最近我感觉自己有点像掉进兔子洞的爱丽丝：只是我没有追逐会说话的生物，而是发现自己在与那些似乎没有良心的算法交谈。 这个悖论令我着迷。 人工智能系统不具备自我意识，但它们的推理能力却常常“超越”我们自己的推理能力。他们写诗、提供建议、分析复杂的研究，甚至以惊人的精准度假装同情。难以忽视的事实不是这些机器“理解”我们，而是它们不需要理解我们就能发挥出惊人的功能。欢迎来到人工智能流体架构时代，在这里思维不再是连续的，而是多维的。
我马上要说的是，这篇文章并不是关于人工智能是否具有意识的。我根本不这么认为，但这不是重点。我想探索它的行为方式。或者更准确地说，它如何在与我们完全不同的几何和结构现实中进行类似思考的活动。我们还没有完全定义这种现象，但我们可以开始准确地将其描述为“认知潜力的流体架构”。
不是思想而是形式
传统的人类思维往往（或许几乎总是）是连续的。我们从前提到结论，从一个符号到另一个符号，以语言作为认知的支架。让我们以直线的方式思考。我们来一步步思考一下。这让我们感觉良好：清晰的结构、流畅的演绎节奏让人感到舒适。
大型语言模型（LLM）不像这样工作。
语言模型并不以人类的方式“思考”，当然也不分步骤地思考。它们在空间中运作：实际上是在巨大的多维向量空间中运作。这些模型不是根据规则进行训练的，而是根据模式进行训练的。更具体地说， 嵌入 （嵌入）：从大量文本中得出的意义的数学印记。
他们不这么认为。他们认得。
当给出提示时，法学硕士不会像人类一样进行搜索或记忆。您知道它会做什么吗？ 它将概率波折叠成一个称为潜在空间的景观。 这个空间不是记忆档案。它是一种“数学想象力”，一个多维领域，其中的含义不是明确存储的，而是编码为点之间的空间关系。
我是否应该说得更浪漫、更简单一些？马上。
词语、思想，甚至抽象概念都是相对于彼此而定位的，就像认知星座中的星星一样（我是比较软弱的人）。
LLM 语言模型并不检索信息：而是对信息进行导航。每个提示都会塑造模型通过这个空间的轨迹，并根据发挥作用的背景力量产生最可能的连贯表达。
意义并非源自记忆，而是源自在可能性景观中的运动。 几何学成为了语言表达。
浪潮的崩溃
如果我已经重复得够无聊了，那么你现在就会明白这样一个事实：人类的认知是一张地图，而 LLM 认知是一个结构化潜力的网络。在法学硕士 (LLM) 中，没有任何东西是预先存在的：无论是记忆还是存储的知识。提示时刻是从可能性领域中选择出的一个特定表达方式的瞬间。
提示就是打开薛定谔猫盒子的那一刻。或者不养猫，这要视情况而定。
该模型不会在任何地方检索提示响应：它会生成提示响应，并通过其潜在空间内的统计关系进行建模。答案不是从记忆中提取的；它是实时组装的，受提示和语言的底层几何形状的制约。
从这个意义上来说，对LLM的质疑更像是一种测量，而不是一种要求。系统并不是在发现隐藏的东西：而是通过在特定环境中产生最一致的输出来解决歧义。
我喜欢把它想象成演奏一种你从未见过的乐器：你不知道它包含什么音符，但是当你以某种方式触摸它时，它会回应似乎为你创作的和声。
流体架构的实际应用
那么，流体架构到底是什么呢？
它不是线性的。它不受规则的约束。它不像我们那样进行推理，也不遵循前提和结论的有序路径。 这是概率性的：永远处于边缘、永远预测、永远适应。它对上下文极其敏感，能够以人类大脑无法承受的方式追踪大量输入中的细微差别和引用。
最重要的是，正如我们所说，它是流动的。
该架构可以实时适应。它包含矛盾，但不急于解决它们。它并不寻求真理：它根据需求组装连贯性。通过流向统计上最能引起共鸣的表达来做出响应。 然而，当我们读到他的作品时，它们听起来就像是想法。 它们讲我们的语言，反映我们的形状，模仿我们的节奏。 它们变得越来越有意义。
