Thinking

17世纪莱布尼茨设想，能否创造一种通用科学语言，可以把推理的过程，象数学一样用公式进行计算。随着计算机诞生，自动化的普及 ，通用人工智能再次受到关注，什么样的方法可以实现AGI? 研究方向 Natural language processing ：弗雷格指出：“词句在语境中才有意义”，语境是个让人崩溃的问题，所以被学者搁置，直接将文字作为研究方向。文字作为思维生成的符号，就像电脑显示器呈现的图像，事实上，图像是主机发出的讯号，讯号的背后是各种不同软件的逻辑。人也一样，聊天不是用嘴巴在说、图像不是用眼睛在看，一切都是大脑，感官只是信号的输出、接收器。通过屏幕（语言）研究软件（思维）隔着一个屏障。也许能从显示器颜色得出一些逻辑，但探索是什么软件，软件逻辑代码是什么，几乎没可能性 NLP的方法仅实用翻译，就像Photoshop滤镜功能，可以把一张油画（英语）转换成素描（汉语），软件不改变画面内容，但不理解画的内容 Machine Learning ：学习的词义是指学习未知逻辑，ML取名时用了个形容词，只是统计学的一个分支，统计学作为一门学科之所以诞生，是因为事物复杂到不知道、或者不清晰发展的逻辑，只能通过表象判断结果。ML知道a+b等于2的概率有多大，但不知道也没考虑过1+1等于多少，如果ML的算法和人脑思维方式没关系，如何与人交互？任何事物产生结果前都有非常复杂的过程，且这个过程有很长时间，ML是统计事物结果的利器，但不能实现AGI AI是否可能具有学习能力？人类的大脑探索世界获取知识，和人类创造一个”大脑“，这个”大脑“能探索世界获取知识，难度上是完全不一样的概念！前者是上帝的成就，后者是人类的成就，说AI可能具有学习功能，或者说AI可以超越人类…等于在说人类可以超越“上帝”。代码能解析已经写好的逻辑判断，但不可能理解、衍生出新的逻辑，世界上只有一种机器才能衍生出无数的逻辑，就是人脑，AI具有学习能力的几率，比无限猴子理论还低，因为理解其它逻辑的可能性，被限制在一套代码里，没自然选择论那样自由… 我们看看电影《夏洛特的网》第一句台词，女儿说：”你要做什么“，这句话对AI有多复杂 矢量 清晰图下载地址：https://drive.google.com/file/d/1IWLwWPjZUzhkT4RabpMO4epKx6m0nb_2/view?usp=s