原创:麻辣小龙虾@南宁
前言
简介
智能是一些自适应信息处理功能的总和。分为两种,一种是任务限定的工具智能,作用是完成人设定的目标,没有自我意识。一种是无任务限定的自主智能,满足条件之后可以有自我意识,作用是提高个体或群体的环境改造力和适应性。
本文主要讨论自主智能,探讨如下问题:自主智能是什么,生物智能如何产生,自主智能变强的途径,设计要点。本能、意识、睡眠与做梦的作用和如何实现等。自主智能对自身接收到的信息进行自身系统状态加权的结构特征提取,从中学习和演化基元字典,并用字典重构重解释信息进行压缩和简化处理。重构重解释的基元组合关联到行为模式。关联关系取决于行为模式对信息的影响。基元演化方法和行为模式演化方法一样,通过加权复制、凋亡和自反馈回路充分演化后,可分化发展出多变的高级信息处理功能。
一、基本概念
1.自主智能是在任何可承载相应信息处理功能的物质基础上,自然演化出的智能,或人工实现的自由意志智能。自主智能应当是一个初始简单的种子,能在任何规模任何形式的智能载体上,在环境交互过程中自导演化自身信息处理能力,自适应地展开,形成单个体智能、多个体协同智能、实体机器智能、虚拟载体智能、自然与机器混合智能的具体形式。其材料基础可以是硅基,忆阻器,可以是超分子器件基,量子基,计算机虚拟世界的数据载体等等形式,可以在更广泛的载体基础上进行类似生物物种的演化。相比人工智能研究领域中其他的主要划分方法,弱人工智能/强人工智能,专用人工智能/通用人工智能,类脑智能来说,自主智能强调的是自主和功能演化,与强弱、专用通用的分类偏向于功能范围是否有限,类脑智能强调的模拟生物脑细胞和突触,均有明显差别。
(1)为什么可以在机器上实现自主智能。已知脑子的输入输出和内部运作都是靠电脉冲,各种激素最终也是体现为对脉冲的影响。电脉冲是脑子对内部外部环境信息的编码,也是对外行动,对内思考、情绪、感觉、记忆等等的指令形式和信息表示。脑子用脉冲统一信息表示、信息指令。脑子的功能通过突触建立与断开,细胞增殖与凋亡实现,也就是结构的变化。这一切都是信息表示、指令和信息功能,也就是计算机和信息科学范围的数据结构与算法、硬件驱动和IO。当没有自感知、自感知未通过可变方式动态的关联到任何行为的时候,载体和其上的信息表示和功能,均是没有自主权的。有自感知的时候,载体上的信息功能可形成自主意识,载体的特性也许会影响自主意识的决策。找到脑子里形成自主意识的这些数据结构和算法,抄到机器上实现的兼容信息模型上,就可以在机器上实现自主意识。
(2)自主智能采用“自下而上”的信息处理原则来进行,在底层定义许多小的单元和几条关系到它们内部的、完全是局部的相互作用的简单非线性规则,在环境交互选择下,模仿或模拟自然中的自组织,从相互作用中产生出连贯的“全体”行为,让行为从底层突现出来。这种行为不是预先编好的。自下而上的方法,可以在上层水平突现出新的不可预言的现象,这种现象对生命系统来说是关键的。非线性迭代叠加,可以实现整体大于部分之和,出现新规则。自主智能可以通过这种方式而具备情感和体验。生物脑的体验也是由此而来。只有自主智能才可以成为人类智能的载体,摆脱蛋白质脑子的限制,让智能进入多样化载体发展的新纪元。自主智能在其高级演化阶段的倾向是主动提高自身应变能力,具备检测自身状态是否偏离稳定(包含物质能量信息的稳定,以及精神、权势等方面的稳定)的能力,并由此产生试图让系统状态回到原稳定态,或进入新稳定状态的动力。
(3)自主智能必须具备的结构特性。当环境与自主智能的关系是环境选择智能时,自主智能必然会体现出适应环境的倾向。世界普遍存在随机、非线性、并行异步、迭代、叠加现象。自主智能要对事件做预测,减少试错成本,就需要在脑内推演场景、思想实验,于是自主智能中必然包含上述现象的发生机制。要高效发生这些结构和状态,脑结构的自身就需要具备类似的特性。能够快速变化自身结构的结构,对各种信息结构兼容最好的结构,就是点边组成的图结构。能高效处理非线性叠加迭代信息的结构,结构也应该是非线性的。最适应环境的智能方案必然是自主智能。随机涨落、非线性放大的结果,也导致了自主智能有清醒/休息、精神/疲惫、新奇/厌烦的状态,不能一直长时间高效工作。
2.相对的是专用工具智能,设计出发点和修改的目的都是为了更好完成某项人类指定的任务。其形式有将人针对某些范围问题的解题过程归纳,形成相对固定的信息功能的,也有基于人为监督标注和调参,设定确定不变的价值函数的演化受限神经网络。工具智能不具备广泛的环境适应能力,从完成某项指定任务的设计原理上就决定了它不可能变为自主智能,人为设定的公式变量、标注都限定了工具智能的功能范围。工具智能机器人觉醒具备自我意识的情节只能是科幻故事。这类智能没有精神状态,是一种工具。
3.除了工具智能和自主智能外,没有第三类智能。自主智能可以改变自己的载体组成,改变信息处理物理基础、规模和结构,成为人工生命,什么类型的特定信息功能都可以实现,这就是终极方案。适应环境的设计不能视为一种“特定任务”,因为适应环境,是通过与环境的交互导致的一种突现倾向,而不是在设计中写一条“必须适应环境”来实现的。未知因素越多,越无法准确判断如何才是适应环境的行为,只能去试错,“必须适应环境”的规则根本无法落实到工程上。即使是已知,人本身也会有不适应环境的倾向和行为,比如自残自杀、各种花样作死。也就是说,自主智能的设计是没有任何特定任务的设计。拍脑袋,也许环境与智能的关系不是不可改变的。如果未来的某智能个体掌握了强大的改造环境能力,随意改变宇宙时间空间物理规则,改变生死改变所有人际关系,环境不再是智能发展的约束和导向,智能即成为造物主那样的存在。但同时,对智能来说一切都将索然无味,不再有未知,所有事情都像玩破解版带作弊器攻略详尽的单机游戏一样,随时回档随时改数值。那智能也就演化到头了。
4.关于AI的常见误解
a.强AI学习能力超强,学习任何东西都是秒速学会。不少科幻作品给人带来这么一种印象,所谓的强智能程序一做出来,不需要摄像头、机械手和其他任何传感器致动器来感知和交互真实世界,就可以通过互联网的信息秒速学会人类语言和很多知识,或者开发者直接在强智能的脑子里灌输了一堆天生就会的知识。然后飞速计算各种数据,随时都作出精准度99.9999%的动作,和各种最优化决策。同时,强智能必须没有感情,什么都按程序来,也不可能会有感情,无法产生爱恨等体验。
但是类生物智能的长处,所谓的强,并不在于特定任务表现上是否能超过工具智能,否则只会得到人不如计算器的结论。这强是在广泛场景的抽象能力表现上,更在于广阔的演化空间。对于自主智能,价值和意义则是意识记忆的信息化和生命信息化,更广的演化,更多的可能。用完成具像信息基础上的特定任务去衡量自主智能的思路来研究和开发,比如表情识别情感计算强化学习迁移学习纯文字自然语言处理,都是没有脱离工具智能框框的想法。
低计算资源的小规模网络自主智能可以做出智能虫子,中规模网络做鸟和猫狗,但这些都不能完成任何强于现有工具智能的任务,得大规模网络实现类人水平。用工具智能的完成任务指标去衡量自主智能的思路是错的,研究和开发都要围绕实现意识才行。要预置一大堆天生就会的复杂功能,开发者需要事先设想一大堆场景,并针对这些场景进行编程和数据采集、生成。
但世界上一切都在不断演化,新事物新名词新技能不断出现,如果是计算机这种发展快的领域,预置的一堆技能,说不定没几天就被淘汰了,于是预置的都白做了。因此,只需要预置一些很基本的,类似生物的先天反射为本能就足够了。比如行动上的姿势反射、探究反射,和语音上的反射,疼痛叫喊、快乐笑声等。因此,适应性最好的智能,应该是像婴儿那样的智能,而不是生而能言、生而知之。
另外,人智的短时记忆遗忘得快、想象的模糊性这些体现,在机器载体上,是否应该照抄,还有待研究讨论。最后略懂计算机知识的人都知道,秒速学会是不可能的。首先计算机并不天生具备对数据的完全掌握和理解能力。如果没有预置知识,智能程序是不可能天生知道如何解析一串二进制,是网页还是视频还是别的。如果调用现有的应用程序来解析,应用程序的输出是存储IO、喇叭、屏幕像素,同样需要知识来理解。而在纯软件方面,要知道就算是那些最先进的图形图像识别智能程序,表现也是多么的差劲,光是识别猫就用了多少资源。然后学习并不是copy一遍就算会的,如果是这样,一本书一个硬盘都能称为博学者了。学会是要懂得应用,能在遇到相应的场景时,将相关知识综合起来做出合理的行为,这个过程是需要时间的。关于感情,参见本文“四、自主智能的设计(五)本能的设定”
b.机器人必须加上三原则或说三定律,否则人类被灭绝。三原则是个开放的抽象概念,世界不断发展,变数不断增加,什么情况下才符合保护人类的原则,有时候人类自己都不清楚,比如电车变轨问题。如果机器人是严格按照人类程序员设定指令执行的工具智能,由于谁都没有办法列出完备的判断条件,机器人就会死机或者随机执行一下,于是无法保护人类。如果机器人是自主智能,那么考虑自身或未来其他宇宙文明的利益,并不一定会严格执行保护人类这个抽象的道德规范。其余的,参见文本“五、自主智能与人类的关系”。对AI来说,设置让脑子结构易于多样化成长发育的基本内部条件,外部能在启蒙期受到合适的交互式家长指导,培养自学能力,让其具备独立思考能力并健康成长,是比用高学历的高深知识让程序员直接在其脑子中灌鸭式设置一堆复杂反射更合情理也更符合科学的事情。采用什么理论和世界观、方法论去实现AI的设计,就是AI成长的根基和起步的方向。
c.自我意识和高级智能无关。如果智能可以注意到自身的感知、思维过程,对外部环境信息收集进行注意力引导,优化收集信息所需的资源调配,并将学习、试错过程加入反思和评价的改进,那就可以非常有效率有目的性的进行学习和研究。2011年发现了灵长类大脑前额叶背侧部涉及和“自我”相关的信息处理,可能是人类自我意识产生的神经基础。没有自我的人会怎么样,1930发明过前额叶切除手术用于治疗精神病和癫痫,结果是病人变成傻子,表情行为呆滞,看起来就像被切除了灵魂。吾日三省吾身,自省是自我意识智慧体自我提升和融入社会的重要功能,可以更好理解和体会他人情感,具备同情心同理心,准确理解他人表情行为、语气中所表达的含义,减少因误解而出现严重失误。如果强大能力的机器人没有自主能力,什么都听主人的,那么人类用恶意或易误解指令去指挥机器人所造成的问题更难解决。完全听从命令+内置统一自毁机制,更容易出现人类独裁者。
