AI 的时代，新科技和新技术如何推动跨学科的整合？

在当前AI的发展中，我们面临的一个主要挑战就是融合的问题，这实际上不仅是技术上的融合，还有更深层次的哲学层面的思考。

或许在中国这方面的讨论较少，但在西方哲学和神学的语境中，探讨万物的根本和不同学科之间的联系是非常普遍的。这种交叉学科的思维方式有助于我们从更基础的层面理解各种现象，并将不同的学科串联在一起。

基于这一点，当新科技和新技术出现时，跨学科的结合至关重要。是否存在一套统一的理论或方法来应对科技变革和人工智能（AI）带来的挑战？

随着各个行业和场景的不断变化，这方面的思考也在不断演进，许多观点甚至被推翻。例如，关于人脑结构是否可以用数字神经网络或GPT这样的Transformer结构来解释，虽然有一些人支持这一观点，但也有人提出反对意见。

在这个过程中，我有两个体验可以分享。首先，在AI领域，今年诺贝尔奖的颁发引发了一些有趣的讨论。化学奖还比较容易理解，因为它解决了具体的化学问题。然而，物理学奖颁给辛顿（Hinton）的原因让许多从事AI和物理学的人感到困惑，但这背后反映出了一些深刻的道理。我个人更倾向于与辛顿同年获得图灵奖的杨立昆的研究相关。他探讨了一个AI尚未解答的问题：人类在三岁之前是如何思考的？在没有语言能力的情况下，孩子是如何认识世界的？

例如，在图像识别的早期阶段，AI需要大量图像进行训练才能识别物体。而对于三岁的小孩，只需告诉他们“那是狗”，他们便能迅速识别所有的狗。这种能力的来源仍然是一个未解之谜。杨立昆提出了一种模型，将图像、声音和文字等多种表达形式映射到一个隐空间，并从该空间出发完成下游任务。这个隐空间到底是什么？它可能是文本的嵌入，也可能是图像或视频的某种映射。通过大量数据和一些掩码训练出来的结果，展现了一个很有趣的思路，或许更接近通用人工智能（AGI）的本质。不过，目前的技术是否是实现这一目标的最快路径仍然未知。

代码问题，就问 Eagle！