追憶往昔91

人工智能

AI技術是用先進的算法來實現本來應該由人工實現的動作，比如無人行駛，智能語音，機器視覺，人臉識別等等。人工智能(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，人工智能徹底流傳開來。

雖然現在人工智能顯得很智能，已經給我們的生活帶來了巨大的改善，但是歸根到底，人工智能並不是我們理解的智能。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級算法，他們可以很好地理解並且執行這些算法，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，人工智能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，除了硬件不是肉體之外，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能了。我們不排除以後人工智能空前強大，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。

科學認識論

我的評論識字的都能看明白。

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。

下面說下實現思路，ai核心為兩個部分，一個叫表演家，一個叫評論家。

表演家：一步一步試錯

評論家：給表演家的行為打分

好了接下來表演家不停的試錯，評論家打分記錄最好的步驟，於是經過幾十萬盤運算，表演家舉世無敵，程序不在犯錯，思路就是這麼簡單。

所以，用上述這種思路也可以用在圍棋，只是阿爾法狗算法更復雜，但本質還是在窮舉，只是通過算法和硬件性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！

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

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能的本質區別：

1，人沒有完全固定的目標，是隨自身需求不停的在變化，而目前的人工智能，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。

洗手戰神

就拿谷歌的阿爾法來說吧。

前幾年，當谷歌的阿爾法狗打敗世界圍棋大神李世石，以及柯潔以來，人工智能這個概念開始進入公眾視野。

關於樓主這個問題，其實很好解釋。任何一款人工智能產品，都不外乎要經過這幾個步驟。

提取數據，構造模型，設計算法，再不斷訓練優化模型。你也許只知道阿爾法能打敗這些圍棋大神，但是你不知道阿爾法狗團隊進行了多少次的棋譜訓練優化，才有了這個強大的阿爾法狗。

再來說一下為什麼人工智能為什麼無法證明數學猜想。因為它缺少任何一款人工智能產品所必須的環節，模型構造，算法設計，這兩個環節都無法滿足，為什麼缺少我想應該不必多說吧，目前這些數學猜想還沒有被證明，自然在算法以及如何建模方面，就沒有辦法實現。其實說到底，是人工智能產品缺少思考，它不像人一樣可以經過學習就能形成更加廣闊的思考深度與廣度。

說到底，人工智能不過只是人類的產品。突然想起六級考過的一篇有關谷歌的人工智能駕駛，作者的看法是，首先很驚訝它竟能如此牛逼，因為開車比人還厲害，然後他覺得以後某些重複複雜的工作可能會被人工智能產品取代，這些我表示贊同，最後也是最重要的一點，人工智能產品本質上缺少創造性。這一點應該可以很好的回答這個問題了。

野風Alter

答：現在出現的人工智能，都是基於算法的，不具備真正意義的人工智能，還無法擁有真正能推理和解決深度問題的能力。

就在前幾年裡，Google的人工智能“阿爾法狗”橫掃整個圍棋界，再次把人工智能推向了公眾的視野，轟動了全世界，於是人們思考人工智能將會給人類社會帶來哪些影響。

近幾年，汽車的自動駕駛是人工智能中一個比較火熱的關注點，但是自動駕駛技術的不成熟也體現出來，比如特斯拉的自動駕駛功能，也不能很好地適應所有路況。

歸根到底，還是目前人工智能的侷限性導致的，目前所有的人工智能很大程度上依賴於程序算法，甚至連“弱人工智能”都算不上，頂多算是表現出智能的程序而已。

在上世紀，計算機之父圖靈提出一個圖靈測試，讓一個真人和計算機做黑箱對話，如果計算機的表現讓真人無法確定對方是真人還是計算機時，就算計算機通過了圖靈測試。如果按照圖靈測試，目前所有的計算機都無法達到標準，哪怕是計算機偽裝得很完美，但還是無法模擬真人的行為表現。

計算機能打遊戲、計算圓周率、下圍棋等等，其實是計算機針對性的程序完成的，就拿下圍棋來說，理論上只要計算機的計算能力足夠大，它就能計算出當前圍棋之後的所有步數，然後選擇最佳的下棋策略，在目前計算能力有限的時候，計算機得益於算法的優化，來大大降低計算量，所有才有了阿爾法狗。

但是數學證明不一樣，絕大部分複雜的數學猜想，可能需要新的數學工具，甚至新的數學概念，這些都是當前計算機無法完成的，因為目前的計算機不具備“自主意識”，也不具備真正能推理和解決深度問題的能力。

