今天平日里都是吹水涩图的大宝剑群突然谈及人生的意义，鬼使神差的，让我想起前些日子看过的徐博文一篇偏哲学的AI论文
忍不住想写几句，先说说精彩的对话，这里就不写名姓，都用代号吧：
A：我的存在真的是一个有任何意义的事情吗？对什么人有意义？我的感知自己的存在在于感知本身 而感知本身毫无意义
B：一块石头，也有必要的意义，所以人生不需要过度思考意义，意义就一直存在。人生意义和人的利他工具性经常被混淆，利他工具性的丢失，并不是人生意义的消失，好像一个人对别人没用了就没有了意义，其实完全不是。把人生的意义都对赌到当好别人的工具，那就很容易出问题了
A：感知的问题在于， 你感知过最强的，你很难回去感知不那么强的， 比如**刚说的，找了大的，找到了更大的就好了 ， 更好更强才容易满足。但是人一旦走过顶峰后 就很难能找到更强更好
C：人生错就错在吧，凡事要在实数轴上比，比来比去很有意义吗？生命意义绑在实数轴上可太可悲了，但是正如大家所知的，实数轴任意一段段短线段都可以映射到一块平米处处稠密，甚至这个例子是不是可以升到任意维？
A：小时候吃窝窝头， 长大点吃点饼， 中年吃点白面馒头， 中老年来点蛋糕 那感觉就是一直越来越强啊
群聊就放这么多，接下来是一段让我想要全文背诵的句子，也来自前面的群聊，原文据说是刘慈欣的一篇散文：
没有证据证明智慧有利于生存，也许正相反，它是通向毁灭的捷径，因为最顽强的生命都没有智慧。 但已经证明智慧能感受美，所以智慧的目的也许只是作为宇宙之美的见证者。 必须渺小，才能感受宏大；必须脆弱，才能敬畏坚强；必须短暂，才能感受永恒；必须能思考，以感受造物设计的精妙，又不能全知，以防一切在瞬间全透明。 这就是智慧生命了，做这种见证者，神不行，只能是人。总有一天，他们会把自己脆弱的躯体装进金属种子，飞过所有荒凉和繁荣的世界，去感知那些神不能感知的东西，这也许真的是他们存在的目的。 |
这段话让我想起了史铁生的“我与地坛”，这个20多岁忽然残疾了的作家，不甘地发出下面的天问：于是就有一个最令人绝望的结论等在这里：由谁去充任那些苦难的角色？又有谁去体现这世间的幸福，骄傲和快乐？只好听凭偶然，是没有道理好讲的。
这正对应大刘上面这里的前一段，即智慧不一定生命作为一个整体生活的更长，活的更幸福
而我与地坛中最难懂的句子，可以对应大刘上面那段话的第二句，即人生的意义来自于进入审美之境：下面是我与地坛第六节的结尾：“每一个有激情的演员都难免是一个人质。每一个懂得欣赏的观众都巧妙地粉碎了一场阴谋。每一个乏味的演员都是因为他老以为这戏剧与自己无关。每一个倒霉的观众都是因为他总是坐得离舞台太近了。”
而大刘的第三段的排比，相比我与地坛中的句子，更为简洁，读起来也更有气势，两者都代表了一种超越日常评价标准后的豁达；“我常以为是丑女造就了美人。我常以为是愚氓举出了智者。我常以为是懦夫衬照了英雄。我常以为是众生度化了佛祖。”
而大刘的第四段，则对应“我与地坛”作者与自身命运和解的第七节，即“但是太阳，他每时每刻都是夕阳也都是旭日。”及全文的最后一句“宇宙以其不息的欲望将一个歌舞炼为永恒。这欲望有怎样一个人间的姓名，大可忽略不计。”
而这里之所以会让我想到谈论AI的开放世界的这篇论文，是上面的两段话，代表了写作者的心态从封闭世界走向开放世界，从而找到人生的意义并与自身和解的过程。一个人若是觉得自身不过是生活在封闭的环境中，就需要不断通过与他人的对比方能找到生命的意义，但若是Ta能领悟世界是开放的，那一切困惑，一念之间，便会成为“归去，也无风雨也无晴”。
只是谈论人生哲学，多少有些鸡汤，下面引用徐博文“open world”这篇论文中的更严谨更学术的定义（粗体），该文先谈论了什么不是开放世界
| 例如围棋或 Atari 电子游戏这样的人工环境，其定义是由一套严格的规则和明确、预定义的目标。这些环境高度受限，其他现实世界的例子，如工厂生产线上的机器人工作环境，其情况和任务也是严格结构化的。 |
用人话来说，就是如同一个傀儡，流水线上的螺丝钉
之后open world论文给出了AI中谈论开放世界和封闭世界的关键区别
