搜索
从辩证逻辑到人工智能（1）孙二林从辩证逻辑到人工智能-12/86目录目录...................................................................................................................................................2前言...................................................................................................................................................3第一章产生论...........................................................................................................................51.矛盾...................................................................................................................................62.不确定性.........................................................................................................................113.元集的不确定性原理.....................................................................................................144.数值.................................................................................................................................185.介质和力.........................................................................................................................226.夹心饼干.........................................................................................................................267.时空.................................................................................................................................318.对称性、自我.................................................................................................................359.3维螺旋、转化场..........................................................................................................3910.转化过程.....................................................................................................................4311.切向和径向.................................................................................................................4812.元集计数法.................................................................................................................5213.3维螺旋模型..............................................................................................................5514.树和网.........................................................................................................................6115.转化场的度量.............................................................................................................6616.3点3区......................................................................................................................7117.转化场模型.................................................................................................................76从辩证逻辑到人工智能-13/86前言1940年5月10日，德国向西线发动进攻，主要目标就是百年宿敌法国。从兵力上看，法国陆军更强大，德国空军占优势，双方总体来说势均力敌，很有可能陷入到像一战那样长达数年的胶着战中。但结果却让世人大跌眼镜，德国在不到6周时间内就击败了一战的战胜国和主力军法国，迫使其投降。其中原因很多，一个重要原因就是法德两国战略思想的不同。正如法国的一位参谋评价的那样：“这些为联军拟定计划的法国将军们，还长着一颗1914年的头脑，完全不能够应付这种新局势。”法国的将领们对即将进行的作战抱有一种盲目乐观，这种乐观来自于那条绵延东部边境数百公里、耗资50亿法郎修建的马奇诺防线。法国陆军总司令甘末林信心无比地说：“法国能够凭借这个筑城工事系统进行战争，一如英国之凭借英吉利海峡。”对此德国将领古德里安提出质疑：“为什么有用来构筑要塞的那么多金钱，不把它用在机动兵力的加强和近代化的工作方面去呢？”与法国人龟缩在一战式的堡垒中不同的是，德国人提出了一系列崭新的、大胆的战略思想。作战参谋们在施里芬计划的基础上不断修改，相继提出了黄色方案和曼施坦因计划。该计划的要点是绕过重兵把守的比利时中部和马奇诺防线，从法国人认为“不可穿越”的阿登山脉直插法国北部平原。古德里安也在英国人富勒的机械化战争理论的基础上，提出了更先进的闪电战理论，它强调集中使用飞机、坦克等机械化部队，快速突破防御分割包围敌人。闪电战与曼施坦因计划的精密结合，使得德军能够快速穿越阿登山脉，从纵深对法英联军形成迂回包抄。德国的胜利不是兵力和技术的胜利，而是战略思想的胜利，是严谨逻辑的胜利。法国式的溃败并不是最后一次。摩托罗拉、诺基亚、雅虎等曾经盛极一时的信息巨头们，如果说它们缺钱、缺人、缺技术，显然是不准确的。时代已经前进而它们的思路还停留在过去，这才是由盛而衰的根本原因。如今的信息产业已经迈入人工智能时代，苹果、谷歌、微软、IBM以及百度纷纷推出诸如Siri、小冰、深蓝、人工大脑等产品和技术。但这并不意味着，掌握了人工智能技术、推出了人工智能产品就一定能够占领先机立于不败之地。在各大厂商的宣传中经常能够看到“全球最大的集群，规模达到XX万台服务器”之类的可观数字，但别忘了，法国投降时在庞大坚固的堡垒底下还安安稳稳地坐着数十万法军。目前最热门的人工智能技术莫过于“深度学习”。深度学习的概念由来已久。早在1950年，图灵就在划时代的论文《计算机器与智能》中讲到：机器有可能具有人的智能，而“学习机器”可能就是实现机器智能（人工智能）的一种方法。如今的计算机、深度学习等产品和技术，其实都是图灵所论述的机器（后人称为图灵机）、学习机器等抽象概念的具体实现。如果把人工智能比作一场耗资巨大、旷日持久的战争，那么在战争开始时，有必要想清楚以下几个问题：第一，图灵所述的像人一样的人工智能（真正的人工智能）到底能不能实现？第二，如果真正的人工智能不能实现，那么能实现何种程度、何种形式的人工智能？第三，实现人工智能（既包括真正的人工智能，也包括替代方案）的路径有哪些？关于第一个问题需要说明的是：图灵只是说机器可能具有人的智能，他并没有给出明确的论证和判断，断言一定会有或一定不会有。这一问题在几十年来争论不休没有定论，但它决不是毫无意义的，因为它直接导致下面几个问题，甚至会影响到整场战争的布局。关于第二个问题需要说明的是：如果真正的人工智能压根就不能实现，或者说，如果真正的人工智能能实现但那是几百年以后的事，那么就必须考虑替代方案。在可以预见的将来，能实现何种程度、何种形式的人工智能？这个问题更有现实意义。关于第三个问题需要说明的是：条条大路通罗马，实现人工智能很可能不止一条路。即便只有一条路，也未必就是我们当下选择的这条路。因此，多罗列几个选项，多试探几种不从辩证逻辑到人工智能-14/86同的道路，这样成功的几率可能比孤注一掷地把所有宝押在一张牌上要更大一些。再说深度学习。深度学习是一系列的统计学算法，它可以解决语音识别、图像识别、自然语言处理中的统计问题，也可以解决数学、物理、化学、生物、社会科学等学科中的统计问题，但它对非统计问题就无能为力了。它可以把猫的词汇与图片关联起来，因为这就是一个统计问题。但它不能真正理解猫的含义，它甚至不能理解自我，而这是像草履虫这样的低级生物都能理解的概念。统计学是数学的一个分支，科学的大厦除了数学还有物理、化学、生物、社会科学等。只用一种学科的一个分支来研究人工智能是片面的，原因很简单：人可不是只会统计。这就引出了比上面三个问题更基础的问题：人的本质是什么？世界的本质是什么？世界为什么会产生万物，世界为什么会产生人，世界为什么会产生机器？从表面上看，世界是相通的。偏远角落的农村可以网购千里之外的商品，无生命的机器可以翻译复杂的人类语言，另一个大洲的经济危机影响了我们身边的物价和失业率。这些都是世界相通的例子。世界相通的最神奇的例子是：知识，或者说学科是相通的。在大多数学科背后，有一些最基础的学科，它能把各个学科贯通起来。这些基础学科数量很少，作用却极大。它既加深了人类对世界的理解，也限制了人类对世界的理解。比如公理集合论，它的内容很少，主要就是九到十条公理。但它却是数学的基础，而数学又是其它各学科的基础。世界不仅是相通的，实际上它就是按照同样方法制造的万物，只不过这个方法我们不完全理解，现有的科学理论还有很多局限。比如，在公理集合论里面，“包含一切的集合”是不存在的，它被剔除掉了。如果不这样，就会陷入罗素悖论：理发师给所有不自己理发的人理发，那么，理发师是否给自己理发呢？类似的悖论还有：万能的上帝能造出所有东西，那么，他能否造出一块自己搬不动的石头呢？所以，应该综合多种学科的知识来研究人工智能，特别是要从基础学科入手，要敢于突