[更准确的标题该当是“我们如何思考我们的思考”。]
虽然我们对照来的大措辞模型的表现感到惊异，但我们设计了它们，我们知道它们是如何事情的，直到细节。与此相反，我们对自己的大脑如何事情并没有真实的知识。我们没有设计大脑。我们绝不能确定目前的科学知识状态能够描述，更不用说阐明我们的大脑是如何事情的了。事实上，有一个强有力的、自然选择的论点可以证明，我们永久不会故意识地靠近我们心灵的“内部运作”。（拜会《Devlin之角》2023年1月和2月的文章）我们所能做的便是列出我们思考的一些特色。由于数学思维只是人类思维的一种高度受限的形式（就像措辞和音乐是人类互换的受限形式一样），这些思考将为推测我们如何做数学供应一个出发点。 人类拥有感知和行动系统，可以干预外部天下并产生有关它的新信息。这些行动系统利用表示在理论（科学或直觉）中的因果表征，也是寻求真理的认知过程的结果。这些理论是根据外部天下进行评估的，并对该天下的行为进行预测和塑造；来自该天下的新证据可以从根本上修正它们。因果表征，如感知表征，旨在办理“逆问题”：根据我们从外部天下吸收的数据，重修一个新的、不断变革的外部天下的构造。只管这些表述可能非常抽象，就像科学理论一样，但它们终极取决于感知和行动，取决于能够以新的办法感知天下并采纳行动。文化的进化取决于两种不同认知机制之间的平衡。模拟使知识或技能从一个人通报到另一个人。创新通过与不断变革的天下打仗产生新的知识或技能。模拟意味着每一个个体都不须要创新——他们可以利用他人的认知创造。但是，如果某些行为主体没有创新能力，模拟本身就毫无用途。正是这两者的结合，使文化和技能进步。 将上述考虑与大措辞模型进行比拟，大措辞模型聚合了人们天生的大量信息，并利用相对大略的统计推断从这些信息中提取模式。大措辞模型的设计许可产生我们以前没故意识到的信息，我们有时可能会对我们得到的结果感到惊异。然而（与人类的头脑相反），我们理解生产的机制，直到细节。在大措辞模型的演习或目标函数中，没有任何东西是为了实现寻求真理系统的认知函数（功能），如感知、因果推理或理论形成。 这使得它们成为我们个人和社会利用的（潜在的）有用工具。这可能是一种进步。这种新工具可能会改变我们的生活和事情办法；如果是这样，那么可能会以令我们惊异的办法（乃至可能让我们感到恐怖，至少在最初）。 然而，与任何具有“隐蔽部分”的工具一样，利用它的任何人都必须理解它是如何事情的，它的局限性是什么，以及这些局限性可能导致什么样的危险。Bender高妙的术语“随机鹦鹉”最早涌如今2021年的一篇研究论文中，题为《关于随机鹦鹉的危险：措辞模型能过大吗？》（On the Dangers of Stochastic Parrots：Can Language Models Be Too Big?）https://dl.acm.org/doi/10.1145/3442188.3445922 把稳“危险”这个词。（该论文在ChatGPT涌现之前，就涌现了。） 在那篇论文中，作者列出了大措辞模型对社会的一些真实的危险。随着这些危险的显现（已经开始），社会可能会寻求履行严格的掌握。这种新人工智能为数不多的真实的好处之一可能是数学、科学和工程知识，在这些场景中，真理和真实的天下是不可动摇的衡量标准。（影响数学家、科学家和工程师群体的问题则完备不同；在这些方面的危险，Bender等人指出特殊严重。）我们物种的历史中充满了这样的发展，一旦发生，就无法转头。这可能是一个奥本海默时候。
https://www.mathvalues.org/masterblog/how-will-ai-impact-mathematics-research
https://redirect.cs.umbc.edu/courses/471/papers/turing.pdf
https://www.bristol.ac.uk/maths/research/highlights/riemann-hypothesis/
https://dl.acm.org/doi/10.1145/3442188.3445922
https://pubmed.ncbi.nlm.nih.gov/37883796/
关于上述问题有大量的文献。我将引用一篇最近的论文，它供应了一个进入该文献的初始入口。我把它作为我的大纲（尤其是上面项目符号列表）的参考来源：
Eunice Yiu , Eliza Kosoy, and Alison Gopnik, Transmission Versus Truth, Imitation Versus Innovation: What Children Can Do That Large Language and Language-and-Vision Models Cannot (Yet) https://pubmed.ncbi.nlm.nih.gov/37883796/ , Association for Psychological Science: Perspectives on Psychological Science , 2023, pp.1–10, National Institutes of Health, DOI 10.1177/17456916231201401
新上线一批4090/A800/H800/H100
特殊适宜企业级运用
