智能

什么是智能

这几年对人工智能的研究使得我对“什么是智能”有了新的认识。所以在这里把自己所体会到的写成一篇科普文，希望更多的人了解智能。

对智能的探索难于取得突破的一个重要原因是智能并非单一状态，而是分阶段、不断发展的。不同阶段的智能表现出的能力不同。智能好比一条不断延伸的射线。不能仅仅站在人类智能阶段的这个点上去衡量和考核智能。如今人们对智能的探索更像是用某种高等软件所能做到的事情为基准去研究计算机的工作原理。而高等软件有无数种，这就造成了人们也有无数种考核基准。所以想要搞清智能是什么，我们不妨先回到还未进化出智能的时期，找出这条射线的源头，回答几个关键性的问题，再简单梳理一下智能的发展流程。

什么是智能
1进化出智能的原因

2预测的工作原理
原理

难点

组合形式

3智能的必要条件

4智能的定义

5智能的不同阶段
智能阶段有两种划分视角
A以预测模型结构的发展为视角

B以生物类别为视角

6生物智能与计算机

7预测智能的局限性

思考

1、进化出智能的原因

世界每时每刻都在变化，想要更好的生存，就需要可以根据周围变化而做出相应变化的机制，从而避开危险。假想一个可以移动但没有感知器官的生命体，在移动中会遇到诸如悬崖、沼泽这样的危险区域。预测危险是此时最需要的能力。于是后来就产生了靠声音，视觉，磁场等识别危险的生物。可以说一切智能起源于预测，预测便是这个射线的起点。预测是智能的最基本功能模块。那预测如何实现？

2、预测的工作原理

原理：

预测分为两个部分

第一部分是在两类事物之间建立关联。就视觉动物举例来说，一类事物是画面，另一类事物是反射出画面的物体。




如上图左半部分所示，A和B是不同类型的悬崖画面，C是沼泽的画面。此时要把画面A和画面B与悬崖建立关联，把画面C和沼泽建立关联。

第二部分是识别，如上图右半部分所示，当再次遇到一个画面时（输入信号），可以利用之前建立的关联得出另一端（输出信号），实现靠画面来预测危险。第一部分也叫做学习，建立的关联也叫模型。建立关联的两类事物也可以是任何事物。例如，组织损伤与疼觉的关联、悲伤故事与流泪的关联、记忆与记忆的关联、甚至是预测模型与预测模型的关联。

难点：

既然原理就是建立关联与应用关联，为什么让计算机拥有识别能力这项工作却困扰了人们百年之久，直到近几年才因为深层学习的发展得以突破。

难点1：预测模型既要把需要建立关联的事物之间建立关联，还要防止无关事物也被关联上。上述例子中，不仅要建立需要的关联，还需要防止“画面D跟沼泽关联”这样的无关关联，也就是不要混淆。不混淆两个关联可能并不难，但如果有成百上千的关联，保持不混淆就不是一件易事。并且A、B、C、D这类事物会被分为一类就是因为他们之间有共同点，有时可能会非常相似。

难点2：物体会在不同环境条件下反射出不同画面。有时甚至是残缺画面。并且要识别的画面往往同其他无关画面一起出现（这类无关信号也叫做noise）。

实例解释：就人脸的识别来说，如果把预测模型打开来细看，往往是由无数个子模型一层一层共同识别完成的。一个模型识别出的结果又可以成为另一个模型的输入。




从上图左侧第一层开始，这一层代表眼内最底层的光学细胞。每个细胞仅仅识别是否看到了某种颜色的点。若干不同颜色的点一起与某种长度的线建立关联（多对一），这也就建立了第一层到第二层的关联。再把线和形状建立关联，形成不同鼻子，耳朵等。再这样一层一层，最终和人脸建立关联。就算中间阶段的识别不正确，甚至某些细胞死亡了也没关系，个别预测模型并不会对大局产生太大的影响。

组合形式:

组合形式为嵌套。将预测模型以不同数量和结构组合在一起后又可以产生新的预测模型。这完全符合自然进化规律。自然界无法突然进化出十分复杂的结构。往往都是同一原理在不同层级反复利用。

