作者：神性混合体
他试着让自己平静下来，但心跳却比平时快了一些。
身体在紧张，处于需要战斗的应激状态。
纳扎尔想，问题多半来自夜里收到的邮件。
昨夜，一封转发来的邮件打破了他的所有日程规划。邮件主题是“罗马假日，4K修复，高
清”，当纳扎尔打开后，满脑子只有一个想法：QNMD诈骗。
可是，这封邮件的内容仍在他的脑中循环播放。
画面起始时，一个佩戴骷髅面罩、身穿轻便服装、身背小巧双肩包的家伙正横穿街道。
主角的步伐很轻快，但装扮看起来讲就不像是个好人。
镜头从百米外拉满焦距拍摄，影像略显模糊，但足以辨识事件全貌。
视频录像中，那个被他确认为“拉斐尔”的身影如普通人一样穿过车流，旁若无人地拉开车门。
而那台车周边人模狗样、身材壮实的黑帮打手们站在另一边，仍在等待着什么，对身后的事情一无所知。
他们穿着廉价的西装，站在旁边一动不动，白瞎了身上练出来的肌肉。
片刻后，其中一人突然冲过去拉开SUV的车门，随即消失在车内。
那动作太快，像是被吸进去了似的。
接着，这些打手和人群中的某些人开始接连倒地。
有人捂着胸口倒下，有人刚拔枪就瘫在地上，血慢慢渗出来，染红了柏油路面。
麦克风收录着风声与车流，尖叫与碰撞声在枪声的衬托下显得格外沉闷。
枪声短促而密集，像鞭炮一样。
当“拉斐尔”再次出现时，她站在车流之中，骷髅面罩下的眼睛似乎扫了一眼镜头，眨眼间便消失不见。
一群饭桶。
曾经还是俄联邦时代就这样了。
他想起那些老故事，那些前辈吹嘘的“光辉岁月”，结果干的尽是些蠢事。
纳扎尔记得一则很老的笑话，对外情报局的特工在东瀛旧京都活动时，经常用配发的高级别相机拍摄女子高中生。
偷偷拍摄就算了，人之常情，而且活力十足的女子高中生的确很美好。
她们会穿着学生制服，结伴走在街上，笑声清脆，像春天的风铃。
很美好，而且引人遐想。
可千不该万不该的是，他们把拍来的照片跟监视照片一起发给了总局。
纳扎尔刚听到这一笑话时，觉得他的同行应该不至于这般滑稽、业余，但他的指导人带着几分神秘的贱笑说：这种事能流传二十多年，你觉得它会是空穴来风吗？
他悟了。
经典咏流传。这话不是期望和称赞，而是对现实状态的描述。
这故事必然是事故。
目前还没写入教材的原因是要给同行留面子，但纳扎尔看来，写入教材这事儿应该快了。
不过，拉斐尔的反应速度真快。
对外情报局的呆子和追求金钱利润的“BEAR”雇佣兵团，在这次之后应该会安分一些。
这时，他的手机响了。
来电显示匿名，归属地倒是没有遮掩。他等待的人总算找来了。
不枉提心吊胆如此多天，付出总是有所回报。
他接起来以后，电话里传出来一个格外冰冷的机械腔调。
“……你想要什么？”
纳扎尔兴奋了。
“教授您好，请问您知道萨曼莎·肖博士吗？”
“……”
嘟嘟嘟嘟……
电话挂了。
……
拉斐尔把电话扣在了基座上，动作有点重，发出咔哒一声。
她靠在椅背上，手指揉了揉太阳穴，眉头皱得能夹死苍蝇。
俄国人怎么总出傻逼？她无法理解。刚听见“教授”的称呼时，拉斐尔心里还挺高兴，毕竟这算是众多头衔中，她最认可的一个。
她甚至有点得意。
但紧接着过来的第二句，“您知道萨曼莎·肖博士吗”就直接把她给干懵了。
笑容僵在脸上，她差点没忍住想骂人。
萨曼莎·肖？她认识，又不认识。
这个名字在学术圈里不算陌生，但对拉斐尔来说，就是个遥远又有点烦人的存在。
虽然同为业界人士，但双方分属流派不同，理念和技术实现上完全是两条路，根本聊不到一块儿去。
抽象地来说，拉斐尔这一系算“Bottom-Up”——自下而上方法派，即指基于数据驱动的AI训练方式，强调从数据中主动学习模式和特征，而非预先设定规则来实现智能。
例如深度学习、神经网络。
她喜欢把数据比作泥土，AI是自己长出来的植物，只要给够养分，它就能自己找到规律。
这一派系的核心理论是让系统“从经验中总结规律”。
进行某一领域的专业训练时，需要高性能的神经元芯片集群，且决策过程不可解释。
而最大的缺憾就是需要烧钱，神经元芯片集群需建设要烧钱，每一次运行更是在疯狂的烧钱。
应该说，世界主流的方向就是自下而上型。毕竟这套路子实用，能干实事。
萨曼莎·肖，不，叶卡捷琳娜·瓦西列夫娜·彼得罗夫斯卡娅博士的路径与她截然相反。
气量狭小一些来说的话，她属于少数派，属于跟主流对着干的类型，不受欢迎却又少不了他们的存在。
所谓“Top-Buttom”——自上而下方法派，则是基于高层抽象规则和逻辑驱动的AI设计方法。
它强调从整体目标或理论出发，通过预设的规则、知识框架和逻辑推理系统，逐步拆解任务并实现智能的行为。
这一套跟传统的符号主义人工智能密切相关。
行动工作时，它会利用设计好的推理规则，将复杂的问题氛围多个层次的子任务，按抽象级别进行逐层控制，然后解决汇总。
这一派系的AI很擅长处理确定的问题，比如极其复杂的严肃数学证明，有层次有结构的任务。
但它的缺陷也很明显，无法进行主动学习，需要维护程序员手动更新规则或逻辑系统。
