由于最近一段时间接触编程开发，略微了解了一下机器学习的一些算法的九牛一毛。然后看了百度百科对“人工智能”的介绍。于是我开始构思这篇文章。。。
哲学向
先要从哲学向试着看清方向，不然可能一开始就错了，不过也没有绝对的对错，所以可能也就没有明确的方向，而且只有在实践的过程中才能有料可思。
上一次我探讨人工智能时说到了对AI意识的培养，是从一级意识开始的培养，通过对生物起源的参考，AI也需要有“原始汤池”的基础来产生一级意识。如今我对“原始汤池”的内容有所改观，但为了不失怀疑精神，进行并存处理。一方面还继续保留要推翻人们对程序的设计和操控的想法，另一方面把现有程序视为近似一级意识的产物，即符合零级意识的具有生命周期的一级意识的载体。因为从必然性角度看，虽然程序不像草履虫那样看起来像是“活的”，但都按照规律吸收排放物质能量，借此完成一些其他过程，只不过程序的必然包含人的意志。
人造物都包含人的意志。祖先无意识地使用天然工具获得益处后，便想方设法寻找、改造自然物，把它变成和使用过的自然工具在脑中形成的认识物具有相同特性和功能的人造工具。人造物又成为人们新的认识物，从而更多结合的复杂的人造物被创造。
在众多人造物中，有只有零级意识——物质属性的工具，有一级意识的单细胞，有二级意识的农作物，四级意识的社会分工乃至五级意识已经不是个人意志能实现的了，只能说它是人类共同意志的创造物。而三级意识——脑，正是个人自身意志可以达到的临界值。即使我们可以造出和人脑能力完全一样的人工智能，我们也只能止步于创造出它，至于它如何发展，已是我们无法涉足的。
科学向
对于目前AI科学的发展情况我了解的并不多，我总觉得抛开哲学讨论，剩下的就是技术实现和社会影响了。引用百度的科学介绍：
实际应用
机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
学科范畴
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。
涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论。
研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
意识和人工智能
人工智能就其本质而言，是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。
弱人工智能如今不断地迅猛发展，尤其是2008年经济危机后，美日欧希望借机器人等实现再工业化，工业机器人以比以往任何时候更快的速度发展，更加带动了弱人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。
而强人工智能则暂时处于瓶颈，还需要科学家们和人类的努力。
弱人工智能通过技术应用得到了快速发展，而强人工智能不论是在哲学上还是科学上，都没有强有力的突破，关键难点就在于意识，什么是意识一直没有定论。从意识维度来看，电子设备、计算机网络、信息熵...，它们的复杂程度从我的感性认识来说，应该已经脱离了零级意识，然而对于自然生命诞生需要的复杂度和目前计算机程序、网络运行相关的一切关联的复杂度是无法量化比较的。
假设字节和原子的复杂度等价(显然后者更复杂)，人体细胞平均原子个数的数量级是10的14次幂(网上的答案)，那么存储一个细胞的原子信息需要100TB，这还不包括这些原子的空间排序，更不包括化学反应的规律和过程，最关键的是细胞“活”的必要复杂度需要占多少数量级还是未知数，想要模拟人脑思维几乎不可能实现。
计算机成为先进的人造工具是因为它被赋予了高度的抽象逻辑，使它不必像自然一样经过长年的进化展现更为复杂的规律，但仅靠逻辑是不足以产生意识的。产生意识不如从生物工程着手，造人造生物来的更快，因为其特点是从生物的基础开始，对其进行人工改造，省去了零级到一级或二级的步骤。由此可以看出，用生物作为意识载体，驱动人工智能可能是一条可行的发展方向。换个角度看，在一些方面似乎又回到了用机械延展生物能力的道路。但AI技术已经和生物技术结合，开始介入基因编辑。
