人工智慧深度學習探討

智能的兩大基本要素:信息量和信息關聯（演算法）。信息量大小與信息關聯（演算法）程度共同決定智能水平。

信息量與信息的存儲有關，信息關聯（演算法）與學習及深度學習有關。

計算機學習與人腦學習原理最大區別點是"理解力"（理解了本質是基於知覺、感覺建立的）。"理解力"是深度自主學習的基礎，人腦在感知、理解的基礎才能進行思考、分析。因為，計算機本身沒有"覺"，它就無法深層理解"信息"含義（計算機沒有感覺體驗就無法深層認識、解讀信息，所以，無從深層分析信息。），從而，不能進行深層自主學習和分析。

正如，一個普通的中學生學習一個新的數學或物理公式，開始他通過記憶記住公式運算規則和運演算法則（這個也是計算機學習模式）。然而，它只會在學習的公式基礎上進行運算，沒有進行深度學習和理解。但是，對於一個聰明的學生，他通過深度學習（理解公式表達的含義，這個過程有感知和覺的參與。正如一個公式推理實際對應現實一個規則道理，通過感知可以理解公式表達的實際含義，深層理解對應一種知覺體驗。有了這種知覺體驗，我們就會"明白"公式的含義，在"明白"的基礎上，就可以進一步深層理解分析和學習）。因此，這個聰明學生就能靈活運用公式，甚至可以在這個基礎上，自己建立新的公式（比如偉大的數學、物理學家在理解前輩的基礎上發展新的理論公式）。

因為，計算機缺少"知覺"，故而只能像那位普通中學生記住基本運算規則，在基本規則下學習（通過人為設定規則），無法像那位聰明中學生一樣理解公式的含義，甚至創造新的公式或者演算法。

針對計算機特點，提高計算機智能的唯一方式是，不斷人工設定新的演算法（即人為的幫助計算機學習，計算機沒有理解力，無法做到真正自主學習。通過，認為更新演算法提高計算機智能水平。）也就是不斷給計算機增加"反思" 過程（計算機進行多項運算），即執行多次任務操作。但是，這樣會降低計算機運算速度。當然，可以採用"多核"運算模式減緩複雜運算的弊端。

計算機模仿人腦深度學習，唯有一個"近似"方式。即讓計算機演算法參與編程系統。讓計算機"記憶"編程語言，並且"學習"編程語言，通過設定演算法讓計算機自己可以根據「經驗「」創造新的編程語言，並且可以自動更新應用系統，並且控制系統運行。總之，讓計算機學習並參與編程系統，而不是僅作為執行機器。這樣計算機就類似有了自己的「思想」，它可以自己編寫程序並控制計算機運行。當然，這樣的智能計算機完全可能逃脫人類的控制自己製造病毒，控制計算機的運行。甚至可以控制一切機器，類似有了「意識」。本質上這不算意識，只是運算程序而已，因為，它沒有知覺，也沒有「理解力」！它只會編寫「程序」，而且，只是在所有程序基礎上的「更新」，不會出現像人腦那種完全超越常規性的突破創新。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！