主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾
家园 sentiment analysis:"突破性"工作 1.
"Stanford在sentiment analysis上貌似做出了突破性的工作，用RNN训练的模型精度达到了85%，号称搞定了情感分析（nailed sentiment analysis），新闻报道见 http://t.cn/zRAKhcy 而且他们将要公布源代码 http://t.cn/z8xuao1 看来深度学习在自然语言处理领域的春天要到来了！ "
"现在一般用矩阵当算子来做向量的composition吧？Richard Socher,Chris Manning发了一批利用word vector composition做NLP的文章，包括上次看到的情感分析那一篇，没记错的话。以前还看过向量加、乘、外积的composition方法，看来路子不少。词向量有了，组合方法也有了。好顶赞"
http://gigaom.com/2013/10/03/stanford-researchers-to-open-source-model-they-say-has-nailed-sentiment-analysis/
天津大学可视化小组：近日，斯担福大学的研究生Richard Socher和Andrew Ng（Google深度学习项目工程师），和一位语言学及人工智能领域的专家Chris Manning，共同开发了一个深度学习算法Neural Analysis of Sentiment，缩写为NaSent。NaSent算法从人脑中得到灵感，改善了分析方法，准确率达到了85%。
NaSent情感分析项目由斯坦福大学的研究生 Richard Socher 发起，合作者包括人工智能研究员 Chris Manning，以及 Google 深度学习项目的工程师之一 Andrew Ng。 准确率是 85%。建立了一个实时演示的网站。如果 NaSent 的判断错误，人们可以对其判断进行重新标记-http://t.cn/z86HYSl
“人们很好心地教它新东西，告诉它正确与错误，”Socher 说，“给出实时演示的好处是，人们试图去破坏它。他们在把它推向极限，给予我们新的训练数据。这会帮助我们的算法模型。”
the "code" part of the model is all open to public as well
2.
the core of stanford's model
“You’ll never care about translating a single word to another single word,” he said. ”We’re actually able to put whole sentences and longer phrases into vector spaces without ignoring the order of the words.”
3.
thanks for your "quote", see some similarities between Stanford model & human brain?
科学家发现大脑海马体绘图抄写“一心二用”
来源：中国科技网-科技日报作者：常丽君2013年11月30日 01:20
[导读] 最近,一个由美国宾夕法尼亚大学和德国弗莱堡大学神经科学家组成的研究小组,通过让志愿者玩一种“送货”游戏后发现,神经元能编码空间信息,给一段特定记忆标注“地理标记”,并能在这段记忆被回想前立即激活。
科技日报讯（记者常丽君）据物理学家组织网11月29日(北京时间)报道，最近，一个由美国宾夕法尼亚大学和德国弗莱堡大学神经科学家组成的研究小组，通过让志愿者玩一种“送货”游戏后发现，神经元能编码空间信息，给一段特定记忆标注“地理标记”，并能在这段记忆被回想前立即激活。相关论文发表在最近出版的《科学》杂志上。
该研究显示了空间信息是怎样被纳入记忆的，以及人们在回想一次经历时，为何还会迅速想起曾在同一地点发生过的其他事情。宾夕法尼亚文理学院心理学教授迈克尔·卡哈纳说：“有种观点认为，人类记忆系统会用记忆形成时的地点、时间来给记忆做‘标记’，而回忆涉及到还原这些‘标记’。我们的发现为此提供了首个直接的神经证据。”
参与实验的志愿者是颅内植入电极的癫痫病人，玩游戏时，电极能捕获他们的脑电活动。研究人员先让他们学习城市布局和各商店位置。游戏开始时，他们只被告知下一站要到哪里，而不知道送的是什么货，到达目的地后才会知道，然后再到下一站。这样送了13次货以后，屏幕变成空白，让他们尽可能多地回忆他们刚才到哪里送了哪些货。这样，研究人员就把神经活动与空间记忆形成（商店位置）、情节回忆（递送的货物清单）联系在一起。
在辨别方向过程中，海马体及其附近脑区的神经元通常会表征志愿者在城市里的虚拟位置，就像一种大脑的GPS设备。这些所谓的“地点细胞”可能是神经元编码一个抽象识别物的最典型样本。利用志愿者辨别方向时的脑电记录，研究人员开发出一份与城市布局相符的神经地图，并参考志愿者在回想送货情节记忆时的空间记忆后发现，在志愿者想到一个某地所送的货名后，与该地点有关的地点神经元立即被激活。
“我们正在观察地点细胞激活在回忆过程中的作用。我们发现，自发回忆一段记忆会激活它的神经‘地标’，这表明海马体的空间记忆与情节记忆密切相关，或许反映了它可能是一个公共功能结构。”卡哈纳说。
总编辑圈点
大脑的海马体就像是计算机的内存，早在上世纪初，就开始有科学家认识到海马体对于某些记忆学习的基本作用。而现在神经学研究认为，海马体其实演绎着双面的角色：一位是“绘图员”，负责跟踪空间记忆的位置信息；另一位是“抄写员”，负责记录情节记忆的事件。本次的实验则提供了进一步证据，证明海马体这两个功能是交织在一起的
本篇文章来源于: 中国科技网 www.wokeji.com
原文链接：http://www.stdaily.com/qyts/1_qykj/201311/t20131130_594669.shtml
4.
