當我們的技術體現了智慧的本質時，我們正在接近一個緊要關頭嗎？或者說我們仍然處於長期的錯誤觀念之中？如果它確實是一個由許多部分組成的系統的本質，是什麼把預測提升到至關重要的地位？以色列歷史學家哈拉瑞(Yuval Noah Harari)建議我們研究歷史，以放鬆對過去的控制，“研究歷史不會告訴我們應該選擇什麼，但至少它給了我們更多的選擇”。如果你在人工智慧行業中繪製一個路線圖，那麼調查這些選項是有意義的。透過追蹤馬庫斯·胡特、謝恩·萊格、傑夫·霍金斯和楊立昆的工作，我們就能深入瞭解為什麼機器學習能強烈吸引著我們。楊立昆曾說：預測是智慧本質。

| 技術塑造了我們對智慧的解釋

歷史上，每個時代的主導技術都塑造了我們對智慧以何種方式工作的解釋。古希臘的水力技術與“體液”的流動原理有著異曲同工之妙，“體液”決定了我們的身體狀態和心智功能。機械時代放大了人類是機器的觀念，包括大腦中的運動也未能倖免。進入電力和通訊時代後，大腦變成了一個電話總機，進入計算時代後，大腦又成了一個資訊處理器。在這個人工智慧時代，許多人認為預測和學習是智慧的本質。預測和學習也是機器學習的主要功能性組成部分，這是這個時代的主要技術。因此，為什麼預測是智慧的本質的一個可能的解釋是，我們的工具是預測的引擎。在這個歷史背景下，事物的本質不在於預測的價值，更多的是在於關於跳出我們的工具去進行思考的困難。無可否認，這段歷史很有趣，但這不是對這一想法的一種毀滅性的控訴，不論是從內部原因來說還是就事物的本質來說。預測很可能確實是智慧的本質，當我們的技術達到我們智慧的本質的水平時，我們正在不斷靠近這個巨大的里程碑。為了權衡這個觀點，我們需要更直接地解決這個問題。

| 一種狹隘的智慧

為了識別本質，我們需要分析一些重要的方面。要從這一概念抽離出不同的目標、目的、屬性和本質，此時此刻所值得強調的是智慧的概念所帶來的非凡的自由。當威廉·加爾文探究《智慧的崛起》（The Emergence of Intelligence）時，他發現本質並不總是與預測聯絡在一起。“對大多數觀察者來說，智慧的本質是聰慧，是解決新問題的一種多功能性。”雖然他表達了對遠見和預言的重要性的個人傾向性，但他的調查包含了一系列互補的行為，如探索、創造力和多功能性。“我們永遠不會同意對智慧的普遍定義，因為它是一個開放的詞，就像意識這個詞一樣。”威廉·加爾文說，他總結道，找到一個關於智慧的單一定義這樣的任務是徒勞的。

事實證明，那些追求機器智慧的人並沒有因此而卻步。儘管它可能並不滿足所有人的需求和不同的目的，但一個社群可能會圍繞一個簡化的概念而團結起來。這些基本的選擇可能會反過來將智慧的基本屬性帶入到大眾視野之中。這就是我們接下來要看到的。

| 機器智慧的定義

謝恩·萊格和馬庫斯·胡特對社群將目光集中在機器智慧定義上提供了一大助力。他們承認在開發一個高度抽象但又普遍的概念的過程中遇到了困難。然而，他們目標明確，就是要讓機器智慧成為一個自主的目標搜尋系統，最後他們克服了這個挑戰。萊格和胡特透過一項關於智慧的專家意見的調查，得出了他們的定義。考慮到他們對於概念的通用性的追求，他們尋求的是一種包含自然智慧和人工智慧的定義。根據他們的目標，智慧的基本特徵被提取進了一個普遍的定義中：智慧是衡量一個代理人在廣泛的環境中實現目標的能力。從歷史的角度來看，我們不僅是在用我們的技術的概念來思考智慧，我們也在以一種非常明確的方式來思考。如果這個迴圈令人不安，萊格和胡特也承認會有這種問題。然而，他們的結論是透過將他們的研究結果與專家對包括自然智慧在內的智慧所給出的定義相關聯，並表明他們的工作與普遍最優學習代理的理論一致而得出的，“我們所做的遠遠超出了僅僅重申基本的強化學習理論”。然而，這仍然存在一個問題：為什麼預測是智慧的本質。機器智慧是一種由功能部件組合而成的系統。將其中一個部分表示為不可缺少的部分可能看起來很奇怪：大概，所有組成這個系統的部件都是不可或缺的。是什麼把預測提升為這一切的本質？

