第一，可以進行一定的機械證明，我國數學家吳文俊對此有專門貢獻。

第二，AI若能建立規則，認知，繁殖或永生，則基本等同人類。

計算機的功能是人類現有記憶的大數量級倍數，計算功能速度是人類計算功能的大數量級倍數，但最多隻能與現有最高知慧和知識能力相同。總之就是人類記憶和運算能力的加速器，它不能擴充套件智慧和知識。

人工智慧目前為止進行大資料演算法和深度學習，深度學習最著名的應該就是谷歌旗下團隊研發的AlphaGo,在圍棋比賽中大戰李世石和柯潔了，那麼為什麼AlphaGo能贏？原因就是它能不斷的對目前所有的棋子進行計算，透過大資料和深度學習方法來識別你後面所走的棋。這就好像我和你下棋，你每走的一步棋，我都知道你下面幾步要走哪步。

那麼為什麼哥德巴赫猜想目前人工智慧不能證明呢？因為人類的思維能方式不一樣，人的思維方式可以分為常規和不常規，常規的就是你按照現有的或者別人已經制定好的思路去思考，這點目前人工智慧可以達到這一點，非常規的說白了就是創新，以前別人從來都沒有想過和嘗試過的新方法，思考方向不確定。而人工智慧呢？它思考就是透過刷選，透過層層刷選來得到最優答案！比如我們猜謎語，那麼通常都會給一個大概方向，如果猜不出來，再把提示範圍縮小一點。那麼人工智慧也是，根據問題選擇方向，然後透過深度學習和大資料演算法來層層刷選，最後得出結論。而證明哥德巴赫猜想有幾個方向不確定，所以人工智慧也無法證明？我們就叫非常規思維，它需要創新性思維，這種思維比較抽象，無法使他具體化，如果你能將它具體化，那麼也就不用人工智慧了，你自己就可以了。

以上個人觀點，不喜勿噴！

弄上幾百個外理器，配上所謂的深度學習軟體，人工智慧可在圍棋，打牛，算圓周率等已知世界橫衝直撞，那是因為現在所說的人工智慧，只是人的行為能力的擴充套件和延伸。對於數學猜想來說，它對於人類，人工智慧都是未知世界，所以硬，軟體不吃，硬體位階不夠，軟體無法描述未知世界。

中國的小學、中學和大學教育就好比人工智慧下圍棋，純粹機械化的大資料樣本灌輸學習為基礎，西方小學、中學和大學教育就好比發明的人工智慧，以訓練各種歸納以及各種啟發式的邏輯演算法思維為基礎，培養方式的不同導致差異化，這就是為什麼每年大量中國留學生去接受西方教育學習的深層次原因，學習的知識就是別人各種先進的科技理念，也是西方花費大量實踐總結出的科技成果，中國教育不是不好，而且要善於取長補短，完善教育體制才能超越，如果培養方式不改變，永遠只會跟在別人後面！

上帝是萬能的！那上帝能造一個自己都舉不起的石頭嗎？

程式是萬能的！能寫一段程式判斷它停止時陷入死迴圈嗎？

沒有萬能的東西，計算機也是如此。計算機證明數學定理，主要提供反證，透過窮舉法找到反例。演算法設計合理，可以證明一些數學定理，四色問題。

人工智慧本質還是計算，一種最佳化設計的程式。圍棋啥的，都沒從根本上解決問題，是否存在只此一手的演算法，現在是最佳化選擇方式，完全解決問題還差的很遠，可能根本就是無解。其他的智慧研究都是最佳化演算法，窮舉法中設定選擇停止程式。過去人們一直相信圍棋短時期無法破解，是基於窮舉法無法停止，智慧程式則是加入了程式停止演算法，達到預訂目標停止程式。所有智慧都是如此，求最佳化解不是唯一解，數學定理證明是求唯一解不是最佳化解。

（火車往前走，撞死在鐵軌上的幾個小朋友，轉換軌道，撞死一個小朋友，停車被後面的火車撞，機器人操作，加入機器人幾條約束定理，讓機器人選擇唯一結果？）

至於圓周率計算，這個很簡單，學過微積分的都能手工計算結果，與計算機演算法無關。

人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。這個高大上的名詞，是當下最火熱的一個研究領域。各大科技公司都在人工智慧領域投入了巨大的人力物力。彷彿稍微懈怠一下就會失去公司未來一樣。

