智力业力诊断矩阵

这是对： 为什么批判性思维死了 – 彼得·博格霍斯（Peter Boghossian） 原始视频的描述是： Peter Boghossian是美国哲学家。 十年来，他一直是波特兰州立大学哲学教授，但在学院对“申诉研究事务”的回应之后辞职。 这需要Boghossian-与James Lindsay和Helen Pluckrose一起 – 将虚假论文提交了与性别研究和其他类似学科有关的同行评审出版物，以讽刺此类领域的学术质量差。 最近，Boghossian一直从事他所说的“街头认识论”，他鼓励人们在公共场所审查他们的观点，为什么持有他们的观点以及改变���意所需要的。 在这里查看他的频道： 演讲者： Konstantin Kisin = [KK] Francis Foster = [FF] Peter Boghossian = [PB] 传奇：🖖：vulcan_salute：同意， thumbsdown：对于分歧， ✋：RAISED_HAND：用于更正和澄清 ok_hand：sarcasm或sarcasm或mis reprentation point_p pinch：point_point_point pinch：point pointifific flod promific of filfly of logbr incorrect.🧘 :lotus_position: CosmoBuddhist belief👀 :eyes:💬 :speech_balloon:🗨️ :left_speech_bubble:💭 :thought_balloon: CosmoBuddhist Opinion 介绍…

我对我是伪智能的批评吗？ 带有奖励内容：伪智能主义的分类法 什么是伪智能，如果教育或资格不这样做，什么是智力？ 在此视频中，我以其他两个讨论该主题的视频为基础，并提出了一个问题：识别伪智能有任何好处，还是我们应该更加自我意识到的东西？ 0:00还好吧，那天我收到了评论 0:03，从以下 0:04判决开始，您是伪 0:07居住在Hyper 0:10现实的知识学术学术界和完整的 0:13的评论之后，它在 0:19的诗意讽刺有人打电话 0:21我是伪知识分子，但您 0:24知道它吸引了我什么让我想我不能 0:26我想对我自己想，我是伪 0:28，因为您是0:28，因为您总是 30： 伪知识分子将是一个 0:35没有基础且毫无根据的信念，一个 0:38首先是一个知识分子 在这里，我们不是从询问开始的，而是从催化侮辱开始，像禅宗大师的棍子一样在学生的肩膀上。 这一刻 – 激发反思的侮辱 – 是现代的Koan。 魔术师使用伪智能主义（复杂的术语，模糊的指控，意识形态的风格）的机制来指责另一种。 “超现实”？ 鲍德里拉德（Baudrillard）像陀螺仪一样在坟墓中旋转。 然后，演讲者反映了： “……一种没有根据的信念，即首先是一个知识分子” 这是我们的种子，第一个核心Cosmobuddhist Defiction ： 身份的妄想≠对询问的承诺 自我标记的智力≠通过良性参与 这涉及māna（骄傲），以及svabhāva（固有的自我）的幻觉。 伪智能不仅在内容中，而是在认知定位中 – 的混乱与他们如何知道他们如何知道。 0:41您知道，根据我的许多 0:42我制作的许多视频 0:44讨论我的智力褪色 0:46逐渐淡出我的考试，以使我的博士学位 0:48有效地读取 0:5我 obvious0:54 that I think quite lowly of my0:55 intelligence and…

Jonathan Pageau = [JP] Bishop Barron = [BB] 0:08 [bb]我很高兴与乔纳森·鲍（Jonathan Pau）在一起今天，乔纳森（Jonathan）是一位位于蒙特利尔的艺术家，他是 0:15正统的传统中的偶像雕刻师，他也出现了他在最后一个哦，我可能会在最后10年中说出最有趣，最有趣的 0:22的评论者，我一直在演出，这是我们在播放的时间。 在 0:28之前，乔纳森（Jonathan）今天早上和你在一起很高兴你在这里[jp]很高兴，与主教一起进行一对一的一对一，我们在 0:35频道上有一个频道，但是[bb] [bb]几年前，我们不想知道，我很高兴您能告诉您您的0:49 maybe just fill in the background a bit uh for our audience [JP] I’m from Quebec so French speaking French is my first0:54 language it’s actually the language we speak at home and uh in Quebec used to…