| 預測是機器智慧的本質

在一個系統的上下文中，本質的意義可以被更好地理解為“缺失的環節”，即解決這個難題的元素。在他的通用人工智慧理論中，馬庫斯·胡特透過“普遍歸納、機率規劃和強化學習的思想的統一”，著手解決機器智慧的問題。順序決策理論和索洛莫諾夫的普遍歸納理論的結合，為在已知和未知環境中的理性代理提供了理論依據。

馬庫斯·胡特，提出通用人工智慧的十年

值得注意的是胡特有關價值的陳述。在成功的標準中，他的理論抓住了上面討論的智慧的非正式定義，這理論植根於一個歸納推理的理論。在另一篇文章中，我研究了歸納法如何驅動人工智慧理論和方法。在機器智慧的理論中，我們已經深入理解了為什麼預測是一種本質的東西。歸納推理是一個預測過程，解決了理性的代理人如何在未知的環境中實現他們的目標的問題。機器學習是一種歸納推理的過程，從具體的例子中得出一般結論，預測是機器學習的本質。這一解釋與歷史期望沒有偏離，二者如出一轍。萊格和胡特認為他們的方法是“明顯的功能性”方法。重要的是目標和代理人可衡量的表現。他們為意識、情感和創造力等無法衡量的方面可剝離開來而興高采烈。類似於任何擬人化的同情或對自然智慧的訴求，他們對創造一個“人造人”毫無興趣。另一些人則認為，只有透過一種自然智慧的逆向工程，人工智慧才會被實現。在他們的世界觀中，預測是智慧的本質？在他的《人工智慧的未來》（On Intelligence）一書中，傑夫·霍金斯提出，預測提供了一種重要的智慧衡量方法，以理解的概念為框架。引用Searle所熟悉的“中文房間”思想實驗（在上面討論的功能觀點中沒有實際意義的問題），霍金斯解釋說，理解包含了記憶的方面。智慧需要內在的表徵和經驗的處理。（中文房間（Chinese room）又稱作華語房間，是由美國哲學家約翰·希爾勒（John Searle）在1980年設計的一個思維試驗以推翻強人工智慧（機能主義）提出的過強主張：只要計算機擁有了適當的程式，理論上就可以說計算機擁有它的認知狀態以及可以像人一樣地進行理解活動。）

傑夫·霍金斯，《人工智慧的未來》（On Intelligence）

在霍金斯的理論中，預測是根據對將要發生的事情的預期來評估。人類的大腦皮層是由數百萬列組成的，每一列都由一組神經元組成。（再一次，回想起我們的工具的擺動，這提醒了霍金斯，一個訓練有素的工程師，想到了一個矽晶片的架構）。這些結構的一致性暗示了一個單一的演算法或原則，在這些結構中，這些列構成了預測的單元。在這個記憶預測框架中，預測是智慧的本質。即使在這個預測記憶框架內，預測作為本質的想法也很難確定。雖然人們永遠活在未來，但正在進行中的功能應當更恰當地描述為“繁榮”，而不是“預測”。我們不斷地評估我們對世界的內在解釋，而不是那些相對稀少的、意想不到的觀察。加里·馬庫斯等批評人士認為，霍金斯的模型過於簡單化，只對大腦中已知的一些機制進行了抽象化描述;他指出，許多其他方面仍然是一個謎。（這並不是說馬庫斯是主流機器學習的倡導者，他相信“機器學習有一種偏見，那就是假定一切都是學來的”）。其他研究人員，如傑夫·迪恩和德米斯·哈薩比斯，似乎更贊同霍金斯在自然中的靈感，如果他們沒有必要為他的想法的可行性或可實現性而鼓掌。正如人們所預料的那樣，智慧的複雜性和設計解決方案所需要的不可避免的妥協創造了斷層線。這就導致了社群之間的衝突，就像最近在楊立昆、尤夫·戈德堡和其他代表深度學習和NLP（自然語言處理）社群的代表人物之間的公開辯論中一樣，副標題是“for fucks sake, DL people, leave language alone and stop saying you solve it”。當我們把現實看做一個客觀的仲裁者時，智慧的本質就變得越來越不清楚了。最終，要理解為什麼預測是智慧的本質，我們需要訴諸於公眾輿論和業內最有影響力的人。

