从生物体系来看,目前的计算机还没有实现真正的智能

简介:

如何才能让人工智能更进一步走向人脑智能?之前我们对智能的研究又缺失了什么以至于计算机实现的智能与人脑的智能之间存在越不过去的坎?

首先有几个问题。

人工智能成为专门的学科诞生以来,经历了几次起落,在人们的期望和失望中摆动。即便目前在计算机、机器人中取得了许多成就,也还是显得不尽人意。业内很多人都能感觉到目前的人工智能离人类大脑的智能仍有较大差距,高等智能的提出就有这方面的因素。但究竟如何才能让人工智能更进一步走向人脑智能?还有,之前我们对智能的研究缺失了什么以至于计算机实现的智能与人脑的智能之间存在越不过去的坎?

目前的计算机还没有实现真正的智能

对智能的研究一直都以人类大脑的智能为范本。但大脑及神经系统只是生物演化中形成一种信息系统而已,还有没有其他种类的信息系统可以作为研究对象。如果有,在这些信息系统会有哪些异同?

目前人们对于智能的定义有很多种说法,会思考、有意识、理智、智慧、像人那样行动等等,都归属于描述性表述。会不会有一种更简单的,更直观的,触及到本质的定义呢?

目前的计算机还没有实现真正的智能

下面阐述一下体系论中关于信息系统和智能的观点。

在体系论中,细胞为一级生物体系,动物、植物、真菌为二级生物体系,人类社会为第三级生物体系。其中第一级和第二级是紧致实体,即通常人们所说的细胞(体)、动物(体)、植物(体);第三级生物体系是离散型物质体系,非紧致实体。一级生物体系细胞作为基本单元组成了二级生物体系,二级生物体系中的人作为基本单元组成了第三级生物体系。

一级生物体系的信息系统以DNA为主,二级生物体系的信息系统为神经系统,其中以大脑为主,第三级生物体系的信息系统为社会信息系统,包含了社会中人的头脑、书籍、计算机、手机、互联网等。至此我们可以看到,在自然演化形成的信息系统中,除了大脑,还有DNA和社会信息系统。社会信息系统中又以人的大脑为核心,因此我们可以先以DNA、大脑-神经系统和计算机这三种典型的信息系统为对象进行研究。

目前的计算机还没有实现真正的智能

对DNA主导下的细胞和大脑-神经系统主导下的人的行为表现进行观察、分析,DNA和大脑-神经系统不仅仅有感知引起的行为,还会有自发的、主动的行为。比如大脑内突然涌现出的想法、突然萌生的要去哪里做什么的意愿。可见DNA和大脑神经系统有自主能力,能够自发地形成信息活动,产生自主行为,它们都是自主信息系统。

在演化方面,DNA可以由突变产生新的信息概念,推动演化;大脑可以通过思考、灵感形成新的信息概念,实现信息演化。它们都有自主演化能力。DNA中新信息概念产生的速率要小于大脑灵感的产生速率,而且大脑灵感可以有很强方向性,产生之后可以通过思考进行检验、处理,筛选出结果,大脑相比DNA有很强的信息处理能力。因此二级信息系统大脑-神经系统的演化活性和信息处理能力是高于一级信息系统DNA的演化活性和信息处理能力的,另外通过对比我们也可以发现,第三级信息系统即社会信息系统的演化活性和信息处理能力也高于大脑-神经系统的。总结可知,一、二、三级信息系统都是自主信息系统,都具备自主演化能力,它们的演化活性和信息处理能是逐级提高的。

目前的计算机还没有实现真正的智能

再看看人类制造出来的信息系统——计算机,目前它只能在编程后按人的指令产生信息活动,或者通过外界的感应形成活动,无法像人和细胞那样自发地形成信息活动。虽然有些机器人拥有自行能力,但还是基于感知-行动或者人的指令产生的,它的信息活动仍然不是自发形成。目前的计算机只是实现了半自主信息活动能力,只能算是半自主信息系统。在演化方面,计算机中的新信息概念是由人输入形成的,它的演化是在人的辅助下的演化,和自主演化有本质的区别。

根据对DNA、大脑、计算机的观察和分析,我在体系论中提出了偶发信令、可控信令、信令协调控制机制和信息概念的观点。DNA和大脑都可以形成偶发信令,然后偶发信令在信令控制机制的协调下引发一系列可控信令,形成信息活动,即自主信息活动。计算机本身无法产生偶发信令,只能由外界引发起始信令后,在信令控制机制的协调下产生一系列可控信令,形成信息活动,即半自主信息活动。DNA可以由突变形成新信息概念——新基因,实现自主演化。大脑可以由偶发信令形成新的信息概念,实现自主演化。而计算机还形成不了偶发信令,也没有突变,无法形成自主演化,只能在人的作用下实现升级、演化。

自然界中,正是突发、偶发事件引起的一系列变化推动了事物的发展和演变。信息系统的出现使这些突发、偶发事件及连锁变化更可靠了。在DNA中,有偶发信令、突变来形成自主信息活动,产生新信息概念,推动演化;在大脑中,有偶发信令来形成自主信息活动,产生新信息概念,推动演化;在社会信息系统中,有大脑的偶发信令来形成自主信息活动,产生新信息概念,推动演化。

