通用人工智能

　　现在的人工智能，全是细分领域的算法。
　　看上去很厉害，AlphaGo赢过李世石。
　　这一点卵用都没有。
　　重要是通用人工智能。
　　能在不同场景下，使用不同策略。
　　老鼠都比AlphaGo强。
　　现在神经网络，全是静态的算法。
　　真实的世界的动态变化的。
　　一定在根本逻辑上有谬误。
　　有一位学者叫做JeffHawkins。
　　2004年写的一本《人工智能的未来》。
　　还去Ted上做过演讲。
　　他虽然是Palm的创始人。
　　但是内心中，一直热爱着大脑的生物结构。
　　他申请哈佛和麻省理工研究大脑。
　　人家都拒绝他，说根本不需要研究人脑。
　　只需要持续优化算法就行。
　　让他备受打击，在业余时间他创立了。
　　他继续研究，创立了Numenta。
　　提出了一个关于大脑的理论。
　　记忆预测理论。
　　把大脑皮层看成是智能的主体。
　　这里有300亿个神经元。
　　人类与动物最大的区别就在于皮层。
　　以行为定义智能。
　　一条鳄鱼也是智能，完成复杂的动作。
　　人的特殊性就在于大脑皮质。
　　最晚进化出来却最关键。
　　现在大脑研究把大脑分成了很多种脑区。
　　一个个描述特定脑区的功能。
　　这种数据过于海量后，仍没人敢提出一个大脑理论。
　　作者非常苦恼，自己研究后得出了千脑智力理论。
　　大脑皮层分为6层。
　　像纸巾一样叠起来。
　　所有的大脑结构长得都一样。
　　都是由皮质柱构成。
　　6层垂直传递信息。
　　有明显的层级结构。
　　类似分形的自然生长的形态。
　　作者称现在的神经网络方向完全错误。
　　大脑的信息全都是记忆。
　　无论从视觉，听觉，嗅觉等。
　　传入大脑都以记忆构成的。
　　大脑无需进行计算，只需要持续的预测。
　　预测，就是一直直觉。
　　数学上就是贝叶斯计算。
　　这个计算，不是是非判断。
　　而是模糊的猜测。
　　大脑中会形成很多个模型。
　　每个皮质柱都有上千个模型。
　　功能主义认为行为决定了智能。
　　完全忽略了人智能的思维活动。
　　人不停地根据已有信息建立的模型。
　　去猜测未来的事物。
　　这个猜，就是理解的意思。
　　传统人工智能只能是非判断，针对特定场景。
　　生物智能根据记忆，去判断未知事物的概率。
　　人工智能一旦遇到了新环境，完全就傻眼了。
　　生物智能却不会，因为预测模式非常的皮实。
　　对环境不敏感，任何信息都能拿来运算。
　　极小的数据量，就能得出优秀的预测。
　　这就是直觉。
　　人的空间感，来自于视觉。
　　人的时间感，来自于触觉。
　　我想建立一个系统能够容纳不同的硬件和不同软件。
　　进行横向连接不同的理论。
　　在连接不同信息时转换成概率模型。
　　能够增加鲁棒性。
　　参考耗损结构，由1977的诺奖得主的普里戈金提出。
　　开放系统在能量的灌注下，不断地变得秩序。
　　之前看待矛盾，是A和B如何动态和合。
　　可以更高层次以系统角度观察。
　　世界除了正反馈，还有负反馈，延迟。
　　遇到瓶颈时，正反馈就会收敛。
　　有目标时，系统会收敛于负反馈。
　　智能的定义是什么？
　　我查到是在复杂环境中达成目标的能力。
　　系统也有目标，人也一样。
　　调和矛盾的目的，本身就是完成目标。
　　不用刻意调和矛盾。
　　系统只需要有目标就有动力。
　　动力代表了能量，能够调和矛盾。
　　不用刻意调和，所有纵向的理论。
　　创立一个横向连通的数据模型很重要。
　　但是，实践更重要。
　　得让人工智能跨领域的，去学习经验。
　　给人工智能更高目标，锻炼它的通用能力。
　　90人做不到通才，成长路程充满艰辛。
　　多久能实现通用人工智能？
　　中国美国不脱钩的话，30年都不会出现。
　　但是疫情出现，大国之间的战略博弈，不确定增加。
　　各国需要投入资金研究，确保战略安全。
　　通用人工智能，现在性能还很缓慢。
　　虽然有投资，但背后的金主都是政府。
　　北大清华开设了通用人工智能人才班。
　　这一波中国美国在基础科技持续较劲。
　　这是最坏的时代，也是最好的时代。