总之，强人工智能很难实现，即使造出让人感觉就像真人思维一样的AI，它也未必就满足强人工智能的定义(而且多可能是一种欺骗，这种现象后面会提到)，因为它的定义就相当于要造出与人的思维类似的非生物的新物种。
技术向
我觉得目前人工智能的核心在于机器学习，算法是体现程序价值的部分，也是机器学习的重要组成，但想要接近强人工智能，还是得从制造或激发意识开始。介于我们没有搞清楚意识的本质，最好的方法就是试，制造混沌，混沌之上，才可能产生下一阶段的有序。
对于从学习这条路想要接近强人工智能，首先从前面的讨论可以看出，只能是不断完善，但只靠学习是无法达到强人工智能的地步的，然后在这条路上，我觉得应该尽快批量开发出交互AI(可以只是个程序，不需要实在体现)，让人们普遍能够拥有各自的AI助理，并能让人们易于调控修正它，长时间地一对一学习，同时每个AI的数据统一汇总分析，形成共性的规则，这其中重要的一个方面就是事物的指向性规则，AI辨别不出各个事物是什么，但它可以把握关于事物间的规则，或者说关系。AI不知道“苹果”和“手机”两种事物，也不知道“吃”这个动作，但它知道如果识别出你说了“苹果”，那么之后的规则预设可能更多的是手机和吃两个方面。AI也可以把文字和图片对应上，展现出识物的能力，但其本质还是逻辑学语义学范畴(我并不知道我在说什么)。
当然在弱人工智能上，机器学习起到了非常重要的作用，从事重复性的、不需要主观判断、具有固定逻辑的工作是它的强项。就像蒸汽机、电力、信息技术、新能源一样，人工智能也将带来技术革命，或者说已经带来。这就要谈到社会影响了。
社会向
人工智能的技术应用如今已越来越广泛，一个惊人的现象，我坐公交车听电视里播教师讨论在人工智能时代里如何教育学生成为更有用的人才。弱人工智能的逐步推广，可以解放越来越多的生产力，从而导致社会分工的改变。
比如京东使用人工智能技术，在未来的几年内计划裁员一半。就像工业革命很多工人失业一样，我们的社会将面临大量失业带来的压力，这也迫使人们学习更多的技能，尤其是AI不会的技能。从另一个角度来看，是时代推动人们改变自身的生活工作方式，为精神、观念等提升提供现实基础。快递小哥不能整天横冲直撞地送快递了，得学点知识找些更。。。的工作，一时想不出贴切的词，并非“含金量高”、“有意义”、“需要动脑子”之类的词，生活都不易，谁也不想被时代碾压，在这个万物都在发展的世界里，不进则退是改不了的自然法则。
虽然大势所趋，在时代的小范围内，那些一小部分引领时代潮流的人物们，从历史的角度看他们无可厚非，都在推动人类进步，但他们也手握大量生产资料，让底层人民受苦受累，如果那些跟不上时代的大众得不到妥善安置，将会积累社会矛盾。
另一方面，对于科学水平不高的大多数民众，AI技术更像是一种商业噱头，就算产品中有Ai技术，在营销手段上也多少会存在欺骗行为，一方面企业领导可能对AI技术了解并不透彻，一方面销售人员的不一定懂技术，最终买家可能也只是听个新鲜，他们的目的可能都是为了赶个潮流。
在科学向提到的欺骗是另一个情况，因为目前无法达到强人工智能，所以带有感情、意识、思维交互的AI产品都是一种心理上的欺骗，这其中也包括用户的移情心理(不知名词用的对不对)，就好比小孩买玩具，希望它是活的一样。从这方面说AI不如克隆，给自己找个相投的同伴。
最后再老生常谈一下关于人工智能(当然不局限于AI，也可以是人工生物智能)的未来图景，如果自然进化到了人类，必然性导致需要我们用科学知识延续进化步伐，人类是否愿意牺牲自己，创造出更先进的物种，还是自我毁灭，让自然重新来过。
这篇文章拖了也有几周了，之前思考的东西忘了一些，也就没在文章中体现，总体来说感觉少了几点，以后再思考人工智能时再补上。