目前的计算机还没有实现真正的智能

目前的计算机与人脑的差距就在于无法产生偶发信令,也形成不了新信息概念,所以无法产生自主信息活动,无法实现自主演化。现在计算机实现的智能可以在特定情景中达到很好的预期效果,而在情景改变后就变得极其笨拙了,更不要说适应更为广泛的情景了。然而人就不一样,到了新环境后经过学习思考可以很好地适应新环境。可见,计算机、人工智能若想要达到大脑那样的智能,必须能够产生偶发信令,形成新信息概念,实现自主演化。计算机的普适性应该通过提高其自主演化活性来实现。

通过以上对信息系统的分析,我们提出了新的关于智能的定义,即偶发信令形成新信息概念的能力为智能。这样我们会认识到计算机和DNA都没有智能,只有大脑-神经系统和社会信息系统拥有智能。目前计算机实现的只是功能上的类智能,达到一定程度地智能化,距真正的智能似乎还很遥远。虽然如此,计算机仅是类智能的半自主信息系统,就已经使人类社会产生了跨越式的改变,那么可以预见真正人工智能实现的时候,必定会产生更深远的影响。

备注:体系论是一个全新的理论,它将人类社会也归为一个生物体系,进而划分出细胞(一级生物体系)、动植物(二级生物体系)、人类社会(三级生物体系)三个生物级别,并对各级别生物体系的演化以及信息系统进行分析,发现了许多有意思的东西,对目前解决生物分类、演化、大脑意识、智能、经济、哲学等相关领域的一些问题会有很大启发。


原文发布时间: 2017-01-11 11:08
本文作者: 谭少锋
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
Python
Pandas 安装
10月更文挑战第26天
356 59
Pandas 安装
|
10月前
|
监控 数据挖掘 API
唯品会商品列表接口(唯品会 API 系列)
唯品会商品列表接口助力电商数据分析、竞品调研和价格监控。开发者可通过合法途径获取接口权限,使用HTTP GET/POST请求获取商品名称、价格等信息,返回JSON格式数据。Python示例代码展示如何调用接口并解析返回数据。应用场景涵盖市场调研、价格监控、数据挖掘与分析及电商运营优化,为企业决策提供有力支持。
|
12月前
|
关系型数据库 机器人 OLAP
智答引领|AnalyticDB与通义千问大模型联手打造社区问答新体验
PolarDB开源社区推出基于云原生数据仓库AnalyticDB和通义千问大模型的“PolarDB知识问答助手”,实现一站式全链路RAG能力,大幅提升查询效率和问答准确率。该系统整合静态和动态知识库,提供高效的数据检索与查询服务,支持多种场景下的精准回答,并持续优化用户体验。欢迎加入钉群体验并提出宝贵意见。
智答引领|AnalyticDB与通义千问大模型联手打造社区问答新体验
|
12月前
|
人工智能 自然语言处理 算法
多模态数据信息提取解决方案评测报告
多模态数据信息提取解决方案利用先进AI技术,高效处理文本、图像、音频和视频数据,大幅提升数据处理效率。评测涵盖部署界面、文档、函数模板、官方示例及实际需求满足情况。结果显示,该方案在文本和图像提取方面表现出色,音频和视频提取有改进空间。整体部署简便,支持多种操作系统和编程语言,具有较高可移植性和扩展性。建议优化复杂环境下的音频和视频提取算法,进一步提升处理效率和准确率。
222 2
|
云安全 存储 数据采集
带你读《阿里云安全白皮书》(二)—— 数智化趋势下的安全挑战
本文探讨了数智化发展带来的安全隐患与挑战,强调信息系统安全性对经济社会稳定的重要性。涉及政府管理、金融服务、关键基础设施等领域,指出数据安全问题日益突出,需加强数据治理和安全防护,确保数字经济的健康发展。点击链接下载完整版《阿里云安全白皮书(2024版)》。
|
前端开发 Java API
SpringCloud跨微服务的远程调用,如何发起网络请求,RestTemplate
SpringCloud跨微服务的远程调用,如何发起网络请求,RestTemplate
379 2
|
人工智能 监控 自动驾驶
人工智能浪潮下的伦理挑战与治理路径
随着人工智能技术的飞速发展,其带来的伦理问题亦日益凸显。本文从技术应用的广泛性出发,探讨了AI在医疗、监控、自动化等领域中可能引发的伦理争议,并分析了现有伦理治理机制的不足。通过对比分析,文章提出了构建多层次AI伦理治理框架的必要性,旨在为未来AI技术的健康发展提供指导和建议。
|
机器学习/深度学习 算法
基于PSO粒子群优化的CNN-LSTM的时间序列回归预测matlab仿真
**算法预览图省略** - **软件版本**: MATLAB 2022a - **核心代码片段**略 - **PSO-CNN-LSTM概览**: 结合深度学习与优化,解决复杂时间序列预测。 - **CNN**利用卷积捕获时间序列的空间特征。 - **LSTM**通过门控机制处理长序列依赖,避免梯度问题。 - **流程**: 1. 初始化粒子群,每个粒子对应CNN-LSTM参数。 2. 训练模型,以验证集MSE评估适应度。 3. 使用PSO更新粒子参数,寻找最佳配置。 4. 迭代优化直到满足停止条件,如最大迭代次数或找到优良解。
|
Linux
2021Kali系列 -- Kali安装与配置
2021Kali系列 -- Kali安装与配置
515 0
|
程序员
带你读《电路基础》之一:基本概念
本书内容采用简明易懂的风格,介绍了六步解决问题的方法,并在实践中的问题和实践问题,结合了超过468个新的或改变家庭作业问题。涵盖了全面的线性电路分析的方法,并保留了“设计一个问题”的功能,这有助于学生发展他们的设计技能,有学生发展的问题,以及解决方案。