| 一個問題變成了一個迷因

在這個故事的大部分都關於，無論是在追求機器智慧還是研究自然智慧的過程中，預測是否是智慧的本質的問題是一個相對模糊、實用的考量，然後這個問題變成了一個迷因。這種轉變可以透過一系列的事件來追溯。機器智慧作為歸納推理的願景在深度學習中應用後，成為了一種非常成功的方法。這一方法的先驅，如楊立昆，約書亞·本吉奧和傑弗裡·辛頓，經過幾十年的研究後，因為後來所發生的事情，他們成為了極為有影響力的預言家。在注意力不集中的情況下，複雜的問題必然會被簡化，並被剝奪它們的歷史價值。為了向大量的新受眾進行教育和推廣他們的研究議程，複雜的問題被簡化為一種適合於推文、聲音片段和演講稿的形式。

| 當迷因變成教條

像楊立昆這樣的人工智慧明星站起來發表宣言時，在整個行業中都產生了反響。比如在2015年，楊立昆說：“預測是智慧的本質，而這正是我們想要做的”。而楊立昆想要做的是影響和約束許多人的思想領導和研發議程。楊立昆認為人工智慧問題的關鍵在於“不確定性下的預測”，這與上面討論的功能觀點有相似之處。在2016年神經資訊處理系統大會的主題演講中，預測學習的中心角色——學習預測模型——被強調為取得進展的必要步驟。主要的技術難題是“世界只是部分可預測的”。

楊立昆，2016年神經資訊處理系統大會

正如楊立昆勾勒出的路線圖，預測框架會帶來一系列的挑戰，即使是在那些與預測無關的領域。例如，常識被描述為，“不論有什麼可用資訊，都能預測過去、現在或未來的任何資訊。”正如上面所討論的霍金斯的預測-記憶二象性，功能框架可能從預測轉移到其他技術，例如表示、記憶或推理。但為什麼要把拒絕成功？這是錘子法則，就是把一切都看成是釘子。當作為事物的本質時，預測不僅是描述性的，而且是衡量的標準，而且是對解決方案本身的規定。當一個對此崇拜的社群對其進行規定的時候，這個問題就不再被質疑了。它成了真理。

| 為什麼預測是智慧的本質

主流技術對我們如何理解世界和我們自己有著巨大的影響。縱觀歷史，液壓、蒸汽機和計算機等技術已經塑造了我們對智慧的解釋。這種強大的力量今天仍在繼續。機器學習是一種概念框架，它解釋了為什麼預測是智慧的本質。像智慧這樣的複雜概念在它被工程化之前就必須被簡化。僅僅是屬性和成功標準的一個子集便可以被抽象出來以適應需求。雖然一個單一的定義不能滿足所有人，但是一個實踐型的社群可能會圍繞這個簡化的概念而團結起來。對於一個社群來說，圍繞著機器智慧作為一個自主的、目標搜尋的系統的願景便可達成共識。透過設計，這種智慧的定義是在機器智慧如何被實現和測量的預期中精心塑造的。在這個架構框架中，歸納推理這一預測過程，為理性的代理人如何在未知的環境中實現他們的目標提供了一個解決方案。預測也是機器學習的本質，這是一個歸納推理的過程。這種簡化和專注雖然有效，但也具有內在的爭議性。智慧的複雜性提供了強調許多目的、理論和架構的自由。因此，人工智慧是一種非常多樣化的研究和技術集合，其中許多研究和技術都與主流觀點相左。

