“深度学习”网络的计算单位层数有数量级式的提升，全网的反馈算法在计算复杂性上也有极大的提升——因此，其整体的技术性能也明显优于传统的神经元网络技术。

“六书”为 指事、象形、形声、会意、转注、假借。未来Al都能实现，造福人类。

我们汉语使用者早就按照汉语内隐的语义推理方式说话言谈，并撰文立著。但这些规则本身并没有通过公共数据库的方式构成规范性样本，因此，每个语言使用者都可以按照自己的方式“私自地解释”这些规则。尽管当下的语用活动可以为这些彼此不同的个人解释消除分歧，但在每次语用活动结束后，依然会有某些“释不准”的成分残余下来。

今天阅读了ChatGPT时代“脸”的模糊化这一章节。了解到chatGPT是一种将人脸加以模糊化的新技术，并会因为这种模糊化对人类科技研究的分工体系构成破坏，因此，尽管这种技术貌似既时髦又有趣，但实际上，其在总体上未必会对人类科技创新产生纯然正面的助益。所以说ChatGPT现在看来和近期我国自行开发的Deep seek相比还存在很多不完善的地方。

众所周知，德国哲学家莱布尼茨曾设想过这样一种“理想语言”：这种语言由代表观念的符号以及联系这些符号的规则构成，其中，诸符号的所指必须是清晰明了的，而相关的规则又必须是机械并可计算的。在他看来，对于这种语言的依赖就能够帮助我们消除在自然语言层面上难以解决的那些分歧，或用他自己的名言来说：“当人们之间有纷争的时候，我们就可以简单地说：让我们坐下来算一算吧，这样，不用倚傍别的东西，孰是孰非便可立判。”

当前AI如ChatGPT仅通过"猜测-反馈"循环模仿语言表层，如同"外国人到少林寺学功夫"般机械学习，无法真正理解语义深层逻辑。

我们可以从AGI的角度，来重构大森的论证。这样的论证有两个。第一个论证是基于不同的信息处理系统的空间局域性的，而第二个论证则是基于不同的信息处理系统的运行历史的特异性不过，其中第二个论证的有效性，在一定程度上有赖于第一个论证。

ChatGPT在处理某些类型的问题时可能会出现错误或提供不准确的答案，这是因为它在回答问题时只能依靠已经学到的知识，而没有自己的直觉或经验；它无法像人类一样进行情感理解和情感表达；它不能代替人类在某些方面所需的创造性和判断力，虽然可以回答基本的问题，但在处理更复杂问题时，无法提供与人类同样的思考和解决问题的能力。因此ChatGPT虽强，但仍难替代人类。

作为一位维特根斯坦专家，大森思考该问题的方式竟然不是从语言出发，而是从印象出发的。换言之，他不太关心我们是用怎样的语言表达式表述我们的感觉影响的，而更关心我们的感觉印象是如何在一种前语言的层面上参与知识构成的

今天阅读了《如何教人工智能说人话？》这本书，徐英瑾著，本书是复旦通识文库·文理学苑的一门通识课程。所谓通识教育旨在关注人格的修养，公民的责任，知识的整全，全球的视野，为中华文明的承接与光大以及人类生存的共同命运承担起的责任。