婴儿时期
按照李飞飞的说法，如果类比物理学的发展，人工智能现在还处于前伽利略的时代，甚至可能更早。换句话说，人工智能目前还在自己的婴儿时期。
物理学类比
物理学如果从伽利略时期算起（1564年）都发展400多年了，正儿八经的人工智能研究才几十年，对它了解不深入也是正常的。再加上人工智能或者说智能研究本身起步的门槛就不低。想想物理学吧，早期物理学家通过观察天体等物体的运动就能做出一些假设，并且通过试验还能积累数据，通过分析数据就能提出普适的数学理论。还好我们的宇宙在那个时期比较“友好”，用个二次函数就能把数据拟合得很好了。不像现在的物理学，动不动就是非线性偏微分方程，还是向量形式的，公式写出来一行都写不下，能吓死个人。不信你就看看讨论引力场方程的论文，估计你看了想死的心都有。
等到牛顿这个神仙总结出运动三定律之后，物理学简直登峰造极了，把当时的人类美的不行不行的，以至于有人说物理没什么好研究的了，大家都散了吧。牛顿力学是个相当完美的理论体系。不信你试试找个不符合牛顿力学的现象，在远低于光速的宏观世界这几乎不可能。也就是说牛顿力学能解释当时人们知道的几乎一切物体运动。反过来看人工智能，在人工智能中你见过像牛顿力学这么完美的理论体系吗？他们看起来就是松松垮垮的一坨，连个像样的公理都没有。在笔者学习人工智能的时候就发现，怎么人工智能理论东一榔头西一棒子，看着没什么太大关系。
更搞笑的是，连“智能”的定义学界都没有达成共识，你要是问不同的学者，他们的答案可能都不一样。当然，没有严格清晰的定义也没关系，我们看另一个发展的比较正规的学科——信息论。香侬在它的名著《A mathematical theory of communication》里一上来就跟读者说明了：我们不关心信息的意义是什么，或者说我们只研究信息的数学形式，不管它的本质。香侬这样做也是明智的，如果搞清信息的本质是什么，那显然是很困难的。
Frequently the messages have meaning; that is they refer to or are correlated according to some system with certain physical or conceptual entities. These semantic aspects of communication are irrelevant to the engineering problem.
——香侬
面对这样的现实，有人的说：“就算我们不知道智能的本质，但是并不妨碍我们实现智能机器，因为莱特兄弟在造飞机的时候不是也不懂空气动力学吗？他们不是照样造出飞机来了吗？” 针对这样的观点，笔者想反驳的是，人工智能不可以这样类比。因为造飞机是一个工程问题，我们可以在不了解原理的情况下试出来或者说猜出来。但是人工智能是纯粹的工程问题吗？显然不是。如果你没有理论指导很难前进多远，如果你想通过试的方法那你会面对极大的搜索空间，找到解的希望渺茫，几乎不可能。
还有人说，即使我们不理解智能的本质，那我们不是照样造出下象棋的深蓝和下围棋的AlphaGo了吗？确实是，但是如果你研究一下这些下棋程序的原理就会发现，它们本质上就是一个状态搜索程序，能跟智能沾边的也就是指导向哪个方向搜索的评价函数的设计过程了。
现在以深度学习为代表的人工智能可以看成是一大堆的矩阵计算加上少量的非线性变换函数组成。这里面的矩阵计算量非常大，这就是为什么现在运行和训练神经网络程序都要靠擅长矩阵计算的显卡。与庞大的矩阵计算相比，非线性实在有点少的可怜。可是，稍微观察一下人脑和人类社会就会发现，它们都是有极强非线性的系统。所以，我们的神经网络模型是不是有点太“线性”了，应该加料，加入更多的非线性计算环节。
大脑的本质
在这个世界上，人类唯一知道有智能的东西就是自己的大脑。但是想研究大脑太困难了，因为它实在太复杂了，不仅神经多而且连接关系错综复杂。有人可能会说：“如果研究超级计算机太困难，我们为什么不先把计算器搞清楚呢，毕竟它们有很多相似的地方啊？” 那么在生物智能领域有没有对应的“计算器”呢？如果勉强说有的话，秀丽隐杆线虫算一个，这种小虫子拥有一个300个神经元的大脑，几乎是人类大脑神经元数量的一亿分之一了。那么我们对它的大脑研究清楚了吗？嘿嘿，还差的远呢。我们现在刚刚把它大脑的“线路图”画出来了，然后也统计出来一些规律。但是还不能说彻底理解，因为它是一个非线性的系统。只要一看到非线性，科学家的头都大了。不要说300个变量，就是只有3个变量的Lorenz方程要理解都很费劲。而且这样的系统还可能存在混沌，总之这些稀奇古怪的东西人类接触的时间很短，完全不知道是怎么回事。所以，我们的确刚刚踏入理解智能这个万里长征的第一步。当然，好事就是，人工智能里的牛顿和爱因斯坦还没有出现呢？努努力，没准你就是下一个小牛、小爱。
标签：大脑,智能,人工智能,非线性,牛顿,现代,思索,我们 来源： https://blog.csdn.net/robinvista/article/details/120927322
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。