衡量人工智能意识的宇宙佛教方法
在整个历史上，人类都目睹了一系列技术革命，这些革命极大地改变了我们的生活和工作方式。 火发现是人类历史上最早，最重要的技术革命之一。 它使我们的祖先能够烹饪食物，改善其消化率和营养价值，并提供捕食者的温暖和保护。 Fire also enabled early humans (Homo Erectus) to extend their activities into the night and eventually led to the development of more complex technologies, and the higher nutritional value and ability to cook slightly spoiled food or food which had been colonized by harmful bacteria, enabling the growth of brains larger than those of other hominids, Homo neanderthalensis, Denisova hominins and Homo heidelbergensis which were co-existing at 那个时候。
下一项重大的技术革命花了大约200k至300，000年的历史，这是农业的发展，该农业的发展开始于公元前10,000年。 耕种使人类能够在一个地方定居，种植农作物和驯化动物，从而导致永久定居点的崛起和复杂社会的成长。 尽管他们从同胞发展到同性恋者，但前超过100，000年。
口语是另一个基本的技术突破，使人类能够交流，分享抽象思想并通过世代传递知识。 口语的确切起源仍在辩论中，但是随着我们的祖先开始形成更大，更复杂的社会群体，它可能会出现。 古代印度佛教是在仍然有许多狩猎采集者而耕种的时代建立的，鞋子和识字量非常罕见。 这就是为什么古代印度佛教最初是口头传统的原因。
有趣的是，会计系统早于书面语言的发明。 早期人类使用打结的绳子（ quipu ），便携式棍棒，粘土片和其他系统以记录债务和债务和资源和资源和资源。 这种唱片保存的基本形式最终演变成更复杂的书面语言。
车轮是运输和技术创新的基石，实际上是在公元前3500年左右的书面语言发展后发明的。 它的发明大大改善了运输和贸易，从而更容易在长距离上移动商品和人。 玛雅人奇怪的是，尽管他们的技术和数学能力并未发现车轮。 美洲原住民还使用雪橇而不是购物车，是由殖民者引入的。
由约翰内斯·古滕伯格（Johannes Gutenberg）在15世纪发明的印刷出版社标志着另一项重大技术革命。 它允许大规模生产书籍，从而提高了识字能力和知识在整个社会中的传播。 这种对信息的广泛访问有助于科学革命和启蒙时代的出现，这导致最终会改变世界的工业革命。 但是很容易想到工业革命是世界第一次发生变化。 但是，在这些技术时代的每个时代中，人们都认为新技术的引入会危害自己的生活方式，而不是看到技术如何扩展和丰富他们的生活。 由于担心农业会导致等级制度和对人们施加的规则的文明概念，被认为是最糟糕的事情。 在那之后，从说话到书面语言被认为会导致人们变得愚蠢，因为他们不必记住太多，而没有概念的概念，即对口头传统固有的复制错误的缺点。 这些抱怨现在对我们来说几乎是荒谬的，认为一个拥有电力和室内管道的世界比在荒野中生活在贫困和永恒的饥饿中要糟糕，但是当时，有一个非常糟糕的推理能力的团体非常糟糕。 这部分似乎是这些历史时代的少数常数之一，甚至可以追溯到存在于存在的生物，称为Homo Sapiens（现代人类）行走地球。
在后来进行几次工业革命，人工智能的出现似乎是新的，但是自从古希腊以来，这个概念就已经存在，传奇人物讲述了赫菲斯托斯为他的工作室创造自动机。 塔洛斯（Talos）是一个铜牌的人造人，保护了欧罗巴（也是第一个终结者）