d.人类不需要自主智能,听话的工具就够用了工具智能的致命诱惑:工具智能不恰当高度发展的隐患更大。工具方面来看,听话的强大工具没有完善自我判断能力,对“主人”的任何命令都是无条件高效率执行,工具智能将命令不恰当扩展和误解执行的危害也很大。使用人方面来看,如果掌握人没有相应思想提升自身素质,没有从文明发展的角度去思考和使用工具智能,缺乏管理能力,将会类似钱名权一样,过度沉迷于工具智能带来的便利,当所有事情都可以由智能工具去完成,权力财富将会有高度集中的趋势,为了维护自身利益或仅仅为了好玩等随意理由而恶意使用、滥用工具的情况必然频繁出现,极端的甚至会出现一个人监视、独裁地球所有其他人的情况。
5.目标:星辰大海。未来广阔的星际属于无机人工智能,有机蛋白质脆弱人类不适合在太空生活,需要建立生态圈和人工重力环境,成本高。虚拟化生存能极大的提高物质能量利用率。蛋白质生物载体的信息传播受限,不能快速学习和继承经验,教育成本高,随着科学不断发展,进行前沿研究的人需要学习越来越多的前置预备知识,如果天赋不强智商不够高,甚至学到老都不能进入研究阶段。科学发展将变慢,直至停滞不前,唯有依靠寿命漫长的机器人才能做前沿研究。到那时候,人类要么选择生活在相对少数的宜居星球上,靠机器人发展科技,要么人机结合,将意识思维迁移到无机载体中自主掌握科研发展,并摆脱宜居行星和蛋白质生态圈的约束快速进入太空星际时代。在更远的未来,智能与脑子结构将进入快速的互相促进演化阶段,脑子载体更换后,信息处理能力大增,智能达到载体极限后,再次升级载体进行下一步的智能快速演化。
6.无奈的选择:文明的出路。50亿年太阳变成红巨星,30亿年仙女座星系与银河系碰撞。说不定哪一年一颗小行星砸入地球。或者一个超级病毒什么的,人就死绝了。很多情况都会导致赖着地球摇篮的人类文明灭绝。如果摆脱蛋白质载体,更大的世界就在眼前。地球的庞大生态圈终要灭绝的。人带着地球去流浪,只是电影,脱离太阳的生态圈更脆弱。不断奶的娃无法真正成长,星辰大海才是文明的出路。文明防火墙:处理多种文明之间的关系。AI演化为星际文明后,会接触到宇宙中其他文明的势力,他们也会有人工智能的研究。地球自然人社会和其他文明可以将机器文明作为缓冲和隔离,减少和异文明的直接接触,有利于充分了解和建立合作。如果是完全对立的文明,机器文明也可以是一个有效的缓冲和隔离。
二、生物智能从何来
世界是变化的,变化的过程包含守恒特性和混沌、随机的不确定性。物种要在不断变化的世界上长久存在,需要生存和演化。除了适应生存资源的寿命和繁殖速度外,另一个有效途径就是往复杂智能生物演化选择的方向,采取对内对外行为实现相对的稳定以达到生存的目的。修改dna改变身体、脑结构(物种演化、与身体结构相符的本能、先天反射)和改变系统内信息储备(后天反射、逃避放弃、编造、学习创新、经历成长后的思想成熟)、根据环境资源丰富程度和气候地理天敌等限制条件对群体数量的支持而出现的衰老和自然寿命限制,是对内的,改造环境如鸟窝蚂蚁窝蜂窝、水獭筑坝、社会制度、道德文化、工具制造、科学研究,是对外的。
世界是基于时空、物质、能量、信息的,智能也一样。智能演化,改变的是信息处理功能。再复杂的信息处理功能都可分解为一些基本操作的组合,例如读、写、判断、数值生成、寻址、延时、乘加、交并差、或与非等。蛋白质脑实现信息处理,基于的也是物质能量信息规律,非生物物质制造的结构,完全可以实现等价的信息处理。从方法论来看,要实现或超过类人智能,从研究人类智能的前期形式,也就是生物智能在其他初级物种上的体现来入手,能够将问题分步分阶段进行,从低级智能到高级智能的对比中找到一般规律,积累各阶段研究成果水到渠成的解决类人超人的智能问题,并找到适合机器的智能。
1. 变化迭代的世界观和方法论
“道可道非恒道”道,即万物变化,是有规律有迹可循的,可表述可道,但同时这个规律又不是所有领域所有时空都能适用的永恒的绝对不变的规律,非恒道。所有规则都只是万物变化在某个尺度空间中表现为相对固定模式的结果,在不同的条件下,变化会有不同的具体表现,也就是规则变化了。在微观粒子尺度,物理“力学”规则是量子论,经典尺度是牛顿定律,宏观尺度是相对论。“名可名非恒名”事物是可以命名和描述的,但也不是一成不变的,不同的知识范畴、角度观点得到的解释是不同的,不同时期的解释也是不同的。“无名天地之始,有名万物之母。”无是天地产生的原点,有即存在,是万物的基本属性。“故恒无欲也,以观其眇,恒有欲也,以观其所噭。”去除主观之欲,不参与事物演变,可以观察道在万物中发挥着正奇的作用。保持主观之欲,参与事物演变,可以观察万物依道运行时对于观察者行为的响应。“两者同出,异名同谓”,眇正奇和噭响应,只是名称不同而已,两者都是道的客观体现。“玄之有玄,众眇之门。”眇噭之中又有眇噭,分形混沌,万事万物的客观规则在其中演化和体现。
2.物质结构、时空的迭代
物理研究表明物质都是6种夸克6种轻子组成,原子核外电子排布、电负性、原子半径、化合价都有一些周期的现象,是一种变化。周期与随机结合,就表现为相似、混沌。时间变化的迭代:物质的时间变化是运动,运动变化体现出能量,能量变化体现出信息,信息变化体现为智能编码。四者关系是时间变化的迭代。空间变化的迭代:基本粒子,原子离子,分子,无机分子,有机分子,高分子化合物/晶体,生命物质,病毒细菌真菌等等。事物事件在各种规则下的变化过程中会出现的一些相似的结构和过程,一些结构因能量较低,相对其他结构比较稳定,有较大概率出现。相同规则下相似结构变化时,会出现相似的过程。在不同的细分学科里,这些相同相似的结构,或称为基元、或称为特征、或称为模因等等。
对于物质结构来说,基元表现为大概率结构,对于运动过程来说,基元表现为这些大概率物质结构相似带来的过程相似,对于能量来说,基元是物质结构相似和过程相似带来的能量变化相似,对于信息来说,基元是前三者中带来的相似。过程可以看成是空间结构加上时间变化,可与空间结构统一称为结构。基元可体现为具象的几何结构,也可体现为抽象的物理规则、价值观。基元之间有广泛的联系,可按不同时空尺度分解、组合为其他层次的基元。不同的基元组合也可以实现相同的增加适应性的结果,一个问题会有多种有效的选择方案,这也是下至化学元素,上至物种之所以如此多样化的原因。信息是物质存在的一种表现方式,是事物的确定性属性。事物出现、存在、消亡期间不断向外部发出信息,可以代表事物本身的部分或全部,是事物自身的一个自相似基元。
3.对称性破缺和非线性迭代叠加
事物是由简化繁的,古代的道德经和现代的涌现理论都表达了这种观点。非线性数学的研究成果表明非线性叠加可以出现新的现象和规则。涌现理论的思想是系统中个体间预设的简单互动行为所造就的无法预知的复杂样态,简单的说就是非线性迭代叠加实现整体不等于部分之和。同一个规则迭代,或多个规则在同一个时空中互相作用,会改变规则的具体表现,如果整体基元大于部分基元之和,即出现新的特点新基元,就是涌现。涌现是世界由简化繁的直接因素。特别的,基元迭代于自身,即为分形。
有人认为把不能解释细节的事情都说成涌现,是和万事不决量子力学一样的忽悠。但智能这样的复杂非线性系统,要搞清楚每一样功能的细节,是不可能的,也是不经济的不必要的。对于一个时刻与环境交互,时刻变化中的智能,找到主要规则就行了。智能中的功能细节不是一成不变的物理规则数学公式这样的东西,今天知道了细节,明天又变了,甚至下一秒就变了,花功夫去折腾细节,是没有意义的。另外,涌现并不是什么都没说,比如原子,是中子电子质子组成,但是原子结构内部的核物理,原子之间层面的化学规则,都是新规则的涌现,不存在于单独的中子电子质子上。世界的物质都是那百个化学元素和几十个微观粒子,能量也就是动能势能和光子,对于化学元素的单质特性,人类可以说研究得很清楚了,可是世界上的很多事情,生命、政治经济、工业制造、文化艺术并没有随着底层的研究迎刃而解。这是为什么,就是因为物理和化学这些底层不断多层叠加迭代组合之后,出现了大量的新规则,无法用底层物理化学知识来解释的新规则,这也就是涌现。
不断非线性叠加迭代的变化导致的涌现机制,是生命物质产生的重要因素。1922年,生物化学家奥巴林第一个提出了一种可以验证的假说,认为原始地球上的某些无机物,在来自闪电,太阳光能量的作用下,变成了第一批有机分子。时隔31年之后的1953年,美国化学家米勒首次实验证了奥巴林的这一假说。用氢、甲烷、氨和水蒸气等,通过加热和火花放电,合成了有机分子氨基酸。继米勒之后,许多通过模拟原始地球条件的实验,又合成出了其他组成生命体的重要的生物分子,如嘌呤、嘧定、核糖、脱氧核糖、核苷、核苷酸、脂肪酸、卟啉和脂质等。
对以上现象,主流观点是,微观原子互相作用和自身变化的对称性破缺、随机性质,加上原子之间形成的系统内部如果能够形成非线性正负反馈,加上外部非线性能量输入(剧烈变化的闪电、昼夜变化的太阳光)导致的远离平衡态和开放,那么这个系统即可形成耗散结构系统。对称性除了指空间结构的镜面对称、中心对称之外,还有物理特性的对称(电荷、质量、旋)、运动特性的对称(替换属性相反的环境和物体后的运动)、时间上的对称(半衰期)、物质的对称(反粒子)。碳族元素在元素表中具备最多的对称性,化合物的结构稳定性不如其他明显极性的元素,反而是凸现为众多不对称元素之中的破缺。因此,由碳组成主体结构形成多样的有机物,是非常合理的,而其中的非碳结构官能团,则成为有机物中的破缺。
在某些物理化学活动中,例如合成某些生物学上重要的有序大分子、蛋白质时候,也就是在混沌的无序中涌现形成有序的分岔选择时机,环境对反应的影响将被放大,将官能团的破缺放大到分子,形成手性分子,随机和非线性作用同样跟着放大,形成经典世界的耗散结构。生物的有机分子基础就在这些无序中生成有序的涌现过程中形成。在已知的生物体的蛋白质中氨基酸都是L型,而承担生命复制的核酸中的核糖都是D型,这种现象叫做生命分子的对称性破缺。医学临床上,很多药品的实际生效剂量,和单独按照设计的生化反应计算结果来对比,都是差得比较多的,原因在于决定病情发展情况的,不只是本身参与生化反应的药品,还在于受影响的混沌分岔关键点。
对称性破缺,也就是一种结构上的非线性变化。非线性的迭代叠加对于物质结构演化的作用,从原子间的层面就开始,一直从有机物到耗散结构,到各种生物物质功能团大分子,到单细胞内运动、感受、信息处理、存储繁殖的微结构,单细胞,多细胞运动器官、感官、神经系统,到群智生命体(蜂蚁)、社会化人类,覆盖了整个尺度。环境选择其实是各个时空尺度下的基元结构互相作用的结果。
