爲什麼要花費精力琢磨人工意識?

人工意識的人工智能的區別

 

　　　　大概我不用解釋什麼是人工意識，可是這個概念其實跟AI有一些細微差異，叫強人工智能也能夠，可是最近我認識到 「智能」 跟「意識」之間是倆回事。

機器智能是這樣的，好比說最基礎的計算器，這個也屬於機器智能，它會按照必定規則+指令解決一些複雜問題，可是缺少主觀能動性，這個計算器沒有源動力，若是它忽然有一天本身決定開始計算圓周率的N個小數位。那麼這個時候能夠稱之爲具有自我意識。固然現階段科學理論，尚未一種很是可信的方式驗證某一個「非我」個體具有自我意識，這個問題在學界有個頗有名氣的說法叫「他心問題」，有興趣的童鞋另行研究。

　　　　那麼細化一下機器智能，那麼最近的十年間咱們稱之爲AI技術的東西，跟一百年前創造的電腦技術在智能這個方面有什麼區別呢？

　　　　其實本質是同樣的，就是遵循必定規則必定指令來解決問題，可是現階段的機器智能是學習大量數據中特定規則的過程。算法工程師們設定了一個學習規則，讓機器智能按照某種學習方式，去學習數據中的規則，而後經過學習到的規則解決問題，而這個待學習的規則，只有模糊的定義，沒有辦法知悉明確算法邏輯。因此不少人說這是一個黑箱子算法。

　　　　上面這段話估計有點難理解，我再舉一個例子來作附加說明：

　　　　就是圖片識別，我以前在其餘文章裏講過 CNN 卷積神經網絡，這是一個圖片識別的算法，CNN算法學習了大量分類好的圖片（假設是一堆貓圖，一堆花草圖），而後算法分別提取了貓和花草的識別規則保存下來，下次再來一張徹底新的貓圖，就能輕易的識別正確。 那麼問題來了，這個所謂是「貓的規則」是什麼？  若是你隨便問一我的，「大佬，你是怎麼識別一隻貓的？」  那麼回答大概能夠是這樣「貓有毛髮，尖耳朵，鬍鬚，尾巴，四隻爪子等等一系列特徵」 並且只要具有局部特徵，大佬也能識別出來。

　　　　可是CNN算法不是這樣的，就算你掰開這個算法盒子，給你看到裏面保存的全部數據，你也沒辦法回答，它是經過什麼特徵識別貓的？由於它的理論基礎是「萬能近似定理」 就是一個萬能函數，只要設定好一些變量，它能夠近似成任意的函數。但不能100%等於，因此雖然這個算法找到了最優的近似函數，可是它仍是不知道它近似的這個函數是什麼？邏輯是什麼？沒有因果，只有近似。

　　　　  （貓草瞭解一下）

 

爲何我要琢磨這件事？

　　　　終於很是粗淺的講完智能跟意識的區別，回到主題，我爲何要開始琢磨這件事？

　　　　歸納性講這是一個橫穿很是多學科的課題。我大概列一下這幾年我看的一些書的主題範圍：

　　　　1，計算機類　2，生物學 　　3，機率論　　4，代數　　　5，心理學　……

　　　　就這幾個領域也夠頭疼了。

　　　　人工意識是目前還沒有解決的課題，這個一個無從下手的難題，可是很欣喜的是智能問題也在被一一破解，相信不久未來這個課題也能夠被攻克。

我大概是前幾年在一家外包公司任職的時候，多是技術經驗積累到必定量後，開始浪了，心裏一直渴望解決一些超級難題，心態膨脹了。因此把目光聚焦到了AI領域。

　　　　固然後來也經歷過很長時間的停滯，由於徹底找不到頭緒，連入門也是摸索了好久才學習到了一些有用的知識。

　　　　有一陣子我想着放棄，這尼瑪妥妥的是一個世界難題，花一輩子時間估計都會像打水漂同樣，可能一點像樣的東西也作不出來。

可是寫這篇文章的時候我終於想通一件事了，由於我比較喜歡玩遊戲，解決這個問題猶如遊戲裏的開荒。

開荒下副本，沒有現成攻略，沒有指南 指北，沒有任何一我的能夠說個人方法是對或者是錯。若是我是結果論者，那麼一個看不到結果的過程會讓人絕望，成功當然欣喜，失敗卻讓人止步不前。

可是開荒這件事自己就讓人興奮不已，作的每一件嘗試都是前人所未知的，每時每刻可能都有新的發現。每一小點的成就，均可能是獨一無二的，在這樣一個高度專業化的領域裏，只要稍微的往前挪一步，在這個方向上就是首創的，就是TOP。

這樣的探索過程，難道不值得歡欣雀躍麼？至於結果如何，不用太過執着，成功是好的，失敗了我也有所收穫。

　　　　這就好像一個能夠玩一生的副本，有起有落，可能幾年過去了，一點收穫也沒有，又可能某個喝咖啡的瞬間忽然靈感涌現。若是時不時有這種驚喜，這樣的人生還有什麼遺憾？