智能深度学习模型，现在人工智能领域用到的深度学习模型标准大都还是我们所设计的，其中包含了深度神经网络、卷积网络、循环神经网络、玻尔兹曼机跟受限玻尔兹曼机等等。”
“现在我们面临的问题是，我们已经验证了两人研究的许多理论。而这些理论已经确定可用于指导人工智能底层定义的革新。我以OpenAI推出的自然语言深度学习模型GPT-3为例，我们都知道具有1，750亿个参数的自然语言深度学习模型GPT-3的表达能力已经接近人类，是极为成熟的深度学习模型，但依然有着缺点，比如跑任务的时候耗时太久，导致中途如果发现问题，也不敢停止运算，毕竟代价太大。”
“可如果按照余兴伟跟宁为的研究，我们不一定要走这条繁琐的道路来赋予机器智慧，并不一定需要不停的进行深度学习来实现人工智能，而是直接搭起一个相对成熟的认知框架，这直接让我们曾经信奉的底层逻辑产生了变化。说得更通俗些，以前我们让机器拥有一定智能，靠的是大数据堆积学习，给予机器哪方面的资料，然后机器便能在哪个方向具备一定的智能。比如机器视觉、图像识别，首先需要让机器阅读无数的图像，在使用相关算法才能最终让机器具备识别能力。”
“但如果按照他们的理论，我们只需要给机器下达一个相关指令，机器便能自行在数据库中去辨别、搜集并分类需要的数据，简单来说这就省略了最为繁琐的调参步骤。这是有别与计算机模仿人类大脑跟符号主义的第三条路，目前看来极有可能改写未来世界人工智能发展的大格局，同时也决定了我们对人工智能底层认知的改变。”
视频会议上，作为本届评审委员会主席杰弗里·格拉斯在数学奖投票之前先拿着稿子念一段评价。
“以上是我的朋友蒙特利尔大学教授，同时也是魁北克人工智能机构Mila的科学主管，图灵奖获得者尤舒亚·本吉奥对余兴伟研究方向的一些看法，大家应该已经听明白了本吉奥先生的意思。事实上包括Mila、谷歌、IBM、脸书等等公司的科学家们已经开始尝试使用这些理论来重新定义人工智能的底层逻辑。”
“从这一点看，余兴伟先生的论文《一种以同构法为基础的数学意识模型》对于目前人工智能现实的指导意义是极为重大的。这既是数学基础理论的突破同时也可能带来对现有最热方向的技术颠覆。所以请大家投票之前能考虑到一点。我的发言完了，现在请开始按照流程对所有候选者进行投票表决。”
“第一位候选者，罗杰斯·卡洛，他的成就是……”
……
沃尔夫基金会忙着评选年度数学奖的时候，宁为正
请收藏：https://m.lawen.cc
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）