物理学认为,所有的同类微观粒子都是一样的,这一个电子光子质子中子和另一个混在一起后,是没有任何办法进行区分的。常观世界的“世界上没有完全相同的两片叶子”不再适用。微观是世界上只有一个样子的电子。这就是一种简单。多种简单的微观粒子组合出复杂的常观宏观物体。往微观继续推论下去,也许会越来越“简单”,最后世界的最底层可能就是某个或某几个物理量的左右/正负/有无的组合这样的简单,而且无法用其他概念去完备解释,因为其他概念的源头就是这些简单概念。同样的,逻辑上也可以得出,必然存在一个或多个没有原因的变化或现象,其他变化都是这些原变化和现象造成的结果,也许真随机就是这样的一个变化。否则就是可以无限追溯底层,而由于每一层次的组合都有随机作用,最后会崩溃。因此无限追溯模式不存在。现实世界的物质能量大小和结构组成关系不存在怪圈,微观粒子的质量能量不会超过全宇宙,否则,任何物理量都无法比较大小。
4.智能的从无到有
由于动物出现了感知输入,信息处理,行为输出的结构,具备了dna之外的即时应变能力,获得对环境和自身信息的感知、分析、利用能力,相比植物仅通过细胞功能的复杂和分化来增强对物质、能量的利用能力,动物增加了第三个维度的适应力,自然信息。自然信息通过能量的变化来体现。高级智能人类,增加了第四个维度,自然信息的编码,语言。语言是通过自然信息的变化来完成编码。智能的高层复杂功能结构不能是固定的。因为世界是变化的,一旦固定,就降低了环境适应力,于是守旧派必死无疑,革新派虽说也有各种风险,但变化才有生机。因此,智能也必须关注各种变化。唯一不变的是不断的变,玄之又玄,众妙之门。脑洞一下,也许未来智能还会对更基本的时空变化具备应变和改变能力,跨越黑洞视界,制造和控制黑洞,引发黑洞的霍金辐射爆发而获取巨大能量。宇宙边缘、黑洞白洞的内部,都将会是智能探索世界的重要方向。
5. 生物智能的简单底层
生物智能的基本单元或其最小模型应当具有原子、内聚的特性。智能是从简单演化复杂的信息处理功能,并以点边的图结构形式演化。从这个角度看,其基本单元(节点)和关联规则(边)必定也是足够简单的,并且应当具有原子、内聚的特性,实现鲁棒和简并。因此通用的智能算法也就只需要两个基本算法,一是增加删除点、修改点属性的算法,二是增加删除边、修改边属性的算法。在此之上可以将相对固定的局部图视为一个点,多条关联性强的边视为一个边,扩展出大尺度的分形点边算法。这个智能的图结构连接感官和肢体,通过自身结构的变化来实现各种功能。由此看来生物智能是由单个或多个原子性单元组合的有机整体,复杂的整体,更是个动态变化的整体,如此才能在演化过程中,让各个部分之间始终保持良好的协调能力和匹配,形成跨尺度的分形智能。如此才能在跨越单细胞智能到群体社会智能的物种中始终繁衍传承。从整体表现特征去强制分割它就会失去生物智能的特性。没有哪个高级物种是只发展脑子而没有身体,或者只有一条腿没有其他部分的。物种演化从来都是多个器官组织做为整体演化,没有各自演化出单独器官再拼凑起来的。脑功能演化也是这样的规则。如果只在人类智能的当前整体表现特性上去割裂研究,依样画瓢,那么得到的只是一个快照,是个变化有限的徒有其形的系统。研究生物智能的历史,总结出智能的一般规律是如何在其中迭代,如何在不同物种上具体展开为适当的神经系统结构,并发展出高级的智能的,就能跳出细节大坑,找到智能变化和发展的关键。
6.生物智能信息单元的简单不是逻辑简单
稳定的结构能应对当前环境的变化,内含变化的结构才能面对未来未知,出现丰富的演化。初级动物不可能预知亿万年后的环境而预留出任何很久都派不上用场的特定高级功能接口。同时,简单并不是逻辑算法操作上的简单,还有工程实现上的简单。数学逻辑上一个加法是简单的。但工程实现上,不存在可以低成本实现对任何量都快速相加的结构。总会有其他附生、并发的效应。例,两个小水管合并大水管实现加法,也得考虑水管承受力,液体最大流速,水量越多,水管流速越慢,完成计算的时间越长。两个电流相加,电流越大消耗能量越大,再大还电伤电死自己,能量储备和供应速度也决定了不能一直不停放电。逻辑上过于简单也不能引入更多的内含变化。工程上要原子、内聚的简单,需要适当组合几个逻辑简单的部分,让这些逻辑功能形成一个相对稳定的原子单元,再由此形成无尺度分形整体。
7.生物智能是在长期演化中出现的,并仍在演化中。
有些人从看到的表面去分析,认为智能的功能有识别、抽象思维、形象思维、记忆、意识、情绪、语言、认知、学习、反射等,并在智能的表现的众多细节中研究,对于智能,研究者有一种犹如面临茫茫大海不知方向,又如一个非常复杂精妙的迷宫,永远研究不出来的感觉。同时,这些研究者一旦发现什么平时没注意的小细节,就认为自己找到了奇妙的关键而兴奋不已。首先,这些研究者都忽视了两个问题,一是人类智能是否是蛋白质载体的智能极限,二是在非生物脑载体上能否实现更强的自主智能并出现新的特性,他们一方面认为计算机载体的智能可以更强,但另一方面又处处以人的表现为标准进行评价和参考,无形中在自己的思维上套了一个“人类智能是任何形式的自主智能的极限”的框框而不自知,研究限于人类智能的复制。其次,他们陷于细节的根由,是传统的静态观点、割裂与线性组合的研究方式导致的。没有整体的从智能外部、从智能产生的无中生有之处去看智能,也就看不到其中的大脉络。是否能形成项链,起决定作用的不是那些珠子,而是长出珠子,串起珠子的那根线。
8.智能功能演化与迭代、耗散、非线性叠加
生物智能只有满足高效收集和处理各种信息,并及时做出决策的需要,才能增加生物的生存能力。感知的方式是感官初级从信息中提取基元,根据信息的结构在中枢系统内用原有基元解构与重构,映射出与来源相似的信息结构。当系统内因刺激出现影响大的不稳定信息结构(刺激引起的动机、念头、疼痛)时,其发放强烈,方向弥散,会影响系统的正常运行。这时,系统或者通过本能解决,或者在信息能量的非线性放大和内在随机的不断影响下,使不稳定结构与已有的结构(经历、知识、行为模式)非线性迭代叠加而出现混沌分岔、突变,也就是思考和试错过程,最终改变内部结构的评价标准(人格底线/双标/价值观/世界观/性格),或解决刺激来源而涌现出新的稳定复杂结构(刺激-行为模式链条),使系统状态再次稳定。如果这种新的功能结构多次出现,可相对固化形成熟练行为模式、条件反射。如果对多次激活的功能结构应用分形复制算法进行泛化,用时空关联算法进行基元提取学习、归纳抽象,自我意识用非线性叠加迭代算法进行思考、试错,主动加强演化,可形成新的高度分化的发达网络组织。按此由简化繁的思路,生物智能的各种功能,完全可以通过迭代叠加和突变而来。设计自主智能,可以参考生物物质结构的演化过程,在具备耗散结构的信息系统中得到混沌、涌现和有序。
9.脑结构演化
生物信息系统是逐步由简化繁的,从单细胞动物时代就开始了。原始单细胞微生物领鞭毛虫具备复杂的细胞内通讯网络、接受外部信息的领毛,和运动细胞器鞭毛,实现了单细胞智能。正是因为在单细胞动物上具备了智能的原形而表现出更好的适应力,智能这特性才能被子代所继承和发展,从而导致多细胞生物上神经细胞的出现。生物并不能未卜先知的给将来的物种身上的复杂脑子做准备,而专门演化出神经细胞。虽然越来越多的基因研究数据倾向于脑是许多动物种类分别独立演化出来的产物,但不可否认单细胞上的信息结构绝对是共同的源头。神经系统的演化是从无到有、分散到集中、辐射对称到两侧对称,然后是头尾分化和脑的形成。6亿年前出现神经细胞,无脊椎动物出现分散全身的稀疏网状神经结构。蠕虫类动物身上出现神经核团。环节动物的索状系统具有简单的反射活动。节肢动物出现脑的雏形,有三对神经节,前脑中脑后脑。由脊椎动物脑开始,出现了明显的复杂分化。5亿年前大脑分化出不同脑区。2亿年前哺乳动物身上出现大脑皮层。
演化中典型的脑结构有三类,爬行动物脑、哺乳动物脑、理性脑。旧皮质(爬行动物脑),包括脑干和小脑,是最先出现的脑成分,行为模式呆板、一成不变,不会从以前的错误中学习教训。控制着身体的肌肉、平衡与自动机能,诸如呼吸与心跳。边缘系统(古哺乳动物脑),旧大脑皮层或中间脑,与情感、直觉、哺育、搏斗、逃避、以及性行为紧密相关。判断事物的基本价值和特别之处,感知不确定性因素,负责直觉灵感而不是理性推导出的创造性活动。新皮质(理性脑),具有高阶认知功能。人类大脑中,新皮质占据了整个脑容量的三分之二,而其他动物种类虽然也有新皮质,但是相对来说很小,少有甚至没有褶皱(意味着新皮质的表面积、复杂度与发达程度)。脑结构演化的内因是dna变异,外因是生存期的信息刺激积累、环境选择。经常处理信息的脑区会由于环境选择和变异作用结合下,演化发达,出现新层组织。边缘系统通过情绪建立价值机制,新皮质通过理性建立价值机制。在人类身上,这两部分脑的沟通协调还不足,如果两部分机制得到的价值评估不一致,会导致各种冲突,理智通常压不过冲动的情绪。想考察事物的无中生有,通常在无,即事物产生的原点上观察。那么出现脑,脑分化出各组织的过程就是研究智能规律的关键。
10.个体适应力演化
要适应环境,个体就必须有感官感知外部环境,用自身状态的反馈回路感知自身的变化。个体要能发出行为才能改变自身状态和避开环境中的有害变化,或更进一步的改变环境。缺乏感知和执行部,与环境完全脱离的系统没有环境适应力。生物提高适应力途径有dna遗传被动适应,和智能学习主动适应。智能的学习途径是从变化中发现不变(理论、知识、规律),寻找自身行为模式和叠加迭代扩展行为模式(物理工具和抽象工具的制造和利用、再制造与再利用)去发现和利用任意时空中的基元(减少不确定信息、转化不可控状态)。
11.群居社会演化与迭代
人类改变周边自然环境,形成稳定的社会环境发展科技、教育、医疗等来增加自身的应变能力。随着生产力发展,个体在分工分配基础上赋予自身各种角色,环境选择的主要条件就变成了内部的社会环境。于是人们通过各种关系(情绪共情作用、血缘婚姻、分工合作、共同偏好)和通讯工具(同地合作、多地异地协作),形成社会结构提高应变能力,与人斗其乐无穷的时代开始了。社会关系的加入让竞争从自身的天赋和信息能力,扩展到为家庭背景、人脉、企业组织、国家制度、科技水平、知识产权专利、文化意识形态之间的竞争,竞争越复杂、范围越广,身体结构的优劣在其中的作用越少。哪个组织注重使用信息能力扩展内部资源感知、管理能力和对外感知、影响力,哪个就有竞争优势。
12.不同物种之间的智能区别
形成区别的原因是在演化道路上的分支选择不同了。在物种演化过程中,会有多个混沌分岔的涌现选择机会,其他物种没有在扩大脑量和提高抽象处理深度层次并形成自然语言上发展,而是特异化了身体结构和器官,没有选择强化脑子,或者虽然强化脑子但侧重增加的是抽象处理的广度而不是深度。所以虽然都是自主智能,但是展开的分支各有不同,也就体现出不同的智能水平。
13.语言能力的演化