vector spaces etc, math (including physics) is becoming "social science" now
I have posted quite bit on 微分几何 etc, about the importance of 公理化 methodology of modern 物理 & math, & its applications in AI etc;
human brain's algos, 公理化 methodology of modern 物理 & math, logic of market place & other social organizations & human processes, etc, they will be all eventually "programmed" out, and thrown in your face, making it looks like 1+1=2, then it becomes 公理 on internet
5.
the immediate app is in the area of human communications:
how much time we have wasted in understanding each other first, then communicating to each other?
an example:
"I" don't care you are 公知 or 五毛, just tell me your position, so I can trade with you;
of course, very often, on a particular subject, we don't even know if we are 公知 or 五毛, or a mixed;
6.
a "公知五毛" AI app
1)
will help you read through "BS" in front of you, such as my this post, so you can filter through "BS" faster , knowing what it really talks about, then form your own comments, as 公知, 五毛, or both, etc ;
2)
"I" will then understand you a lot of better & faster with help of my similar "AI" in the cloud as well
3)
then we can do business together, after an short, "hot abusive insulting", brief "思想交锋" & wrap it up in an hour, instead of 1 day, for example, then move on, “求同存异”, move on to money-making business transactions, or say good by to a just gossip type of conversations of political entertainment, etc
7.
quantum jump in society's 劳动生产率
for almost of us, we live and work as some kind of "social scientists", whatever our profession may be, on the job, or as a consumer, voter, or as 老百姓心中有杆秤 in china.
8.
society's 劳动生产率 bottle neck is not really in physics/math or even in "manufacturing" area, it is in those "social science" area, where the "思想交锋 AI"breakthrough will be happening, leveraging on modern physics/math powered AI modeling & technology
bottom line: if we can't wipe out physically each other via the conventional "hot" war, then we have to “求同存异”, do business together, then we may just do the “求同存异” part faster, more efficiently & effectively;
now, as I have posted zillions times in the past, where will china be in this comming AI economy of
global capitalism's "upgraded phase"?
9.
do Chinese top science institutions such as CAS and top political institutions such as Mr. X and his red generations II buddy group even have a clue about all these potentially "non-linear" jump/changes of human capitalism, & their potential earth shaking implications?
for an example, how should TG prepare for an possibly "AI 茉莉花 revolution"? omg, let's give these researcher guys some research funds, 以防万一, never say never?(:)
10.
打战做生意要做的长久，料敌从宽是必须的 [ 山海马甲 ]
电脑病毒都有潜伏期，电脑木马、后门是否发作要看条件 [ 山海马甲 ]
电脑木马、后门要是没有激活条件，永远都不发作也是可能的。黑盒测试时无法涵盖这部分风险的，只有白盒测试才行。
基因后门同样也是这个道理，不是海南试种几代就可以的。 老兄是没接触什么安全工作吧？ 即时是中国人自己搞的，关键的事情也要有几个机构互相牵制，多个渠道和互相验证。这个道理古代帝王早就实施了。死生之道，自古以来都是慎之又慎的。
俺是搞软件的，计算机安全接触的也较多。 可以负责任的说，因为现有的基础硬件和软件目前还掌握在老美手里，我们在网上的每一个举动，老美只要想知道，就基本可以知道。 民用所有的加密、密码等措施，最多就是企业级、民用级的，对于美国国家层面的窃密，基本上就是裸奔的。 NSA如果预算足够，他很多时候比我们自己都知道自己。从基层的访问记录、发言记录、个人成长记录等，经过一定的统计分析和心理解析，就可以推断一个人的大致行为方式和思想去向。有时我们还没有开始判断，其就可以将我们对某事的判断预测的八九不离十了
obviously, a nation of 单色平面波 can hardly 料敌从宽;
obviously, 料敌从宽 with a 宽谱 mind has to be a national culture, 从小抓起, very likely a long "linear" process for a population or a nation, you have to kick the ass, bite your teeth, change mentality to get it started, then keep the momentum, can this ever happen to the Chinese society? if not, what is alternative? is there an alternative? simple logic stuff, but seems still very challenging to a country of 1.3B people of 5 k years of "风雨交加"?