3、智能的必要条件

预测的需要先建立模型，然后利用模型在必要时刻进行预测。那么除了学习和识别外另一个至关重要的条件是储存模型的媒介。生物智能的进化从某种意义上也可以看作“存储设备的进化”。生命史上第一个模型存储媒介是DNA。学习来的模型是可以依靠DNA，跨越生命个体来延续的。生物至今依然受存储在DNA上的预测模型影响。这也便是我们常说的“天性”。有些模型是在古代为了更好生存而学习得到的，虽然很多模型在当今社会不再适，却难以更改。动物的“兽性”，和人类的“自私，懒惰，恐惧，嫉妒”等存在于所谓的古脑中的本能情绪，都是来源于存储在DNA上的预测模型。

在DNA之后的储存媒介是短期记忆，随后又有了长期记忆。甚至从广义上讲，纸张，硬盘也都是模型存储设备的延伸。

DNA—>短期记忆—>长期记忆—>竹简、石头—>纸张—>计算机硬盘

4、智能的定义

考虑到智能定义的一般性，不能从用人类的智能水平去定义智能，而应该回到智能的最初形态。后来的意识和思考能力也是在此基础上发展而来的。所以智能的定义只有两个字：预测。但一定要深刻理解什么是预测。

智能就是预测

5、智能的不同阶段

很多人可能不同意上述定义。但如我开篇所说，智能并非单一状态，而是分阶段、不断发展的，不同阶段的智能表现出的能力不同。上文描述的智能是智能的初始阶段。下面就谈谈智能的不同阶段，及划分标准。

智能阶段有两种划分视角：

[b]A、以预测模型结构的发展为视角[/b]

新的结构代表着新一代的智能。好比计算机编程语言的发展（如从结构化程序设计—->面向对象程序设计的发展）。不得不提的是生物（尤其是从昆虫以后的高等生物）的绝大多数的预测模型的主要结构都不是我上面所说的那种。而是加入了时间概念，可以考虑序列的预测模型结构。假设你需要通过某个人的动作来猜其跳的舞蹈。但以简单的预测模型来预测的话需要事先知道他跳舞的时间，如果下次跳舞时间和之前所建模型不匹配就无法预测。显然人类可以很好的解决这个问题。但这并不是一个重新构建的模型结构，而是在原始模型结构的基础上再次进化而来的。目前人类已经可以模拟此预测模型，这就是Recurrent Neural Network (RNN)。有兴趣的可以参考introduction to RNNs。简单来说的话，就是过去的输入信号可以一定程度上和当前输入信号共同影响当前输出信号。下面的图可以让你再次体会到这种机制的存在。



注视图中心四个黑点30秒，再然后朝自己身边白色的墙壁，同时快速眨几下眼睛

这种现象人们称之为“视觉暂留”，然而没有解释其原理。但你可以在RNN中找到答案。

[b]B、以生物类别为视角[/b]

这里我就以生物类别为视角介绍智能从最初阶段一直到人类的智能阶段，并进一步扩展。

起源—>微生物—>植物—>昆虫—>昆虫群体—>动物—>动物群体—>>人类

智能的发展基本上取决于两个因素：预测模型的数量和预测模型之间的传输速度。

智能起源：就是单一的预测模型。

至此不得不提到一个概念：群体智能。诸如蚁群，蜂群，大雁，狼群等。从生物角度上来说，不应该把群体智能特别看待，因为动植物也都是由细胞组成的，除了单细胞生物外，其他所有生物的智能都是群体智能。这也解释了为什么决定智能划分标准的两个因素是数量和模型间的传输速度。但这两个因素共同决定了一个能力：描述世界的程度。

植物的智能：

预测模型的数量很少(参照人类)。功能性总的来看，两个大模型最为突出：1根据光源改变面向的能力，2根据水源改变根的生长方向的能力。但是依靠信息素传递的植物，传输速度成了智能的瓶颈。植物的描述世界程度基本只有根部、光源、水源。

昆虫的智能：

模型数量少，但大模型的功能增加了诸如视觉，触觉等感知预测模型，可以小范围移动。模型间传输手段是电信号+化学信号，优于植物。能描述世界的程度高于植物，但相对来说依旧很小。

群体昆虫：

预测模型是由个体昆虫组成的复杂模型（每个个体昆虫也可以简单看做为一个预测模型），世界描述程度高于个体昆虫，但是由于昆虫间靠信息素交流，传输速度又低于个体昆虫。相比个体昆虫拥有更强的寻找食物能力和抵挡外来入侵能力。