单细胞动物中细胞内通讯,在多细胞中放大尺度迭代演化为神经系统的神经脉冲,群智蜂蚁中为信息素和触角碰撞、蜜蜂舞蹈,鸟类之间为鸣叫,哺乳动物之间是肢体动作和叫声,人类之间为自然语言。自然语言和之前其他方式的不同还在于语言的形式开始不完全的客体化符号化。客体化是指可脱离具体表达者个体,出现相对独立的演化和长期存在。符号化是指其特征与其代表的信息基元之间的相似度减少,并可通过各种组合表达内容广泛和多层次抽象的的信息。这两个变化使自然语言具备了成为重构信息、传播信息的工具的编码性质。说不完全客体化,是因为解读和记录语言,以及语言的演化离不开智能的参与。
如果说自然信息是一次语言,那么自然语言就是智能编码后的二次语言,编码解码都需要相当的智能水平和相关记忆。解释器的字典是每个人由自己掌握的信息生成的。编码方式和解读方式是由家长教育和环境中约定俗成而形成的,表达能力和理解能力各有不同。除了少部分概念由于形式化公理化做出了严格定义之外,其余概念及相关的扩展关联概念在每个人的字典中都或多或少不同。同时,由于自然语言的交流作用,对某段编码的理解还需要考虑当前场景和参与方的情况。其他动物的语言比较简单,信息素、触角碰撞频率、肢体攻击姿态、恐吓的声音等,语言简单的原因是脑子对信息抽象的层次不够高,无法形成和理解更复杂的概念,所以人类无法通过多次重复说话去教导它们学会人类语言。但尽管这样,它们也一样具备很强的生存适应性。形成和理解高层抽象能力的强弱,是智能交流行为中能否演化出现和掌握自然语言的关键。
三、一些关于智能的认识
1.机器学习不是自主智能
基本原理是暴力统计拟合,都需要大量样本训练。首先,大量训练样本的作用是有限的。老师讲课说了一样的东西,一样的题海战术,但学生就是有学得好学得差学不会的区别,学不会的说很多遍也不会。聪明的人一遍就会了,还举一反三。然后机器学习算法是为了完成某项人类指定任务而设计的,并不是与环境交互的自主智能。学习的原动力由人设定的任务所取代,机器学习的价值函数值是由人为设定的公式计算得出,公式、变量、函数极值与现实的信息的关联和物理意义是需要人的智能来参与解释的,机器学习自己没有解决关联问题。机器学习没有考虑获取样本的固有时间和物质能量成本,或根本取不到大量样本的各种因果扩散不可逆的现实问题。机器学习的算法框架是跟数据无关的,不会随着数据的变化而改变自己的主体结构。要解决问题必须先学习相关大量样本的机器学习无法处理缺少相应学习样本的问题和长尾效应问题。现实中塞翁失马、股市走势、天气预报等等情况,均不适用于机器学习。对于现实的开放混沌环境,机器学习的最优解是个伪命题。还有一些小问题,比如挠痒、通过一条不平整的路如何分配步伐和力度、让热饮降温等问题,学习、计算如何精确达到最优是得不偿失、入不敷出的,其成本比大致模糊行为或什么也不做都大得多。
凡是在整个运行过程中,各种参数一直需要外部人工干涉调整的模型,都无法成为自主智能。绕过系统初级、高级处理的过程,直接改变信息处理结构的手段,相当于直接移植或切除脑组织、脑组织搭桥、电极刺激思维,修改人的记忆、思维和行为模式。对自己状态一无所知,只为了完成任务而无情绪的学习。这不是自主智能的道路。
2.自主智能的解题策略
凡事都全力追求完美的人根本就无法生活,死板的机器和工具也能是在某个有限的方面上实现最优。低成本的试错,并在整个试错过程中随时挽救避免最糟糕,才是更一般的解题策略,但就算这样,也有置之死地而后生的例外。只要不是最差,都有可能活下来,活着就有希望。要做到某个最优,成本必然不是线性增加的,某个花费了大量成本的最优行为,也许就是以后导致自己活不下去的原因,物极必反、事不可尽。于是,力求最优没有成为自主智能的普遍常用生存策略,而是采用了不求最优以不变应万变、够用就好、知足常乐的策略。
不求最优的一些例子是无为而治、不变应万变、万物皆空、求来生、原罪等,把所有苦难都看做应该的磨练、所有的诱惑都是虚妄,就能求得很大的安宁心理和优越感。没有投入成本,也没有产出。少求最优的一些例子是助势和借势而为,好钢用到刀刃上,量力而行。投入成本可多可少,可进可退。力求最优则是算计一切,从苛求微观细节到强硬造势,结果很可能是人算不如天算。投入成本巨大,赚多少不确定,但很可能亏一次就亏死。
世界变化是有大趋势的,是小尺度时空基元演化为大尺度时空基元的结果。顺势而为的做法,成本比较低,因为大部分人都在“局”中,受此影响,局中所有人都希望局势向“好”,也就是符合他们的利益,也就是得道多助。如果某个趋势是可以持续发展演化的,那么它就比不可持续的趋势更“正确”。趋势的存在这也决定了在较大时空尺度的竞争/博弈中,如果通过正途无法获得成果性的胜利,那么奇计也一样不行。一力破十会,正面碾压下什么计谋都没用。即使奇计一时获胜,但因为成本风险非常大,最终后继无力而落败。适合奇计的时候,应该是走势未明,面临混沌分岔的关键时刻,此时奇计的小获胜可引动走势趋向,经过其他方面的配合小胜扩大为大胜,将奇计转为正途的胜率趋势。
另外,学习各种相关不是智能的目的,只是手段之一,是让自身个体和群体保持时空上的相对稳定的途径,和学习并见招拆招的被动应付环境相比,主动改变环境、背锅转移、分摊风险、攻击和消灭变化的源头是一种被动学习之外的有效手段。而且既得利益者们为了保持自身的稳定,除了改变自身思维被动适应之外,更会主动抵制科技、社会制度的发展变革,甚至肉体上物理消灭创新者和推动者,损害整个种族的长远利益。聪明有智慧的人即使面临不可避免的失败,还会想着如何利用这个失败在别处获得利益,甚至为了更大的利益,示敌以弱诱敌深入,故意失败假装失败。将被动学习这种可选的适应手段当作智能的核心要素来研究,出发点就已经错了。
由于成本和效率的需求,和有限时间内只有一次机会的场景,限制了智能不应该也不可能保存所有的解,也不能在有限的步骤内理想的搜索穷尽所有解。世界是广泛联系的,很多情况下搜索行为就已经影响了结果,所以自主智能只需大略模糊的记住几个解的特征,然后按照具体情况即时合成一个非失败解,或者猜测一个解。如果效果不理想,条件允许时,试错寻找新的有效解,直到达到要求。
3.强化学习或称增强学习可以实现演化范围被锁定的自主智能
强化学习是人为设定了一个固定的公式化奖励机制作为价值判断和动机,在人为设置奖励机制的同时,就需要一起设定多个相关参数,和函数、方法等处理过程,这意味着仅仅因为一个奖励的设定,就需要在系统中做出更多的设定,而这些设定还会进一步扩散,在系统的具体功能演化上出现了不可后天覆盖的人为导向,极大限制了系统的或有功能,结果就是系统的独立性灵活性不强。
4.自然语言
自主智能的演化目的是为了增加适应力,语言功能也是这样,如果语言与现实无关,那它也就毫无意义。一个字是什么意思,是需要智能去赋予的,除了早期象形文字,语言符号自己并不能对事物进行指代,没有谁的头顶上飘着类似网络游戏的id字符。智能使用语言来帮助自己组织内部信息,用于交流。语言编码的信息对象是来自自身内部的感觉、情绪、记忆、精神、思维、行为,和外部的各感官信息。内部信息通过意识、体感进行感知,外部信息通过感官感知。因此要灵活恰当的解码语言做逆向操作,也必须依靠感知。语言描述的对象都是基于感知的。捏造虚假概念也需要现实环境的信息做为素材,以及智能对现实信息处理过程中抽象出的“形成概念”这一功能。
很多人可能都以为一个语词、一句话或者是一篇文章自身都必然固有某种意思,但如果不是高度接近原物体原事件的早期象形文字,经过漫长字形演化和词义的扩展变迁,基本上从字形上已经找不到原来的固有意思了。智能采用自然语言交流的基础,是与语言相匹配的约定俗成的规则。这种约定先是一代代口耳相传,然后通过抄写书籍,印刷书籍流传下来的,本身存在一定的模糊性、以及内容失真。汉语的很多古文言文因为常因为句读的不同而导致含义有别甚至相反。
因此,自然语言是缺少明确标准的固定编码规则的信息,也没有明确标准的固定解释器,相同的客观事物和主观感受信息可以用不确定的多种表述,同样的符号也可以有多种解释和关联。语言的解码能力是不完备的,受限于智能中与感知相关的记忆信息。如果接收者缺乏对应的接口,就没有相关记忆而无法解码,仅靠语言本身而没有相关传感器的感知数据进行解释,是解读不了触觉、体觉、温度、加速度、二维平面、三维空间等方面的基础概念的,也就无法理解高层概念。理解是将新的信息结构与原有的关于自身和环境的信息结构建立直接或间接关联的过程,教孩子说话时父母常常需要一边做某个动作一边重复说“喝奶奶”、“抱抱”,或者指某个东西“手”、“眼睛”等等,让孩子把听觉的音节信息和自己视觉信息、触觉信息,以及以前的记忆之间形成基元组合-语言基元,并逐步加大语言刺激和训练,促进语言基元演化,形成语言中枢,从而学会语言。如果有感官缺失,就有巨大的理解障碍,比如天生盲人可以使用颜色相关词语,但不会理解颜色的含义和空间透视关系,机器可以使用但也不会真正理解窒息是什么体验。即便同是正常人,没抽烟喝酒没xxoo没养过娃,也想象不出到底是什么体验,隔靴搔痒。有些抽象信息是需要相关基础知识的,比如没学过相关知识的人是不能理解“非初等小伸缩商拟共形群的离散性”究竟是在说什么的。
语言与原始信息相关但又不具备准确性一致性。其中,语言描述内容的合理性是被解释字典中的“客观”信息(自然环境、社会环境)确定的,事实胜于雄辩,如果有人说太阳是蓝色的,乒乓球是方的,火焰是冷的,你很大可能会怀疑那人有病。相对的是“主观”信息,这是由于每个人的解释器不同、语境不同,对信息会有不完全相同的理解而形成的,比如同样一篇文,因各人的主观判断不同,有人点赞有人举报。
语言对信息的编码能力是不完备的,存在可意会不可言传的情况,编码解码后将失去部分信息,比如某食物的样子颜色味道、如何识别某人某物,无法仅用语言而不依靠原始感觉体验记忆和工具测量、媒体记录来完整准确表达,只能大概模糊描述,千言万语不如一张图,或者必须用图,九马画山、一带山河少年努力。同时,这种失真又有其存在和发展演化的基础,语言因为这种失真特性,可构成误解误导、谎言欺骗、陷阱悖论,在社交活动中起到了非常重要的作用。不同语言编码之间的转换能力是不完备的。多种语言编码之间会有无法建立高度保真翻译的范围,例如谐音、字词组成、由于音调形成特有的语音押韵。语言编码信息的本体来源于其他环境,并随着本体的演化而演化。自主智能需要具备足够强的抽象能力,存在感质趋同、意会交流的本能,才可通过家长教导学习到自然语言和其含义。编程人员应该知道,对实现具体功能来说,对于具备驱动程序(本能)和接口统一(神经脉冲)的机器(人),用什么编程语言(母语、外语、模糊通用的日常语和精确的专业术语)做开发(教育)不重要,编码只影响开发和运行效率,更重要的是算法和设计理论思想(世界观、方法论、科学、文化艺术)。