11.
I do feel Chairman X is serouly lacking in his vision, aptitude, knowledge, ability & capacity in learning & understanding modern "war" of science, technology, including AI, IT, bio, life science, and of course, finance, capital market etc;
I also feel CAS (Chinese academy of science) have similar challenges they are facing
obviously, "mainland" china will be ok, regardless of whatever modern "war", in terms of keeping a reasonable economic growth rate (but TG does have to figure first how to unwind this Chinese red Ponzi game of world #1 size, then go from there), and as a result, X dynasty >10 years, but that is the so-called "ok", likely with not much variance on either direction.
10.
大国重器 (a very good series here in this forum, very informative), 识别区, etc stuff, of course, china should do and play those stuff, but as a country, or even a person in todays world, you are supposed to be able play multitasking game.
vs china's 单色平面波 mind as a nation:
重商主义, or 重器主义, but you have to do both, and you have to do at least three, with 重智主义 as well, play three or more balls in the air, or you are likely not a first class player;
and if you don't even have that concept or model in your mind, then regardless of your age, you will be always behind the curve, very likely
of course, if you don't care, nobody would care.
家园 几个新闻链接：IBM的认知计算芯片，脑神经形态芯片，等等 因为很多出差，几个国际长途，很久没有来这里谈了。最近有很多新的有趣而重要的进展。把这些新闻链接放在这里。
首先看一个很老的视频：
这个家伙是IBM的项目经理。他就是下面说的这个认知计算芯片的项目主管。这个视频很有趣。但是那是好几年前的事情了。现在，他们搞出了这个东西：
Neurosynaptic chips Building blocks for cognitive systems外链出处
这里是中文报道：美国IBM公司在芯片上进行认知计算仿真外链出处
还有一个类似的工作的报道，不过工作是在瑞士做的：脑神经形态芯片外链出处
这些都是从目前的计算走向非冯诺曼机的步子。步子有多大？还不得而知。但是的确是比较坚实的步子。可以说，新的计算轮廓已经隐隐可以感受到了。我们这里谈到的“元学习机”，正是这个方向的。顺便说一下，我们的元学习机也有很好的进展。
还有一个很有趣的新闻：Neuroscientists plant false memories in the brain外链出处
这就是实实在在的“洗脑术”了。脑这个东西正在被逐渐揭开，从多个方面。因而其神秘性正在被消失。
家园 推荐：河里的一个文章：大脑神经网络是如何形成的 教育探索（六）—大脑神经网络是如何形成的：链接出处
很遗憾，以前没有看到这个文章。
家园 这篇比较经典
