符号推理与形式逻辑

语言本质上是一个由语法规则支配的复杂、错综复杂的人类表达系统。它对开发能够理解和掌握语言的人工智能算法提出了重大挑战。作为一种主要的方法，语言建模在过去20年里被广泛研究，用于语言理解和生成，从统计语言模型发展到神经语言模型。

将人类的专业知识提炼成一套规则和事实是非常困难、耗时且昂贵的。这被称为“知识获取瓶颈”。虽然编写数学或逻辑规则很简单，但世界本身却非常模糊。这正是神经网络擅长的地方：发现模式和接受歧义。神经网

本文来自《大语言模型和逆向图灵测试 - mit》一文，详细点击标题。人类常常低估其他动物的智力，因为它们无法与我们交谈。专家们对LLM大模型智力的分歧意见表明，我们基于自然智力的旧观念已经过时。

分而治之（Divide and Conquer）是一个强大的算法范例（banq注：其实是一种哲学方法，严格不属于算法）：通过将复杂问题分解为更小，更易于管理的子问题来解决复杂问题。分（Divide ）

ChatGPT 在会计评估方面与学生对峙。学生的总体平均得分为 76.7%，而 ChatGPT 的得分为 47.4%。在 11.3% 的问题上，ChatGPT 得分高于学生平均水平，在 AIS 和审计方面表现尤为出色。

Toki pona 是一种围绕语言尽可能简单理念而设计的Conlangs（人工语言）。除了 Toki Pona 之外，还有世界语和 Solresol另外两种国际语言的尝试。 Toki Pona 是由 Sonja Lang创作的，这是网址：

如果你在一个任务上训练ML系统，然后它能够执行你没有预料到的另一个任务，这就是涌现(emergence)。许多人将“涌现”解释为某种奇妙而神奇的东西--“它是活的！但它实际上是平常的，已经持续了很长一段时间。

“人类认知的最大成就可能主要是涌现现象（Emergence ）。” - 詹姆斯湖麦克莱兰对人类智力的研究曾经被符号方法所主导，但在过去的30年里，出现了另一种方法：涌现Emergence 从涌现Eme

大型语言模型了解世界吗？作为一名科学家和工程师，我一直避免问人工智能系统是否 "理解 "任何事物。对于一个系统是否真的理解--而不是看似理解--并没有一个得到广泛认同的科学检验标准，就像我在之前的一封信中讨论过的意识或智商一样，也不存在这

来自普林斯顿一篇论文（https://arxiv.org/abs/2308.04353）基本上将其“LK-99高温下电阻率的大幅下降”归因于铜硫（Cu2S）杂质：

衰老是所有人类与生俱来的，但我们为什么会变老仍然是一个争论不休的话题。大多数对衰老的机械解释都假定衰老是由一种或多种形式的分子损伤的累积引起的。在这里，我建议我们变老不是因为硬件不可避免的损坏，而是因为软件的内在设计缺陷，定义为协调单个细胞如何发育成成体有机体的 DNA 代码。

所有工程师都是优秀的代码编写者。但我相信，为了成为更好的工程师，你应该提高你的写作技巧。从古至今，人们都在写作。我们用符号来书写，比如在古埃及。我们也用字母书写，如文艺复兴时期。我们所有人在学校至少都

UIUC的Prashant Jain在arxiv上上传了一篇题为“硫化铜的相变及其对LK-99所谓超导性的影响”的新论文。