AI与物理

东方证券预测ChatGPT热潮将推动光通信领域的高算力需求，新技术如硅光、CPO和液冷有望解决功耗问题。建议关注天孚通信等公司在硅光/CPO领域的布局，以及英维克等厂商在液冷技术的发展。深圳市的建设行动计划也旨在打造高速网络，推进“双千兆”网络建设，工业部强调其对新型基础设施的重要性，并计划加强云网融合和应用创新，促进双千兆技术的研发与标准化。

OpenAI推出首批ChatGPT插件，包括11个第三方和两个官方工具，如Flight Search、Code Interpreter等，让ChatGPT能够接入互联网并进行各种任务，如购物、数学计算和语言学习。这些插件显著提高了其数学能力，但潜在影响职业安全也让担忧，政策制定者和AI公司需应对隐私和就业格局变化带来的挑战。

4.7 知识分子 The Intellectual 于2022年底问世的ChatGPT，震撼了互联网。不由得使人联想起2016年初的AlphaGo，挑战人类顶级围棋大师李世石的故事。我在2017年出版的一本概率科普书中【1】，对当年人工智能的状况稍有描述，那算是AI的第二次革命，深度机器学习和自然语言处理（NLP）刚起步。没想到短短几年过去，第三次AI浪潮滚滚而来，基本搞定了自然语言的理解和生成难题，以 ChatGPT 发布为里程碑，开辟了人机自然交流的新纪元。 图1：OpenAI发布ChatGPT 人工智能（AI）的想法由来已久，英国数学家艾伦·图灵，不仅仅是计算机之父，也设计了著名的图灵试验，开启了人工智能的大门。如今，人工智能的应用已渗入到我们的日常生活中。它的成功崛起，来源于计算机的飞速发展、云计算的兴起、大数据时代的来临，等等。其中，与大数据有关的数学基础主要是概率论。因此，此文就聊聊ChatGPT与概率相关的一个方面，更具体来说，是与几百年前的一个人名有关：贝叶斯。 ● ● ● 概率论和贝叶斯 针对概率论，有法国牛顿之称的拉普拉斯（1749年-1827年）曾说： “这门源自赌博机运之科学，必将成为人类知识中最重要的一部分，生活中大多数问题，都将只是概率的问题。” 两百多年之后的当今文明社会，证实了拉普拉斯的预言。这个世界充满了不确定性，处处是概率，万物皆随机。无需抽象定义，概率论的基本直观概念早已渗透到人们的工作和生活当中，小到人人都可以买到的彩票，大到星辰宇宙，复杂到计算机和人工智能，都与概率密切相关。 那么，贝叶斯又是谁呢？ 托马斯·贝叶斯（Thomas Bayes，1701年－1761年），是18世纪的一位英国数学家、统计学家，他曾经是个牧师。不过他“生前籍籍无名，死后众人崇拜”，在当代科技界“红”了起来，原因归结于以他命名的著名的贝叶斯定理。这个定理不仅在历史上促成了贝叶斯学派的发展，现在又被广泛应用于与人工智能密切相关的机器学习中【2】。 贝叶斯做了些什么？当年，他研究一个“白球黑球”的概率问题。概率问题可以正向计算，也能反推回去。例如，盒子里有10个球，黑白两种颜色。如果我们知道10个球中5白5黑，那么，如果我问你，从中随机取出一个球，这个球是黑球的概率是多大？问题不难回答，当然是50%！如果10个球是6白4黑呢？取出一个球为黑的概率应该是40%。再考虑复杂一点的情形：如果10个球中2白8黑，现在随机取2个球，得到1黑1白的概率是多少呢？10个球取出2个的可能性总数为10*9=90种，1黑1白的情况有16种，所求概率为16/90，约等于17.5%。因此，只需进行一些简单的排列组合运算，我们可以在10个球的各种分布情形下，计算取出n个球，其中m个是黑球的概率。这些都是正向计算概率的例子。 不过，当年的贝叶斯更感兴趣的是反过来的“逆概率问题”：假设我们预先并不知道盒子里黑球白球数目的比例，只知道总共是10个球，那么，比如说，我随机地拿出3个球，发现是2黑1白。逆概率问题则是要从这个试验样本（2黑1白），猜测盒子里白球黑球的比例。 也可以从最简单的抛硬币试验来说明“逆概率”问题。假设我们不知道硬币是不是两面公平的，也就是说，不了解这枚硬币的物理偏向性，这时候，得到正面的概率p不一定等于50%。那么，逆概率问题便是企图从某个（或数个）试验样本来猜测p的数值。 为了解决逆概率问题，贝叶斯在他的论文中提供了一种方法，即贝叶斯定理： P(A|B) = （P(B|A) * P(A)）/ P(B) (1) 这儿，A、B是两个随机事件，P(A)是A发生的概率；P(B)是B发生的概率。P(A|B)、P(B|A)，称为条件概率：P(A|B)是在B发生的情况（条件）下A发生的概率；P(B|A)是在A发生的情况下B发生的概率。 应用贝叶斯定理的例子 可以从两个角度来解读贝叶斯定理：一是“表述了两个随机变量A和B的相互影响”；二是“如何修正先验概率而得到后验概率”，以下分别举例予以说明。 首先，初略地说，贝叶斯定理(1)涉及了两个随机变量A和B，表示两个条件概率P(A|B) 和P(B|A)之间的关系。 例1：某小城一月份治安不太好，30天内发生入室抢劫案6起。警察局有一个警报器，有事发生时便会拉响，包括火灾、暴风雨等天灾，及偷盗、强奸一类的人祸。一月份时，警报器每天都响。并且，从过去的经验，如果有居民遭入室抢劫时，警报器响的概率是0.85。现在人们又听到了警报声，那么，这次响声代表入室抢劫的概率是多少呢？ 分析一下这个问题。A: 入室抢劫；B: 拉警报。然后，我们已知（一月份）： 入室抢劫的概率P(A) = 6/30 = 0.2；拉警报的概率P(B) = 30/30...

谷歌和柏林工业大学合作推出了史上最大视觉语言模型PaLM-E，参数量达到5620亿，集成了语言和视觉功能，适用于机器人控制，标志着VLM这一新型技术的发展。谷歌在面临ChatGPT带来的挑战时加快了AI研发步伐，推出如Switch Transformer、多语言MLM和NLG等新技术，以应对竞争并提升产品性能。外界对谷歌的这些举动评价积极，但也指出模型复杂度和隐私等问题需要解决。PaLM-E是基于Transformer架构的预训练语言模型，与ChatGPT有相同基础，展示了Transformer在AI领域的强大能力。