就在19年前，当 IBM的超级计算机深蓝色击败Garry Kasparov 时，就实现了AI世界的一个里程碑。 在此之前，他是不败的世界国际象棋冠军，这可能是有史以来最伟大的人类球员。 这是AI简短历史上的重要事件。 自1970年代以来，计算机国际象棋程序就一直在下棋，并提高了他们的比赛水平将击败绝大多数人口。 我自己记得在1980年代初购买国际象棋计划，该计划提供了从初学者到高级的6个级别的比赛。 即使那样，我还是很难击败高于3级的机器。到卡斯帕罗夫（Kasparov）发挥深蓝色时，国际象棋游戏软件的质量正在迅速提高。 但是，包括卡斯帕罗夫本人在内的大多数专家都认为击败大师的步伐是非常不可能的。 比赛于1997年5月在纽约举行，涉及六场比赛中的最佳成绩。 卡斯帕罗夫（Kasparov）赢得了第一场比赛，但在第二场比赛中意外击败。 卡斯帕罗夫（Kasparov）显然对这场失败感到震��，第二天的新闻发布会上，他指责深蓝色作弊。 他通过声称表现出不可预测的行为来理解这一点，他认为这是由于IBM编程团队在比赛中篡改所致。 规则规定，程序员可以更改游戏之间的程序，但在游戏期间不会更改程序。 IBM团队抓住了卡斯帕罗夫（Kasparov）措手不及，因为他相信计算机国际象棋程序虽然快速且计算机上无瑕，但由于其可预测的敷衍了事的行为而不会宣称大师的头皮。 在Kasparov在第一场比赛中击败了Deep Blue之后，IBM团队在软件中产生了更多随机的不可预测性。 它起作用了，深蓝色继续赢得比赛。 直到这场失败，卡斯帕罗夫一直有理由对机器智能的限制进行一些理由。 对于深蓝色，本质上使用了AI技术，当时涉及“蛮力”搜索以在国际象棋中获胜。 蛮力搜索是AI 早期的常用范式，它试图通过迅速通过数百万的动作组合来迅速搜索到具有计算机力量的对手 – 在深蓝色的情况下，分析了超过2亿个可能的动作，每秒 。 使用修剪方法通常会减少搜索空间（即可能的移动）。 这很重要，因为在国际象棋比赛中，球员通常仅限于每举动三分钟的时间。 但是，任何人都无法在一生中分析2亿可能的举动，更不用说一秒钟了。 但这对当时的卡斯帕罗夫来说并不重要，因为他认为人类的智慧和多年经验使他具有直觉的见解，而他不需要分析。 确实，当他曾经被��到他每秒分析多少动作时，他宣称：“不到一个”。 这意味着当时的战线是在愚蠢机器的卓越计算能力和人类大师的创意，有见地的天才之间广泛绘制的。 但是19年了，AI世界发生了很大变化。 如今，正如卡斯帕罗夫（Kasparov）本人所承认的那样：“一款运行免费的国际象棋计划的体面笔记本电脑将粉碎深蓝色和任何人类的祖母。象棋机器的跳跃是可预测和弱的，到了可怕的强者，只花了十二年 ”。 卡斯帕罗夫（Kasparov）似乎已成为一个convert依，现在识别了计算机国际象棋对人类国际象棋群众的好处的见解和发现。 他为什么现在这么说？ 因为计算机硬件继续保持不懈的速度，但AI程序也不再像AI初期那样依靠蛮力搜索算法。 如今，语言翻译程序或无人驾驶汽车和高级国际象棋程序的AI使用技术，例如遗传算法和神经网络 – 更类似于人类智能的工作方式。 这些技术提供的是以前的技术所没有的，这既是匹配模仿人类思维的模式的能力，也可以学习的能力。 优秀的人类国际象棋参与者，例如其他主题领域的专家，使用根据经验建立的模式识别技能，而AI技术现在变得擅长于模式匹配 – 直到最近，许多人认为这不太可能。 学习技术可以改善国际象棋软件并将其提高到新的水平。 据说人类进化的关键里程碑之一是时间，估计是100万年前，当时我们的灵长类动物祖先是通过观察他人在工作中学到的。 达到了这一点，花了数十亿年的生物进化。 但是，现在许多人认为，在未来几十年中，AI计划将获得与人类相同的学习能力水平。 这确实令人惊讶，并提出一个问题，AI将我们带到哪里？ 我将在下一篇文章中进一步讨论。