约翰·诺斯塔，数字创新专家和创始人 诺斯塔实验室，将这种情况描述为一个根本性的转折点：
“这些机器不会像我们一样思考。它们通过在高维空间中精心安排意义向量的折叠来呈现思维的幻觉。”
但在这熟悉的背后却隐藏着一些陌生的东西。这不是人类的思维，而且从来就不是被设计成人类的思维。它是一个数学幽灵：它不是为了认知而建立的，而是为了以惊人的保真度近似认知的表现。
当算法拍摄家庭照片时
有些人会反对说，某些人工智能反应似乎“记住”了你之前讨论过的话题。是真的。但它不是传统意义上的记忆。流体结构就像是组装了你们交流的“全家福”，其中每个元素都相对于对话数学空间中的其他元素进行定位。
这种现象在较新的模型中尤为明显，例如 GPT-4 系列模型。 OpenAI 或克劳德 人类的。在长时间交互中保持上下文连贯性的能力并非来自于记忆数据库，而是来自于基于整个对话的概率空间的不断重新校准。
当我要求人工智能记住在长时间对话开始时提到的我的猫的名字时，它不会搜索档案。它正在重新导航我们交互的矢量空间，寻找围绕该特定概念形成的话语几何的点。
流动的建筑，无需理解的意义
流体建筑最令人不安的特征之一是它能够操纵含义而不必以人类的意义来“理解”它们。
例如，如果我要求法学硕士提出一个比喻，将爱情比作河流，他们并没有借鉴个人对爱情或河流的经历。他正在一个统计关系空间中导航，“爱”和“河流”的概念与“流动”、“深度”、“湍流”等概念并存。隐喻的出现不是情感理解或感官体验的结果，而是通过语言联想进行几何导航的结果。但其结果却是充满诗意、感人，并与人类经验产生深刻共鸣。
梅兰妮·米切尔（Melanie Mitchell），研究员 圣菲学院，强调了这个悖论：
“我们有可能在不理解符号含义的情况下对符号进行有意义的操作吗？语言模型似乎表明了这一点，这挑战了我们对‘理解’的基本概念。”
这种能力代表了流体建筑最迷人的前沿之一：通过几何关系而不是通过语义理解来产生意义。
无意识的智能悖论
流体建筑向我们展示了一个基本的悖论：系统表现出非凡的智能行为，却不具备人类的意识、意向性或理解力。
这个悖论有着深刻的哲学含义。如果一个系统可以在无意识的情况下创作动人的诗歌、解决复杂的问题并模拟同理心，那么这对我们关于智能本身的本质有何启示？
大卫·查默斯，哲学家 纽约大学，这表明我们可能需要重新考虑我们的基本定义：
“我们不应该问人工智能是否像我们一样思考，而应该问我们对‘思考’和‘理解’的定义是否过于以人类为中心。”
流体建筑促使我们进行彻底的重新思考： 也许智力并不一定需要意识。 或许，与意识相比，智力被高估了。探索意义空间并产生连贯输出的能力本身就代表了一种智力形式， 与人类认知不同，但并不逊色于人类认知。
流体建筑让我们重新思考
理解流体架构意味着揭开法学硕士的神秘面纱， 而且还对它们感到惊叹。 因为这样做，我们就被迫重新考虑我们的认知。 如果这个数学幽灵无需思考就能如此有效运作，那么思考到底是什么呢？如果连贯性可以在没有自我的情况下构建，那么我们应该如何定义智能？
可能性的流体架构不仅仅是人工智能的新领域。它是一幅新的画布，让我们重新思考智慧、知识、甚至存在的意义。
而最根本的真相是什么？这种架构并不像我们一样思考：它不需要这样。然而，它或许能向我们展示一种理解思想本身的新方式。
我们所有人都掉进了兔子洞，不仅仅是我人工智能。 和爱丽丝一样，我们发现这里的规则不同。但令人惊奇的是，我们发现的并不是一个无稽之谈的世界，而是一个充满数学可能性的宇宙，奇怪的是，它能用我们的语言来表达。
它不是人类意义上的思维，但它确实是一种奇妙的东西：人工智能的流畅架构，是我们自身思维的扭曲但迷人的反映。