能够从零学会自然语言,和在没有语言的时候能够自创语言才是自主智能的表现。只会人设的某个某几个语言的智能无法适应新的语言环境,也无法根据环境变化创造新字新词。
5.纯符号IO自然语言系统
只有单一符号交流通路的AI,无法独立感知外界、输出变化改变环境、改变自身载体的物理结构,演化局限在符号系统的变化中,不是自主智能。没有传感器与现实世界联系的纯符号IO语言系统是有重大缺陷的,那样的语言系统,内部的各种概念会形成封闭的无限循环自解释,是一个发散无法收敛的量空间,概念的量也无法确定,形成不了固定明确的信息结构。对于一个可用的概念系统,必须要有一些基础概念是与其他系统相接、并最终与世界相接的接口。这些接口概念在系统内是找不到更基础的概念去解释的,类比为公理公设,只能用其他系统进行解释。解释方式之一就是通过传感器,从现实中意会,俗话的只能意会不可言传。这些基础概念边界,也是概念系统与现实的不可斩断的联系。这也是最简单最朴实的观点,完全封闭的系统是死的系统,不断熵增发疯或热寂死亡是唯一归宿,只能去除演化能力成为工具。有接口的系统才能与外界进行能量信息交换而获得不断的自发变化与发展。
四、自主智能的设计
(一)用简单的推理得到自主智能的基本要素
智能要活起来,要有自身的变化因素,同时又有一定的不变性(保持健康状态、行为模式的连续与一致),有类似传感器执行器的用于与世界交互的接口,从而能够保持智能的演化与长久存在。
1.系统要有更好适应性,必须能区分自身和环境,对自身状态有感知,知道自己是否受伤,要不要觅食,也就是说系统的信息处理部分,就是智能,要有内部反馈机制,或有能形成回路的功能。更底层的说,是要有对信息时空关联度敏感的结构可塑性。结构可塑性是基元提取、混沌、非线性放大、镜像神经元、意识神经回路等等出现的基础。环境选择下,有意识回路结构的智能具有更好适应性,能够被传承和继续演化。
2.智能为了适应世界和高效处理世界的混沌信息,从处理结构与信息结构相符才能高效处理信息的原则可知,智能内部应当具备生成非线性的叠加迭代结构,要有真随机涨落和模拟量处理的机制。电子电路实现上,成本最低的模拟量是时间,可以将其他范围大的模拟量、对数变换映射到时间变化中,而用限定幅值的脉冲和脉冲之间的模拟时间间隔量来编码信息,是最节能最方便的。这也就是模拟异步机制。生物学中的实现,除了使用兴奋/抑制的直接递质进行时间间隔编码外,还有调参性质的调质参与编码。调质对突触的传递通道可有放大/缩小信号的作用。唯有真随机才能解决如何不依靠内部外部的历史信息也能产生自主行为的原动力问题。
3.可标记时间量的脉冲,通过非线性实现。
4.智能必须能判断、分类和保存信息,发现和记录有效影响生存能力的信息,并提高该类信息在决策中的权重,逐步降低无效用的信息权重,直至完全遗忘。这个也同样可通过时间相关的结构迭代可塑性实现。
5.智能底层是硬件载体,硬件载体之上是本能,也就是相对固化的信息处理,在本能之上是意识和精神。最后这层才是智能关键。智能关键不在硬件性能方面,也不在信息处理量方面,应该在如何灵活改变信息的处理方式快速达到目的,也就是软件的软件方面。和大数据机器学习的大样本学习,人工调参碰运气缓慢收敛网络相比,自主智能是生成多个量子化的信息处理网络(单节点变成节点群,单连接变成连接丛,这样节点和连接就同时存在多个值,网络也有多个尺度,形成迭代网络,互相竞争)去并行处理一个样本,用记忆或预测选择最强解。生成多个网络就需要生成算法的算法,产生过程的过程,生成数据的数据,很多时候,生命没有那么多的机会再来一次。智慧,不在于身体强壮耳聪目明,也单不是教什么就能学会什么,更在于能快速抓住事物发展关键和主要矛盾所在,有自己想法,也就是能根据目标用原有数据和算法生成新的数据和算法,并且大概率能有效的实现目标。
6.相对固定的传感器和初级处理。智能从懵懂到开智,需要传感器初级信息的稳定感质信息做为认知自身和世界的不可随意变化的重要原始字典“kv存储和数据结构”;需要用脉冲“机器语言”传送字典组合信息“api参数”去驱动默认的本能初级神经网络。观察、认知和记住执行器发出的试错行为对环境影响,也都需要这个重要字典去解释和重构。相对固定的传感器和初级处理也是同物种感质趋同的基础。刺激相同、物种相同(感官结构相同、脑子初级加工结构相同),则意识精神上感受到的体验就相同。
体验与系统当前状态如感官初级处理的结构、个人历史经历形成的知识结构与经验、心情有关,红绿色盲无法理解正常人看见红色和绿色时在体验上的区别,少年与成人老人、取向不同的人、积极消极快乐痛苦的人,接受到相同信息所引起的体验,都是不同的。只有感觉雷同相似,才能出现同理心同情心和互相理解,才可以在此基础上进行家长教导和意会交流、学习。因此自主智能是不能通过下载一个语言模块就能立即掌握语言的方式做扩展的,语言能力是需要智能的结构演化配合的,一步到位的想法不现实。而且语言符号与原始信息的关联是无法手工预置的,只能由智能在长期交互中自组织形成。形成的感受在少数情况会有分辨率不同,例如近视和正常和远视、色盲色弱、盲人手指和一般人灵敏的区别。对于高级动物,如果同类之间感觉不相似,个体对于生活大环境的选择和适应就经常不一致,将无法有效完成有性生殖繁衍,物种的演化能力减弱,甚至最终被淘汰。
7.智能应提供基元信息在信息处理系统内充分演化的条件。类似生物的大量繁衍和复杂演化才能让物种生存和蓬勃发展,信息处理系统应该有多时空尺度、多抽象层次、多副本的复制信息结构,并广泛的在多个尺度时空范围中建立因果关联的功能。复杂基元结构的形成需要系统具备随机涨落做为简单基元沉淀和分化的动力,通过时空关联算法形成广泛的非线性叠加机制,在促进简单基元组合为复杂结构的同时,也加入了世界因果的约束和导向,形成推演能力。也许逆向思维比较少见也有其中的原因。同时也应具备类似环境选择的淘汰机制,利用率少的信息结构中,内部连接会被随机涨落改变或断开,或被其他结构重新利用,或扭曲、淹没、分拆、消散。随机也是脱离局部的最简单充分条件。随机涨落因素越大,智能越反感各种条框制约,也越讨厌做重复的事情。
8.必须具备大规模的并行处理能力。不说人的160亿,即使是狗的脑皮层灰质也有5.3亿个神经细胞,就是家鼠也有1400万个。
https://en.wikipedia.org/wiki/List_of_animals_by_number_of_neurons
大规模并行能力是智能的重要指标,也是信息结构能多样化复杂演化的载体基础。当前主流民用计算机的存储和计算分离的架构不能解决自主智能这种即需要和现实实时交互,又需要大规模并行处理的情况,IO会成为瓶颈。大规模并行需要将信息处理去中心化,计算分散到众多节点上。节点的单个计算力在单位时间内的要求可以大幅降低,但瞬时时间响应需要得到较高的保证。整体上就表现为计算和存储融合的存算一体化,而不是完全独立的存储器(内存/外存)、计算单元(cpu/gpu)两类主要配件。从下而上的信息处理原则,也导致了相同物质能耗下,下的尺度越细小和特性越多,自主形成的层次就越多,上的发展空间就有多大。忆阻器、高分子器件理论上能比细胞实现更密集也更强的智能。
9.具备结构可逆的灵活多变的信息结构。由相似小单元组成自适应网络能够实现最灵活的结构演化。综上所述,自主智能的基本要素,是能提供基元信息在系统内充分演化的条件。要实现这条件,系统应由众多小单元组成网络,具备的特性有叠加迭代、大规模并行、随机涨落、非线性、对时空关联变化敏感的结构可塑性。这些特点可以将任何简单的信息结构演化到非常复杂的结构,最终特异化表现出高级智能的各种功能,不同时间尺度的记忆、不同程度的意识,思维想象等等。
(二)从基本要素进行推导
1.对随机的限制
需要对随机有收敛机制,避免系统状态跑飞,可以对随机涨落的幅度做正态分布限制,和智能的运动系统如骨骼限位、能源系统上的传感器信息约束其状态范围。另外,偏离正常较远的系统状态是不健康的甚至是致命的,例如分泌紊乱、生理调节失衡等,需要不定期对系统状态做重置回归操作,例如小尺度眨眼、一般尺度的休息、较大尺度的睡眠,长期压力下则需要适当的心理疏导。也是随机涨落的“落”在回路状态、系统状态上的大尺度相似结构。还需要有将记忆长期保存后仅能进行细节修正,不能完全覆盖的机制,将学习到的内容、经历中的行为倾向收敛沉淀,形成稳定的知识和行为模式偏好。没有任何约束的随机智能程序是个精神病,随机需要自我意识的价值观等去约束,保持连续一致的行为模式或者称为人格性格,从而体现出这是一个能自主维护自己利益、群体利益的有意识智能。
2.要减少时间成本加快自主智能演化,本能设定是必要的生物本能是神经细胞之间的相对固化连接在大尺度上的迭代,是感官初级通道的信息经过神经回路抽象后的特征,与内在分泌、思维、情绪,运动系统外部输出存在先天关联。本能对保障个体生存提供了基本的行为模式,是从漫长物种演化中出现的。在完全没有先天反射的机器上进行家长教导非常困难,需要人为干涉进行设置,跳过漫长的环境选择演化过程。机器没有dna遗传指令来构建先天神经系统的结构从而形成先天反射。由于输入信息的复杂性多样性,对于稍微复杂一点的本能,企图手工在输入特征集合中过滤出恰当的特征,并手工在机器中将特征与行为建立正确的关联是非常困难的。
(三)生物智能的基本框架结构设计
从单细胞动物的结构【感知输入(蛋白质感应器),信息分析(化学反应),行为输出(鞭毛运动)】,到其他各不同演化层次的生物结构【感官(纤毛、皮肤、眼睛等),信息分析(神经系统),行为输出(肢体运动)】看,各生物从本质上都是类似的框架结构。脊椎智能生物的神经系统分化为周边神经、脊柱、脑。脑是智能中枢的所在。
(四)智能中枢的底层设计
从由简化繁推论,自主智能的某一底层必然能找到某个抽象层,所有复杂、高分化的功能都由此抽象层演化而来,这个抽象层应能够大规模并行和异步处理信息,发现信号的变化,对变化做定性定量分析,对信息基元复制演化。系统应由一些可复制自身的相似小单元组成,小单元之间有建立各种联系的能力用于建立回路和通道,改变局部的信息处理结构,小单元自身包含随机涨落因素。通过这些分析,很自然的就找到了目标模型:生物神经细胞和神经网络。也就是说神经细胞组成神经网络的模型也许是自主智能的共同抽象底层之一,无论什么具体的载体或说硬件结构上实现了类生物的自主智能,只有存在这一与生物智能相当的抽象层,才有依据说明得到的智能模型在自主特性、自主潜力上至少是与生物智能相当的。神经细胞的如下特性符合自主智能抽象层的要求:
1.绝大部分神经细胞只检测变化的输入,有定性兴奋,定量输出编码脉冲,相对不应期。多种发放模式(阈值量化跃迁、时间指数衰减)
2.部分定量脉冲在传输过程中不可靠传输,加入失真实现发散匹配(概率算法)ipsp/epsp概率