萨曼莎·肖博士，则是此道好手。
她创造的很多AI与其说是“AI”，不如说是趁手的“解题工具”。
拉斐尔知道这个人，但对她绝无好感。
在人工智能学院听到的八卦是说，萨曼莎·肖在新论文放出话来，说要证明她比帕斯卡强。
虽然不知道安全局的嘴替纳扎尔·赫里斯托夫抱着怎样的想法，当他提起这个名字时，拉斐尔就知道肯定是麻烦。
果断挂电话，让纳扎尔和他背后的主子想清楚了，再来沟通，给双方一点缓冲。
这是她释放的最大善意。
他们默契地没有提及曾经的旧账，好像那些从未发生过，都是纯洁无垢的少女，正羞羞答答地通过书信来往，逐渐表明心意。
她靠在椅子上，盯着桌上的笔记本，脑子里盘
算着接下来的计划。
俄国人这边的事，得先放一放，她可不想被拖进这种莫名其妙的烂摊子。
窗外天色渐暗，房间里只剩她敲笔的声音。
此外，对方说出“萨曼莎·肖”的名字时，拉斐尔需要考虑这到底是谁的意志？
那直接就是德国人身份的特工，能代表安全局吗？如若不能，那他所代表的意志是肖博士本人。
可无论如何，这都不是个好消息。
“安全局等于麻烦”，这一式子从过去到现在都没有过时，甚至延伸到未来，也将成立，而且将会长期恒等下去。
被裹挟着前进可不行。
这跟以前不同了，站队失误足以致命。
第五卷 带着镣铐起舞 : 第39章 纯粹的人工电子生命体
向帕斯卡发起挑战。
萨曼莎·肖博士真闲，这是拉斐尔的第一反应。
她手里转着一支笔，眼神落在桌面上摊开的笔记本上，上面写着几行潦草的公式、概念词和几页被反复涂改的草图，墨迹已经有些晕开，能看出她反复推敲过这些想法。
她试图用自己的思路去理解肖博士的雄心壮志——从象牙塔里生出来的怪物计划。
这女人到底在想什么？拉斐尔有些难以捉摸地眯了下眼。
自上而下的模式是一种经典的认知架构，基于预先设定的规则和逻辑，完全依赖设计者为它构建的知识库和模型。
在这种系统里，一切推理都从高层目标开始，再由一整套明确定义的推理链条分解到具体任务，最终执行。
拉斐尔在笔记本一角画了个简单的框架图：一个大框代表“知识库”，从中延伸出几个小框，分别标注为“规则”、“推理机制”、“目标控制器”。
她知道，这种方法最大的优点在于可控性强，解释性好，适合处理结构清晰、变量可控的复杂任务，例如高阶数学证明、法条系统建模，或复杂工业流程管理。
萨曼莎的AI就擅长处理这类结构化任务。但也正因为如此，在拉斐尔看来，它缺少了一些“生命力”。
说得直白点，就是个“框死的机器”。
办法当然有很多，但引入新的结构解决旧问题，总归会产生新的问题。
肖可以考虑模块化的架构，也就是说保留规则的部分，同时加入机器学习模块。
她在旁边写下“模块化”三个字，画了个箭头连到旁边新画出的框图。
这个改进思路是：保留原有规则系统，但在其外围嵌入一套机器学习模块，作为“自适应层”，实时分析系统运行过程中产生的数据，然后给出建议或直接调整部分规则的优先级和适用范围。
拉斐尔又写下“自适应”两个字，在旁边画了一个双向箭头，表示这种架构应具备反馈能力。
这可能就是萨曼莎计划中的突破口。
如果能建立一套关于“规则如何运作”的元规则系统，也就是“教系统如何改规则的规则”，那么整个架构的灵活性就会上一个台阶。
它不再只是一个被动接受外部输入、执行逻辑链条的系统，而是可以根据运行结果评估自身的结构，主动调整甚至重写部分逻辑。
大洋彼岸的“某无名小卒”提到过元规则的概念。他说，那人说这不是让系统变得更聪明，而是让系统“知道自己哪里不聪明”。
这听起来有点玄乎，但如果能实现，确实能让AI更聪明。
还有，知识表示与推理（KRR）可能需要某种形式的动态更新机制。传统的符号系统是静态的，无法从新数据中更新知识库。
如果构建一个动态知识库，系统就能通过与环境互动，不断添加、修正或放弃某些规则。
她在草图上补上一个箭头，连到知识库一侧，标注为“交互反馈通道”。
这一步可以考虑归纳逻辑编程：从原始数据中归纳出候选规则或特征模式，再经过一套置信度评估系统决定是否保留。
这还可以与概率逻辑结合，处理不确定性，提升系统在面对模糊或不完全信息时的鲁棒性。
强化学习也可能派得上用场。虽然它传统上是数据驱动的底层优化方法，但也可以与符号系统结合使用。
比如将奖励信号作为“目标反馈”，指导高层规则的优先级调整。这样，系统在遵守原有规则的同时，也能通过试错机制优化自己的行为策略。
这就涉及神经符号系统——结合神经网络的学习能力和符号系统的解释能力。两者之间如何桥接，是技术上的一大挑战。她在草图上写下“NSS”，并用问号圈起来。
至于真正让系统具备自主学习能力的核心，恐怕得靠“元学习”——也就是让系统学会如何学习。
对自上而下架构而言，这意味着要建立元推理机制，让AI能定期评估自身的推理路径、规则适配度以及知识冗余度，然后据此发起内部结构调整。
执行结果监控机制也必须要有。
上一篇：方舟，我能美美爆她们的金币
下一篇：返回列表