在虚拟世界中做模拟，Meta 和 Nvidia 自然不能缺席 。佐治亚理工学院的计算机科学家 Dhruv Batra 也是 Meta AI 团队的主管，他们创造了一个名叫 AI 栖息地（AI Habitat）虚拟世界，目标是希望提高模拟速度 。在这里智能代理只需挂机 20 分钟，就可以学成 20 年的模拟经验，这真是 元宇宙一分钟，人间一年呀 。Nvidia 除了给机器人提供计算模块之外，由 Omniverse 平台提供支持的 NVIDIA Isaac Sim 是一款可扩展的机器人模拟器与合成数据生成工具，它能提供逼真的虚拟环境和物理引擎，用于开发、测试和管理智能代理 。
机器人本质上是具体化的 智能代理，许多研究人员发现在虚拟世界中训练成本低廉、受益良多 。随着参与到这个领域的公司越来越多，那么数据和训练的需求也会越来越大，势必会有新的适合 EAI 的 基础模型诞生，这里面潜力巨大 。
Amazon Prime 最新的科幻剧集《The Peripheral》，改编自 William Gibson 在 2014 年的出版的同名小说，女主角就可以通过脑机接口进入到未来的 智能代理 。以前一直觉得 Metaverse 是人类用来逃避现实世界的，但对于机器人来说，在 Metaverse 中修行才是用来征服现实世界的 。
ARK Invest 在他们的 Big Ideas 2022 报告中提到，根据莱特定律，AI 相对计算单元（RCU - AI Relative Compute Unit）的生产成本可以每年下降 39%，软件的改进则可以在未来八年内贡献额外 37% 的成本下降 。换句话说，到 2030 年，硬件和软件的融合可以让人工智能训练的成本以每年 60% 的速度下降 。
AI 硬件和软件公司的市值可以以大约 50% 的年化速度扩大，从 2021 年的 2.5 万亿美元剧增到 2030 年的 87万亿美元 。
通过将知识工作者的任务自动化，AI 应能提高生产力并大幅降低单位劳动成本，从生成式 AI 的应用的大爆发就可以看出端倪；但用来大幅降低体力劳动的成本，现实世界的 AI 还有更长的路要走 。我们原以为着 AI 会让体力劳动者失业，却不知道它们确有潜力让脑力劳动者先下岗了 。
06 AI 进化的未来
科幻小说家 Arthur Clarke 这样说过：" 任何先进的技术都与魔法无异"！如果回到 19 世纪，想象汽车在高速路上以 100 多公里的时速行驶，或者用手机与地球另一端的人视频通话，那都不可想象的 。自 1956 年 Dartmouth Workshop 开创了人工智能领域以来，让 AI 比人类更好地完成智力任务，我们向先辈们的梦想前进了一大步 。虽然，有些人认为这可能永远不会发生，或者是在非常遥远的未来，但 新的模型 会让我们更加接近大脑工作的真相 。对大脑的全面了解，才是 AI 通用化（AGI）的未来 。
6.1 透视神经网络
科学家们发现，当用不同的神经网络训练同一个数据集时，这些网络中存在 相同的神经元 。由此他们提出了一个假设：在不同的网络中存在着普遍性的特征 。也就是说，如果不同架构的神经网训练同一数据集，那么有一些神经元很可能出现在所有不同的架构中 。
这并不是唯一惊喜 。他们还发现，同样的 特征检测器 也存在与不同的神经网络中 。例如，在 AlexNet、InceptionV1、VGG19 和 Resnet V2-50 这些神经网络中发现了曲线检测器（Curve Detectors） 。。不仅如此，他们还发现了更复杂的 Gabor Filter，这通常存在于生物神经元中 。它们类似于神经学定义的经典"复杂细胞"，难道我们的大脑的神经元也存在于人工神经网络中？
OpenAI 的研究团队表示，这些神经网络是可以被理解的 。通过他们的 Microscope 项目，你可以可视化神经网络的内部，一些代表抽象的概念，如边缘或曲线，而另一些则代表狗眼或鼻子等特征 。不同神经元之间的连接，还代表了有意义的算法，例如简单的逻辑电路（AND、OR、XOR），这些都超过了高级的视觉特征 。
大脑中的 Transformer
来自 University College London 的两位神经科学家 Tim Behrens 和 James Whittington 帮助证明了我们大脑中的一些结构在数学上的功能与 Transformer 模型的机制类似，具体可以看这篇《How Transformers Seem to Mimic Parts of the Brain》，研究显示了 Transformer 模型精确地复制在他们 大脑海马体 中观察到的那些工作模式 。
去年，麻省理工学院的计算神经科学家 Martin Schrimpf 分析了 43 种不同的神经网络模型，和大脑神经元活动的磁共振成像（fMRI）还有皮层脑电图（EEG）的观测做对比 。他发现 Transformer 是目前最先进的神经网络，可以预测成像中发现的几乎所有的变化 。计算机科学家 Yujin Tang 最近也设计了一个 Transformer 模型，并有意识的向其随机、无序的地发送大量数据，模仿人体如何将感官数据传输到大脑 。他们的 Transformer 模型，就像我们的大脑一样，能够成功地处理无序的信息流 。
推荐阅读
- Windows为啥难以摆脱隔代升级的魔咒？
- 美国国家安全局督促弃用 C/C++，使用更安全的 Rust、C# 等
- 黑客攻击致破产的FTX再损失6亿美元用户资产，安全专家称其大概率是内部人员
- 作为我国首位女性航天员,刘洋当然有报道的价值 我国女航天员刘洋所在机组
- 屈原投江的节日是什么 因为屈原投江才有了端午节
- 全球十大蜜月旅游胜地之一 世界最适合度蜜月的旅游胜地
- 已所不欲,勿施于人的理解和体会 己所不欲勿施于人的理解和体会自己的亲身体会
- 鹿晗|周杰伦鹿晗11月19号晚8点同时开演唱会，你会去谁的直播间？
- 汪小菲|汪小菲说要亲自教女儿学法语，这又是一个不能兑现的诺言
- 王佳颖|山东王佳颖事件，她长相虽不咋样，可是会的花样很多