强人工智能可行性

前几年我搞清楚了智能的局限。但很可惜，有太多的东西是我们永远无法知道的。

这个世界是离散的还算连续的呢？
这很重要。如果世界是离散的，那人的意识必然是离散的。计算机也是离散的，那么只要资源足够，计算机一定能模拟人类意识。但如果世界是连续的，那么意识可能是连续的，计算机永远不可能模拟出人类意识。而计算机可能永远也无法比人更聪明，只能无限接近。但倘若意识真的是连续的，那么研究只可意会不可言传的玄学可能会有成果。文字是离散的，无法表达连续的信息。

就算意识是离散的，计算机也是离散的。如果一个聪明的意识需要的存储量和计算量远超计算机，那么也无法制造出更聪明的计算机智能。

离散的智能处理复杂问题的能力其实远比我们想象中的要弱。
一旦问题的复杂度是指数爆炸增长，我们就束手无策了。
举个简单的例子：商旅问题。如果你要经过N个城市，如何规划你的路径使得总路程最短呢？问题的计算量随着城市数量呈现指数增长。如果有两百个城市，那么即使把整个地球都转换为存储介质和计算单元，都无法解决这个问题。

唯一能抱有侥幸心理的是，我们不需要求出商旅问题的最优解，可以用局部最优解来节省路程。但是你如何保障，现实的所有问题的复杂度都有非指数级别的解决方案呢？

最后，制造一个AI的本身就是一个及其复杂的问题。

我认为AI仍然是一种信息技术，应该以信息的角度去理解。而不是以人的角度，机器不一定是以人的方式去思考问题的。所以试图用人类开发的自然语言直接编写AI是不可能成功的。试图从概念层面模拟人类思考的AI也无法成功。

信息的角度看世界是这样的：
解决任何一个问题都需要固定的信息量。人本来就知道一些东西，有一些预设，这提供了很多信息，然后人会通过行动获取其他需要的信息，当信息足够了，就能解决问题。
比如，你要求解一个方程，之前的知识告诉你只有8个解里有答案。那么现在解决这个问题需要3bit的信息量。
而你发现某个变量为正，这说明有一半的解都是错的，直接排除了4个解，提供了1bit的信息量。剩下的一个个计算，就可以得出最终答案。
人在解决问题的时候，是一定时间内提供一定量bit的信息量。越聪明的大脑能提供的bit量就越多。
而现在的计算机提供信息量的方法则不一样。
人类设计一个算法将解空间约束到一定范围，计算机则是一个个地去求解。计算机提供信息量，则是一定时间内提供一定量的求解，而不是bit。
这两者是互补的。人往往开头提供几个bit简单，最后几bit的信息则异常困难。而计算机是无法提供开头的bit的，但是可以毫无难度地计算具体的解。
那么人为何能够提供开头的几个bit呢？为什么计算机就不行呢？
解决一个问题需要的信息，肯定在人类解答这个问题之前就输入到了人脑之中。如果这些问题同样输入给计算机，只要算法正确，计算机理应也能充分利用这些信息去解决问题。

这个算法的关键就是学习能力，多元化的学习能力。

现在火爆全球的chatGPT的学习方式是单一的，只能通过人工标注的数据进行训练。如何才能让计算机像人一样多元化的学习，才是研究强AI的思路。

总结一下：
追求个人利益的局部最优解，是成为牛马的主人。追求个人利益的全局最优解，是实现个人利益与集体利益的统一，让每个人都做个人，最大化激发每个人的价值，而不是当牛马。
让大家不做牛马，只有两种办法，要么改善人性，要么有强大的力量来改变规则。而一个善良的强人工智能就是后者。
强人工智能的实现难度是未知的，可能永远无法实现，如何让机器能够更好地学习，是目前的难题。