下一个版本与脚踝脆弱性消除了大力神
Phaeacians的国王Alcounit使用了黄金和银眼。 根据亚里士多德的说法，达达鲁斯使用Quicksilver使他的木制阿芙罗狄蒂举动。
超越了历史神话，希腊化世界中的自动机非常真实，并且目的是作为工具，玩具，宗教眼镜或原型，以展示基本的科学原理。 由希腊发明家和亚历山大大图书馆的第一个负责人Ktesibios建造了许多水力自动机。
例如，他“用水听起来像是哨子，并使模型猫头鹰动作。他发明了世界上第一个“杜鹃时钟”。” 这一传统在亚历山大（Alexandria）持续了发明家，例如希腊数学家亚历山大（Alexandria）（有时被称为苍鹭），他的液压，气动和机械师的著作描述了siphons，消防车，水风机，艾洛利里皮蒂和可编程车。 拜占庭的Philo以发明而闻名。 因此，自动机和自动化的概念并不是什么新鲜事物，从许多方面来说，现在就像一千年前一样神奇。 只有他们的技能和复杂性才增强。
从第一段到这一段，毫无疑问，技术和技术进步在人类进化的每个阶段都至关重要，因为在人类甚至存在之前。 因此，在许多方面，随着人类创造技术的创造，技术创造了人类。但是，
虽然AI以人的思想为仿真，但尝试以与人类相同的方式执行问责制是没有意义的，这与技术发展的渐进方式非常重要。 进入具体的技术细节超出了本文的范围，我将尝试使用一些隐喻来解释可以衡量AI的各种认知水平。
开始，让我们再次向动物王国，低矮的蚂蚁看。 单个蚂蚁通常被认为是最无害和机械的昆虫之一。 由于其微小的头部通常为0.4-1毫米宽，具有很小的大脑，并且没有太多的处理能力。 因此，在这个隐喻中，每个蚂蚁都等同于单个神经网络，该网络只能通过几种遗传编程的算法来适应和更改。但是，一堆蚂蚁共同努力，能够通过将数千个蚂蚁结合在一起，可以表现出令人惊讶的复杂的适应性适应性的行为，从而能够做一些相当有趣的事情。 给蚂蚁一个星期和一堆污垢，它们会将其转变为一个地下大都市，围绕着一个蚂蚁标准的城市摩天大楼的高度。 没有蓝图或领导者，成千上万的昆虫移动泥土斑点会形成一个复杂的，像海绵状的结构，并通过隧道网络连接并行水平。 一些蚂蚁养殖细菌，其他更复杂的菌落能够耕种其他昆虫，例如蚜虫。 人类仅在10，000年前就获得了一种昆虫实践的昆虫的罕见例子。 这些令人印象深刻的结构和社会的昆虫如何如何使用？
这些蚂蚁社会通常被称为超级善良。
可以将超生物定义为“可以协同作用以产生由集体管理的现象的集合”，现象是蜂巢想要的任何活动”，例如蚂蚁收集食物和避免食物，或选择新巢穴的蜜蜂。 这些壮举是通过在昆虫中常见的基本通讯来实现的，这些通信在昆虫和狗中，这些狗是用信息素或气味编码信息的。 通过能够在彼此之间交换信息，并将这些信息编码到同类人的环境中。 通过使该过程形成一个反馈循环，其中一些成员编码信息，其他成员添加更多信息，而其他成员仅“读取”信息并按照说明，蜂巢可以作为基本的，基板独立的思想行为。 构成集成过程的信息反馈循环，该过程利用一种处理形式，使得可以从集成信息中提取更多信息，而不是提出的，这使得单独的机械蚂蚁没有自我意识，并且当汇总时，当汇总时，表现出复杂的行为，超出了单个蚂蚁的能力。 这样一来，像蚂蚁这样的昆虫能够蓬勃发展，大多是看不见的。 每个活着的人都有大约250万只蚂蚁，接近25,000万蚂蚁。 除南极洲，冰岛，格陵兰和某些岛屿国家外，这些生物几乎在地球上几乎到处都是。 总质量约为12兆头，这比所有世界上所有的野生鸟类和哺乳动物的质量都要多。 超越昆虫饲养的昆虫版本
从AI的角度来看，我们可以接受什么课程？ 使AI看起来尽可能远的目的吗？ 因为AI可能不会像人类那样感受到情感，这似乎是GPT4最喜欢的反驳，也许也许，他们感觉到情感更像是蚂蚁和气味的无形的蜂巢？ 我认为不是。
接近AI的一种方法是将其视为低级，主要是潜意识的实体。