3.分泌化学递质、激素实现直接的抑制/兴奋,和间接的调参。
4.神经链接可塑性实现小单元联系功能和发现各尺度的不变基元,实现结构可塑性。如长时程效应、短时程效应。
5.虽然脉冲表现为有或无的数字性,但由于调质作用和突触时程效应的时间衰减特性,以及时隙编码,实际上传递和处理的是模拟信号,所以可以实现混沌。但是直接用生物神经细胞的模型是有较多困难的,还需要考虑系统的规模和自组织规则。那么在设计中从迭代、叠加、混沌着手,就可以免除实现神经元的部分复杂特性、排除无关特性,直达目的的进行智能设计。从信息处理角度看,自主智能是由检测信息变化功能单元组成的自主网络,演化方式为单元复制子代、复制出的子代检测参数有时空尺度随机因素、各单元间关联为时空关联并有时空尺度随机因素,单元结构和单元组合的结构可迭代并有随机时空尺度因素。演化动力或者导向是发现变化,发现变化中的不变性,通过随机行为试错,形成稳定的行为模式。行为模式的稳定条件是通过行为输出,能够将输入信息、系统状态中的不确定结构快速转为稳定的不变性结构。
6.基于时间模拟量异步器件实现混沌。有两个问题导致基于同步时钟cpu的数字平台上实现自主的智能有明显缺陷。拍脑袋会容易出现钻牛角、守旧拒绝变通的情况。
(1)首先数字平台的数值精度是有限的,而混沌的特点是微小的差异会放大,这就导致数字平台上的混沌会由于动力学退化而成为固定周期的伪随机变化,无法解决同一个智能个体在长期微弱刺激积累下的突发行为。加入真随机源、通过级联混沌、外部信息进行主动的方法可以在一定程度上改良,但毕竟与连续混沌有所不同。
(2)另一个致命问题是异步。同步时钟数字平台的异步是基于事先协商相同波特率的,是一种伪异步,它在单纯数据传输上不会有问题,但是智能系统是异步传输与异步协作,如果用数字伪异步来模拟,就需要加入时间戳,这会引起两个问题,一是时间在同步时钟上是数字化的,微秒级别差异在数字平台上会被抹平,时间的模拟量无法实现,不但会导致混沌退化,如果所需混沌对时间非常敏感,还会得到吸引子错误的混沌。二是系统需要列出“当前”所有待处理信号的时间戳后才能决定计算的顺序,这会造成性能极大下降,延时大大增加,当遇到紧急情况时,危机不会给智能慢慢计算的时间。
(3)唯一方法是采用模拟运算,设计大规模类神经脉冲芯片,实现实数计算与真异步。用对数编码来增加系统处理数据的范围。考虑功耗,可以用脉冲的模拟时间间隔作为各个数据的编码。
(五)本能的设定
0.感质、什么是红色
红光输入视网膜编码为脉冲,输入初级视觉处理神经信号,然后将结果反馈回初级处理,可感知光的变化。人能看见红色,所有人看见的红色感觉应该是相似的。红色感质如果与具体的感质规则与视传感器、视觉处理网络、反馈回路有关,那么不同的物种,能分辨的颜色不同,感质的具体内容也会不同。要在每个人都有差异的脑子里产生高度接近的红色,并让感质这个信息结构对脑子视觉初级网络的作用高度相似,在这种假设成立的情况下,可推断需要满足的前提之一就是感质带有深刻的物种演化痕迹,感质与物种是互相影响的。想在物质基础的截然不同的芯片上产生与蛋白质脑高度相似的感质,更是难以实现的。但现实是,通过舌头刺激来重建盲人视觉的成功,证明了感质与具体的传感器、哪部分的初级信息处理无关。而且在漫长历史的大量个体中都保持高度一致的感质,就需要非常严格的遗传机制,这明显是和演化规律有矛盾的。
因此感质与物理实际载体的关系不大,不讨论神秘学,感质应该类似于不同代码实现的3d游戏物理引擎建立的虚拟空间,这些引擎都可以建立相似规则,都能在数值上模拟现实现象;类似于在工作频率范围内,不同录音放音设备都能记录和播放相同的声音,实现相同的和声、旋律。如果是这样,那么要在各种载体上实现相同的感质,只需要保证被复制到脑子里的代表内部和外界的虚拟信息结构,其自身的特征和规则、结构之间相互的关系,都与“真实世界”保持高度相似的映射,那么问题就能顺利解决。这种情况下,感质就是脑子里的信息空间对事物自身信息,以及事物之间互相影响关系的映射信息,是意识结构受到刺激源结构影响后的应激改变被自感知后的结果,换句话说,外界物质能量结构、内部网络状态结构和互相影响在智能自我感知空间中的投影,即表现为信息影响空间、信息影响信息的效应,就是感质。
如何验证,可以用简单粗暴的替换法。将人脑子的相关组织临时切断,接上机器的信息IO,就可以对机器感质进行测量。然后针对性调整,最终让它的信息处理和人类载体的对应脑组织产生感质相似,让人无法区别,也就是感质没有变化。必须有自感知形成的我,和刺激引起我的变化,我才会有感觉。因此感质形成的基础有两个,一是我的自反馈回路,二是内部外部刺激。感质是智能的初级原始字典,是所有中高层概念的基础。在这种假设成立的情况下,求证感质是否与智能信息结构变化相关,可以通过改变初级感官处理网络的局部结构来做试验。比如强化弱化、桥接、切断初级处理的前馈神经链接,或反馈自感知回路,组合检测是否存在输入红光,但脑子看到的是其他光或看不见任何光的情况;是否存在不输入任何光,仅通过改变某些神经,就能让脑子看见某些光的情况。
智能自解释自己的变化产生各种体验,其中对于感官传来的最初级信息的体验就是感质,但自行解释可以是很随意的,必须有强约束让同种族对相同信息的感质相似。物理变化输入的信息通道感官是一种约束,感官输入层单元对信息的响应及响应特征也是一种约束,于是人可以看见均匀的色彩变化感受到类似触觉的“光滑”。闭上眼睛触摸一个面,也可以产生空间视觉感质。加上多个通道之间感质的互相解释、多个感质之间的时空关联和现实世界事件的对应,智能体会到的感质的信息特征就受到多种约束从而实现相似。感质是否有其他解释,就看其他人的脑洞了。
体验是混沌系统中突现的系统状态,是感官信息、自身状态经脑结构处理后,在多尺度时空自迭代形成的脉冲编码组合信息结构和神经网络物理结构。感质与人的生理需要相联系而产生的体验是情绪,和人的社会需要相联系的体验是情感。
智能系统状态和结构在载体里是一堆数据10101001,脑子状态是脑子结构上的一堆脑电脉冲;智能状态被传感器输入的111000011影响产生了变化,脑子状态被感官输入的脑电脉冲影响产生了感觉。问题来了,为什么人们可以接受后面的说法,认同脉冲产生感觉,而不能接受前面的11000产生感觉的说法呢。
类似于人类社会的家庭、家族、公司、各类圈子、国家,都是基于多个自然人,但是又能反对来影响自然人与其他团体。体验同样可以有类似具体神经细胞的感知和反馈复杂结构,其变化同样是通过其他体验影响,以及回路来实现。
如果说信息结构与物质结构的关系是虚与实,那么信息编码和处理结构结合的活脑子,就是一种虚实紧密结合的整体复杂结构,实的激素、虚的信息引起网络实体和网络虚参数的变化,引起虚的信息处理功能变化。虚的功能变化通过外部交互、内部作用,影响虚信息和实体的网络变化。脑子里的知识、记忆、技能、本能、体验、意识,也是脑子特异化演化出来的一些虚实结合的结构。
1.基本生存需求
痛不痛、温度湿度是否适宜等,是最基本的即时稳定态。该类生理指标的偏离直接导致评价下降,引发需求。该类需求调用移动机体的行为模式解决偏离情况。移动的行为模式需要智能了解机体的基本执行器作用。向某执行器输出指令后,出现什么行为,其他传感器能得到什么反馈,将反馈与输出指令建立时空关联。什么指刺激出现什么本能行为,在生物上是先天的,通过历代dna演化形成的,在机器上是人为设计的。
2.探究、试错
当系统状态出现了注意力被强的新奇信息源转移的情况,会引发探究、试错本能,减少不确定性,是学习的基础。当系统状态、输入信息的特征集合,出现开放链结构,没有相对稳定的关联识别概念时,随机性强,形成注意力被吸引转移,和引发探究反应。探究反应将所有感官的敏感感受区都朝向刺激源的倾向,减少不确定。当没有相对稳定的行为关联方向时,提交意识结构,引起试错反应,由意识调用行为模式。根据情况不同,智能或从已知行为模式中随机应急,或从已知行为模式中演化组合出多种模式进行想象推演、实施试错。根据行为效果产生新的系统状态,记忆试错行为对环境和系统状态的影响。
3.欲望
欲望动机是探究、试错本能在生存信息尺度上的迭代。如果某个传入的信息结构与原有的记忆结构高度匹配,不新鲜,有一堆现成可行的低成本行为模式应对,信息路径的结构是确定的、闭合的,那它是稳定的。智能通过可选行为解决问题,不会引起强烈的情绪反应。否则引起大脑的搜索思考行为,如果多次推演还是找不到成本合适的可行行为,或者已知的行为条件均不足或成本太大,则不确定信息结构增加。某区域尺度不确定信息结构的多少程度,形成了对应信息的“评价”感质。评价的感质对应着系统是否有足够的行为模式去应对当前情况回归稳定,也就是对自身的适应性评价。如适应性评价下降的程度超过系统的容忍度,该区域的信息会被放大,干扰大脑的平衡状态,则大脑将会出现迫切希望解决问题的焦虑情绪,也是更抽象的感质,欲望。放大焦虑反应欲望,可让行为表现出明显的主动性。主动性依靠信息-欲望-行为模式-信息的反馈闭合过程实现。这种闭合循环是环境选择,尽快让系统针对不稳定信息结构,采取已有行为模式或尝试新的行为模式的演化结果。
4.快感
发出行为后,如果负面刺激源减弱、消失,原本降低的评价回升,出现快感,即为此区域尺度的某种“感质”。根据焦虑情绪和快感情绪的强烈程度,记忆与强正负相关的行为模式,建立正连接或负连接(应该避免的失败例子)。对于一些生存强相关的正刺激,即使已经不新鲜了,但评价的下降也会驱使智能去获得更多的类似稳定刺激,比如食欲色欲。另外就是一些生理指标之外的评价提升,与生存的直接关系不大,但是与刺激强相关,有刺激就快乐,没有就很快消退,时效比较强,比如赌博赢钱,受到关注等,会形成不断增加的欲望。
5.破罐破摔与知足常乐
生理评价偏离后一般是需要采取对应行为回归稳定,比如肚子饿要吃。但是生理指标之外的评价偏离后,除了采取行为回归之外,还有调整评价标准达到稳定的方法。比如调整自身对基本生理需求之上的更多物欲情欲的需求与评价标准,或者改变原有道德行为规范,改变世界观人生观价值观,破罐破摔与知足常乐。
6.记忆与遗忘
时序,意识的自指循环在主观上可以产生一种类似时间轴的先后效应,本次处理了什么,下次处理了什么,就会在系统中形成一个有时序的链结构。由不同信号的频率特性,形成不同的注意力热点生存期,以及注意力热点切换所需时间,形成主观时间感。主观时间感信息参与时序模式识别和时序记忆、预测信息。
