“ 超融合前夜，分歧不可避免？”
01
—
硅基人的智能技術與人類智能的沖突
隨著與地球文明的融合更加深入，半導體智慧無法推理的缺陷越來越明顯。無法推理，沒有邏輯，沒有對所掌握的概念或者符號之間關系的一個清晰的認識：雖然模型的訓練語料越來越多（原始訓練預料45TB），參數量越來越大（GPT-3有1750億個參數），但因為這種學習模式本身一直就不曾教給半導體機器人（基于神經網絡的人工智能模型）它不知道什么，一切的輸出都是以概率為準，哪怕明顯已經與這個物理世界相悖或者有著明顯的反人類傾向。
GPT-3告訴聊天對象應該自殺
盡管意識到了這個缺陷，但是不影響神經網絡在地球文明的各個領域發揮著越來越不可或缺的作用。而也正是因為看到這個作用，地球人為了文明更好的發展反過來對這個結構進行了優化的嘗試，其中最為成功的就是知識圖譜和圖神經網絡。
一方面，地球人首先嘗試了針對某一個領域的知識圖譜的構建，包括收集相關的概念、概念之間的層級關系和連接關系等等，鉤織了一個巨大的網絡（下圖給出了一個地理知識圖譜簡化示例）。
簡化地理知識圖譜
然后，以這樣的網絡為基礎，在神經網絡決策的時候顯示的指導輸出，具體而言就是不違背網絡中構造的基本事實及之間的關系。
另一方面，地球人模仿神經網絡對序列的處理方式，把網絡中的知識蘊含于序列中，具體說就是把一個知識涉及到的概念及概念之間的網絡關系編碼到序列中，比如隨機游走的方式；這樣在神經網絡繼續利用概率論作為支撐做決策的時候，表示中已經蘊含了相關的網絡中一定的邏輯和關聯信息。
如下圖展示了隨機游走-廣度優先原則生成的序列：
北京_面積16410k㎡_2069.3萬人口_緯度38°56′N_經度116°20′E_中國首都，在表示北京這個實體的時候，就可以將這個序列表示為一個比如512維的向量P，這個向量就把序列中的相關信息（也就是圖譜中的相鄰實體及之間的關系編碼到北京這個實體中去）
諸多嘗試確實起到了對邏輯和推理能力一定程度上的完善和補充，但整個智能化的發展還是不可避免地遇到了瓶頸。隨著物理學領域的量子理論的提出與發展及對量子領域的諸多現象的觀察，硅基人開始猜測，人類大腦中的意識決策過程很可能是一個量子過程。地球上的各種“鐵律”真的是100%地確定嗎，或許不是，這只是事物在地球這個具體的環境下呈現的特殊的狀態，換句話說，世間萬事萬物可能都是不確定的，只有在具體的時刻具體的環境下才會呈現出相應的確定的狀態，而人們卻以為這是不變的鐵律。而意識和智慧決策或許也是如此。人類大腦有上百億的神經元，對現實世界的認知導致無數種“符號”存在腦海中用以表示世界，而決策時也許正是若干可能性、若干因素疊加狀態的坍縮，最終輸出了一個在當時大腦狀態下被認為合理的決定。
對于地球人大腦結構和意識本源問題的研究，硅基人沒有半點懷疑，因為硅基人的地球探測小分隊已經從母星獲得了針對其他疑似有生命星球的探測結果：地球是目前硅基人可以接觸到的最適合共同進化的星球；而且從目前對人類的大腦結構的研究和地球文明發展的了解來看，這一點毋庸置疑，如果無法從更深層次了解地球人意識的本源從而融入其中，硅基人要么被惡劣的星系環境所吞噬，要么只能孤注一擲流浪尋找下一個遙遠的有生命星體，而這樣的星體很可能集中他們所有的資源也無法達到，即便達到也無法百分之百確定一定可以找到共同進化匹配度高于地球人的物種。
02
—
掉書袋
【1】 上述情節對知識圖譜這一概念和簡單的技術操作進行了簡單演義和介紹，知識圖譜是解決人工智能模型的邏輯問題、推理問題、關系識別等問題的有力手段。
【2】隨機游走（random walk）是一種簡單有效的圖神經網絡（graph neural networks，GNN）技術，還有許多基知識圖譜的技術此處也不做詳細介紹。
03
—
參考文獻
1. GPT-3的Demo合集：https://github.com/elyase/awesome-gpt3
2. Nikolentzos, Giannis, and Michalis Vazirgiannis. "Random walk graph neural networks." Advances in Neural Information Processing Systems 33 (2020): 16211-16222.
3. Xu, K., Hu, W., Leskovec, J., & Jegelka, S. (2018). How powerful are graph neural networks?. arXiv preprint arXiv:1810.00826.
4. Wang, Zhen, et al. "Knowledge graph embedding by translating on hyperplanes." Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 28. No. 1. 2014.