👩‍💼 🍩 📮 为什么我确定您可以创建强大的AI 📝 👨🏿‍⚕️ ♐️

在AlphaGo的胜利和机器人头的展示之后，人工智能的话题再次流行起来，我想分享我的想法-为什么我确定我们很快就能创建“强大的AI”（一种完全替代人类的AI）。

关于我的几句话

我毕业于控制论系-应用数学时偏向统计学。当它还不流行时，我就开始编程，只有那些真正喜欢它的人才开始编程。我的“爱好”是递归算法，解析器，静态代码分析等等，它们都与高度抽象相关。

从本质上讲，我是一个认真观察他人的人（稍后对此进行介绍）。在某个时候，我认真地接受了实用的心理学：我经历并进行了培训，参加了NLP，教练。我的系统思考极大地帮助了我了解自己和其他人。

我知道，这不是唯一的-在“物理学”和“抒情诗”交界处-但这仍然是一个相当罕见的组合：“技术人员”通常对心理学不熟悉，心理学家通常会成为人道主义者，从某种程度上说，他们不习惯严格执行类别。

我从远方开始

人与人之间的主要区别之一是“世界的分类”。我们天生就有不同的感知过滤器初始设置，多年来，在我们周围同一世界上，我们积累了不同的主观体验。坦率地说：在第一个文件中，文件头按名称排序，在第二个文件中按大小排序，在第三个文件中按创建日期排序。因此，当第三个人说“很明显”的事实，即最近的文件较少时，事实证明，这对第一和第二个人是完全不明显的。而且你无法证明这一点。

仅此一刻，通常就可以解释为什么人们似乎会说些简单的话，例如1899年美国专利局的那个人说：“所有可以发明的东西都已经被发明了”。我不知道他的具体情况是什么，但我可以轻松想象一个现代投资者，他每天收到两打要约，以资助另一个社交网络，另一个聚合器或另一个健身手镯。他还可以决定“初创公司的想法已经用尽”。
本文包含了我从观察人们中得出的许多主观结论，以及我对头脑中正在发生的事情的理解。

我将从最重要的结论开始：人类心理的复杂性被大大高估了。

人的行为

大多数执业心理学家会证实人们会遇到典型问题。很少会遇到异常或病态严重的人，而Billy Milligans几乎不会。但是，许多客户对“为什么我没有力量”，“我如何保持一种关系”以及其他受欢迎的要求有疑问，每一秒钟都使他确信他的案子是独一无二的。
多年以来，我的脑海中积two了两千三千条“食谱”，“发现”了99％的拜访心理学家的案例。

已故的罗马·特拉希滕贝格主持了一个广播节目，人们开始讲笑话，他结束了。当然，部分地，由于他的记忆力和功能，他做到了这一点。但与此同时，大多数笑话是关于人与人之间关系的情况，而且其中几乎没有。因此它们被存储在我的脑海中，几乎在任何情况下我都可以在“主题”中笑话。我认为在本文的读者中，许多人也可以。

在典型的日常情况下，人们是可以预测的。作品情节（阅读：关于人的故事）被很好地分为七个主要类别。一些人的鉴赏家（例如诈骗者）过着刻板的人类行为。吉普赛女人曾经在我过去的二十秒钟内向我描述了我的性格（老实说，我懒得形容她的性格，尽管这很有趣：））
这种“魔术”的一般方案很简单-确定一个人的“类型”，然后使用脑海中的“人员数据库”来权衡自己的目标。您会惊讶地发现，这样做的速度有多快，以及预测正常的“日常”环境中人类行为的准确性如何。

总结一下：人们在大多数生活情况下的行为是可以由程序设置的简单且可预测的事情。

如何实施？

我遇到过的最成功的心理操作模型是“零件”模型。想象一下，我们头脑中同时启动了许多独立的过程：“舒适”，“学习新事物”，“节约能源”，“繁衍”等。其中一些是“系统的”。优先级在浮动（“哇！新iPhone！要疯了！旺旺想要旺旺！”->新的兴奋中心->优先级：最高）。许多过程-彼此冲突（稳定性-风险；有害但有趣）等。一些过程开始并被遗忘，但它们却是（“不要在街上与陌生的叔叔和姨妈聊天！”）。这些过程可以实现和完成，并且可以在各种精神和心理实践中完成。

对于我们的任何操作，您都可以挖掘该操作背后的一个或多个“部分”。教练和心理学家的任务通常精确地在于使用逻辑和观察来确定哪些特定“部分”位于特定人类问题的背后。该过程本身在本质上与调试非常相似。

目标

为了使系统有意义地运行，它需要一组目标。启发式地发现了人类的主要目标（“自我保护”，“繁殖”，“社区/物种的保护”）和次要目标（“渴望舒适”，“渴望改变”，“渴望稳定”等）。例如，我们的AI不能设定“自我保护”和“杀死所有人”的目标，而要增加“对知识的渴望”。

情绪化

我将跳过“为什么我们需要情感”的故事，但是我要说的是，与陈规定型观念相反，情感系统已经很好地形式化了，甚至带有扩散！例如，“我期望很少，我得到很多-喜悦”或“我很少，他有很多-羡慕”。甚至《模拟人生》也嵌入了情感。
动物也有情绪，因此可以训练机器猫。

