什么是智能？
我在几年前的一篇文章《来自信息重组的智能 Information @ (Re)Connection》下过一个定义“智能：根据外界输入筛选最合适处理模式进行输出，并根据结果调整模式，以达到更大效率的个体。”
这句话听上去可能有点绕，我先从简单的说起。
什么是经验？
举个简单的例子，就说狼来的故事，从农夫的认知上来说，经历了三个步骤：
1、山上有人喊遇到狼→要救他→上山→发现被骗
2、山上有人喊遇到狼→要救他→上山→又发现被骗→以后不能被这种事情忽悠→储存在类似事件处理模式中
3、山上有人喊遇到狼→调用处理机制→不救
而且，人类除了能从自身经历过的事情学到经验之外，还可以从其他人的故事和行为中学到经验。比如：
老师讲了狼来到故事→从故事中整理出处理模式→
1、没事不要骗人；2、不要信骗子的话；3、骗子没有好下场
具体反映到行为，比如：
突发奇想逗同学→不能重演狼来了的惨剧→算了
说个有意思的事情，猫科动物中，只有狮子是社会性动物，群居并且还能从同伴的行为中获取经验，别的大猫小猫都不行。
为什么说现在的人工智能不是闭环的？
现在的人工智能的运行模式是这样的：给它一堆训练数据，这个数据是各种示例和对应的标准答案，然后算法通过各种尝试，找到一种模式能把示例和标准答案联系起来，然后还有一个测试集，来测试这个模型的正确率，正确率不够就继续训练，直到达到了测试人员规定的一个正确率才算训练完成。（当然，这个正确率根据测试集和算法是有极限的）
那么有一个问题，就是训练完成的模型，面对固定输入的时候，只能返回固定的结果，于是你就会发现它可能一点也不智能。
也就是说，如今的人工智能并不是一个自动的闭环系统，在输出错误结果之后，并不能自我修正，立刻达到更好的输出，而是需要科研工作人员来更换更好的训练集，再重新训练一遍，来达到更好的效果。
好消息是，这样的人工智能是很好的工具，能完成特定的任务。
而且科研人员作为闭环中的一环，也会不断的升级人工智能。
坏消息是这样的人工智能并不能让你很满意。
人工智能的闭环方式遐想
那么如何实现人工智能的闭环呢？
现在的人工智能在实现大部分功能的时候，都不是一层来实现的，比如第一层要识别图像哪部分是主体，第二层要得出几个关键点的数据，第三层才能把数据和结果联系起来。
那么，我想到了这样一种可能，即，用另一个人工智能模型来判断输出结果的好坏，并进行整理。然后传给下一个人工智能模型，收集新的训练数据，并定时重新训练和替换现有模型。
如果想再智能一点，可以根据出错的危害程度，重大的问题就立即重新训练，不重要的问题就按长周期进行重训练。以此来达到人工智能体的经验提升。
扩展阅读
如果想更多的了解我的有关智能体的输入输出理论，还有我的一些预测，请阅读《机器之心 Input'n'Output》。
IR Studio
May the order be with you.
