梅根

首先要说的是，我并不完全认同梅根的底层算法设定，但不影响这部电影的优秀，我看的时候，精精有味。

其次，身为科幻迷，质量过得去的科幻影片本来就少了，所以也不苛求它的设定有多么“硬科幻”。

总而言之，我个人的评价，《梅根》是一部很不错的科幻电影。

接下来我要说的一些信息和看法，可能会很枯燥，毕竟跟具体的研究相关（AGI算法研究）。

AGI 的全称是 Artificial General Intelligence , 中文直译: 通用人工智能，可能你听不懂这个词，我换两个更通俗的词: 类脑智能 或 强人工智能（虽然这两个词并不很贴切）。

研究和尝试实现能比肩人类的人工智能，这事情，很难，不过因为很有挑战性，且属于人类最后的发明，潜在获利极其巨大，所以有很多人都在研究，且分很多派别。

大概至少有 5 个以上较大的学派，百家争鸣，延绵了大半个世纪，篇幅所限，我估计没那么多时间全都介绍，所以干脆一刀切，分两半，以一根标尺，切出两个大的派别，方便介绍:

第一派，通用派，这派势单力薄，因为算法过于通用，很难调试，不容易出效果，且学习内容比较艰深难懂（涉及脑科学、哲学、儿童发展心理学、逻辑推理 等等领域的融合，因为是通用派，所以强调融合，不提倡写 n 个算法，而是提倡融合各种公式，最终形成一套包打天下的公式和算法），目前只有少量的相关项目，比如 OpenNARS 这个研究项目，思科投资了这个研究项目 ，没错，就是那个被华为比下去的那个思科，可惜华为并没有参与这一派的 AGI 项目， 华为现在忙着别的事情， 另外， NASA 也投资了 OpenNARS ，没错，就是那个被我们中国航天慢慢比下去的美国航空航天局。我想说的是，一个对手不管再怎么衰落，也不要小看它，因为你不知道它在投资什么，又将以什么方式翻身并再次超越你。

第二派，专用派，或者叫大数据统计派，这一派占据主流（基本上90%以上的研究者都属于这一派）。大家耳熟能详的 Alpha Go、GPT3、CHAT GPT，或者其它的深度学习框架、强化学习框架，都属于这一派，为什么这一派人数众多？ 因为容易出效果，蛋白质折叠预测、对话吹水、用关键词画画，都是效果杠杠的，但因为公式算法过于专用，所以基本上都只专注于某个较为狭窄的应用领域，要么识图、要么画图、要么只专注于对话，很难看到有一边跟你深入沟通一边协助你绘画的应用，因为算法不够通用，各个模块很难协调统一，如果硬要多个模块混合在一起训练，那么所需算力就是天文数字，就连谷歌微软这种级别的公司都在暗暗叫苦，毕竟很烧钱，最后烧出来的作品，可以称之为伟大的工具，但距离人的思维的灵活和通用，还差得比较远。

总之，强人工智能分两派，通用算法、专用算法。

说了这么多，跟这部电影有什么关系？

《梅根》电影中，最后弹钢琴的片段中提到的 “最优化目标函数” ，就涉及了强化学习，最优化目标函数，是这一学派中的关键术语，而强化学习就是一种专用算法。

至于具体为什么我不太认同梅根系统底层所使用的强化学习算法，我只能简单说说:

因为这种算法主要依赖暴力算法，消耗的算力太过巨大，如果把这种耗能的专用算法换成通用算法，那么梅根也不至于被一个单一的最优化目标牵着鼻子走。

但话又说回来，换成通用算法也并不是坦途，因为相关的学习和调试都很难。

两个学派都有其缺点，需要天降新世代的诺奖级别的大脑，才能将两派进行融合。

虽然难，但理论上，跟核聚变发电一样，已经不是科幻，对于具体的研究者来说，AGI 通用人工智能，已经在路上。

对算法感兴趣的科幻迷，可以搜我的网名，看我的推荐链接，里面有论文和开源源码。

至于梅根的智能算法和剧情走向的关系，本来还可以多说一些，可惜这些都不是三言两语能聊透的，不管是算法或编剧或剪辑，都太过庞杂，只能找机会再聊。