<img src="//s3.pstatp.com/wenda/wenda_web/static/style/image/loading_a788ad0.gif" _src="data:image/svg+xml;utf8,<svg xmlns=" http:="" www.w3.org="" 2000="" svg"="" width="600" height="597">然而，有力量便有話語權。機器學習，尤其是深度學習，已經成為最成功和最具統治力的技術，這掩蓋了人工智慧其他的每一個方面。就像智力的概念被縮減為一個簡化的、實用的定義一樣，在許多人看來，人工智慧已經被簡化為機器學習，後又進一步簡化為深度學習。在這種世界觀中，預測確實是本質。成功也帶來了力量和影響力。經過幾十年的研究，深度學習的先驅們被提升到了先知的地位。他們的宣告成為了推文、配樂和演講稿中不加選擇的素材;他們的研究議程和路線圖為整個行業奠定了基礎。考慮到這些概念的可理解性，機器智慧的任何功能缺口都可能被認為是一個預測的問題。如果你的路線圖根植於預測的本質，那麼錘子法則就表明了這是一個預測問題。當你以一種規定性的方式對一個崇拜它的行業提出質疑時，這個問題就不再被質疑了，它變成了真理。預測是智慧的本質，它將一直存在，直到更主流的技術告訴我們其他的東西。

人工智慧的本質是什麼？實際上就是說什麼是生命的本質，智慧的本質是什麼？你這題目太大！我可以“摻和”一下。

實際上，宇宙中的任何物質體系，都是在不斷運動、變化、發展過程中，逐漸形成一個完備、自洽、守恆的拓撲形式。從小到夸克、質子、中子、原子核、原子、分子、晶體、金屬、半導體、無機物、有機物、生物，到星雲、星球，再到星系，黑洞，無一不是拓撲形式，必須要形成一個自洽、完備的拓撲體系，才能形成一個穩定的存在形式。最關鍵的是每種物質拓撲體系都有其特有的運算，或規則，聯絡其體系中的元素，使之成為“有機聯絡”的整體。

目前看，無機拓撲體系是封閉衰減體系，而生物生命拓撲體系是開放的增強體系。前者其體系資訊熵是增加的，系統有序性逐漸消失而使其拓撲形式消失；後者體系資訊熵可以熵減，系統有序性可以逐漸增加，而使其拓撲形式“加強”。

所以說，生物生命體系是“有機拓撲”，可以透過內部的自我機制而“引入”環境的有序性。或者說，生物是有智慧的，能適應環境而引進環境的有序性，使自我體系熵減，從而達到生物拓撲形式的“運動、變化、發展中的永生”。

這樣看來，所謂智慧就是生物拓撲上的運算，或規則；這種運算不是簡單的廣義乘或廣義加法運算，像引力或電磁力一樣“無機”，它的“有機”性來自，一是其形式不能有解析形式，沒有可“預測”，或“預見”性，只有自適應性；二是它是典型的拓撲子集“自定義”，或“自生長”的，智慧發展是來自個體經驗的積累，然後化做生物整體遺傳進化的“智慧”；三是智慧是“溫暖”的，是與生物的情感不可分離而又共同進展的，也就是說，生物的文明發展的越高，其情感越“溫暖”而“理性”，同時其智慧也越高。

由此可知，人工智慧早期定義就是“人造智慧”，實際上就是人造的，有解析形式的運算規則，或就是一個可預設的，或預見的解析函式。也就是一般的自適應控制系統，而且是數理邏輯下的。它只不過比無機拓撲體系上的運算----引力或電磁力，複雜而已，所以說，人工智慧體系一樣是熵增衰減拓撲體系而已。

目前的人工智慧是透過模擬人的大腦神經網路，來構造“無解析形式”的拓撲運算規則，但是，這種人工神經網路構造在數理邏輯基礎上，沒把生物的“溫暖性”----情感，“構造”或“構建”到人工神經網路中，人工神經網路沒法去掉“解析形式”，仍然沒法由體系拓撲子集構建----由經驗中學習、積累，生成智慧或智慧。所謂“深度學習”、“機器學習”，都是解析形式下的反饋運算，既然都有了解析形式，還學習個啥？學習是“形式的成長過程”。