AI技術是用先進的演算法來實現本來應該由人工實現的動作，比如無人行駛，智慧語音，機器視覺，人臉識別等等。人工智慧(AI)最著名的應用就是2016年，DeepMind的AlphaGo大戰人類頂尖棋手李世乭，並以4:1的巨大分差幾乎橫掃了李世乭。到現在我都記得當時看直播的時候激動的心情，也就是在那一年，人工智慧徹底流傳開來。

雖然現在人工智慧顯得很智慧，已經給我們的生活帶來了巨大的改善，但是歸根到底，人工智慧並不是我們理解的智慧。首先AI沒有自己的思想，不會對眼下的狀態分析給出創造性想法。只不過是我們人類賦予了他們高階演算法，他們可以很好地理解並且執行這些演算法，執行到最後給我們的感覺就是，AI已經表現得相當聰明瞭。然而這卻遠遠不夠，這僅僅是一個開始。在我看來，人工智慧的最終結局就差不多是終結者系列裡的紅皇后一般，有思維，有邏輯判斷，甚至還會有個人情感，除了硬體不是肉體之外，其餘跟正常人類無異。這還要有太多太多發展的時間了。

這麼一說，那麼為什麼現在的人工不能破解一些著名的數學難題就比較好理解了。真正的數學難題被困擾了很久很久，很少是因為我們只是在眼下的理論中沒有找到方法來解決，基本上都是缺少一種直接有效的數學工具，也就是說你要創造出一種全新的數學工具才有可能解決最後難題。

目前數學界已經達成共識了，無論你用什麼精巧的篩法都已經不可能哥德巴赫猜想的1+1了，篩法到了陳景潤這裡就停止了。要不然，五六十年來，數學界蓬勃發展的年代，不可能在這個問題上沒有絲毫進展。大家都期待著新方法新思維的出現。

有創造性思維和想法，這一點對於頂尖的人類科學家都非常困難，更別說是對於當今還處在幼年時期的人工智慧了。我們不排除以後人工智慧空前強大，強大到理性與創造性思維並存。那個時候，機器才有可能從另外一個方向上給出方法來直接解決這個難題。

也許，那個時代才是人類最幸運的巔峰。

ai只能下圍棋玩遊戲等等都是在遊戲規則內計算最優方案然後執行。規則是人工設定的。發明規則的也是人類。畢竟ai沒有創造力。

首先ai沒有靈魂，沒有感情，沒有愛好，沒有執著。

其次ai沒有主觀能動性，沒有創造力。

所以呢，ai呢也不能主觀解決其他問題的能力就提現不出來。

下圍棋只是演算法更快更準確。這個是計算機的長處，天馬行空的想象是人類的長處。如果ai有了思想，有感情，有創造力，有了自我複製的能力。那人類在以後的發展中與動物園動物就沒什麼區別了。

人工智慧分為初級智慧和高階智慧。初級智慧是指類似於人的本能的智慧，或者稱之為經驗智慧。這一部分透過深度學習資料驅動的方法取得了很好的效果。但是高階智慧是指基於符號操作的推理能力，機器和人相比差之甚遠。

初級智慧就是哲學上說的，人的正確思想來自哪裡？來自社會實踐。

高階智慧就類似於“秀才不出門，能知天下事”。當年歐基裡徳從五個公理假設開始，推演出13卷幾何原本，構建了完整的歐式幾何的知識體系，這就是基於符號操作的高階智慧。

關於智慧，常說“簡單的問題都是難解的，複雜的問題都是易解的”。就是說與技能和經驗有關的智慧需要大量計算，但是容易做到；與符號操作的基本問題不需要複雜的計算，需要的是計算量不大的智慧處理，但非常難。

所謂人工智慧終究是人透過各種數學計算方式和邏輯去編寫的程式，是按照人指定的意志去運算。證明數學猜想首先得有證明數學猜想的證明方法，而這個就是現在所謂的人工智慧和真正意義上的有思維的人工智慧的差別。現在的準確的說只能是叫大資料，機器學習。

