第183章 类人智能

其中的关键算法，许毅随即将他们提为版主，让他们帮助自己回答新人的一些问题。另外，stuos代码编写小组也建立起来，经过许毅亲自把关，将真正有心、有潜力的成员吸收为小组成员，并且将后续的编写工作渐渐交到他们手中，直到最后他将这方面的工作全部移交完毕，让这个项目进入一种良性循环的独立运转状态，就算没有他的参与，他们也能健康而顺利地将这个项目进行下去。

    终于可以松口气了，许毅欣慰地看着这个项目朝着预定的目标发展着，大感满意。心想看来名气大有时候也是一件好事，可以做到很多别人做不到的事情。

    接下来，许毅终于又可以把精力放在人工智能的研究上来了。他最近决定将自己的这套理论命名为“类人智能”，以此来区别现在国际上流行的“人工智能”。

    什么是人工智能？或者说现在的人工智能是怎么定义的？在这个概念上，研究人工智能的人各有自己的理解，他们都用自己的方法为它定义，但是这些定义都有着一个相同的特点――他们的人工智能把目标定位于做出一个和人类的智能有点像的东西，而不是完全模拟。也就是说，通常的研究只是部分地对人类的智能进行研究。

    最早出现的人工智能是逻辑推理系统，它证明了著名的四色定理，它的原理就是把数理逻辑推理过程看成是思维方式，编程运行，以此作为人工智能。但数理逻辑推理仅仅是人类思维逻辑中形式逻辑的一种形式，只是人类智能的很小的一个组成部分。后来专家系统兴起了，以数理逻辑为基础，加入专家们的某些专业经验便成了专家系统。然而经验也只是人类作为判断依据的一种形式。再后来，人工神经网络大行其道，它的奇特之处在于，人们并不能确切的知道在解决问题过程中，神经网络是如何干的？但是问题确实就解决了。这与逻辑推理系统，系统的运行全靠人编程序的控制大大不同。但是认真地分析人工神经网络，它既不能实现人脑海量神经元的网络的模拟，又不能使这个网络产生分析、归纳、抽象这类能力。它所津津乐道的不过是一个分类。因此它也只是搞了一点像智能的东西而已。

    以后的计算机学习理论、自然语言理解等等等等，研究的东西都只是人类智能的一部分，而不是整体。这样，问题就来了，我们仅仅研究人类智能的某一小部分功能，能够实现像人类智能一样的智能吗？许毅对此深表怀疑。从局部研究这些人工智能确实能够为人类做出贡献，制造出更方便的工具为人类服务，但是要想凭借这些理论来创造出和人类一样或者相似的智能来，或许本身就是一个错误。这是定位的错误，大家研究的起点就错了。

    经过这么长时间的思考，许毅的理论焦点已经集中到这个问题上了，所以为了将自己的理论和传统的人工智能区别开来，他将其命名为“类人智能”，意为和人类智能非常相近的人工智能，而不是传统的那些和人类智能有点像的智能。

    在这点上，selina和许毅有了不同的见解，她认为许毅的定位有些高了，“模拟人类的一切智能简直不可能！”。她劝诫许毅，研究问题的规律都是从简单到复杂，只有将最简单的东西弄明白了，才能够理解更复杂的东西。

    而许毅则告知她说：“我并没有违背这个规律，你还没有理解我的意思。我怀疑的是大家研究的起点错误，定位已经错了还能指望后面能得出正确的结果吗？我们应该首先认清楚这件事的本质，找准起点，然后以此为基础，去寻找这个层次中的最简单的问题，然后解决它”

    selina回信：“你有些好高骛远了你怎么就能肯定自己的研究模拟的就一定是全部的人类智能？”

    许毅则回道：“你中毒太深，传统理论的影响已经深入到你的骨子里了.....我只是提出这样一个假设，并且沿着这个假设一直思考下去给自己一个这样的前提，然后以此为标准去思考解决的方法，并不是没有可能”