动物及动物群体：

大体类似于昆虫和昆虫群体，但是由于活动空间的增大，所能描述世界的能力高于昆虫。并且某些动物已经可以利用叫声传递信息，声音的传播速度又快于信息素。

人类个体及人类社会：在各项指标方面，基本所有人类个体高于动物个体的原因都归因于人类社会，所以难以分开论述。

人类个体内部预测模型的传输速度都是电信号+化学信号，并不比其他动物优异。但预测模型的数量却是已知生物中最多的(绝大多数存在于大脑)。新大陆的发现、各类交通工具的更新使得活动范围空前广大的人类，脑中的预测模型可以描述整个地球、甚至眼睛无法感知的外太空。再加上由精神思维活动产生的领域，使得人类可以描述世界的程度已经大到难以度量。另外纸张和硬盘等模型存储媒介的应用，也使得人类无需通过缓慢的DNA也可以完成跨越个体生命的模型的传承，同时也允许不同个体之间交换已学的模型知识。

互联网：已知最强智能

人类社会已经是很多人类连接起来的群体智能了。而互联网的发明更是将能够连接起来的人类的数量和信息传输速度提升到了极致。各项指标都是最高。是当之无愧的最强智能。不过由于战争种族的纠纷和贫穷问题，还有很大提升能力。

地球连接：跨越种族的群体智能。如人类和警犬之间的共同协作。

种群	连接模型数量	连接速度	世界描述力
智能起源	F级	F级	F级
植物	E级	E级	E级
昆虫	D级	D级	D级
群体昆虫	A级	E级	C级
动物	C级	D级	C级
动物群体	E级	C级	B级
人类社会	A级	B级	S级
互联网	A级	S级	S+级

6、生物智能与计算机

有趣的是，生物智能的发展同计算机的发展之间可以找到很多相对应的概念。智能的基本功能（预测）对应着计算机的最基本0、1逻辑操作。最初的模型储存媒介（DNA）中的预测模型对应着计算机中的操作系统。我个人喜欢把计算机称为“人类造出的怪物”。计算机拥有着和生物不同的工作原理，但却可以模拟一切，包括智能。这因如此，计算机也可以算作智能的范畴，所以标题用生物智能来区别计算机。

下面是对照表格

生物智能	计算机
预测模型	0、1逻辑操作
高级预测模型	编程语言
各种智能行为	应用软件
DNA中的预测模型	操作系统、出厂软件
短期记忆	内存
长期记忆	硬盘
神经类疾病	病毒

这张表格还有一些内容没有填写。等以后讨论到意识后再填补上。

两者很多方面都很类似。量和速度决定能力。但最不一样的地方是计算机的CPU是依次逐一计算，而生物智能靠并行预测。所以现在的深层学习有利用GPU（深层学习中的参数是矩阵，图片在电脑中也是由矩阵表示的。所以处理图片的GPU可以用来训练深层神经网络Introduction to deep learning with GPUs）来模拟这种并行能力，从而提高速度。

7、预测智能的局限性

都说眼见为实。然而人们也逐渐认识到眼睛可以被欺骗。并且人类“计算”乘法数学运算的时候并非像计算机一样真正的去计算，而是通过九九乘法表，背（学习or训练）下来的模型去预测。实质是在两类事物间建立关联。这也可以解释为何人脑在超大计算量的数学运算中可以超越电脑的速度。因为电脑是真的去计算，而人类可以直接建立关联。

可以看出这种智能机制有优点，也有很多局限性。这为后来智能必将发展出新机制留下了伏笔。这恐怕也是意识最初形态的起源。

智能的发展基本都是由于量变和速度造成的，而意识可以算作质变，是智能发展中的一个新高度。下一篇文章我将会单独讨论意识，希望通过大量的实例，让大家对意识有一个大致的认识。消除对意识的神秘感。

思考：

同考虑智能的方法一样，考虑意识之前先回答几个关键性的问题。我先罗列几个留给眼前的你思考。


预测智能已经如此强大，为什么还会产生意识？究竟预测智能有什么致命的局限性？（意识进化原因）

意识能够做什么？（意识的功能）

意识对于生命来说是否必须？哪些生命体需要意识？（意识的必要性）



感谢阅读 。上述观点是我个人想法，难免有疏忽的地方。如果你发现哪些地方可以改进，请务必指点出来。我的微博YJango，欢迎一起讨论。