top of page

控制論與AI發展

控制論創始人維納(Norbert Wiener),生前是美國麻省理工學院榮休教授。維納的奠基著作Cybernetics在1948年出版,有趣的是他把這本書的副標題,命名為「關於在動物和機器中控制及通訊的科學」。在1946年到1953年間,共舉行了10次以控制論為主題的會議(著名的梅西會議)。 按照維納的定義,控制論旨在發展一種語言和技術,使我們能夠真正解決高級計算技術領域中的控制與通訊問題。正好論證了強人工智能之下的系統設計者更應該考慮人類、計算機以及更廣泛的生態世界之間的關係。 控制論的核心問題,涉及三個基本方面:首先,通訊與控制之間的關係。一切系統為了達到預定目的,必須經過有效控制。有效的控制一定要有訊息反饋,人控制機器或計算機控制機器,都是一種雙向訊息流的過程;其次,適應性與訊息和反饋的關係。適應性是系統得以在環境變化下,能保持原有性能或功能的一個特性;第三,學習與訊息及反饋的關係。反饋具備以過去行為來調節未來行為的功能,它可以是簡單或複雜反饋。複雜反饋中,過去的經驗不僅用來調節特定動作,而且用來對系統行為全盤策略,使之具有學習功能。 舉一個日常生活例子,假設你在等候一部據稱以人工智能自動驅動的升降機時,有沒有懷疑過它的公平性及安全?可能以下問題,對你的疑問有幫助: 一、電梯是如何預測並回應需求的,例如,它通過一系列算法預先調整優先次序,以提供節能及高效服務; 二、電梯製造商有否考慮在緊急情況下,可以用鑰匙取代智能系統; 三、如何確保系統安全、可靠及可管理; 四、乘客與電梯系統如何交互; 五、電梯的生產力和效率是否可持續、安全和負責任; 六、電梯系統設計之目的及目標,以及這背後的思考。 控制論在技術、生物學,以至複雜的社會系統領域,都給我們很大的啟示。尤其在當下人工智能高速發展下,它的思考原則有助人類檢測人工智能是否仍然受控。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page