那是做的還不夠智慧！大腦也是計算機！總有一天會實現，人類科技的發展巔峰，就是自己創造出將人類自身淘汰的科技產品！理論上是必然結果……誰說所謂的外星人就不能是機械智慧載體呢？只有智慧的“機器人”才更加符合我們所瞭解的“外星人”從恆星汲取能源、用觀察的角度看待人類、匪夷所思的科技能力、永恆的延續能力、穿越星際......機器人都能輕易做到......它們只需要在宇宙中收集資源、能量、它們可以輕易的做到永恆存在、所以時間對它們來說沒什麼意義、渺小的人類在它們眼裡不值一提！而擁有智慧的人類將有能力創造出類似的科技產物……只要時間足夠，永存的科技“機器人”將必然出現！

原先沒想過這個，但想想，既然阿發狗元能完全撇開人類的所有對局獨立的根據最簡單的圍棋規則推斷出最高勝率的招法，也許未來也不是不可能給AI最基本的數學公理它就能推理出所有數學定理，但起碼以深度學習網路只有輸出無人類可理解的過程的特性，它也只是告訴你哥德巴赫猜想是正確的或錯誤的，無法讓你知道推理的過程啊。

自從阿爾法狗完勝柯潔後，我以為ai淘汰人類只是時間問題，直到我看到了一個遊戲ai的實現思路，才明白所謂的ai真面目，如果ai僅僅是這樣，那永遠不可能淘汰人類。

這個ai就是快速通關超級瑪麗奧，大家可以看下ai怎麼玩遊戲的。

全程基本無停頓，是不是恐怖如斯。一些積年骨灰玩家是不是挫敗感很強烈，能深刻體會到柯潔的心情了吧，哈哈。

表演家：一步一步試錯

所以，用上述這種思路也可以用在圍棋，只是阿爾法狗演算法更復雜，但本質還是在窮舉，只是透過演算法和硬體效能窮舉的效率不一樣而已。

想明白之後，我一下就不慌了，泡麵湯喝起來都更甜了！

-----------------

2019-11-12編輯

抱歉各位，我也沒想到之前瞎寫也能有這麼多關注，其實上面寫的東西邏輯很有問題，下面和網友的爭論，才讓我想通人和現代人工智慧的本質區別：

1，人沒有完全固定的目標，是隨自身需求不停的在變化，而目前的人工智慧，哪怕表現再優異也僅僅只是為了完成，人類最初設定目標的工具。

2，生物和機械存在根本區別：生物以生存為第一根本需求，無論是為了個體存在還是集體延續，然後衍生出七情六慾，個性化行為等等。而機械不存在任何本能和需求，至少目前遠遠達不到這個水平，達到了才會出現所謂自主意識的計算機。

也不是說不可能吧，前階段有個新聞，不知道真假，說外國科學家制造了兩個機器人，然後讓他們之間對話，開始的時候能知道他們說什麼，後來詭異了，這兩個機器人開始用一種新的語言進行交談，而且科學家聽不懂，破譯不了，害怕了，給斷電了。

人工智慧的人工這兩個字很重要。下棋這個是在侷限區域做的最大利益爭執，事實上人類社會可不會有這樣小的區域限制。就拿人下棋來說，會有很多的心理活動支配著棋手的思維。比如獎金啦，排名啦，對手強弱啦，早飯吃什麼啦，房貸啦等等，這涉及面就會廣闊無窮，這也會導致無限結果。科學研究也同樣道理，所以人工智慧的社會面是很窄的，不會有發散性思維。

土匪1: 你就刀厲害， 有本事你不用刀

豹子頭： 好

土匪1: 啊～～

土匪1死了

土匪2: 你就那雙手厲害， 有本事你不用雙手

豹子頭： 好

土匪2: 啊～～

土匪2死了

土匪3: 你就腿厲害， 有本事你不用腿

豹子頭： 好

土匪3: 啊～～

土匪3死了

土匪4: 你就嗓子厲害， 有本事你不用嗓子

豹子頭： 好

土匪4: 啊～～

土匪4死了

計算機或者說機械的優勢究竟在哪裡？舉個簡單的例子，做兩題4則運算，你覺得用筆和紙算一下比較快，還是編寫一套計算程式比較快？答案很顯然，筆算比較快。但是如果運算一千一萬題，哪個快？絕對是編寫一套計算程式更快更準確。從這個例子我們可以發現，機械也好，計算機也好，他們都有一個特點，就是給定一套規則，無論這套規則有多複雜，只要接下來能夠重複運用這套規則的，機械絕對遠勝人類。即使是ai目前進行的也只是人類給定的演算法，然後運用窮舉，大量運算得出很牛叉的結果。如果有一天程式設計師給了計算機3個演算法，結果發現計算機自己更新了第四個第五個，那麼，才是恐怖的開始。。。