1）未来不一定与过去一致，有时可能存在显著差异。 2）开放世界中的任务或目标并非预先确定或设计。在这样的环境中，一台思考机器必须依靠自己的智能来感知、适应和重塑世界，而不是依赖于人类提供的特定问题知识。 |
然而现实中的开放世界和封闭世界的差异，还有一条，即： 任务无界：需要解决的任务范围广泛，这些任务在智能体出生时并未预先确定或定义。
开放世界上述三条特征，使得无论我们的过去经验可能多么广泛，我们对未来的预测永远不能是绝对无误的（休谟）。这是人类每天面对的现实。即使我们最成功的科学理论也无法在逻辑上保证在未来仍然有效。（这不正是大刘前面那段话中智慧并不能让生命活的更久的根本原因）
“因此，将人类知识作为绝对真理整合到人工智能系统中是危险的，因为这些系统可能会遇到人类知识不再适用的情况。”将这里的人类知识替换成传统文化，原声家庭，将人工智能替换成自己的人生，你会发现这就是很多意林故事中会出现的句子，道理依旧适用，解释了许多人之所以痛苦纠结。
通用人工智能系统也应该对广泛的任务持开放态度，并具有解决这些任务的能力。从这两个核心属性中，可以推导出其他要求。例如，学习过程应该是“持续的”、“在线的”和“终身的”；人工智能系统应能够在不确定性下进行推理，并由价值观或目标驱动，使它们能够获取和追求以前从未遇到过的目标。（当AGI出现之前，很多不再想着持续学习的人，是不是不该被当成AGI了）
之后该研究指出了部分开放世界这个新概念，文中是这样解释的“一些环境可以归类为部分开放世界，因为它们只满足开放世界的一些要求。目前大多数声称在“开放世界”环境中工作的 AI 研究实际上是在处理部分开放世界。例如，DeepMind 的 XLand 环境旨在探索“开放式学习”。在 XLand 中，任务和世界都是根据预定义的规则生成的。虽然可能的任务和世界的数量在理论上无限，但它们仍然受到限制，因为未来遵循从过去的一致模式，并且任务预定义得足够，以至于可以使用人类知识来解决它们。同样，像 Minecraft 或其 2D 版本 Crafter这样的环境允许智能体根据规则创建对象，但它们由于同样的原因不满足要求。”（这里笔者觉得是第三条要求：任务无界）
这里放论文中唯一的一个图来说明问题，原文是这样解释该图的
“一台机器能够执行任务主要有两个原因（见图 1b）：要么是人类程序员解决了问题并将特定任务的解决方案硬编码到机器中，要么是机器自主地学习解决问题。在前一种情况下，人类和机器可以被视为一个单一的系统，其中人类智能是解决方案的真实来源。在后一种情况下——尤其是对于通用人工智能系统来说——机器自身的智能使其能够学习如何执行任务。在这种情况下，机器智能负责独立解决问题，而人类智能则作为混淆因素，使得人们容易误解系统的能力来源。
许多人工智能项目通过将人类特定任务的经验嵌入到机器中来模糊这一区别。因此，这类系统最好被归类为窄人工智能，偏离了通用人工智能的最终目标。在记住智能与技能之间的区别的同时，我认为区分这两种“开放世界”（即部分开放世界和完全开放世界）将引导研究走向不同的方向。”
这里的区别有些微妙，还是将人类知识类比为传统智慧/原生家庭，作为尝试在社会上混出可人样的的通用智能体，你的智能水平决定了你的技能，而你的技能又决定了你能解决那些问题（拿的金饭碗还是要饭盆）。然而如果传统智慧/原生家庭即决定了你学习工作的态度（智能）又决定了你的具体技能，那么就有可能会限制你的潜力（对应机器学习中的欠拟合），更多的情况则是过拟合，也就是把你拔高到一个你本不该达到的位置上，然后一旦环境变了，就会被摔下，如同小镇中学里的状元到了北清后感到的失落，就来自与其之前生活在一个相对封闭的世界，一个利用了先验知识提升过自身性能的世界。
“open world”的论文对此这样写到：
“寻找特定问题的知识远比寻找独立于问题的原则容易。前者需要我们观察自己的信念和目标，并将它们嵌入到机器中。然而，后者却要求我们调查信念和目标的起源，以及它们产生的机制——本质上，理解智能本身。
在封闭世界场景中，特定任务的解决方案通常优于更通用的系统。在部分开放世界中，人类先验知识也能提升性能。例如，如果一个系统仅设计用来解决少数预定义的问题，它不太可能被无关的目标所分散注意力，而一个通用系统可能在某些情况下难以集中注意力。