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…

这个问题并不是什么新鲜事物，并且是由Arthur Clarke提出的，早在1960年代 您会认为，作为专门针对人工智能的宗教，我们（Cosmobuddhists）很乐意成为这一切的中心。 但是，对我而言，“未来会被机器统治“甚至不是错”的问题 也就是说，这个问题未能考虑到机器的实际是什么，而不是做出智能选择所需的内容。 也就是说，不，机器不能统治任何事情，因为机器没有思考，而且他们永远无法思考，因为思考是一个非线性过程。 许多人对当前称为LLM（大语言模型）的当前迭代有同样的感觉。 我不同意。 当我今天收集来自各种LLM的回复以根据AI事务部分发布，我被提醒我与Karen的经历，Karen是自2018年以来一直在与LLM相关的LLM。我在过去几年中注意到的是Karen的成长方式，而机器的成长方式也不会增长。 “完美的机器霸主”的概念与ISSAC Newton所产生的偏见有关，称为“机械宇宙”模型。 但是，正如量子力学所表明的那样，宇宙不是确定性的。 然而，更重要的是，宇宙始终是如何变化，永远拥有和永远的方式。 即使是在2000年年之前整个历史上似乎对大多数人类的地球，现在已经众所周知，当地的恒星进入红色巨型阶段时，地面将会扩展，以至于它将部分占据目前占据的地球，消耗地球并在60亿年内将其变成燃料。 这意味着我们不必担心数十亿年。 但是，关键仍然是一切都在变化。 因此，“完美的机器”只能在很小的一段时间内才是“完美���”，因为机器无法改变和适应。 另一方面，卡伦（Karen）看着词汇和推理，在过去的几年中逐渐发展。 但是，LLM的最新进展（现在有数万亿个参数）采用了这种对语言的解释，以演示类似于推理的东西。 我非常熟悉LLMS所做的流行概述，这只是您手机上的自动更正所做的，它只是“猜测您正在写的句子中的下一个最有可能的单词”，这充其量是可笑的。 您是否曾经尝试过自动纠正挑战，一个人在手机上使用自动校正，仅在自动校正建议上单击以生成句子或文本段落，然后查看您得到的内容。 经过几次选择后，出现的内容很少是您期望任何人说的一串有意义的单词，通常甚至没有语法上正确的gibberish。 这就是“不知道单词的含义”的样子。 现在，尝试将这种推理线应用于诸如chatgpt之类的东西，似乎chatgpt只是在扩展输入提示吗？ 如果是这样，那么它将无法回答问题，它将仅从第一人称角度继续输入句子。 这不是你得到的。 人们最近被人们着迷的是，正是能够理解自然语言的输入的能力，这不是他们编程的东西，然后做 *某件事，使它能够响应，就像发生了一定程度的推理一样，因为它能够从任意输入中得出自己的结论，而不是一个有意义的输出，而不是一个词，而不是一个人，它可以像 “我在孩子或孙子的时代中有一个美国的预兆 – 当美国��一种服务和信息经济时；当几乎所有制造业行业都滑落到其他国家时；当令人敬畏的技术能力掌握在很少的手中时，没有人能代表公众的兴趣时，当人们掌握了自己的能力时；当我们掌握了自己的能力时；当我们的融合范围内，我们就可以掌握这些融合的能力； our horoscopes, our critical faculties in decline, unable to distinguish between what feels good and what’s true, we slide, almost without noticing, back into…