ZT

kiyouss-
这两天，一直有人工智能的讨论。
引发我写这个东西的原因是：今天在写搜路算法的时候出了很搞的一件事情。事情是这样的：
  在我忙活了一天半终于搞成我的第一个a*算法后，就迫不及待的找张迷宫测试一下，结果让我郁闷了半天，这家伙傻乎乎的去绕大圈了。这说明什么？？我需要下一个半天来除错？？？多么痛苦啊，我坐在那儿发了会呆，终于开始准备动手修改，然后我作了一个了不起的决定。用图形显示一下。令人惊诧的是：用数字堆的地图里确实有捷径，地图不是很规范，电脑利用规则在某个地点跳跃了。....我无语，然后乐得不行了。
  这算什么，我被自己造的东西打败了。

   联想到人工智能以及最近各种大片的讨论，其实电脑将会比人脑优秀，这是很容易证明的。就算电脑是人造出来的，很快也将超越人脑，我想每一个稍微做过一点人工智能的都一定会深信不疑。

  经常的可以听到电脑在模糊问题上的处理远远不及人的说法。就从这里开始说起。
  一个需要模糊处理的问题，大概就是迷宫，一个很简单的迷宫，人只要看一眼就知道那边近，而电脑呢，需要笨拙的计算。事实并非如此，人眼看到的东西往往并不是注意到的东西，只有集中注意力，才能做出有效判断。而当你集中注意力，作出判断所需时间恐怕只比计算机只多不少。你也可以模拟一下自己是如何寻路和分辨物体的。你会发现，当你集中注意力时你也实在慢慢搜索处理，这点跟计算机是没法比的。
  而所谓模糊处理，主要表现为大量信息闲置，集中处理焦点问题。而这正是大脑这种不够快的生物计算机处理问题的唯一办法。
  归根结底，人脑和计算机一样都依靠某种算法。这就是计算机将比人脑优越的根据。算法可以改进，但处理速度呢？人脑也能那样飞速提升么。

  接下来一个问题是，AI是否会统治世界。
  既然AI这么强大，那么人类的希望就是限制他。在阿西莫夫的《钢窟》里最先提出了3定律。现在更是被捧为金科玉律。然而呢？我是不相信这
3定律真的有效，我不是说否定它。而是情况远比3定律来的复杂。我已经示范一个了，AI利用你所指定的法则，做出了出乎意料的事。bug和各种其他的不确定因素将使得控制AI变成了非常难得一件事。这种危险是永远存在的，而且会越来越严重。

恩，我们只好更依赖那些质量检查人员了，也许未来他们才是那最高报酬的人，谁知道呢。

EasySL-
人脑想问题 是在瞬间可以决定用哪种方法来解决问题

而不在于具体摸个方法的解决能力，方法存储化，检索方法最快。
人可以用最优化的方法把自己记住的方法和变种方法在瞬时间里拣选出来
并进行了这个方法的初步计算。并评估这种方法是否可行，如果不行，可能还没有计算就把他排除了

方法是变态的，动态的，不定的，有适应能力的。

主要不同就是人能把方法模板化，而计算机不能，或说是形成人脑一样的
模板，那么可能这个模板就是从你出生开始，所有方法都联系在一起。
一个无限的，不定形的模板。 你能把这个解决问题的方法动态化写出来吗？

A* 并不是寻路的一切

如果你已知没有阻挡，那么直线最快找到。
如果你已知前面有一个阻挡，那么到那个阻挡点往左或往右错一步最快
如果你已知前面全市阻挡，你立刻决定飞过去最快。
如果你已知前面有一个凹形阻挡，那么你要过去，不进凹形去最快。
如果我走过那条能到达目地点的路，按记忆中的路线最快。
如果我对前方的路一无所知，我相信计算机的A*寻路最快。

我自己感受到的AI是这样解决问题的。
一大堆的方法会多维立体启动，这些哪一样最快找到了路，就用哪条。

kiyouss-
我不认为人脑可以在瞬间做任何事，相反，人脑在瞬间什么也做不了。只有集中注意力才可以完成某个任务。
至于条件反射，那根本没用大脑，也正是因为太慢了，所以为了保护自身而作出应激反射。

走地图，一看到什么障碍也没有，那么走直线最近。这仅仅是得出一个结论，而不是找到一条最近连通的路。当你找路去画出路线的时候，你才集中了焦点开始解决问题。机器的算法在于找路，如果让它也只是下个结论，也根本不费时间。