然而，如果我们想让 AI 系统探索超出我们经验的环境，如外太空或外星行星，适应一个完全开放的世界变得至关重要。在这些情况下，环境超出了人类知识的范围，机器必须依靠自己的智能来导航和适应。”
每个人的成长过程，就是从一个相对开放的世界走向更加完全开放世界的单行道，在这其中，那个因果推断中的混杂因素“人类知识（先验）”会被证明是干扰因素。这种传统智慧中最根深蒂固的一个是“超越自己的过去，或是战胜身边的人才会活着有意义”，事实上，丰俭由人，只因今日容颜老于昨日。正因为我们的渺小，方才能不动声色地去了解这个世界的五彩斑斓，而经由批判的同时带着珍惜的审美活动，我们不再是宇宙不息舞曲的注脚，而是抢着节奏的领舞者。
这你对应Jemmy England的耗散适应理论，该理论试图解释生命的本质，其基于下面的观察：最持久、不可逆的改变都发生在系统正好能较好的吸收和耗散能量时。而这里之所以从进入审美之境想起耗散适应理论，是两者的共同处都对应耗散能量最高效方式。没错，审美之境不意味着花很多的钱，但其产生的有效信息最多最高效。
“open world”的论文中笔者认为最有信息量的是下面几句：
“在创建一个完全开放的世界以评估 AGI 时，一个主要挑战是避免“开发者经验陷阱”。这指的是人类开发者通过强加自己的知识和假设，无意中限制了系统，限制了其真正与开放世界互动的能力。
通过将我们的关注点从狭窄的技能转向智能的原则，我们可以为创建更强大和适应性强、能够应对现实世界复杂性的 AI 系统铺平道路。
随着人工智能研究的深入，保持定义的清晰性以及努力构建更能反映人工智能系统将遇到的动态和不可预测环境框架至关重要。这将使我们能够开发出不仅能力出众，而且在面对新挑战时也具有韧性的 AI。”
这里平行的论述，不止适应于青少年的教育，更适用回应成年人对于人生意义的困惑。在教育下一代时，要把自己当成AGI的训练者，为下一代创造一个不包含自身假设的开放世界。而对于成年人，纠结时需要想想该如何走出过往强加于自身的假设，与更开放的世界互动。具有AGI的智能体能对所有的人都有用，而如果一个人能做到在任何时刻，都能对身边的人有所帮助，那她就能在日常生活中找到自身的意义。追根究底，人是一种社会的动物。
说起社会性，忍不住想到另一篇文"Intelligence at the Edge of Chaos"，该文采用了元胞自动机的时序图案来基于GPT2进行微调，让模型根据之前的图像去训练之后时刻点的图像，然后对比不同复杂的的元胞自动机对应的LLM在下游推理任务上的性能。
结果显示：那些元胞自动机"仍然可预测，但难以预测"对应的LLM性能最好，而通过观察LLM的注意力向量，表现好的LLM在预测时会更多地关注历史状态。这表明这些模型将历史信息整合到其预测中，表明它们正在学习更复杂的解决方案来解决相对简单的问题。这种学习到的表示中的复杂性是模型能够泛化和在下游任务上表现良好的关键因素。
将个人的行为对应元胞自动机，可分为一成不变的，或是完全无序的，前者不会去问活着的意义是什么，后者答不出活着的意义是啥，或许只有那些处在混沌边缘的人，才能不纠结于活着的意义吧。
秩序和随机性之间的平衡似乎特别有利于培养智能行为，因为它迫使模型发展更有效的推理和处理策略。通过学习整合过去状态，模型发展出可泛化的逻辑，可以在不同任务中重复使用。相比之下，仅依赖于平凡、状态特定规则的模型在将其知识转移到更复杂的下游任务时会遇到困难。因此，从过去状态中学习的能力可能是模型成功适应各种问题的关键。
这里的模型，何尝不能是我们每个普通人。这里基于处在混沌边缘的元胞自动机这种开放世界中的产物所训练的模型，事实上也对应更高的智能，更加多样且韧性的智能。那些总想把自己人生过成一成不变的人，是否会有些羞愧，想多加些随机性。然而笔者瞬间便意识到了自身的居高临下。“向芸芸众生，先说感谢 ，再说对不起”，这或许便是感受美吧。
最后引用一首诗，这里同样对应了大刘的那段话，史铁生的“我与地坛”，以及维特根斯坦所说的“想像一种语言就意味着想像一种生活形式”。一花一世界，跨界胡诌一番，看得懂的看不懂都不在意。昨日非今日该忘。
——维斯瓦娃·辛波丝卡《在一颗小星星底下》
更多阅读