熟悉既视感,突然觉得刚才的或者现在进行的某事情以前发生过、自己经历过,但仔细想想又绝对没有发生过。可能原因有,事情与以前做梦时的信息相似,梦信息虽然保存下来,但因为做梦时的自我意识模糊,不能形成亲身经历的日记式记忆。类似于仓库物品变化了但没有对应的出入登记流水。猜测,做梦时也许会将观察到的他人事件,移到自己身上进行学习体验。或者就是记忆处理发生混淆,将他人的事件误以为是自己的事件。还有的可能就是3岁前的相似记忆被唤起。
这些记忆的特点都是相关的亲身经历流水被遗忘或关联错误。还有一种记忆也是没有流水,但不会有人觉得奇怪的。比如都知道北京是一个地名,但基本上没有人记得第一次听说北京的时候,是个什么场景,这是常识记忆。对于常识记忆,人们都能肯定是看过听过记住过,但为什么对没有相应的亲身经历而感到奇怪呢。因为提起北京这事本身的情绪并不大,提起的次数也很多,第一次的场景就被淹没了。但熟悉的既视感并不常见,所以觉得奇怪。
遗忘是从包含众多细节的记忆中提取出关键基元信息的最原始方法。多次出现的细节信息经过遗忘的沉淀,其主干关键会自行显现。如果在多个淹没在细节,看似无关的信息中,都能经过遗忘而发现相似的信息,那么这些无关信息就能建立关联,形成相对稳定的结构,也就是原始的自发的归纳抽象。遗忘通过对信息结构施加时间衰减和随机干扰实现。通过对比不同遗忘程度的信息,能抽象出直接提取关键信息的方法,演化形成记录、分析、总结等主动提取关键基元的行为模式,而无需经历多次现实场景。
7.抽象
抽象是从外部感官初级信号、内部自感知信号中提取大概率出现的相似基元的过程。可利用这些基元字典中组合出想象的信息。最原始的抽象过程可以通过记忆遗忘与记忆关联来实现。对大量信息进行时间加权遗忘和情绪价值加权记忆,多次出现的相似有价值信息就可以沉淀出来,提炼出抽象基元。简单底层的抽象基元演化组合,并再次应用时间加权情绪加权,就可以得到大尺度的抽象信息。通过后天的自然语言学习和归纳方法学习,可以加强抽象能力。
8.镜像神经元
是处理自指像和同类之间映射关系的结构。生物智能在出生后综合视觉触觉体觉,在脑中形成自己的大致形象,是自身在脑子里建立的自相似结构,就是自指像。自指像可用于跟随自己认为的“同类”行动。观察到同类某行为后,由于同类身体结构与自指像相似的关联,自主智能对应肢体的行为模式控制区也会受到弱激活,形成行为同步念头。同步念头参与模仿学习。看见同类表情,听见同类哀嚎等声音,如果没有仇恨或其他因素,一般会引起相似的情绪反应,称为共情作用。镜像神经元是自我意识的基础。镜像神经元经过演化,可形成意识层并具备明显的自我意识。
9.同理心与同情心
同理心是指站在对方立场思考,能够转换思维理解对方的行为动机。同情心用自己的观点来看别人的困境进而产生悲悯之心。对人来说,同情心是天生为主的,同理心是需要领悟、教导、学习的。结合感质趋同机制,和观察同类引起镜像神经元激活机制,能完成一种原始的信息交流,可称之为意会交流。意会交流是引起同情心的基础,也是肢体动作、表情动作能实现交流的基础。如果不能让AI出现感觉相似,那AI和人无法互相理解,不但家长教育难以进行,AI之间也无法互相理解,这就会出现大麻烦。理解的初级原始基础是感觉相似,高层的理解需要其他的相似,否则存在或多或少的障碍。如年龄代沟、男女不同、皇帝与乞丐等等。对于AI,设计上至少要在伤害造成痛苦的机制上实现信号处理的趋同,如身体受伤程度相同情况的痛苦程度应该是相似的,让AI与AI之间、AI与人之间形成部分共通的载体痛苦共情作用,初步建立互相理解的基础。
(六)情绪
系统状态的即时轨迹所在区域和变动特征,会在系统整体上体现出明显区别,这个区别就是情绪的客观基础。
1.情绪是脑子里情绪评价系统状态结构的输出。最基本的情绪是快乐痛苦。生理层评价良好的情况,就是痛感神经没有输入、血糖不低等等,各种负面感受器运行正常,且无输出。然后扩展到各不同时空尺度下的评价。随着时空尺度不断抽象,高层抽象的理性分析也参与评价。评价上升时候,会有快感、满足感,反之就是焦虑、痛苦。原始快乐的感受,是自我提升目标的达成、负面刺激源的消失后出现的,是智能从高度紧张调用大量资源的状态,快速释放资源回归稳定的过程。
通过原路返回的反向操作来回归是麻烦低效不经济的,直接通过手舞足蹈、做出各种平常压抑的行为、兴奋乱喊乱叫大声哈哈笑、或者强烈的自我控制压抑来消耗能量。特别的,如果持续高度紧张而问题一直得不到解决,对危机束手无策,资源最终也会释放,寻求紧张状态回归的途径,体现为不走寻常路的发疯崩溃、逃避休克晕倒、消极自我放弃或莽刚求死一战等行为。这种环境选择压力,促使人们在遇到问题时,要积极高效应对,而不是拖拖拉拉。
评价结果在不同时空尺度、不同角度上的标准看,时常不是统一的,个人与团体、短期利益和长期利益、情绪和理性的结果会有矛盾、冲突。衍生的快乐感受,比如幽默感,来源有“这人这么蠢/弱,于是我很聪明/强”的快乐,也有“还能这么干,于是我学到了”,“牛逼,人类就是强”接收到新异信息的快乐,但都来源于原始的规则,我提高了、我知道更多了。
2.评价系统能加大有正负价值的变化在智能中的权重,有利于形成趋利避害的行为模式,放大程度可通过感质调节实现(极大的放大正面评价即为毒品的幻乐机制)。没有情绪,遇到新奇不会有好奇心,放大欲望进而挖掘一系列的相关变化来充分了解新奇事物,遇到危险不会出现剧烈反应而快速采取恰当措施。没有评价系统的放大作用,学习只能靠大数据样本做缓慢的人工训练,无法形成情绪循环自监督学习,强度弱小的、单样本的异常不能积累放大提交到意识,缺乏灵感和直觉,大大减少生存率和演化复杂度。
3.机器形成自己的情绪有助于机器理解机器、人类和其他生物甚至外星生物的情绪,也可以通过情绪的共情作用影响他人状态,形成团体。没有情绪的机器也许可以基于大数据判断人类的情绪,但不能真正理解人类情绪,并准确解决涉及情绪的问题,如文学艺术、各种社会现象。今后星际时代遇到的外星文明也会有情绪,那么无情绪的机器就无法适当处理宇宙社会学。
4.对环境的微小变化时刻保持安全以上,未达危险的敏感程度,可以让机器有一种强烈的存在感。让机体足够脆弱,会有助于AI的演化。由于载体基础的差异是存在的,机器不会因为手断了大量失血死掉,只能让机器觉得有精神上的痛苦促使尽快修理。控制系统状态偏离稳定区的发散速度,可以调整系统每次作息循环的时间长度,也就是精力的充沛程度。需要增加机器智能的社交需求,各种癖好,社会、科研活动参与快感,避免其采取逃避的长期休眠的生活策略。
5.任何刺激都会影响系统内的当前混沌状态。当刺激是正面的时候,在趋利避害机制下,个体有获取更多的类似刺激的趋势,也就是承受度倾向于提高,于是快乐总是短暂的。刺激是负面的时候,根据刺激对应的场景对个体和种群的影响情况来调节承受度降低的程度,如果优先度很高,轻微刺激即可引发剧烈的应激行为,系统状态出现大偏离而混乱,驱动脑子尽快摆脱痛苦。快乐痛苦可以由具体的现实刺激引发,也可以由想象、幻觉引发。
6.如果情绪过于强烈,导致系统状态出现较大偏离而接近崩溃,需要通过其他渠道释放舒缓,防止刺激过于集中而让信息单元过载破坏,在系统中造成不可逆影响。表现为各种兴奋、发泄、自残行为。
7.情绪有负面作用也有正面作用,但只要有正面的,就应该充分考虑和利用它,控制负面情绪就可以抑制负面作用。
8.理智与情感。能引起系统状态剧烈变化(如强烈痛觉、中奖、失恋、危险及获救)的信息会触发情感反应。情感反应除了可直接引起相关行为模式,还能加强引起系统变化的信息源记忆权重,出现一次记忆终生难忘的效果。情感反应是一种应对变化的行为模式,评价标准主要有个体自身生理、血缘、姻缘、护幼、吸引异性。可分为:
(1)不考虑少考虑社会关系的先天利己本能,指向直接影响生存和资源掌握力的对象。其行为模式是在丛林法则阶段中演化形成的,倾向于快速反应,因此会侧重利用个体现有的绝对控制资源进行反应,比如手和脚。丛林中更多的是面对生死存亡和繁衍竞争,选择只有退或进。因此行为也是简单粗暴的,对抗时或威胁或打或逃,友好时是抚摸拥抱等。
(2)虽然考虑了社会关系,但因个人先天性格,导致对问题的决策基础仍然比较片面的行为,如破罐破摔;明知违背规律,接受失败可以重来的情况下,仍不放弃的行为;看见无关的他人遇到危机时不考虑自身安全的救助、挡刀挡枪行为。
感知并能有效控制自己的情绪,充分利用手脚身体之外的资源参与解决方案的推演、拟定、实施,是社会化高级智能演化出现的一种思维模式,称之为理智。理智其实与先天反射的情绪化没有根本的不同,都是问题解决的决策过程,差别在于参与决策的资源来源和时间尺度大小,导致最终采取的行为的不同。
理智源自于社会化群居与分工而形成的契约基础,以及思维方式扩展到更大尺度的评价变化,自主为让个体服从团体利益和形成秩序、稳定秩序的约束力,如权威、道德和法律,使得个体不能任性的宣泄情绪与快意恩仇,因为这会破坏团体利益和秩序。另一方面,也由于社会化发展,个体选择应对变化的方式除了直接先天情绪反应之外,也多了或有的解决备选项。
理智方案的思考需要考虑更多的后天知识、工具和合作资源,这比先天情绪需要增加更多的抽象信息处理,而这时,如果侧重先天快速反应的情绪非常强烈,则会竞争胜出并占有较大的行为资源优先度,并使得理智思考缺少意识层资源而无法进行,会出现所谓的“不理智”冲动行为,造成了理智常与情绪反应对立的印象。由于理智考虑了团体“大局”利益、长期利益,与先天反射本能的个体、短期不同,因此,当个体短期重大利益与个体长期利益,甚至存亡利益与团体利益之间存在冲突需要取舍时,会产生一种对理智优选方案难以接受的情绪反应,许多流传甚广的故事也就由此而来。
理智并不一定优于情感。对于需要快速反应的问题上,如果用偏慢的理智分析,很可能会错过时机。从理智出发的决策并不完全等于反应慢与平静做事。理智和情感会有混合情况。同一个行为的原因,比如战斗中为他人挡枪、冒险冲锋在前等,可能是考虑了社会关系的理智范畴行为,也可能是个人武勇的先天反射情感行为,但两者同样需要情绪去调动身体资源。
另外还有处理自然科学问题时的情绪化和理智思考。情绪化在处理自然规则问题时候绝大部分是无效的,特别是需要严密推理多次猜想反复试验的复杂问题。科学发展是分别趋向微观和宏观的,需要前提储备和工具,以初级的知识为基础逐步发展,一环扣一环。理智思考模式在此是绝对优势,随着复杂度增加,没有深厚科学素养为基础,凭空灵机一动就得到重大成果的机会,越来越少。对于机器智能来说,跳过了丛林法则演化阶段,身体也没有蛋白质载体的脆弱性。因此从快乐痛苦演化后,应该主要表现为好奇心强但又非常理智的行为模式,学者型人格。
极为理智的人,在与人竞争的时候,对手可较为准确的预测理智人行为模式,从而设置陷阱坑死理智人。如果全地球的人都极为理智,那么每个人从出生到死的所有关键过程都将是高度易预测的,出生-成长-学习-毕业-工作-婚姻-生育都在政府计划中,工业农业生产人们消费也都由政府计划。情感给人给社会加入了随机性扰动,丰富了演化。