敘述太困難了，不想多說了。總之，目前的人工智慧仍然還是無機自適應控制系統而已，也就是一般的資料搜尋程式，連硬體體系都不是，連硬體神經網路自適應控制系統都不是。它必須靠程式軟體構建任務的語義資訊子空間，即價值資訊子空間。要達到人的意識資訊子間，還差的遠！在數理邏輯體系下，連門都找不到！

人工智慧是一件工具。這項工具被我們習慣稱為知識改變命運，而其實知識並不能改變命運，他只能偶爾改變一點，然後一切又都回到正軌命運。比如中了彩票一千萬，三個月後有回到工薪階層，這就是現實，現實中知識並不能兌換財富，不能得到地位，不能得到名聲，凡是因為有了知識而給予以上種種的，如明末東林黨都毀國破家了。正如康德教人學會哲學思考不要記背理論一樣，知識本身並不能帶來什麼權名利，如果有，那就是今天的專家教授，嗎核心在哪裡？在獲取知識的能力上，在創造知識的過程中，在實踐知識的試錯中，權名利慈德義就是目標，在求取過程中知識自然隨之而生，即是先有了蒸汽機促進得工業經濟社會才有了第一次工業革命定義，不是先有了人工智慧的定義才有了人工智慧機器，而是先有了肉才有了雞後才有了蛋，先有了蘋果智慧手機後才有了移動網際網路，看看諾基亞手機的發展還不明白嗎

無論人類怎樣以所謂的科學定義人工智慧的本質，所謂的人工智慧，都是名符其實的靈魂操縱。因為，在人工智慧的所謂硬體裝置和軟體程式裡，全都是沒有生命識別能力，不能完全自識別和它識別功能的死物，根本就不存在能識別解讀程式程式碼的知覺智慧。人類以為是硬體線路上二位進位制開關的識別，完美的決定了軟體程式的解讀與執行，實現了所謂電腦操作運算的結果，不過只是人類自我欺騙的認知。

如果不是在所謂的智慧晶片中，隱藏有決定識別人類編寫的程式和發出相應指令而完成所謂的電腦計算效果，那所謂的電腦裝置，就如死人的大腦，儘管“大腦硬體”都在，毫無功能可言。正是有靈魂隱匿於電腦各種“晶片”之中，識別人類編寫的程式要求，發揮所有的計算執行功能，所謂的電腦，才有可能真正的完成人類操作電腦希望得到的一切設計計算的結果。這就是“萬物有靈”的真理，要告訴人類的絕對事實。

人類以為，所謂的唯物主義理念，構建了科學的定義，卻有所不知，所有的所謂科學發明與創造，無所不是靈魂賦予人類表演於物相物理的遊戲。

這也正是唯物主義必定是誕生於唯物主義搖籃裡的宿命註定。因為，無論是所謂唯心的神信徒，還是自吹無神論者的生命體現，都是靈魂演變出來的人類精靈演繹。

所以，人世間所有的遊戲，無論是唯心神學，還是所謂的唯物科學，全都是靈魂演變人類了盡生命情趣的演變遊戲。

只是，當靈魂演變的人類遊戲，由假擬虛設的唯心神學，演繹至同樣是假設假說確定意義的唯物科學時，也就是人類時代，由假說神話的啟示開始，走到漸漸出離假說神話，進而玩到否定神話，推崇至假說客觀的唯物人話，以至唯物人話玩到盡頭，最終，再回歸究竟真實於靈魂造化的時刻到來了。

至此，困惑人類已久，讓人類好奇不已，並孜孜以求的萬物由來與究竟本質，也就到了彷彿呼之欲出，可以最終徹底揭示的時候了。

神學遊戲的本質，是靈魂演變作祟的表演。科學遊戲的本質，同樣也是靈魂演變作弄的表演。故神學與科學，歸根結底的共同本質，就是宇宙之中唯一永恆不滅的靈魂。沒有靈魂，就沒有宇宙萬物！沒有宇宙萬事萬物演變遊戲的事實。