但是也有例外，近代數學的三大難題之一——四色定理，目前就是計算機基本完成證明的，只是在數量上取得了成功，數學上還沒有完成四色定理的邏輯證明。

我的內容就到這裡，喜歡我們文章的讀者朋友，記得點擊關注我們——艾伯史密斯！

艾伯史密斯

因為人工智能只有一種“神經鏈接”，這種鏈接還是基於已有模式的推演，就好比，在人工智能面前，世界只有一條路，而且是人們走過的路，因為人類在創造人工智能的時候，初始設定只有這一路徑，然而，實際上，世界存在無數條路徑，部分數學猜想需要不同的神經鏈接，不同的路徑來證明，目前，人工智能顯然不具有這樣的能力。

人工智能不具有自我意識，沒有感知環境的能力

自我意識是一套複雜的自我感知程序，在感知自身的情況下，也感知周圍環境，並對環境刺激做出全方位、多角度的有效反應，而人工智能不具有自我意識。

目前，人類對於自我意識的理解尚且淺薄，無法給予人工智能以自我意識，人工智能無法認識到自己是“機器”，依舊是以物的形態誕生的，也就是說，它們只是複雜化的工具。

沒有自我意識，所以，人工智能不能做出全方位、多角度的反應，不具有自我修復和革新的能力。當任何情況發生，甚至是毀滅即將來臨，人工智能都只是重複著某些程序設定。

人工智能的背後是人類理解大腦的能力

人工智能是人類模仿動物大腦的產品，目前人類對於大腦的研究仍然處於起步階段，也許，信息的本質就是一段代碼，這段代碼被無數神經元細胞體加工，傳遞，最後彙集在一起，相互組合，構成了智慧的基石。

如果有一天，人工智能被分解成無數個的信息處理單元，每個處理單元都有完整的信息採集和處理能力，並且相互連通，形成不同的信息處理矩陣，那麼，人工智能很可能會出現自我意識，當它擁有了自我意識，它也擁有了自我修復和革新的能力，肯定不會滿足於為人類服務，它一定會試圖建立自己的帝國，這一點毋庸置疑。

遊戲只是按照特定規則的特定路徑，某些數學猜想，需要多路徑尋找答案

人工智能是一種工具，工具的誕生就是為了順利通過特定路徑，遊戲正是如此。

但某些數學猜想需要更多路徑尋找答案，所以，人工智能目前無法勝任，做個類比，如今的人工智能相當於生物起源階段的古細菌、古藍藻，而某些數學猜想，就好比我們人類，讓它們直接和我們對話，這並不現實。

有一天，人類對於大腦的研究取得突破性進展，並將這些成果轉化給人工智能，安裝好自我毀滅程序，那麼，人工智能就能完全取代人的作用，開創宇宙的新紀元。

如果情況成立，我們地球上的生物極有可能就是某些物種的“人工智能”。

時光歌者王阿癲

人工智能，永遠不能代替人腦？但確有神奇？為什麼？象超級計算機，電子，你就指一碰就知道你所需要什麼了！數字與編程是否是機器智能的指令？人體思維來自眼睛的觀察？耳朵，口腔，舌頭，鼻吼，七巧八舌反映給人大腦，智能只是科學家沒一個道，所以智能機器人不如人靈活！但機器人思維己超過人類平均人類思維百分之九十。百分之十的人類精英機器人勝不了！

宋德山357

上帝是萬能的！那上帝能造一個自己都舉不起的石頭嗎？

程序是萬能的！能寫一段程序判斷它停止時陷入死循環嗎？

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，通過窮舉法找到反例。算法設計合理，可以證明一些數學定理，四色問題。

人工智能本質還是計算，一種優化設計的程序。圍棋啥的，都沒從根本上解決問題，是否存在只此一手的算法，現在是優化選擇方式，完全解決問題還差的很遠，可能根本就是無解。其他的智能研究都是優化算法，窮舉法中設置選擇停止程序。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，智能程序則是加入了程序停止算法，達到預訂目標停止程序。所有智能都是如此，求優化解不是唯一解，數學定理證明是求唯一解不是優化解。

（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，與計算機算法無關。

鄧偉定

人工智能目前為止進行大數據算法和深度學習，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，通過大數據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能不能證明呢？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，這點目前人工智能可以達到這一點，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。而人工智能呢？它思考就是通過刷選，通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。那麼人工智能也是，根據問題選擇方向，然後通過深度學習和大數據算法來層層刷選，最後得出結論。而證明哥德巴赫猜想有幾個方向不確定，所以人工智能也無法證明？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能了，你自己就可以了。