現在的人工智慧都是弱人工智慧，也就是侷限在某一領域，在給定的規則內，透過大量的學習，獲得給出最優解的能力。拿下圍棋來說，棋盤上就那麼多點，每一步的選擇是有限的，而且經過有限的步數必然會得到一個輸贏。每學習一局棋，人工智慧對於局面的判斷力就經過一次修正，在大量學習的基礎上站力提升至超過人類選手的程度。星際爭霸也是這樣，地圖的大小是有限的，單位個數和可執行的操作也是有限的，隨著資源的開採，遊戲必然會在一定時間內結束，結果可能是勝平負。而數學證明顯不符合這個套路，對於一個給定的數學命題，第一步該證明什麼，第二步該證明什麼，其選擇簡直是無窮多種，而且證明過程需要多少步完成？沒有任何限制。也就是說如果人工智慧去證明數學難題，沒有辦法在一個有限時間內判斷當前的證明方法是成功的還是失敗的，也就沒有辦法透過學習提高自己，因此目前人工智慧在這一塊是不如人類的。

人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科

學。這個高大上的名詞，是當下最火熱的一個研究領域。各大科技公司都在人工智慧領域投入了巨大的人力物力。彷彿稍微懈怠一下就會失去公司未來一樣。

AI技術是用先進的演算法來實現本來應該由人工實現的動作，比如無人行駛，智慧語音，機器視覺，人臉識別等等。

人工智慧(AI)最著名的應用就是2016年，DeepMind的AlphaGo大戰人類頂尖棋手李世乭，並以4:1的巨大分差幾乎橫掃了李世乭。到現在我都記得當時看直播的時候激動的心情，也就是在那一年，人工智慧徹底流傳開來。

雖然現在人工智慧顯得很智慧，已經給我們的生活帶來了巨大的改善，但是歸根到底，人工智慧並不是我們理解的智慧。首先AI沒有自己的思想，不會對眼下的狀態分析給出創造性想法。只不過是我們人類賦予了他們高階演算法，他們可以很好地理解並且執行這些演算法，執行到最後給我們的感覺就是，AI已經表現得相當聰明瞭。然而這卻遠遠不夠，這僅僅是一個開始。

在我看來，人工智慧的最終結局就差不多是終結者系列裡的紅皇后一般，有思維，有邏輯判斷，甚至還會有個人情感，除了硬體不是肉體之外，其餘跟正常人類無異。這還要有太多太多發展的時間了。

這麼一說，那麼為什麼現在的人工不能破解一些著名的數學難題就比較好理解了。真正的數學難題被困擾了很久很久，很少是因為我們只是在眼下的理論中沒有找到方法來解決，基本上都是缺少一種直接有效的數學工具，也就是說你要創造出一種全新的數學工具才有可能解決最後難題。

目前數學界已經達成共識了，無論你用什麼精巧的篩法都已經不可能哥德巴赫猜想的1+1了，篩法到了陳景潤這裡就停止了。要不然，五六十年來，數學界蓬勃發展的年代，不可能在這個問題上沒有絲毫進展。大家都期待著新方法新思維的出現。

有創造性思維和想法，這一點對於頂尖的人類科學家都非常困難，更別說是對於當今還處在幼年時期的人工智慧了。我們不排除以後人工智慧空前強大，強大到理性與創造性思維並存。那個時候，機器才有可能從另外一個方向上給出方法來直接解決這個難題。

也許，那個時代才是人類最幸運的巔峰。

這是今年我參加事業單位考試其中一篇科技論文 我重來沒有看的這麼認真過，只能看個大概，應該是AIphaGo有一套演算法無限窮舉並能自動最佳化方案。