- 程序有所改变。发帖如还有问题请报告
- 【征集】西西河的经济学，及清流措施，需要主动参与者，『稷下学宫』新认证方式，24年网站打算和努力目标
主题：【原创】神经网络和人脑运作的数学原理是相通的 -- 真理
- 复 人脑当然高效啊
家园 毛主席也支持我们的观点啊 -- 有补充 《实践论》摘录:
认识从实践开始，经过实践得到了理论的认识，还必须再回到实践中去。
认识的能动作用，不但表现于从感性的认识到理性的认识能动的飞跃，更重要的还须表现于从理性的认识到革命的实践这一个飞跃。
毛主席说：“这个概念判断和推理的阶段，在人们对于一个事物的整个认识过程是更重要的阶段，这也就是理性认识阶段。”经过这种有低级到高级的思维转变，由现象到本质的了解，使人们的认识从感性认识到达了理性认识的高度。
毛主席说：“外面的人到延安考察，头一二天，他们看到的是延安的地形、街道、屋宇，接触了许多人，参加了晚宴，听到了各种说话，看到了一些文件，但是他们任然对延安还不能有深刻的概念，也不能作出合乎逻辑的结论，这就是感性认识。”
到达理性认识的高度也就有了解决社会矛盾，指导实践活动的有力武器。
那么如何从感性认识进一步深化到理性认识是不是一件简单的事情呢？是不是三言两语总结归纳就能做到的呢？当然不是。毛主席告诉我们：“要完全地反应整个事物，反应事物的本质，反应事物的内部规律性，就必须经过思考作用，将丰富的感觉材料加以去粗取精，去伪存真，由此及彼，由表及里……
作者 对本帖的 补充(1)家园 AI的进化里程碑 -- 补充帖 书上说从猿到人的进化里程碑是开始会使用工具。三体作者说第一个抬头仰望星空就标志着人类出现了，仰望星空指的是思考或者想象吧。
那么AI进化的里程碑是什么？
我看就是毛主席讲的从现象出发找到本质，从感性认识到理性认识，归纳出理论，从而能完整地反应整个事物。
见前补充 4914325
家园 计算器和其他语言的计算机程序有本质区别吗？ 高级计算机语言主要是方便人类使用的，“函数”最后执行的时候不都是机器语言？都是运算器存储器寄存器等等？都服从计算理论？你觉得现在有计算机可以“理解”根号2？难道你觉得现在已经有计算机有了“理解”根号2的“意识”？
“大部分人类根本不理解实数”，说明还是有人可以理解实数。但所有的计算机现在都不理解实数，而且理论上未来很可能也不可以，这就是区别。
家园 补充：而且很多“函数”可能还比不上计算器 有时候为了性能，会使用近似算法计算，更极端的甚至根本不用计算：直接把预先算好的值直接存起来用的时候直接拿过来就行了（所谓的“以空间换时间”）。
说到这里想起一个有趣的算法：
John Carmack，IDdSoftware的创始人之一，上世纪Doom和Quake引擎主要开发者之一，曾在书中提到一个神奇的快速计算平凡根倒数的算法，至今还让人啧啧称奇：
float Q_rsqrt( float number )
{
long i;
float x2, y;
const float threehalfs = 1.5F;
x2 = number * 0.5F;
y = number;
i = * ( long * ) &y; // evil floating point bit level hacking
i = 0x5f3759df - ( i >> 1 ); // what the fuck?
