前些日子看到粉絲留言關(guān)于智能的討論，確實感到自己有些不同的理解，不妨在這里隨意的記錄一下。

前一篇文本：

https://www.bilibili.com/read/cv57143 ?

討論的觀點1：

關(guān)于人工智能和人類智能是否一致的爭論。輪子和腿的差異，鳥兒翅膀和飛機翅膀的差異等等，這些雖然有差異，但背后的物理規(guī)律是一樣的，比如鳥兒和飛機都是空氣動力學(xué)范疇，但是由于材質(zhì)不一樣（一個是碳基生命，一個是金屬），最終的飛行表現(xiàn)也不一樣，但一樣都能飛，背后的物理規(guī)律也是一樣的。生命體的智能和機器智能最終的表現(xiàn)形式是否一樣說不好，但背后制約智慧的規(guī)律應(yīng)該是一致的，

人工智能可以在到達某個能力值之后一勞永逸么？以前我也這樣想過，或許這個世界和宇宙可以被理解是因為在繁復(fù)的現(xiàn)實現(xiàn)象背后他們有一條共通的公式（大一統(tǒng)？）。如果找到這個共通的公式，所有的智能問題都只剩下計算了?？墒乾F(xiàn)在我覺得太理想化了，我的努力無法前進這么多，我的有生之年或許無法伴隨人類文明前進到如此的高度而變得現(xiàn)實了。只要我們找到一種智能的規(guī)律能解決需要解決的某一個問題那就解決一個問題，能找到解決一類問題的智能，那就解決一類問題。酸一點說，如果通用智能或者說是更基本的智能在解決某專業(yè)領(lǐng)域的問題時也需要進行一些學(xué)習(xí)或者是人工干預(yù)，從那么工作量上來講并不減少多少。再酸一點說，或許人們現(xiàn)在搞得專有領(lǐng)域的智能是走向通用智能的必經(jīng)之路呢。

關(guān)于智能的表現(xiàn)形式，我覺得跟進化方式方法有關(guān)系。人類的一顰一笑一舉一動是自然界進化得來的，但是人類的進化時間并不多。人工智能的文章中會說計算機訓(xùn)練一小時等于人類進行多長多長時間的訓(xùn)練（機器一日，人類一年）。計算機的訓(xùn)練時間通常是人類訓(xùn)練時間的幾百倍或更多才能勉強達到或超過人類智能。只能說是人工智能當前的訓(xùn)練方式或者是學(xué)習(xí)方法劣于人類。反過來說，人類的學(xué)習(xí)方法是最優(yōu)的么？不一定。也就是說有可能某種生物進化的時間不長于人類，但是在某些能力上超過人類。這在自然界應(yīng)該很常見。令人憂慮的是，不管是古代人類還是現(xiàn)代計算機的智能訓(xùn)練都是“現(xiàn)象訓(xùn)練”。這個詞是我造的，意思是你渴了喝水，但是你不知道為什么水能解渴，只是通過不斷試錯來形成經(jīng)驗。令人樂觀的是，近現(xiàn)代人類的科學(xué)發(fā)展借助于原理推導(dǎo)形成了許多智能成就。這樣子智能的進步比“現(xiàn)象訓(xùn)練”有效得多了。說到鳥的翅膀和飛機，可能是因為鳥因為其基因控制的體型就是有翅膀，他想要飛并沒有其他太多可以借助的東西，在大自然給與鳥類的資源里面只有翅膀是最好的可用道具。所以就形成了扇動翅膀飛翔。這就像你需要寫字，而你手邊正好有一把刀，你就用刀在地上刻字。但是這并不代表寫字的最佳實踐是刻刀這種方法。人類的飛行器，學(xué)習(xí)鳥類的翅膀我覺得這是早期拙劣的模仿。因為人類知道這樣子能飛起來，鳥都是這樣飛的嘛。知道這事情能不能做成對于人類來說是一個很關(guān)鍵的信息。人類用自己的資源模仿出來翅膀然后飛翔。類鳥翅膀的結(jié)果也可以算是“現(xiàn)象訓(xùn)練”的成果?？墒乾F(xiàn)在都9102年了，人類用“原理推導(dǎo)”的方法計算出出飛翔的條件，出現(xiàn)了很多形狀的飛行器，和鳥的翅膀形狀大相徑庭。比如說四旋翼無人飛行器，比如說東風(fēng)17，這些在自然界中都沒有學(xué)習(xí)和模仿的對象，是純?nèi)祟愔悄茉煳铩?/p>

