页的内容，里面大量关于认知科学的内容哪怕他接受过部分脑科学相关课程，仍然阅读起来非常吃力。

无论是陈元光提到的进化心理学还是认知心理学，杜高觉得自己都有必要提前补课，或者找本校对应专业的教授进行咨询，才能把该论文的通读给进展下去。 到颁奖典礼上去，如果只是单纯念稿，那没啥问题，念稿谁都会，要选总统的候选人能够在演讲过程中全程看提词器，他看提词器也问题不大。

可会后晚宴其他学者们的疑问全部推给光神就完事了，反正你问我什么，我都说我不知道，我是来帮光神出席这次颁奖典礼的。

但无论是陈元光在邮件中的要求是讲解，还是说杜高希望在acm颁奖典礼上和大佬们混个脸熟，能够和顶级大佬们有一些学术合作，他都必须要对论文有着足够深的把握。

更何况，什么是先机，这就是先机。

hbm诞生后的这半年，各大学术期刊和学术会议有超过一半的论文都是围绕hbm展开。

对hbm人工智能模型的验证可以发论文。

自己制定一个评价标准，然后自对hbm人工智能模型进行改进，在自己评价标准里相关参数有所提高又能发表一篇论文，类似的论文不胜枚举。

用华国产的拓扑半金属计算卡和阿美利肯的英伟达计算卡分别训练hbm人工智能模型，然后分析他们之间的差异，论证英伟达计算卡为什么训练效果不佳也能发表论文。

分别用不同城市司机的脑电波数据对应训练hbm模型，然后分析两种hbm模型在自动驾驶中的差异，看他们和不同城市司机的驾驶差异是否吻合，同样能发表论文。

陈元光把hbm开源，工业界的应用还没有诞生多少，但学术界的论文已经大爆炸了。

你只要有个稍微好点的想法，就能够基于hbm模型发表论文，期刊们也爱发。

围绕hbm模型的学术课题简直就像一个诚信互刷的副本一样，大把的人在里面厮杀。

现在光神看大家副本好像有点少，又来开辟新的副本了，而杜高抢先知道副本位置，肯定要借助这样的优势猛猛刷怪。

他都做好准备了，一边精读该论文为在acm颁奖典礼上讲解做准备，另外一边围绕光神给出的方向，自己多写几篇论文，申海科大一年的学术kpi就完成了，剩下半年还不美美躺平。

另外在精读论文的过程中有任何疑问都能邮件请教光神，还有比这个更好找光神拉近距离的机会吗。

说的夸张一点，也算是读了光神的研究生了，阿美利肯顶级名校不少这种一个课题就结课的研究生，还都是顶级名校的项目。

耶鲁专门针对老中推出的项目，只有八个月的授课型硕士，快进快出学费一点不少，入学门槛还设置的贼高，纯纯给你过一道耶鲁，套个新的出身。

“你是说你想给人工智能的智力评测设置一套标准？”杜高通过自己在浙大的同学约到了浙大心理与行为科学系一位青年学者刘鹏飞。

对方在浙大还没拿到教职，属于三年期非升即走的阶段，做的课题和人工智能沾点边。

刘鹏飞只觉得杜高有点急，昨天才约好，今天下午就在浙大门口的咖啡馆见到了。

杜高说：“没错，不是我的想法，我这是帮我认识的一位前辈问的，他制定的这套标准不仅要测人工智能的智力，还要测量人类的智力。

相当于这套标准需要做到既能衡量人工智能的智慧程度，又能衡量人类的智慧程度。

把这两者纳入到同一个范畴里。”

刘鹏飞一下就明白了对方的意思，这不是什么新的想法：“之前很多学者都想过要做相关研究。

老实说这不是什么新的idea。只是大家在尝试过程中没人能够做出一个好的结果。

毕竟过去对人工智能智力的测评，是基于技能熟练与否的度量来作参考标准。这种对特定任务的关注会导致在其他方面度量的缺失，比如稳定性和灵活性。

所以这需要超越基于技能的评估的标准，需要一套更高泛化等级的系统。

这套更高泛化等级的系统，难点在于，这套泛化的评价体系，如何去度量人工智能处理此前从未处理过情况的能力。

智力测试和技能评估其实属于心理测量学的范畴，它也是心理学范畴。但既然是测试，那么势必然说明这套评价体系是针对特定问题展开的，人工智能完全可以通过专门训练来解锁这套评价体系。

所以这太难了，我不认为以现有学术框架能够做到这一点，如果你朋友能做到这一点，我觉得他拿一个图灵奖绰绰有余。”刘鹏飞认为杜高的朋友不切实际。

杜高心想，不，今年的图灵奖只有可能颁发给我这位“朋友”，哪怕他本人不会到现场去领奖。

“另外你听说过g因子假说吗？”刘鹏飞问道。

杜高摇头：“没有。”

“这是关于智力研究领域心理学家们提出来的一种假说。

因为智力测试有很多，像韦氏智力测试、斯坦福-比奈量表、瑞文标准推理测验等等，这些测试的侧重点不同，但有些人在各种智力测验中得到的分数都是趋同的，都比较高。

而且这些人在生活中各方面的表现，似乎都比其他人要好一点点。学习任何领域都会更快一点，上手任何技能也都比其他人要更熟练。

所以心理学家们猜测，这背后是否存在着通用因素，使得这些人的智力表现整体就更高。

这个通用因素就像一个催化剂，可以跟不同领域、不同技能结合，让他们在方方面面的表现都更出色。

这也是最近这些年比较流行的g因子理论，g是general的意思。

如果你那朋友真的想要做一个整体性的框架，那么我觉得先找到g因子，然后验证人工智能也符合g因子假说，会是一个不错的方法。”

(本章完)