在宏观时空过程中、大样本个体的不同映射（不同的神经网络链接权重参数集），对相同感知模态，生成不同行动模式，导致不同的后果，经过宏观的“选择+淘汰”的博弈机制，沉淀出相对最优化的“感知-->映射-->行动”的映射集，这个最优化的映射集表象为“最聪明”的形式即“智能”。

谢谢分享

谢谢分享

AI可以作为助手，辅助代码、参与部分讨论能起到启发作用

谢谢分享

自举形式的人类学比较：单个智能体相当于个体的人，智能体系统相当于人类社会，个体人在社会系统中接受教育塑造自身认知，相当于人类社会智能体系统的自举，人类智能的自己塑造自己。不同功能类型的智能体相当于人类社会中不同天才、专家，人类天才个体认知的扩散，带来社会群体智能的整体进步，类似的，单智能体对数据的智能处理结果，也会在智能体系统中扩散引发智能体系统的整体智能进步，智能体系统通过自举又循环驱动单智能体的智能进化，此为Ai智能体系统相似于人类迭代进化的自举循环形式。

现在我们开发Ai是用编程语言开发的，以后一种可能是，Ai模型或智能体被算子化，在将来的硬件能力上，一个Ai模型的能力实现对硬件支持来说相当于现在运行一个常规函数，并且算子化的Ai智能体已经有丰富的功能类型生态，那时的开发直接是用算子化的智能体进行组合（编程），形成高一层级的Ai智能体

自举的哲学意义​​：如同“用自己的大脑思考大脑如何工作，大脑自己优化设计自身”，是计算机科学中对​​自指（Self-reference）​​ 的终极实践。

梳理各编程语言的发展过程，所有的编程语言都遵循自举模式演化成现在分丰富生态，从最初的汇编语言作为种子，先汇编实现A/B语言，A/B语言实现C语言，然后C语言自举自身演化的更加丰富强大，然后用C实现C++、python....，然后这些语言也进入自己实现自己，java、js除了初始版，后面也都大量以自举形式进行版本演化。当这个技术栈自身具有编程特性时，就必然会发展出自举特性。而Ai模型和智能体已经具有编程特性，不是纯粹的数据处理系统，那么Ai技术必然会发展出自举特性，比传统的编程语言技术在更高层级的自举形式。从这点看，Ai的发展比必然是以指数加速的，瓶颈只在硬件能力上。

大佬分享很多高质量的内容，很棒！非常感谢！