按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
auen）所领导的研究小组于1973年首先实现的逻辑式语言PROLOG（PROgnamminginLOGic）并称为人工智能的两大语言，对人工智能的发展起了十分深远的影响。
编程是许毅的强项，所以往往当他学到一种新的理论的时候，他首先就会尝试着自己能不能将这个种思想融合到编程当中去。这样导致的直接结果是他的决斗士的战斗力持续上升，上周末，终于在一次对决中第一次取得胜利，赢了最高级版地那个selina。虽然好景不长，selina的战斗力又突然提升了一个档次，XYZ很快就败阵下来，但许毅并不感到灰心。反而很高兴，因为自己通过学习人工智能方面的理论知识并成功地将其中的一些理论应用到了程序当中。另外，对于selina的成长放毅也并不奇怪，毕竟，时间已经过了这么久，它不可能一点进步都没有。
学习人工智能就不得不提到一个人——阿兰&；#183；图灵。在计算机领域，有一个可比诺贝尔将的奖项，那就是“图灵奖”。图灵是“人工智能之父”，也是“计算机之父”。他一生充满着未解之谜，他就象上天派往下界的神祗，匆匆而来，又匆匆而去，为人间留下了智慧，留下了深邃的思想，简直要认为图灵也和他一样。是一个从未来重生的。在计算机领域，有着很多和他有关的专业名词，如“图灵机”、“图灵测试”、“图灵停机”等等，所有的这些都是他提出来的可以让后人研究N年的理论。在真正的计算机还没有发明的时代，他就已经在思考“机器能否思维”这个问题了……现在，人工智能研究还是建立在他地理论基础之上，他提出的那些理论被大家奉为真理。
“他肯定是转世重生的！”许毅看完他的传记之后，最终还是得到了这么一个结论。
研究了这么久的理论之后。许毅发现，这些学派好像有个共同的特点——那就是一直在研究人类智能的某一个局部领域的智能，即将人类地智能细分了，他们的侧重点各不相同。脸部识别，声音识别，自然语言理解、人工神经网络……也就是说。并没有一个哪一个分支在从整体上来研究人工智能。
就这个问题，许毅咨询了有关MIT的人工智能方面的专家赫伯特教授，同沈立文教授一样，赫伯特也是MIT人工智能实验室的权威之一，他地主要研究领域是人工神经网络。
赫伯特教授回答说：“这是因为所有的研究都是从简单到复杂的，这样符合人类人是自然界的规律……”
许毅当时问：“我们怎么确定将人类的智能细分之后简单的呢？或许，细分之后反而变得复杂了也说不定。拿化学和物理来作比方。我们都是从宏观再到微观的，首先是整体考虑其特征，最后才进一步认识到物质地微观结构，他们各有自己的规律，并不妨碍人类去认知。”
“……这根本是两码事，不能混为一谈。”教授说。
许毅不死心。继续追问：”那我就不说别的领域的例子，就直接说人工神经网络。神经网络够复杂了吧，我们现在这样进入微观结构了吗？也许，我们从整体上来研究这个问题会跟简单也说不定。”
“也许？嗯，这是个不错的想法！”赫伯特教授嘴上虽然这么说，但心中其实是不以为然的，这个问题这么简单，前人早就想过了，他显然不想在这个比较“弱智”地问题上再纠缠下去。
许毅也没有再问这个问题，而是转而问请教其他问题。
“教授，现在我们对神经元和神经网络的认识已经很成熟了吗？”
“还没有，目前我们对大脑的认识还是很肤浅。”
“可是现在这方面已经建立起了完美的理论体系了，教授，既然我们对神经元和神经网络还停留在一个相当肤浅的程度，这么快就建立起理论体系，是不是太早了一点？”许毅又提出了一个令自己不解的问题。
赫伯特教授的脸色有些尴尬：“……呃，这方面的理论并不是你想像中的这么简单的，我建议你再继续加深数学方面的学习。”
接着，许毅又继续提出了其他几个问题，都把赫伯特教授问得哑口无言，他对许毅的思考方式非常地不适应，一个两个问题比较另类他还可以接受，可是许毅最后好像有怀疑目前整个人工智能基础理论体系的趋势，赫伯特教授最终认定：这孩子看来不适合研究人工智能。
于是，以后许毅再找时间向他请教“另类”问题，赫伯特教授就不再像以前那么热情了，往往是随便回答几句敷衍了事。后来，许毅也就没再去找他问问题了。
在一次MIT教授内部的聚会能上能下，几个关系不错的教授聚在了一起。米歇尔教授也在场，他听说最近许毅向各位教授问问题问得比较勤快，于是便随口向他们问起了这件事。
一提起许毅这个中国学生，教授们立刻打开了话匣子。首先说话的还是赫伯特教授，他将许毅最近问的那些千奇百怪地问题简单地挑了几个具有代表性的说了一下，引起大家的一阵欢笑。
“总得来说，许是一个非常喜欢思考的学生，可惜，他思考的方向有问题，我多次向他提出过此事，可是他对我的忠告视而不见。”赫伯特教授一脸惋惜。中国留学生在学习上很受教授们的欢迎的，他们都勤学好问，可惜的是思维过于约束。现在，好不容易出了个思维活跃而发散的许毅，可他的思维也太发散了，有些过头。