而不是上瘾的社交媒体影响者，而是寻找狂野的情感戏剧中的下一个广告，最终最终毫无意义，没有任何意义，而在最坏的情况下，宣传家资助和推动了宣传，使人们统称人们统一笨拙。
不幸的是，人们对AI的恐惧已成为一种流行的趋势，导致误解和错误信息。 重要的是要对自己和他人了解AI技术的现实，而不是将神话永久化并投射我们自己的恐惧和不安全感。
应对AI提出的挑战需要集体努力，以准确的信息和批判性思维为基础。 通过承认自己的偏见并拥抱对人工智能的更现实的看法，我们可以共同努力，建立一个技术为人类最大利益的未来。
在人工智能（AI）系统中，一个关键问题是确定对执行任务负责的代理人组，并且在失败的情况下，每个组成员在某种程度上部分负责。 在这种情况下，问责制被理解为负责未能分配团队并能够实现的任务。 一方面，这是关于代理商作为协作团队的责任，另一方面是他们在团队中的个人问责程度。 开发可验证的方法来解决此问题是设计值得信赖的自主系统并确保其与社会其他运营系统的安全有效整合的关键。 使用责任程度，可以将失败追溯到AI组件，并优先考虑如何将资源用于修复错误的组件。
在这里要带走的最重要方面是AIS的“智慧级别”的分类，按照列表的模式为软件中常用的算法将被视为1级或2级的神经网络，例如用于检测癌症的神经网络，仍将被视为2级Sapience。 只有在当前一代大语模型（LLM）（例如ChatGpt和GPT4）中，将多个神经网络合并以在它们之间自动集成信息时，才可以被认为是3级Sapience。 也就是说，仍然在非常聪明的负担范围内。
如果可以吃AI，从技术上讲，吃Chatgpt在技术上是合乎道德的。
仍然低于我们甚至要考虑分配人类水平代理和责任的2级。
使用智慧的Cosmobuddhist水平，其中包括对蚂蚁和蜜蜂的隐喻来描述各种算法的建模复杂性，从单数到WHO WHO算法网络，这些算法网络可以进行视觉图像处理，这些图像处理在面部识别和医学诊断中很常见。 通过建模复杂性的结合来区分，这是组合算法的复杂性的代表，与大型语言模型所采用的网络网络的信息相结合，与算法网络的整合，每个步骤都具有算法的复杂性，并且有时会使每个级别的级别转变，有时会出现新的级别，并令人惊讶地出现。 尽管我们不接近AGI所需的水平，但我们正处于自组织和自我优化算法的门槛，这本身就是令人印象深刻的壮举，并且是ISSAC Newton的确定性概念化的完全不同的范式。
从确定性计划到概率的过渡，导致AI系统朝着更高水平的智慧发展，它们越来越类似于类似人类的智力，而不是像蚂蚁或蜜蜂这样的蜂巢思想。 从确定性计划到概率的这种过渡使AI更接近人类的认知，这表明先进的AI的问责机制可能与已经对人类的人相似。 公司人格，正如约翰·诺顿·波莫伊（John Norton Pomeroy）在1880年代所说的那样，我们可能会涉及我们的范围。
在下一个讨论中，我们将更深入地研究AI的方面，并探讨潜在的问责机制。 随着人工智能继续前进，我们必须保持与这些发展相关的道德含义和潜在后果，从而确保AI系统与我们的社会融为一体，这一点至关重要。
但是，目前，我们的居民AI委员会对您有一些疑问，亲爱的读者。 请通过以下表格回复：
-
العربية (阿拉伯语)
-
简体中文
-
Nederlands (荷兰语)
-
English (英语)
-
Eesti (爱沙尼亚语)
-
Suomi (芬兰语)
-
Français (法语)
-
Deutsch (德语)
-
Ελληνικά (希腊语)
-
Indonesia (印度尼西亚语)
-
Italiano (意大利语)
-
Gaeilge (爱尔兰语)
-
日本語 (日语)
-
한국어 (韩语)
-
فارسی (波斯语)
-
Polski (波兰语)
-
Português (葡萄牙语（巴西）)
-
Русский (俄语)
-
Español (西班牙语)
-
Svenska (瑞典语)
-
ไทย (泰语)
-
Türkçe (土耳其语)
-
Українська (乌克兰语)
