人工时间

训练阶段计算昂贵 - 它需要很多资源。算法摘要巨大数据，并将其转换为特定类型的任务的模型。

例如，自然语言处理的模型（Siri用于了解您的请求），图像识别（用于识别您朋友的面孔）和建议（Netflix使用的建议，以猜测您要观看的内容） 。

另一方面，推理阶段是计算的便宜 - 需要很少的计算能力。在训练阶段开发的模型应用于他们以前没有看到的新情况。机器学习算法在第一阶段培训，在第二阶段，它使用该培训来做出决策。

我们目的的最重要的外卖是要了解培训阶段需要世界上最强大的计算机，并且涉及大量的数据，这些数据是任何人类所能理解的程度。需要数百或数千人的寿命，以获得相当数量的认知努力。

但推理阶段非常不同。它涉及相对简单的模型缩小到人类的大小。有一个有用的模型，可以在最便宜的笔记本电脑或智能手机上几秒钟或分钟内运行。

来自挪威的一位年轻22岁的神童，Magnus Carlsen，在一系列10个Splacebinding游戏中击败了Reigning World Champion，Viswanathan Anand的印度。

普通智慧长期以来，老象棋队员赢得了更年轻，更有才华的经验。他们可能没有原始的智力马力，但他们看过更多的游戏多年。所有这些经历的蒸馏智慧应该使他们能够看到他们的对手不能的机会和风险。

但是当卡尔森胜利时，展出不同的东西。 Carlsen是第一位国际象棋世界冠军，主要是在2000年代长大的个人电脑上获得的智能大学象棋AIS培训。

结果，他的演奏风格与他面前的任何人不同。当人类通常会放弃时，他会一路走到尽头，探索非传统的戏剧线。他并不束缚传统和公约从一代象棋祖母站到下一个。

在一个非常真实的意义上，卡尔森是一个Ai-Ungmented球员。他可能不会在比赛期间收到计算机的直接协助，但他的内部国际象棋本能在“模型”上绘制他在全球最佳国际象棋计算机上发达的数千次比赛。

这些模型是千年象棋运动经验的蒸馏效果。它们不受物理法律的限制或时间的流逝 - 国际象棋算法可以针对自身的速度，并连续地在对生物体的速度下平行地玩无数游戏。

它好像电脑在光速进入未来的情况下，然后回到我们的时间与我们分享它所发现的课程。

从某种意义上说，当他成为世界冠军时，Magnus Carlsen不是22岁。在游戏和经验同化的比赛方面，他更像200岁。随着持续发展更加复杂的国际象棋算法，无论谁最终都会击败他可能是2000岁。

Carlsen示例表明，这不是我们技术的原始智能力量。即使是世界上最好的国际象棋算法也无法匹配2岁的孩子通过世界的能力。

技术力量来自其逃避历史时期的能力。算法可以加速时间，并在陡峭的学习曲线上学习，而不是最聪明的人类可以达到。

幸运的是，这不是一个零和主张。目前，计算机仍然在我们的控制之下。通过将它们作为“认知假肢”附加到我们的身体和思想中，我们可以提高我们的有效经验年龄，超越了我们自己的时间。

每次使用谷歌才能查找答案的答案，你的祖母将简单地辞职，以便以指数速度为指数速度而言，您将“数据年龄”。我们曾经等待在适当时候等待答案。现在我们只是加速时间并将其从未来推进到现在。

每次使用自动完整的写作工具，如TextSpark.ai，您就可以在庞大的阅读和写作体验上绘制，相当于数千年的人类生活经验。这样的工具可以让您像以前没有人写的人写。

每次使用数字录取或知识管理工具（我都会打电话给第二大脑），您都会通过人工时间推动和拉动信息。您正在利用近年来的知识产权，而不是仅从最近的可用课程中绘制。你不仅聪明，而且非常聪明。

这一切的意义是我们的技术不仅仅是几十年。在体验时间中测量，计算机是古老的奥克斯跨越数千年。埃及金字塔仅仅是GPT-3旁边的婴儿。

AIS已经逃脱了自然的时间，现在正在感受，录制，生成和消化历史，每周数十年或几个世纪。我们正在学习如何将这个人为时间注入我们自己的大脑，每年增加100年的经验。

你没有作为人工智能崛起的见证。 你作为人工时间增强的代理人生活。 您居住在历史尽头，并通过机器进入加速的未来。 谢谢Matthias Frank，Molly Fisher，H.P. Arvez，Abdur Rahman，Trent Hamm和Brian Wallenfelt为此作品的反馈和建议。 订阅以下以获得免费的每周电子邮件，并在推特，Facebook，Instagram，LinkedIn或YouTube上关注我们。 或者成为Praxis成员，以便即时访问我们的完整成员帖子集合。