家园 新闻：脑皮层存在两个分离的信息输入流 从这个报道看，这些研究人员的解释是：一种可能性是基本感觉处理在下层进行，如目视跟踪一个网球以协调运动，这需要建立连接；而与整个皮质层或经历有关的，或涉及到学习的信息处理过程，可能要在上层进行。比如，观察对手正要把球打向哪里，并计划在哪里反击等。
而且，他们可以就单个神经元的状况测定，很有意思。
家园 新闻：首张人脑超清三维图谱问世 首张人脑超清三维图谱问世：外链出处
他们能够用这些映像数据来恢复神经元的链接图像？恐怕全部是不行的，部分倒是可能，因为神经元的尺度已经大于他们做这些映像的尺度。不过，动态的东西，就无法了。他们应该无法复原神经元链接的各种权重。是吗？我也不敢确定。如果真能够通过映像复原至少部分权重，那将是非常重大的进展。
家园 新闻：中科院认为未来10年中人脑神经连接线路图有望绘出 中科院发布科技发展新态势与面向2020年战略报告：外链出处
就我感兴趣的做一些评论。
1. 他们把“人脑神经连接线路图有望绘出”作为未来10年的最重大科技发展，眼光是对的。不过，做Darpa已经悬赏要求人脑回路很多年以后，是后知后觉了。不知道中科院在这方面的投入有多少？是什么时候开始投入的？
2. 但是，10年内做出这样的进展，恐怕还是太乐观了一些。很多最基本的东西都没有搞清楚，几乎所有的工作，都还是在外面搞盲人摸象。10年估计不行。但是也难说，什么时候出突破，谁也不知道。唯一可以肯定的是，搞的人多了，某天就突破了。
3. 相对于其他的科技发展，脑回路的进展应该更特殊一些。以后的科研组，一定会有自己的脑回路计算单元，用来帮助这个组做科技思想，不仅是计算方程，计算统计数据，做数据搜索对比等等计算任务，而是真正帮助做科技思想。这样的科研组将力量多倍增长。而没有这样的能力的科研组将没有希望。中科院的报告没有对此有任何展望，颇遗憾。
4. 但是，他们提到了紧跟的几个方向，其中有“脑认知科学重大问题研究”，还是很明智的。不过，不知道他们安排的相应的组织机构如何？
家园 顶一个“帮助做科技思想” "以后的科研组，一定会有自己的脑回路计算单元，用来帮助这个组做科技思想，不仅是计算方程，计算统计数据，做数据搜索对比等等计算任务，而是真正帮助做科技思想。这样的科研组将力量多倍增长。"
--------------------------------------------------------------
这个太可怕，对现在来说好像太遥远，这样的思想倍增器工具，也许是新领域的原子弹吧。第一个做出来的那肯定爽了，要是其他的没在窗口时间做出来，就悲剧了。
前些天刚看了一部科幻悬疑片， 《永无止境 \ Limitless》，是药物激发可能的脑潜能，另一个思路，恐怖！
家园 新闻：用GPU建立目前最大的人工神经网络 就不知道他们用这个东西做什么实验了。不会还是Google的那个猫脸实验吧。且看他们做些什么。
不过，据这个报道，他们仅用了16个GPU加速的服务器，比去年Google的那个好很多了。进步很快。
但是，另一方面，这样大的服务器，耗能很大了，恐怕其计算能力还比不过昆虫的图像处理能力。这就是说明，还有很远的路要走。
家园 相关话题，转贴并简评：关于知识类型 看链接：外链出处
这个作者主要的着眼点在中医和其他科学知识的关系的辨析。而我的兴趣点在他对于知识的分类。
科学知识和启示知识与真理或有效（valid）知识有关的日常知识大致可分两大类：
1） 来源于普通经验的科学知识：
a） 通过普通生活试错获得的一般性知识， = “前科学知识”；
b） 通过系统研究（某种思想指导下的）试错获得的“科学知识”；
c） 通过实验室设计的试错程序下的研究获得的“现代科学知识”；
2） 来源于非普通经验的启示知识：神明卓越的人类，如神农、黄帝、摩西、周文王、释迦摩尼、耶稣等以及印度、中国历史上众多的觉悟者（Self-Realized），得道成仙、佛者，见普通人所不见，告普通人所不知。这些启示知识
a） 涉及到来生，不必为现世所证实者通常被归为“宗教知识”；
b） 涉及指导世俗物质生活的日常知识（通常显得神秘而有效），我们可称之为“非宗教性启示知识”
传统中国社会（大致1911年以前）的知识体系里存在着前科学知识”，“科学知识”，“宗教知识”，“非宗教性启示知识”。其中，自然“科学知识”限于农业、手工业、以及中医等；“非宗教性启示知识”如，易学，中医，风水等。宗教问题此处暂且不论。
传统中国社会，当然，没有“现代科学知识”。
这些分类和妥当与否当然应该加以仔细讨论。但是能够这样提出问题和提出他自己的分类，是很好的。的确是原创性的思维，而不是人云亦云的把科学当成了宗教。