幽默与美丽

在这些类别上尚未取得太大进展。人们认为，“滑稽”和“美丽”是我们心理的一些新兴特征。
大脑的主要特质之一就是我们可以对情况进行建模并找到关系。很长一段时间以来，我一直在徘徊一个想法，即幽默是我们大脑中的一种极小值。我们“被给予”一种情况-我们的大脑正在建立某种模型，我们对这种情况的理解-笑话的“盐”更进一步：事实证明我们所有人都正确理解或几乎正确理解了一切（初始数据的最小变化），但是我们的理解是我们的模型事实证明这与现实相去甚远（最大差异）。 minimax越多-越情绪化。如果我们安全，那对我们来说很有趣；否则，那会很恐怖。
和别人建立一个更严重的理论。

基于运动/形式的最优性，对于“美容”也有类似的观察。但是“美容”的概念非常主观，即使在人与人之间也存在很大差异。

无论如何，这些东西都可以通过神经网络甚至以某种方式教给已经在数学上起作用的AI。

创造力

在这里会有些棘手。
我们如何教AI创造根本的新事物，包括进行发明？
我看到几种方法：
-我在大自然中侦察，弄清楚，制造；
-结合了TRIZ中众所周知的方法；
-应用了元方法（用于创建方法的方法）的组合，创建了新方法，创建了新方法；
-随机搜索。
我认为这正是人们头脑中创造新事物的方式。

全部放在一起

因此，我们创建了一台具有传感器并具有在现实世界中运行能力的计算机，向其询问用于在其中建模世界和您自己的基本算法（这是您的自我意识），在一些原始中设定目标，开始并行的过程以追求这些目标，火车，火车，火车...

理论极限

对于创建AI的可能性，最严重的反对是Roger Penrose。在我看来，他在人工智能方面的工作是“在理论上，理论与实践之间没有区别，而在实践中却有区别”这一说法的生动例证。Realbtr写得非常好：“ ... Penrose使智力理想化，并从实际任务转移到了为他带来令人愉悦的理想想法的领域。”

因此，著名的“ No-go” Penrose定理说：“无论具有有限状态机体系结构的设备多么强大，人类的思维都有一些这种设备无法利用的可能性。”它基于Godel的不完备性定理：“在基于公理的形式系统的框架内，人们可以制定无法在该系统框架内证明的陈述”（在不失去意义的情况下，我做了一点简化。
因此，彭罗斯（Penrose）出于某种原因认为，当人们遇到无法证明的陈述时，他们可以应付这种情况，而计算机则不能。由此得出的结论是，人们头脑中存在某种棘手的系统，可以帮助解决“无法解释的”问题。

而且我敢肯定，这里的人们与机器人基本上没有什么不同。目前，有一组公理可以证明许多定理。许多其他定理既未被证明也未被证明。
根据Godel的不完全性定理，如果不引入新的公理，就无法证明其中的某些原理，人们已经逐渐成功地做到了。人工智能可以做到这一点。

为了引起兴趣，我重新学习了有关现代数学中的
公理的知识：-算术（Peano）
公理-实数
公理
- 集合论的公理-...

如果在算术和实数论中，所有公理都是或多或少的显而易见的事物的形式化以我的生活经验，然后在集合论中已经存在“相同”“选择公理”一点都不明显，但是必须引入它以证明部分理论结果是合理的。

这里的主要问题是：AI可以在其形式系统中添加公理吗？而且我没有理由不这样做。问题归结为创造力，我对此进行了更高的研究。

彭罗斯工作中的另一个“问题”是著名的“关机任务”：计算机无法始终判断某个特定程序是否将永远运行，或者总有一天会停止。
彭罗斯再次写道，人们“可以处理，但AI无法处理”。

我在陌生人的代码上做了很多工作（在旧项目上），并且做了很多反向工程。因此，通常我只能大致谈论别人的代码。经过编译器（带有已部署的循环）的优化后，汽车导航仪固件中的RIPEMD-160算法是几千行汇编器，彼此非常相似。使它复杂一点，我将无法在可预见的时间内确定它是否会循环。但是我可以有一定的信心得出一些结论。而且我敢肯定，现在计算机可以比我更好地应对这项任务-可以有把握地发布这样的结论。

亚历山大·帕诺夫（Alexander Panov）在他的文章中给出了一个肯定会在某天停止但很快就会完成的任务的示例-“打印2 ^ 2 ^ 2 ^ 16个单位”。

这是我的任务：证明没有这样的字节序列S：
md5（S）= 1bc29b36f623ba82aaf6724fd3b16717（= md5（'md5'）-1）
为此，您必须经过很多组合才能找到反例，或者打开一些分析md5函数的新方法。有趣和有趣的是：“一个人会应付，而AI不会。”

其他论点

对我来说，间接证据表明您可以创造出比我们的大脑更好的设备，这是人体结构的其他例子，例如眼睛。赫尔姆霍兹（Helmholtz）写到我们的眼睛结构：“如果眼镜商想卖给我一种有很多此类缺陷的仪器，我认为控告他过分强健的表情并将仪器退还完全合理。”
当我从事真正的智力工作时，我会分心，忘记细节，混淆事实，入睡。我相信所有这些工作都可以更有效地完成。

许多人认为量子计算正在我们的大脑中进行。我也这么认为。同时，据我所知，尽管量子计算代表了解决问题的本质上不同的方式，但它们从根本上不会影响创建强大的AI的可能性或不可能。传统的计算机至少已经在处理语音识别了- 具有相同参数的相同网络对英语和汉语语音的识别能力均相同。

总结一下

我作为程序员和心理学家的主观经历告诉我，由人创建强大AI的项目中的大多数任务已经以一种或另一种形式完成。其余的要么看起来比看起来容易，要么人们可以在工作时弄清楚它们。

尽管也许我只是一个幼稚的助手，但是认真的叔叔专业人士已经创造出了强大的AI或已证明无法做到这一点。

为什么我确定您可以创建强大的AI