以上個人觀點，不喜勿噴！

曙光裡的科技

目前的人工智能還處於初級階段，它能完成的任務都具有一些鮮明的特點。一是人工智能處理結果是精確可描述的。這種可描述是指可以用計算機能懂的，沒有歧義的公式或算法來判斷結果準確性。二是人工智能擅長做判斷題和選擇題，卻不擅長做問答題。

人工智能為什麼目前不會證明數學問題，就是因為這是一個問答題，而且結果準確性難以用簡單知識或計算機能懂的語言來判斷。

人工智能下圍棋，圍棋的規則是十分明確的，能夠簡單地讓計算機也能懂。人工智能玩競技遊戲，同樣也是如此，對勝負的判斷不會有任何爭議。在規則明確的情況下，人工智能甚至不需要向人類學習，不需要“有監督學習”，自己就可以和自己完成對弈或自己和自己玩遊戲。不論是下棋還是遊戲，人工智能每一個動作本質上都是在做判斷或選擇題。下圍棋就是每一步棋在最多361*361個點中選擇一個最佳點。這個選擇看似很多，但卻是有限的。

我們用稍專業的語言形容，就是：圍棋和競技遊戲，它們的解空間是有限的。或者說，本質上是可以窮舉的。當然，這依然必須基於(下棋、遊戲)規則的明確性。然而，數學證明的解空間是無限的。

人工智能目前還在圖像處理、語音處理、自然語言等方面取得了成績。拿圖像處理來說，經典的問題就是判斷一個動物是具體什麼動物。你以為它是在做問答題，而事實上，卻是做判斷題。幾乎所有的圖像識別都只能識別有限的動物，這些動物是人類提前讓人工智能去學習(訓練)的。比如某個人工智能可能只能識別貓、狗和雞。它所做的工作就是根據圖像的特徵依次判斷：是不是貓，是不是狗，是不是雞？如果提供一個老虎給它識別，它很有可能認為是貓。因為在它腦子裡，沒有判斷“是不是老虎”這樣的問題，而只會在貓、狗、雞中選擇一個最“像”的。自然語言處理目前最成功的也就是情感分析和文章分類，也是典型的判斷或選擇題。注意選項是有限的。

類似人工智能的外語翻譯、作詩、作畫、換臉等等，看上去已經很接近是在做“問答題”了，這又是怎麼回事？實際上這可以理解為它在做一個複雜的判斷題：到底像還是不像。拿作畫來說，人工智能會選擇一些隨機因子，在有限的畫面像素裡填充顏色，然後判斷“是否像某畫家畫的“的網絡去告訴它是否需要重畫，直到畫得很像為止。

好了，我們來分析一下證明數學猜想和上面提到的那些問題有什麼異同點。

首先，數學證明其結果是否正確很難描述，不容易讓計算機搞懂。在這一點上，和圍棋、遊戲等不同。圍棋要精通很難，但勝負規則卻非常非常簡單。在這一點上，數學證明和貓狗圖像識別倒有點相似，一個圖像到底是什麼動物，也沒有容易描述的規則，靠的是難以用語言表達的“感覺“、”經驗“。但是和圖像識別的區別在於，圖像識別的種類是有限的，本質上是做判斷題（比如判斷是否是貓），而數學證明不是判斷題。

那麼，數學證明和作詩作畫這種帶創作性的人工智能區別在哪裡呢？區別在於：作詩、作畫，用到的變相判斷題叫：“像不像“，而不是“對不對“。我們很少聽說某個人或某個人工智能作的畫是”對“的或”錯“的，而只是像不像（比如像畫家），好不好。這種東西，沒有對與錯。但相反，數學證明的特殊性在於，它不能叫”像不像“，而只是能”對不對“。我們可以想像，按現在的人工智能水平，模仿人類大腦去寫一篇像模像樣的學術論文還是可以的。但只能說很像很像——特別是外行看來。而數學證明要的不是“像”，而是嚴格證明。當然，這又回到剛才那個問題上了，“對不對”是很難用計算機語言描述的。

我相信，大家搞懂了數學證明和目前人工智能的成熟應用的不同點後，就很容易理解為什麼人工智能目前無法證明數學猜想。

未來，人工智能在藝術創作上可能越來越有建樹(作品很像藝術家的而不是作品很正確)，但是在科學創作上要走的路還很遠。它們或許可以創作很多新的數學公式(結果可精確描述)，但是卻很難創作新的數學理論，數學體系(結論是否正確難以描述)。

犍為真人

那是做的還不夠智能！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！

關鍵字: 人工智能 更牛 科技