论真正的人工智能目前绝无可能实现(ZZ)
论真正的人工智能目前绝无可能实现(ZZ) — jason @ 1:28 pm人工智能，既是一个动人的神话，又是一个可怕的梦魇。众所周知：从诺贝尔奖获得者，杰出的计算机科学、认知心理学专家西蒙开始，一批又一批的优秀计算机专家投入人工智能研究，又不断地一再失败。在这期间人工智能虽有一些令人兴奋的成功，但在智能化方面距目标还太远。为什么这么多杰出人物一再失败？不认真思索原因，只会造成杰出人物的宝贵光阴和物力不断地浪费。
本文前面已经从全新的角度讨论人类的知识，讨论人类对信息的处理，下面将主要从心理学、还有生理学以及计算机运行机制出发，论证在现有硬件条件下，真正的人工智能将绝无可能实现，并对怎样才有可能实现人工智能作出推测。
科技史上有一个与此相似的例子：多少人想发明永动机，却注定地失败了。但不断地改进、发明以提高发动机的热效率，却是能够办到的。让计算机真正拥有人的智能，目前是注定不可能办到的。让计算机更加显得智能化，设计出更好的软件以模拟人类智能，更加接近人的智能，是能够做到的。
在现有的硬件条件下，即不论采用冯?#35834;伊曼机的结构或人工神经网络，都不可能制成真正会思维，具有人工智能的计算机。不过，根据世界公认但却是错误而又混乱的思维理论，智力理论，创造性思维理论，这个梦想是有可能实现的。不可能实现的梦想已经使许多人走进了死胡同尚不自知。出发点和目标都是错误的，怎么可能达到成功的彼岸？硬件达不到必要的功能，无论怎样设计软件都只是空耗精力和时间。
人脑远胜于计算机的地方，就是具有凝聚性思维，能从知识中抽取出性质不同，更高层次的核心知识，能从各个层次、多方面地在总体上把握信息，从而在解决问题时，大大减少了对每一种可能组合的解决问题方案的探索，甚至于在很多情况下，根本无须探索各种可能的组合，就直接想出办法，找到解答。这样，就绕开了组合爆炸的障碍。
凝聚性思维使信息的性质产生了改变。低层次的知识和高层次的知识都是由符号来表达，但它的本身作为一个整体其意义并不是符号。在整体上，高层次知识的意义作为一个整体已与作为一个整体的低层次知识的意义有了质的差别。
计算机只有具备了凝聚性思维，或成功地模拟了凝聚性思维，才能算真正具有了智能。计算机就必须能对知识进行抽取，使输入信息经处理后产生性质不同，更高一个层次的知识。计算机虽能进行调整，进行有限的自组织，但由于不具备凝聚性思维，不可能真正具有智能。由此，决定了大的方面如计算机不能进行学习，思维、创造等，小的方面如计算机的翻译笨拙，人工智能的发展一再受挫等等。
目前，一切计算机的工作都可以归结为?#35745;算?#65292;人工智能中几乎所有的重大问题，如常识问题，机器翻译，专家系统的困难问题等等，都可以归结为一个问题：人类运用凝聚性思维对信息进行抽取这样一种处理机制，计算机能否用计算来进行模拟？而对此类问题的回答只能是：真正的模拟是不可能的。从心理学的角度来说，人类解决这些问题都是运用了凝聚━━扩散性思维，这些问题对人类而言都是等价的，详细证明还请参阅本人的《论科学创造》、《智能论》。 用计算来模拟人类运用凝聚性思维的信息处理过程，虽然可以使用各种算法、方法来模拟，但随着所处理的信息的类型、数量的增多。各种信息的可能的有意义的组合将使这种模拟立即会面对组合爆炸这一不可能解决的障碍。软件设计再好，仅能消除毫无意义的组合，而对有意义的各种组合的组合爆炸则毫无办法，无论怎样设计软件，算法都无济于事。
例如：现提出一个典型问题：给出任意的一篇3000字左右的文章，要求计算机用六十至一百字概括其中的中心思想，即写出文摘。
人类若要解决这个问题，首先必须运用思维能力以及知识进行理解，而后运用凝聚性思维得到中心概要，在这个过程中，还能够在一定的程度上意识到文章的各个部分。对人类而言，处理结果是否正确，标准是简单明确的，只需讲出主要的中心思想即可。
但计算机运用非确定算法来进行非完备的模拟，第一级的猜想级，虽然会遇到组合爆炸，但若没有第二级检验级会遇上的无法解决的障碍，则从J.J.霍普菲尔德(J.J.Hopfield)的杰出成就来看，问题解决已成功在望。可是解决此类问题，对人类而言很简洁明白的检验标准，对计算机而言，就等于是毫无意义的标准。由于人类信息的庞大复杂，随着所处理信息的类型数量的增多，在检验级阶段若对各种有意义的具体情况都定下标准，各种有意义的信息组合将使检验标准数量立即会出现指数增长。因此，用计算机处理广泛的知识以自动得到文摘，这是不可能成功的。
但是，若限定狭窄的专业知识，处理特定的格式的论文，这种处理有可能成功。
又如常识问题：人类是运用凝聚性思维来处理常识的，对人而言很简单，常识的知识牵涉面很广。专家的知识则专业化，人类专家在运用凝聚性思维对知识进行处理后，大部分的工作则就是推理，对人类而言很麻烦，但对计算机，情况就颠倒过来了，常识问题是一个不可能全面解决的问题。最多做到部分解决，并且，这个部分解决也还必定是不完全的解决。
综上所述，可以确定：通过人工神经网络计算机来实现人工智能，它的不可能达到的最高极限是：人类所具有的、从低层次的大量知识中抽取出不同性质的更高层次的知识，是不可能办到的。
但是，人工神经网络计算机通过调整、自组织等方法使大量信息经过处理，最终产生性质相同、相对最优的解是可以做到的。
对于机器能否思维以及计算机能否真正模拟成功人类智能这两个问题，回答只能是：目前绝无可能，因为目前的计算机根本不可能模拟人类的凝聚性思维。计算机的模拟人类解决问题，只能模拟其中的某些部分，并且对这些部分的模拟，在本质上也与人类的思维的过程是大不相同的。
人类进行凝聚性的生理机制是什么？是什么结构起关键作用？对此我只有初步的不成熟的猜想，但由于这个问题极为重要，我还是把它写出，寄希望于抛砖引玉。
人的大脑的局部回路神经元(local circuit neuron)和局部神经元回路(local neuronal circuit)应当是进行凝聚性思维的关键结构，它可以进行等级性的突触传递。各种信息进入大脑是通过神经冲动的传入而实现的，但在大脑，许多的局部神经元回路，将它转变成了等级性的突触传递，从而实现了信息的抽取。从进化来看，动物越高等，局部回路神经元数量就越多，它们的突起就越发达。
将来，计算机的硬件若能成功地模拟等级性的突触传递，就有可能制造成功具有压缩，抽取信息功能的计算机，那样，计算机才有可能会具备人的思维能力和智能。 the source from:
http://www.086net.com/Blogger/index_detail.php?p=339&more=1&c=1 地球人都知道的吧。
页:
[1]