在人類的世界裡，所謂唯心神學，不過只是靈魂有意掩飾自己的真正實質，假借神話意境相應隱喻以啟示人類認知的遊戲假說。

而所謂的唯物科學，同樣也只是靈魂隱藏自己的真實面目，刻意遊戲於物相物理境界，既逗人類醉迷於物理遊戲中自得其遊戲趣樂，也相應的相輔相成於唯心理唸的認識，藉此讓人類有所領悟萬物本質真象的純粹於遊戲唯物論的虛假演說。

神學與科學，唯心與唯物，同出一源，演變異相而假義為名。歸根結底，就是一個共同本質的兩分假擬演說。而這唯一的共同本質，就是宇宙靈魂。是宇宙靈魂無所不能的精湛表演，成就了宇宙萬事萬物無休止的生滅迴圈，和宇宙萬物無窮盡的生滅演變。

我認為實際上，宇宙中的任何物質體系，都是在不斷運動、變化、發展過程中，逐漸形成一個完備、自洽、守恆的拓撲形式。從小到夸克、質子、中子、原子核、原子、分子、晶體、金屬、半導體、無機物、有機物、生物，到星雲、星球，再到星系，黑洞，無一不是拓撲形式，必須要形成一個自洽、完備的拓撲體系，才能形成一個穩定的存在形式。最關鍵的是每種物質拓撲體系都有其特有的運算，或規則，聯絡其體系中的元素，使之成為“有機聯絡”的整體。

目前看，無機拓撲體系是封閉衰減體系，而生物生命拓撲體系是開放的增強體系。前者其體系資訊熵是增加的，系統有序性逐漸消失而使其拓撲形式消失；後者體系資訊熵可以熵減，系統有序性可以逐漸增加，而使其拓撲形式“加強”。

所以說，生物生命體系是“有機拓撲”，可以透過內部的自我機制而“引入”環境的有序性。或者說，生物是有智慧的，能適應環境而引進環境的有序性，使自我體系熵減，從而達到生物拓撲形式的“運動、變化、發展中的永生”。

這樣看來，所謂智慧就是生物拓撲上的運算，或規則；這種運算不是簡單的廣義乘或廣義加法運算，像引力或電磁力一樣“無機”，它的“有機”性來自，一是其形式不能有解析形式，沒有可“預測”，或“預見”性，只有自適應性；二是它是典型的拓撲子集“自定義”，或“自生長”的，智慧發展是來自個體經驗的積累，然後化做生物整體遺傳進化的“智慧”；三是智慧是“溫暖”的，是與生物的情感不可分離而又共同進展的，也就是說，生物的文明發展的越高，其情感越“溫暖”而“理性”，同時其智慧也越高。

由此可知，人工智慧早期定義就是“人造智慧”，實際上就是人造的，有解析形式的運算規則，或就是一個可預設的，或預見的解析函式。也就是一般的自適應控制系統，而且是數理邏輯下的。它只不過比無機拓撲體系上的運算----引力或電磁力，複雜而已，所以說，人工智慧體系一樣是熵增衰減拓撲體系而已。

目前的人工智慧是透過模擬人的大腦神經網路，來構造“無解析形式”的拓撲運算規則，但是，這種人工神經網路構造在數理邏輯基礎上，沒把生物的“溫暖性”----情感，“構造”或“構建”到人工神經網路中，人工神經網路沒法去掉“解析形式”，仍然沒法由體系拓撲子集構建----由經驗中學習、積累，生成智慧或智慧。所謂“深度學習”、“機器學習”，都是解析形式下的反饋運算，既然都有了解析形式，還學習個啥？學習是“形式的成長過程”。

在以上的分享關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。

人工智慧是相對於人的智慧而言的.正是由於意識是一種特殊的物質運動形式,所以根據控制論理論,運用功能模擬的方法,製造電腦模擬人腦的部分功能,把人的部分智慧活動機械化,叫人工智慧.人工智慧的本質是對人思維的資訊過程的模擬,是人的智慧的物化.儘管人工智慧可以模擬人腦的某些活動,甚至在某些方面超過人腦的功能,但人工智慧不會成為人類智慧而取代人的意識.