从脑科学的观点出发，知识，其实就是人脑中的某种基于生物化学生物物理原理的图样识别器群中的具备的一些过程。当然人脑里面的这种过程，并不仅是个人所独有，事实上是社会的产物。从这个角度看，这些种类的知识就是自然的。就目前的情况而言，最系统也最强力的一个知识系统，就是现代科学体系及其知识。但是，这并不是人脑内部的图样识别器的全部。事实上，人脑中的很多东西是遗传的，因此就不是现代科学知识，甚至不是经验知识。到很多关键时刻，这些非经验知识对人的生存的作用，甚至远大于经验知识和现代科学知识。
不过，我认为这位作者夸大了所谓的启示知识。我们不知道，是否的确存在所谓的“启示知识”，也很少有机会对此做经验性的体验，我们知道的所谓启示知识，都是基于口口相传的传说。没有经验的的东西，还是采取不知为不知的态度更好。其实对于神秘的东西的最好的办法就是非常认真的和实际的记录。这是对于经验性体验不足的唯一的补偿。遗憾的是，整个社会对传说神秘和恶斗神秘远比对神秘做认真而实际的记录更感兴趣——也包括西方社会。钱学森以前就说过这个事情，他恐怕也是无穷的遗憾而已罢了。
下面的这些说法，请大家见仁见智。不过他这句话说得非常好：任何类型的知识只要有效，就会有相应的伪知识。值得高度赞赏，并且随时用于思辨。这个世界的伪知识太多了。举例来说，相当一部分以统计为范式的研究活动产生的就是实实在在的伪知识。
中医知识包含“非宗教性启示知识”和“科学知识”。中医作为“非宗教性启示知识”得传于上古神明卓异的“超级”人类；经过数千年普通人的实践，不断在新环境下系统地试错，因而同时又具备“科学知识”的特性。
在中国和印度，民间依然保留了上古流传下来的神明（spirituality）修炼方法，以致根基良好的普通人经过修炼依然可以跃升为“超级”人类；他们依然可以不断给普通人带来启示性知识。
普通人在其生活实践中基于启示性知识，并借自身经验和理性的系统综合和检验，进而形成高度真理性和可靠性的世俗知识体系。这便是兼具启示性和科学性的世俗知识体系。这样的知识体系当今人类所留无几。就本人有限的了解，除印度阿育医学（ayurveda）外，中国传统医学，武术内功学，易学，风水学乃其中翘楚；虽经54运动和文化大革命，仍相当完整，但后继堪忧。
普通人完全经由自身系统性经验和理性研究发展出来的有效（valid）、可靠（reliable）的知识，非关“超级”人类启示，是为“科学知识”。
任何类型的知识只要有效，就会有相应的伪知识。启示性知识亦然。中世纪西方产生了大量依附耶稣思想的宗教伪启示性知识，使得教会蒙昧横行。文艺复兴及后来的启蒙运动应运而生；两者均促进了普通人类以自身理性立法，弃绝伪启示性知识；但两者同时也弃绝了真理性启示的可能。科学昌明得益于人类自身理性；但仅凭自身有限的经验和理性也必定将人类未来带入这种有限所引致的危机，如果没有真理性启示指导的话。
中医的启示性成分亦导致伪启示性中医知识横行。 后者与中世纪教会的所作所为相似，带来了对中医的不信任乃至信任危机。这种不信任其实贯穿于历史，只不过54以来得以非理性地大幅扩大。弃绝中医中的伪启示性知识是必要的，但如果不识真理性启示知识，便会珠目不分地将中医整体否定掉。
本帖一共被 1 帖 引用 (帖内工具实现)家园 新闻：霍金的公司开源了他们的脑学习程序 开放程序的首页：外链出处
是否会引起比较大的兴趣呢？看吧。可能近期影响不大，毕竟目前好像在他的那个阵营里面的人不多，学术界的和工业界都如此，尤其学术界。但是，看吧，事情的发展往往出人意料。。
家园 这个开源似乎一直有，名实不符 其中最关键的算法是不开源的，外围应用的python是开源的，这个样子有好几年了。sourceforge上早几年就有人照着paper做开源的了，近两年似乎不继续了。
那个老印离开Hawkins之后，似乎他开始有了一些不错的进展，最近那次演讲（youtube）发现会后Kurzweil那几个都在那里排着队问问题，影响还是很有一定人场的。其中就是你那个贴提到过的sparse memory的那次，但是他只抖了几个包袱。
家园 玄想8：进一步看智能 好多天前开长途车，因此有很长时间听收音机，听到一个哈佛教授在上面谈老鼠人脑心理等等，很有感悟。现在把这些感悟写下来，算是一个新的玄想。
据那个教授讲，顺便说，听起来，这是一个年龄较大的女教授，他们做了如下的一组实验。
1. 把老鼠放进一个正方形的房间，每面墙都是白色的，也没有任何外面的参考对照，就是说完全一样。然后让老鼠看见在一面墙的中间地上隐藏了一块饼干。再把老鼠在空中旋转，让老鼠完全失去方位感后，把老鼠再放入房间。可想而知，老鼠找到这个饼干的概率就是四分之一。而且他们的反复实验，就证明的确如此。
