金观涛谈人工智能一文按语

       （转者按：很多人质疑中医、营养疗法等自然疗法的科学性，却几乎没有人质疑人工智能、深度学习的科学性。其实自然疗法和人工智能都是建立在大数据基础之上的实验科学。

       现代医学的研究主要采用单因素细分还原法，在开放的复杂系统中，细分容易还原难，细分的结论往往解释不了很多复杂的生命现象，有时甚至与客观实际南辕北辙，所以现代医学本质上也只能是实验科学，并不是能用数学精确描述的比较成熟的科学。
       医学研究的对象生命体是处于开放环境中、有依据内外环境进行自控和自愈的功能、多层次的复杂系统，研究这样的系统不能仅用严格遵循形式逻辑规则的单因素细分还原法，主要应采用类似人工智能建立在大量经验数据基础上的多模块模糊识别法，权衡多个难以用数学精确描述的变量、利弊，相互作用中的反馈、负反馈，由量变引起的质变和催化剂效应等因素。
       人工智能的精准、高效，也从一个侧面证明了各种自然疗法神奇疗效的合理性、科学性，证明了整体论、系统论等辩证的思想方法的科学性。）

实现人工智能的基础是海量经验数据。
       近年来，伴随计算机硬件的发展，以及海量数据的积累，使得神经网络自动机的研究和制造突破了物质和技术条件的限制，这就是今天的人工智能“革命”。
       人工智能的工作原理是仿生学。
       神经网络模型对应的是生物本能，而不是人类智能。深度学习的基础是神经网络研究。
       生物神经网络的本能源于遗传，生物的本能亦是通过“学习”获得的。
       深度学习的本质是神经网络结构因网络功能而改变，它与生物本能因自然选择而形成的过程相同。
       任何一种达到目的的过程和学习都需要不同层次的反馈，但这些高层次的反馈绝不等同于智能。其实，神经网络自动机在60年前并未被视作有智能的，人工智能研究的出现正是立足于对智能和本能的区分。
       我们用实验方法研究人的大脑神经网络的结构、认识大脑的各种功能以至于破解意识之谜时，都存在类似于数位人文研究中两类不可化约的变量。
       一类是因果性（互为因果的网络）的，即可以用神经网络自动机（今日人工智能方法）加以分析（或模拟）的，
       另一类是内省性的，它类似于人文研究中需要用研究者的智能去理解的内容。
       对人类智能的深入认识必须同时运用这两类变量，将其投射到用神经网络自动机（即目前所谓的人工智能）的研究上，可以直接得到的推论是，人工智能无论怎样通过深度学习进化都不会具有人类智能。