討論的觀點2：

石頭剪刀布游戲。我知道他出石頭，我出布；他知道我知道他出石頭，那他出剪刀；我知道他知道我知道他出石頭，所以我出石頭；……

程序員一看這個描述就能聯(lián)想到，這是遞歸啊，繼續(xù)一想這是無限遞歸啊，比拼的是內(nèi)存啊。其實還有你要知道對方內(nèi)存是多大，對方能遞歸幾次。然而對方在未使用完內(nèi)存的時候應(yīng)當意識到你知道他的內(nèi)存大小從而推斷出調(diào)用次數(shù)，所以對方不應(yīng)當完全使用完自己的內(nèi)存。這幾句話和智能有什么關(guān)系？明顯的智能體的欺騙一定與這個有關(guān)。仔細想一下智能體的“愛”與“自私”也與這個有關(guān) 。還有一個問題，我們?nèi)祟愋枰斯ぶ悄苡衅垓_的能力么？人類需要人工智能有“愛”么？還是說僅僅需要一個能夠好好工作的“車輪子”。

我覺得能夠換位思考的能力可以加速智能的演進。不管哪一個智能體如何獲取到某一知識，只要其他智能體能夠換位思考就能很快地學(xué)習(xí)到這個知識或者技能。雖然我覺得這還是“現(xiàn)象訓(xùn)練”，但是感覺是智能體學(xué)習(xí)的很重要的組成部分。

上面是漫無邊際的暢想，現(xiàn)在我想聊一些實際的。即面對有限的或者特定的問題，利用已有的有限的資源和普遍的人類智能水平創(chuàng)造出一個智能的或者看似智能的解決方案。比如說問題是“我有點冷，我想暖和?！庇邢薜馁Y源是一床被子和一個打火機。普遍的人類智能應(yīng)該是給出“蓋被子”而不是“點燃被子”。大部分人從看到這個題目到解答出來的思考過程，應(yīng)該是“現(xiàn)象訓(xùn)練”出來的，即我有這個經(jīng)歷或者類似經(jīng)歷，我知道這樣做可以解決問題。但是這在一定程度上是不對的。（被子保溫但是不生產(chǎn)熱量，被子保溫是因為被子固定住了一部分空氣，是空氣保溫。如果題目的環(huán)境是太空中，那么“蓋被子”這個方案將來無法起效。）如果使用計算機現(xiàn)在的智能水平來分析解決這道題，大概是如果之前有類似題目可以借鑒，那么就使用之前的借鑒一下。如果之前沒有遇到過就使用隨機方案試一試看行不行，或者枚舉所有的方案看看哪個好?？傊彩恰艾F(xiàn)象訓(xùn)練”。這里面三個方法都應(yīng)該可以解決這個小問題。但是直覺告訴我們這都不是我們想要的答案。因為這些解答的方法適用面太窄了。換句話說，會控制汽車方向但是不會啟動汽車不會處理路上的突發(fā)情況就不能說會開車。

另一個小問題，人工智能落地。我們現(xiàn)在傳感器是人工智能數(shù)據(jù)的源頭。傳感器的種類和能力將直接限制人工智能的發(fā)展發(fā)揮。很好理解，如果一個人沒有好的眼睛，沒有好的耳朵，沒有好的舌頭，他該如何利用即使很靈活的大腦去理解這個世界并做出反饋呢。所以在人工智能落地的工作中，傳感器是第一步的。以我熟悉的領(lǐng)域來講，數(shù)字化園區(qū)。我們有傳感器：攝像頭、電能、流量、氣壓、空氣質(zhì)量、溫濕度等。其實不算少了，但是呢一個簡單的閉環(huán)都很難實現(xiàn)：我能控制燈的開關(guān)，但是我沒有在每個燈的位置安裝光照傳感器。智能系統(tǒng)基于某種決策開了燈，卻不清楚自己是不是確實開了燈（燈自身會有報告），或者說滿足了將那部分照亮的功能。就無法實現(xiàn)我需要照明，但是開燈操作后沒有達到預(yù)計的亮度，我可以補充把窗簾拉開。就接觸的智能項目來看，智能系統(tǒng)僅僅是一個遠程設(shè)備查看和遠程控制器的功能，很可能沒有數(shù)據(jù)存儲更別說數(shù)據(jù)分析甚至依據(jù)數(shù)據(jù)進行決策了，在遠程控制的時候有一些設(shè)備聯(lián)動就算是亮點了。我覺得缺少傳感器可能是因為成本問題，巧婦難為無米之炊，但是用戶不清楚你到底能做出什么樣的菜，他就不會花錢去買那些傳感器。即使跨過了傳感器這一關(guān)，還有如何將海量傳感器信息傳給大腦，大腦形成記憶，綜合處理信息，給出決策。人工智能落地路漫漫。