我的确漏写了一个方面，也就是上面两位提到的类似自我学习和跳跃性思维这个方面。所谓计算机和人脑的差距应该是在这里吧。比方说灵感，怎么也搞不明白，突然间想通了，这是多么奇诡的事啊。

不可否认，人类的思维极大程度是建立在语言的基础上，语言是什么？语言就是事物的抽象。
思维就是模式和算法。要在最后一个关节赶上人类，模式的研究和确立是关键。这种模式的的不同甚至是硬件的问题。

最后一个例子，我们常说，这人聪明，脑子快。这说明什么？大脑看起来相似，但其内部却每个人不同，你擅长什么，我擅长什么，什么叫小脑发达。这都是由外而内的证明。

tarkey-
楼主还是对人工智能这方面的研究有点了解再来谈吧，要你随便说说就能解决人工智能领域这么多年都解决不了的问题，那前人前辈们也太衰了吧。

先从生物心理学的角度来反驳你的论点。

你谈到的只是人眼的注意力，人眼的注意力是刺激程度的限制的，也就是说，不同的颜色，不同的材质，不同的规模给人眼神经的刺激频率是不同的。为什么你站在大海前会有种心胸广阔的感觉？在心理学里面的解释是，因为大海太过宽广了，给人眼神经的刺激频率造成的这种心理感觉。

而实际上，人类的神经远远不止视觉神经这一个部分，而是有无数的神经元组织成的一个机体，各种神经元之间还会相互冲突和协作。这也是目前人工智能领域的两大分支的一种。

说到人工智能领域的两大分之，一部分就是主张生物技术，从对人脑的研究中，企图用计算机来模拟各个神经元的功能，和各个神经元之间的关系。这个分支近几年来进步缓慢，几乎没什么突破性的研究。

而另一大分支则是主张从研究人类自身的行为和环境之间的作用，也就是从人类学，社会学，非生物心理学等方面来总结人类目前为止的一些行为的构成，抽象成一些数学模型，并应用到计算机里面。到目前为止，这一分支的成就比较大，包括自动聊天的机器人之类的。而这一方面的研究跟人类学，社会学的研究成果直接相关。

A*寻路算法严格意义上就不属于人工智能的范畴，只是几种基本搜索算法中的一种：启发式搜索。同类型的搜索法还包括动态规划，贪心法等等。

kiyouss-
看到大海感到心旷神怡不只是因为你的所见吧，比方说高密度的负离子简直就是兴奋剂。嗅觉，听觉等等的感官刺激。
不过感到心旷神怡跟人工智能有什么关系？？
我不觉得要台机器来感到心旷神怡有什么意义。也许，他觉得水很危险，要避而远之才比较正常。

生物神经元模仿是我说的处理模式范围。但也不仅仅只限着一种。
对语言的处理我认为是比较重要的，所谓的词法分析。人类的思维是架构在语言上的，人工智能也不例外。

a*是个算法，但就此认为严格的将不能算人工智能我是不甚赞同的。如果真要那么严格，恐怕只有人才能叫人工智能了。

不管怎样，我又翻阅了一下人工智能的书，不过，这书即没比以前变薄，也没变厚，还是老样子，很自然的，在书的结尾，还是那句话：

“对于有志于从事人工智能事业的读者，我的建议是当面对现存AI系统的低下能力与动物和人类智能的异常复杂能力的巨大差距时，我们应该折衷的，富有想象力的，谦逊的对待。但是我们的谦逊没有必要也不应该削弱我们的目标和胆识。”

tarkey-
感到心旷神怡是一种很复杂的东西。视觉是一方面，其他感观的原因当然也有。人除了智商之外，还有种东西叫情商，情商影响着人的决策。

语言就是最好的例子，要表达同样的意思，A和B的语言方式可能不一样，导致的原因就是因为情商的区别，而由于有情商的存在，作为听众的C和D即使在听到同一个人说话，所从中理解到的东西也不一样。就是这一切，造就了人类的diversity，存在于现实生活中的而不是信号和数字。

计算机可以用来解决人类发现的问题，也可以发现和解决人类发现不了的问题，但是就目前的研究技术来看，在近100年内，绝对不可能站在人类的角度来思考问题。