y = * ( float * ) &i;
y = y * ( threehalfs - ( x2 * y * y ) ); // 1st iteration
// y = y * ( threehalfs - ( x2 * y * y ) ); // 2nd iteration, this can be removed
return y;
}
如今QuakeIII早就开源了，可以直接看到这段代码，它巧妙发利用了IEEE 754标准，用0x5f3759df这个Magic Number，能在不使用循环和递归的情况下快速计算出平方根的倒数。
家园 计算器脑容量太小，而计算机理解根号二无困难 这里的理解，是指建立一个不同于一般数值计算的类别。譬如计算器无法输入储存文字、图片类，但是一般个人计算机都能做到。
如果计算机能从一串二进制符号中识别美女图像，那么我认为计算机是理解美女这个概念的。当然，图像识别今天还比较困难。但是文字识别不困难。只不过计算机理解的文字是编码而已。
如果你要求人工智能像人一样理解概念，那估计是不行的。但是人工智能有自己的理解，可能超出你所理解的理解。如果你偏认为人类的理解才是唯一，那可能过于妄自尊大了。
家园 这个和容量没关系 我的原意就是根号2是个无限不循环小数，计算机不可能通过计算得知它是“无限不循环”的，因为这会造成永远计算下去。
如果你要求人工智能像人一样理解概念，那估计是不行的。但是人工智能有自己的理解，可能超出你所理解的理解。如果你偏认为人类的理解才是唯一，那可能过于妄自尊大了。
我们讨论的就是人工智能能不能像人一样，或达到人类这个水平，也就是强人工智能。至于“弱人工智能”人们基本已经认为AI已经达到了（当然这个“弱”也是有不同水平的）。
家园 这不新鲜，八十年代时AI面对的就是这些问题 那时的神经网络还不叫AI，AI的主流是基于计算。 现在说AI基于计算机还差不多，这个理解力是如何从计算中产生的，如果知道就不叫黑盒子了，与所谓的“人脑可以理解不能计算”的意思差不多。 所以说今天的AI是基于计算，这是要打一个大大的问号的，做个分类识别还可以解释，更复杂的理解力目前无法解释，但不断有突破，可以说类似基础科学领域内的化学物理理论都一样，但是工艺上不断提高导致了产品性能的跨越。AI科学目前是个工匠型行业，试错试出了来的一个现象。
这种事情其实接受不接受不要紧，就像GPS导航天天无数人在用，有多少人理解原理甚至关心过。变化尤其突变就是一个习惯过程，心里的纠结对个人是个天大的事，对于整体与大自然完全是噪音。重要的不是人脑的工作原理是不是与AI一样，而是AI的发展超越人脑目前看就是个时间问题，人脑是大自然产生的一种智能，乌鸦也是，海豚也是，鸟群蚁群，植物都可能是一种智能，AI同样也是。 从人类视角看，智能的内部工作原理不清楚但是智能的性质与表现很清楚，甚至可以量化不如人类水平的智能，但人脑肯定不是天花板。 现在GPT4到了1Trillion而人脑是100trillion数量级，所以这是个计算机问题而不是计算问题。
通宝推：闻弦歌,家园 八十年代神经网络已经是AI的一部分了 Artificial Inteligence这个词是1956年的达特茅斯会议上提出来的，那时候就逻辑推理为代表的“符号主义”和以人工神经网络为代表的“联结主义“都已经发展到一定程度。这次会议的目的之一其实就是把这些相关但分散的领域结合起来。
80年代是人工神经网络的一个高峰，日本还借此提出了雄心勃勃的”五代机计划“，然而随后就陷入低潮，”五代机计划“也无疾而终。
最近十多年兴起的热潮其实是AI的一个分支-机器学习（Machine Learning），它是建立在互联网以及其他信息革命后出现的大数据基础上的（当然还有算算力的增强），而说到理论上和80年代比起来没什么大的突破，所以如果说80年代认为AI不能达到人类的高度现在也仍然没什么理由这么认为。
最后要说的是，人工神经网络虽然是受到人脑神经系统的启发创立的，但它的发展其实和人脑本身没多大关系，而主要是数学和算法上的（如反向传播算法，非线性激活函数，随机梯度下降等等）。就像飞机是受鸟类启发而发明的，但飞机的发展和鸟类本身却没多大关系，而是和空气动力学，材料学等等更相关。
通宝推：川普,红十月,闻弦歌,