“你这些问题还算比较正常的了。”一个研究侧重于数学的教授说道，“许上次直接质疑了目前的数学体系，他说目前看上去比较完美的数学理论，实际上是人类对世界认识不准确的表现。他只承认离散的世界，完全将连续数学给否认掉了。他提出一个猜想，说连续数学是目前限制人工智能发展的一个重要因素。”
大家听后连连摇头，这个学生也太浮躁了，他才学了点皮毛就敢质疑已经存在了这么久的数学理论体系，简直……
“所以这个许，还真是有趣。”一个专门进行软件模拟人工智能的教授也开口了，“他上次向我问起了算法与数学规则、形式逻辑规则之间的关系。大家都知道，算法的概念自从被提出来之后，它就与这两者有着密不可分的联系，如果一个这种程序思想或者流程没有严格的逻辑体系和一定的数学规则，那肯定不是算法。”
“他难道又提出了什么新的猜想？”众人问道。
“是啊，他说根据图灵算法的定义，图灵只是指出在有限步骤内可以完成的过程就是算法，不管这个流程遵不遵循数学规则和逻辑规则，由此，他提出一个设想，说计算机应该可以运行既不与数学联系又不与形式逻辑联系的程序，进而他提出一个假设：我们设计智能程序的时候，或许不必拘泥于现在的任何数学和形式逻辑的规则。”
“没有逻辑规则，那还是算法吗？”
“没有规则的人工智能？这还是第一次听说。”
“就是啊，还不扯淡么！”
接着，教授们你一言我一语地纷纷说起了许毅的奇怪思维，这些人当中，最看好许毅的还是米歇尔教授。通过和许毅的长期接触，他早就适应了许毅这种“另类”的思考问题的方式，正是由于他思考问题的方式大异于别人，才对他的研究非常具有启发性。
见教授们对许毅的印象如此不好，米歇尔教授出言劝到：“各位老朋友，这个中国孩子的思维的确是另类了一点，但是，请你们再仔细考虑考虑，他的这些想法真的一点价值都没有吗？或许，我们应该更包容一点……”
众人纷纷摇头，对米歇尔的话显然不以为然。
文心阁制作 更多精彩图书尽在文心阁
电脑访问：wenxin8
文心阁论坛：bbs。wenxin8第三卷 第168章 层次理论
许毅最近看书的时候总是会冒出一系列奇怪的想法，这些想法是如此怪诞，以至于他自己有时候都觉得荒唐不已，但是他又忍不住去想，去思考。
别人认为是简单的东西就真的是那么简单吗？大家理所当然普遍接受的东西就是正确的吗？
爱因斯坦说：“时间是什么？很多人在很小的时候就弄清楚了，我思考了几十年也没有想清楚。”
许毅自然不能肯定自己的这些想法是正确的，但这样想想总是没有任何坏处的，现有的方法不能在这方面取得突破，为什么不另辟蹊径呢，换个角度思考问题或许会有想不到的收获。
当然，许毅的“另辟蹊径”并不是胡乱地去凭空想象，他阅读了大量文献，发现在之前就有很多专家和学者提出了和自己的一些认识相似的观点。
例如：世界到底是离散还是连续的？在计算机离散数学还未发展起来之前，人们都认为世界是连续的，因为所有的物理现象都表现出连续的特征，于是，在此基础之上与之相关的数学理论建立起来了，微积分、微分方程等等一系列完美的数学体系。而这些数学理论至今也得到了广泛的应用，实践证明这些理论是正确的。但，后来离散数学发展起来之后，大家开始认识到，原来自然界也还是离散的，计算机正是离散数学成功应用的实例之一。再到后来，量子力学理论建立了，离散数学发展到了巅峰。可好像这个理论的应用至今还未被人们接受，用量子的概念描述世界，用测不准原理看待测量结果，这对大家来说似乎是太困难了一点。现有的连续数学理论还没有表现出任何错误。还能解释现有的计算理论，大家自然而然地选择了简单的理论。
许毅考虑地问题是用连续数学的理论来研究人类的智能，这是否是正确地途径呢？人的大脑是连续的还是离散的？如果大脑地本质具有离散性。那大家研究人工智能还停留在连续数学的范畴里面，这能够取得相应的成果吗？
另外，许毅对现在大家从细胞结构、神经元结构甚至DNA结构去模拟人工智能的方式也不敢苟同。从微观世界着手研究人工智能是否本身就已经将问题复杂化了？
当初，人们发展并完善经典留学的时候。并没有考虑到原子和分子之间的反应，大家考虑地是一个整体，但仅仅是通过粗糙地观察和计算就建立了经典力学理论。
化学也是这样，化学进一步细分了，应该考虑分子和原子间的反应和变化，这个时候经典力学的运动规律已经基本不能起不到什么作用。化学建立了另一套理论，但是需要注意的是原子内部也是有结构的，化学理论体系并没有考虑原子内部的结构。随着人类认知自然界手段的提升，这才深入到原子内部，这个时候，经典力学的运动又重新出现了，一些规律也被量子力学的规律所替代……
这样地实例还有很多，这些现象都透露着一个结论：在物质的不同层次，遵循着不同的规律。即。研究这些规律的时候，完全可以将它们分开来研究，只研究某一个层次的规律，这并不影响人们认识自然界的最终目的。另外，底层规律的发现对上层规律的发展也有着积极的作用。
这个念头许毅早就想到过了，上次向赫伯特教授询问了一下。可惜教授并没有正面回答。