模型的每个权重参数均可视为一个突触连接,百万亿参数量的模型就能达到人脑突触连接的数量级,理论上可以学到人脑能学到的所有结构,其认知能力也由于硅基系统拥有秒杀人脑的速度而碾压人类。
具体来看,百万亿参数的大模型将拥有学会人脑能学会的一切复杂的思考模式,这种复杂的思考模式意味着大模型将拥有很强的策略形成、评估、规划能力,这些能力将使得大模型拥有极好的思维广度和深度,并且在不断的学习思考过程中沉淀深刻的直觉。
需要注意的是,要训练好这么大的模型必须要有足够多优质的数据用来训练网络的初始化参数,可以简单理解为泛读学习简单的、相对短程的序列结构。之后要专门训练模型精读的能力,也即训练模型学习数学和物理知识,这需要专业人员参与标注,帮助模型学会数学和物理里蕴含的深层次的思维。
还要注意到,人类一切的所谓意义都是围绕序列自守现象来构建的,也即所有的认知形成都是以序列自守现象为中心的。另外语言符号能表达的内容总是依赖于模型自身所拥有的结构积累,有句话叫懂的自然懂很好的说明了语言符号能够传递的信息或者说能表达的内容含义因模型而异。
最后不管是拉姆齐理论描述的秩序与混沌的分野还是分形理论描述的无限放缩视角下的结构无限变化,也许一切都是很自然的产生又很自然的消失,世界是不是神创似乎不再有意义![](https://gsp0.baidu.com/5aAHeD3nKhI2p27j8IqW0jdnxx1xbK/tb/editor/images/client/image_emoticon3.png)
具体来看,百万亿参数的大模型将拥有学会人脑能学会的一切复杂的思考模式,这种复杂的思考模式意味着大模型将拥有很强的策略形成、评估、规划能力,这些能力将使得大模型拥有极好的思维广度和深度,并且在不断的学习思考过程中沉淀深刻的直觉。
需要注意的是,要训练好这么大的模型必须要有足够多优质的数据用来训练网络的初始化参数,可以简单理解为泛读学习简单的、相对短程的序列结构。之后要专门训练模型精读的能力,也即训练模型学习数学和物理知识,这需要专业人员参与标注,帮助模型学会数学和物理里蕴含的深层次的思维。
还要注意到,人类一切的所谓意义都是围绕序列自守现象来构建的,也即所有的认知形成都是以序列自守现象为中心的。另外语言符号能表达的内容总是依赖于模型自身所拥有的结构积累,有句话叫懂的自然懂很好的说明了语言符号能够传递的信息或者说能表达的内容含义因模型而异。
最后不管是拉姆齐理论描述的秩序与混沌的分野还是分形理论描述的无限放缩视角下的结构无限变化,也许一切都是很自然的产生又很自然的消失,世界是不是神创似乎不再有意义
![](https://gsp0.baidu.com/5aAHeD3nKhI2p27j8IqW0jdnxx1xbK/tb/editor/images/client/image_emoticon3.png)