开发者相约羊城打卡鲲鹏沙龙

事实上，我们应该彻底放弃，用人类智能去寻找“算法”来“更新”人工智能，而是用人脑源源不断产生的数据，去“喂养”人工智能，然后让它从简单结构开始，向着复杂结构不断地“自我演化”——就像当初的人脑一样。

最后可见，正确的预测(或说预测的正确率)，取决于信息量(信息可以消除不确定性)，而信息来源于数据，没有更多的数据，就是没有更准确的预测，那么在迭代计算中，用结构去捕获数据，进而掌控预测的概率——这就是人类智能与人工智能，共同的演化。

智能的本质

前文讨论了智能的诸多层面，现在我们将从生物演化和物理规律的视角，来解释智能的本质到底是什么。

首先，从生物演化角度。

演化压力要求，生物体构建出趋利避害的功能，否则就会被淘汰，那么如何才能趋利避害?首当其冲的就是，准确地预测利与害。那么如何才能准确地预测利与害?自然是，通过智能的推理能力(即演绎、归纳、类比、溯因)。

可见，智能是生物体趋利避害的功能，在演化压力之下，不断升级的必然产物，也是无数次随机试错的偶然产物。

或许有人会说，基因构建的本能，也能够预测未来，动物也可以针对环境信息，做出预测性的行动反馈。但事实上，本能并没有推理，而只是做出有限模式的“套路化”反馈，即应激反应。

因此，我们可以将智能看成是——通过推理的预测，即：推理能力越强，预测能力就越强，智能就越强，反之智能越弱，预测能力就越弱，推理能力也就越弱。

那么，生物体通过智能最大化趋利避害之后，会怎么样呢?

当然就是，高效地吃喝、不停地繁衍、长久地生存——这显然会消耗更多的能量，制造更多的熵增。

其次，从物理规律角度。

一个层面，熵增定律要求，局部自组织有序熵减，以推动整体更加的无序熵增，因为维持局部有序，需要注入能量，而消耗能量的过程，会在整体产生更多的无序。

另一个层面，系统能量足够，就可以保持对称性(无序)，能量不足就会对称性破缺(有序)，例如：水的能量高于冰，水的(旋转)对称性高于冰，水比冰更无序。

那么，结合以上两个层面来看：

熵增会驱使局部有序，维持有序需要注入能量，于是有序就会演化出，越来越高效的耗能系统来获取能量，而拥有足够的能量，就可以保持相关系统的对称性(相关系统是指耗能系统所能够影响的系统)，那么对称性意味着演化的可选择性，可选择性则可以通过选择权的不对称性，让系统局部从相关系统中受益，进而获得更多的能量，这又会推动局部更加的有序和耗能，最终令系统整体走向不断熵增的演化过程。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!