第342章 关於通用人工智慧的反问（1/2）

第342章 关於通用人工智慧的反问

热闹而真诚的欢迎仪式；刺激而又充实的月球户外运动，

理察跟托马斯还在专家的指导下，亲自动手收集了两块月壤。

这还真是个技术活。

说是月壤，但因为缺水的缘故，其实这东西更像地球上的砂石，质地非常坚硬，颗粒边缘还非常锋利。

所以还真需要专家指导跟专用工具，才能小心翼翼的取到一块儘可能完整的月壤。

当然这一切依然是面向全球进行直播的。当然也包括了取月壤的过程。

虽然耗时长了一些，毕竟专门的月球铲初学者並不是那么好用。

加上还要穿著笨重的太空衣，以及適应月球室外只有地球六分之一的重力。

但显然一切都是值得的。

事实上围观的网友们似乎也很喜欢这种努力学习，然后终於成功的情节。

在托马斯成功亲手敲下並成功在特別容器里保存好一块大小適合的月壤时，也是直播间送出各种礼物最多的时候。

直播也在此刻结束，並在顺利返程之后最后一天再次开启。

当理察跟托马斯以及另外两位船员，在全世界关注这次旅行的网友们见证下，从顺利降落的舱体內走出后，也为这次普通人游月球画上了一个完美的句號。

当天华夏央媒都在最重要的新闻时段用了一分钟报导这件事。

而且专门截取了理察从载人舱体內走出来，衝著摄像机挥手致意的画面。

不得不说，经过这段时间不断在镜头面前出现，理察现在面对镜头时，自然得就好像一位演员。

至此，这位在西大默默无闻的电焊工，在华夏也有了一定知名度。

现在大家都知道了费城的菲什镇出了一个“幸运的理察”。

是的，当央媒主持人，一本正经的说出理察这个在外网传遍的外號后，幸运大概已经跟理察的人生完全绑定了。

毕竟现在全世界都要看华夏央媒。

那档最重要的新闻节目也早已经不止是华夏的风向標，更是世界的风向標。

这一点大概也能从今天央媒报导的內容看出来。

就在理察落地华夏大泉发射基地附近的时候，还有很多人同时落地华夏京城。

这些人无一不是世界各个国家跟地区的大人物。或者说是被选择站在台前代表这些国家跟地区的大人物。

正如乔喻计划中那样，月球能带来的巨大利益就摆在那里，如果动心了，自然是要来谈谈的。

一整个星球的资源，谁看了能不眼馋呢？

更別提这个时代，月球还很可能会成为战略要地。

起码华夏已经展现出了这种可能性。接下来需要谈的事情可就多了。

当然理察也收穫了他所需要的，財富还在其次，主要是知名度。

对於野心已经被唤醒，未来想要住进白色房子的人，这份知名度才是最重要的。

更让他惊喜的是，养喻显然不是说说而已。

在万眾瞩目之下，回到西大之后，就直接有一个精英团队联繫了他。

是真的精英团队，从经理到財务、传播、政策法律顾问，选民动员主任，等等“

全部都有丰富的经验。每个人都有成功送人进入白色房子的经验最让理察没想到的是团队內还有一位之前在白色房子住过很长一段时间的大佬，做他的顾问跟公眾形象代言人。

当然起步肯定不可能直接就准备下一届，而是从费城所在的宾州开始。

团队给他制定的规划是两年后要让理察直接进入州参议院。

在参议院待上两年积赞经验，然后直接竞选州长，在州长位置上干一届之后，正式向白色房子发起衝击。

最最重要的是，他將是新世纪第一个以无党派候选人的身份，向这个目標发起衝击的人。

如果成功了的话，大概真能坐实他幸运的理察这一身份了。

不过暂时他还得继续电焊工这份工作。用竞选顾问的说法就是，这份工作能保持他的亲民度。让选民们更信任他。

当然纯粹的电焊是不可能的，理察还在这些顾问的指导下，在诸多网际网路社交平台上开了帐號。

每天都会对外分享一些视频，用顾问的说法就是他从现在开始就要维持在公眾面前的曝光度，让人们更加了解他的生活，从而產生亲近感—

总之对於理察来说，人生终究开始不是一样了。

当然对於理察来说是整个人生，但对於远在东大的乔喻来说，大概就是隨手落下的一颗棋子，而且属於远景规划的棋子。

始作俑者乔喻其实也没太多时间关注理察这边他已经开始忙著著手做通用人工智慧的研究。

怎么说呢，在惰性的驱使下，乔喻是不想把时间都耗费在工作上的。

但当钻研过程中一不小心来了兴趣，那又是另外一回事了。

尤其是通用人工智慧跟数学相关的部分。

正如乔喻在给新生宣讲时说的那样，数学是所有科学中最纯粹的抽象语言。

它的本质就是將纷繁复杂的现象剥离到最本质的结构、关係和模式。

尤其是数学还需要无歧义的精確性。整套语言要求严格的定义和无歧义的推理。

而目前人类对於通用人工智慧的要求却是既要在不確定的环境之下做出最优决策，又不能去挑战人类道德伦理的各种底线，要让几乎所有人都能满意。

比如著名的电车难题。人类不管如何抉择，都会惹来一堆垢病，如果让机器抉择就更麻烦了·

这个世界能够解决问题的人不多，但喜欢批判解决问题的人总是很多。

数学上的最优化决策显然不能照搬到通用人工智慧的决策树过程中。

更別提那诸多的定义了，衍生出的东西很多。

真正推进到通用人工智慧领域，已经不再是深度机器学习就能解决的问题了。

毕竟要实现这一步的意图，並不是让机器通过推演，去下棋，或者根据逻辑一步步去推导数学难题。

而是让机器在受限的情况下，去自主思考。