2. 让人来做相同的实验。当然了，人就不用做和老鼠一样的找饼干，而是设计原则上相同的实验。人也并不比老鼠表现更佳，因为没有更多信息，也就得到完全一样的概率，四分之一。
3. 修改一下实验，把一面墙漆成蓝色，然后做同样的实验。对人来讲，如果饼干是在蓝色的墙下，则100%准确，如果饼干在其他三面白色的墙下，则得到三分之一的概率。这没有什么奇怪的。
4. 但是，老鼠就还是只能得到四分之一的概率。那么是老鼠不能识别蓝色？不是的，如果设计其他的实验，让老鼠仅在蓝色白色中区分，老鼠可以100%准确。问题出自于，老鼠无法把蓝色的（或者白色的）和墙的中间联系起来。老鼠就还是只能按照墙的中间去找饼干。人当然可以知道蓝色的墙的中间，白色的墙的中间，因此寻找的概率就极大提高了。但是，更关键的实验来了。
5. 他们从心理学的角度看，人的这种把不同的东西联系起来的智能，是和语言功能紧密相关的。那么，他们设想，如果把人的语言功能去掉，人的表现如何？是比老鼠高明呢，还是和老鼠一样？但是，怎么把人的语言功能去掉？那位教授很风趣，说当然不能把人变傻了做实验。他们发展了一种方法使得可以暂时把人的语言功能屏蔽掉。但是，相当遗憾，在这个当口，我的车经过一段地方，收音机信号接收很差，他们具体怎么做的，就没有听清楚了。大概知道，是让实验的人，同时口头上说什么话，就可以暂时把这个人的语言功能阻塞掉。好了，我们更关心的是结果，而不是手段。那么，结果如何呢？很惊人，在这种情况下，人的表现和老鼠一样了，仅是四分之一的概率。
这是非常有教益的。
首先，智能的确和把不同的东西联系起来的能力非常紧密相关。老鼠的智力不够，无法联系两种信息。很可能，要实现这种联系，需要硬件的和软件的。但是老鼠不具备这种硬件的和软件的功能，因此智力就差了。
这就非常明确支持脑的层级结构。就是说，脑内有若干所谓的图样识别器，不同的识别器用于不同的信息，而把这些不同信息联系起来的，是更上层的图样识别器。因此说脑就是各种图样识别器集合起来的层级结构，就相当准确了。据估计，人脑内部大概有3亿个图样识别器，这些就构成了人脑的智力基础。
但是，老鼠也未必没有比感知“墙的中间”，“蓝色”等信息的识别器更高层次的识别器。从老鼠的复杂日常生活就可以观察到这一点。老鼠的确是可以做更高信息处理的。但是，为什么在上面说的实验中，老鼠的表现很差？我猜想，这是因为，联系墙的中间和蓝色的这两个信息，并不是老鼠通常所为，而是临时的一种要求。如果让老鼠玩这个足够久，特别是在生存压力之下，老鼠终究是可以完成这种联系的，甚至，如果世代足够长，是否可以形成遗传（当然我知道这个话有些不对，但是暂且说在这里），进而把这种知识写进老鼠的遗传中？不过，我这里就仅是说说了。具体的实验，还是要专业人员来做的。
因此，智力还不仅是能够联系不同的信息，还更加是能够快速和没有先决条件下的联系，特别是完全全新的联系。我想，最近的这个科学上的事件，就是很好的说明。
To take a break, Zhang visited a friend in Colorado last summer. There, on July 3, during a half-hour lull in his friend’s backyard before leaving for a concert, the solution suddenly came to him. “I immediately realized that it would work,” he said.Zhang’s idea was to use not the GPY sieve but a modified version of it, in which the sieve filters not by every number, but only by numbers that have no large prime factors.
这样看来，其实智能也就是在我们的掌握中了。这样设想，如果我们能够建立强大的机器，可以获取各种信息图样识别器送上来的各种信息，并且进行综合，然后这个机器，可以对这些信息进行联想性的，高度探索性的，具备某些主动性的联想和再组织，那么这个机器，其实就是具备智能了。
我认为，这样的机器，可能不需要太久就可以成为现实。而以后，每一个科研组，必须具备的就是这个智能机器，可以帮助人进行思考的机器。当然了，如何建立这样的机器，就需要探索先进科技局的那些要求。
顺便说一下，可能对没有经验的人来说，上面的对张益唐的思考过程的描述可能就没有什么感受。对有过类似经验的人来说，就能够体会这种感受，的确是人世间给予一个人的极高奖赏。希望更多的朋友能够获得这样的高度，这样的感受，也因此推动相应的事业。
尤里卡！