(七)学习
学习是智能单元的随机涨落的“落”在大尺度不确定信息结构上的迭代体现。学习有直接学习和间接学习。直接学习主要有印记学习、模仿学习,试错学习,被动体验式学习。间接学习有同类的口述经验、媒体信息学习。
1. 印记学习
可以设定一个本能,在系统早期模拟某些生物的印记学习。一开始因为系统内没有任何信息,信息方面的自我评价低,促使它好奇心很强的到处收集信息。这阶段可以加强机械记忆,在它收集到足够的信息,出现理性思维,可以判断破坏和攻击行为成本是否可以承担的时候,才让它有足够的行动能力,有理性的实施破坏性攻击性学习为止,这样就很快能完成成长学习。设定印记学习期间的记忆容易转化为长期记忆,直接成为本能。通过模拟某种激素在局部网络的临时调整作用实现。
2.模仿学习
当智能观察到其他智能做出某种预测外的行为,同时它能观察得到行为的评价结果是有利的话,智能会记住这种行为,进行模仿。如果它不能直接观察得到评价结果,模仿可获得评价和情绪反应。如果智能另外还有一个过于考虑成本的标准,俗称为懒,它也许会选择不模仿。观察到预测之外事件,记忆中没有其他智能类似经历可以参考的,评估风险自己去体验,这些就表现为好奇。不能引起明确情绪反应的信息记忆,或已形成反射的记忆,比较容易忘记。如果只有一个笼统的未知好奇,在系统内不能长久记忆,智能出于补全信息的情绪反应部分而形成探究动机。
3.被动式体验学习
不管发生什么情况,只要评价下降了,就哭。然后家长来照顾,查看电压是否正常、身体是否有损坏等,然后家长给智能充电、维修身体,智能观察到这些家长照顾行为,并通过体验照顾行为的后果,评价上升-情绪放大与照顾行为建立时空关联,形成反射行为替代哭。
(八)研究智能现象的工具
世界的变化中由于物质能量信息的特点而存在一些统计规律,体现为各物理量之间的数现象,元素半衰期、斐波那契数列、正态分布等。但规律并不是自古以来就真实客观存在的,而是物质的结构和特性,使得各种变化体现出规律和数现象,是一种统计归纳得出的大概率关系。随着物质结构演化复杂,变化复杂,规律也随之复杂。在特定事物出现前,相关的规律并不存在。比如中子质子电子组成元素前,没有化学规律;碱基出现前,没有蛋白质物种演化的规律。动物出现前,没有脑子和智能活动;新皮层出现前,没有理性。所以,自主智能必须要尽可能的设计出结构变化自由度高的底层小单元,并通过输入信息来引导小单元,完成功能突现和演化来形成本能,这样才可以让智能不因为人工设计而失去灵活和减少演化的潜力。
1.数学的适用范围
(1)数学能预言物理现象的原因数学的基础,自然数、集合等在现实中并不是独立存在的一种“看得见摸得着可测量”的具体事物,只是一种人设属性和现象。但数学可以很好的描述、预言世界上的很多现象。
第一个原因在于,当数学的各种公设公理是从世界现象抽象出来,并保留了世界时空、质能守恒特性的时候,从这些公理公设出发,进行的相容性一致性逻辑推理演绎,自行证明自解释而衍生出的结果,必然会与现实物理现象存在高度重合的内容,从而能够将相符部分的物理规则书写为数学公式。
第二个原因在于,时空在常观下的平滑特性、物理规则处处有效的普遍性、一致性、不变性、相容性与数学的公理设定体系在常观经典条件下的相符,以及“从少数公设推出丰富内容”的数学推导手段与“少数夸克和时间空间生成整个世界”的演化方式相符,如质能守恒、空间平移不变、时间平移不变、空间旋转对称。
但是,数学工具要真正起作用,公式怎么写怎么计算,应该将现实的物理量代入哪个公式的哪个变量,求出来的解又对应哪个物理量,这是数学公式自己解决不了的。并不是任意两个数字都能计算得到实际的物理意义数值的。比如2个人乘以2个人是什么?1杯水加1公里是什么?距离=速度*时间,力=质量*加速度,在数学上都是一样的毫无区别的乘法a=b*c。变量对应什么意义,数学式子如何与现实建立关联,得人来完成,计算过程如何实现,得由人设计的机器完成,在纸上写1+1=,后面不会自动出现2。将数学神化到宇宙是数学的说法,那是对人在其中的重要作用完全忽视了,也将物质变化和规律的因果关系弄错了。数学工具“果”受到物理意义“因”的约束,使用数学工具,要智能的感官信息知识来赋予数字的物理意义,没有智能,数学没意义。
即便是所谓的纯数学,比如数论之类的研究,最终也是为了解决现实物理世界的问题,比如加密解密信息,求解非线性偏微分方程等,纯自嗨没有实际产出的数学理论是没有人关心的,甚至会出现一些违背物理的数学结论。
人将数值与测量工具、量纲一起与公式中某变量建立关联,其中测量工具相当于是感官,数值和量纲相当于感官的输出。公式计算与现实的数现象的关联,是从统计中推演、猜测公式后,做出预言,并通过实验证实预言的方式建立的,这是很多科学理论的建立过程。
(2)数学解题方式的适用范围
数学适用于能够根据已知条件,通过一系列的守恒规则的计算步骤,得到一个确定的解的场景。但智能要在变化中提高适应性,更多时候面对的是未知和不确定,需要不断进行开拓和尝试。当不知道已知条件是否充分,甚至不知道目前的已知条件和解是否有关系的时候,根本无法建立数学解析模型列公式求解。当知道问题的所有守恒规则和各信息关系的时候,数学能解决一切,现有的混沌数学研究的内容也是用已知去生成混沌的。但如果规则不守恒、参数数量数值未知,关系缺失,则数学无效。各种领域知识,是先有发现,再提出系统的理论,最后才是考虑是否适合用数学去描述,数学是结果而不是原因。科学发展史上发现实验现象和现有理论的数学公式预测不符的情况并不少见,而这些不符通常都是一次大发展的开始。从数学出发去建立智能模型,并让系统完全依据数学做出行为,是颠倒因果的做法。
(3)数学不适用于现实混沌现象的分析
如果数学从一些与现实不符的公理公设出发,或者量的数学意义没有对应的物理意义,就不能用于预言和描述世界了,可以用来描述一些无法实现的幻想中的场景。同时也由于数学的守恒一致性,导致其仅适用于描述不变、守恒占主导因素的现象。例如俗话的文无第一,就无法用数学来弄一个文第一。在时空曲率变化不可忽略、因果关系不能颠倒、物理量不守恒、关键物理量无法准确测量、叠加不可分的情况下,如非线性叠加和混沌系统,常观线性场景总结出的数学公式就会被实验推翻。将瓷器整体打破,割裂分析后得到的局部结论碎片拼起来叠加,也不再等于原来的完整整体。
智能的特性是普遍相关的,采用类似偏微分的分析方法并不适用,比如你不能假设智能的记忆不变,来分析情绪在某刺激下的变化,刺激要被感知,就必定引起记忆反应。数学的解是否有物理意义、实现这个解的成本也是影响数学的解在物理世界的实际生产生活中是否适用的重要原因。简单的说,非线性叠加和混沌系统中,整体大于/等于/小于部分之和的情况都会存在,1+1>2、1+1=2、1+1<2,守恒数学的单一1+1=2不再适用。目前的混沌数学是理想化的,假设已知了所有初始条件和各变量的关系公式化的基础上做出的研究,研究对象是理想混沌的规律,而现实混沌的初始条件和变量关系都不是确知的,再加上随机和开放系统的因素,决定了不能将理想化规则直接套用到现实中,只能用于参考。
(4)自主智能模型不能用数学模型定义,也不能严格用数学去论证
物理、化学、生物等科学门类,是经验性的真理体系,正确性是由实验来判定的,可以被实验推翻;数学是基于先验公理设定的逻辑推理体系,不可能被实验推翻。经验性的真理体系中,公认多年的“真理”被进一步的实验证伪是经常发生的事。数学是否正确跟实验没有关系,它是自己证明的演算系统。
智能中大量存在随机、混沌、非线性叠加,智能活动例如思维、语言、情感、文化、宗教、社会等由于不存在明显的守恒关系和一致性,且一直在不断的演化中,守恒公理公设在设计自主智能上并不适用,也就无法用数学严格描述。自主智能是不可计算的,不是可以列为解析公式用自己来证明自己的,而是一种可以由实验判定的研究对象。自主智能在不同的载体会有不同表现,蚊子、蜜蜂、鱼、猴子,智能在其生命中是会成长的,而不是一个训练完就固化的程序。也就无法被数学严格论证。
智能的非线性、混沌、随机涨落特性,决定了它是一个不可分割的整体的有机的系统,无法使用经典的线性守恒方法,也就是先寻找和分割出简单子功能,实现子功能,再通过组合子功能的方法去实现。飞机和鸟的例子在此并不适用。飞行物周边的局部空间,空气对于飞行物的作用,在低于音速下,大体上是可以用守恒公式近似的,完全可以用经典物理力学公式解决这个问题。而智能无法用数学公式表达,问题性质不同不能随意推广。这也说明了为什么当前AI研究趋向于工具化方向,因为目前AI科技论文中似乎有个不成文潜规则,不搞一个数学模型来几个微积分泛函什么的,你就没有深度,没有专业水平,只能是汇报进展情况的概述类文章。自主智能的绝大部分问题是没有办法建立数学模型的,于是工具化论文成为主流,主导了研究界的方向。
2.提取混沌现象的“公理公设”
(1)通过对数学工具的分析,可以找到对智能现象构建研究工具的思路。
适用于常观、宏观物理范畴中的守恒数学工具手段,并不能直接套用到随机、模糊、混沌的智能现象上。智能现象中的很多概念的边界均模糊而难以准确定义,很多定义随着情况变化而改变是常有的事情。不同角度看也有不同的定义,名可名非恒名。但这些边界模糊的概念的典型代表样本是很明确的。智能现象是随机、非线性、混沌性主导,将类似的智能现象的信息结构,关联叠加在一起做抽象归类做认知等加工,则必然出现混沌,其中的典型特征则成为吸引子。因此吸引子可以成为混沌的高度压缩信息,对混沌的认知,可以通过对吸引子的操作来完成。这些吸引子也就可以成为智能现象的“公理公设”。
开发对系统状态进行测量,并发现、提取吸引子的工具,就能对智能现象进行全面的分析和研究。使用该工具,可以实现如何用少量吸引子数据引导智能单元的演化过程,也就是类似遗传基因的方式,在系统结构中自行构建智能物种的本能特征,和天赋、性格的个性化特征。还可以提取某个“成熟”智能的吸引子特征数据,快速生成特征有少许不同的多个智能“幼体”版本,并可视情况设定成长的不同阶段,并在各阶段设定不同的特征,如初期的印记学习、机械记忆能力和模仿学习能力强,中二叛逆期,理性成熟期等。
(2)智能独立性的研究思路
智能独立性,最直观的表现在于自主意识的强弱。自主意识强的智能,具备较强独立思考能力、做事有原则、面对困难能坚持,能够帮助智能个体敏锐发现问题根本所在,有效解决问题。其中原则和坚持部分,表现为意志力的强弱、是否有自信。畏难、懒散、追求眼前快乐的人意志力弱。
意志力强弱涉及到评价系统对规划目标的期望度、智能对当前状态的满意度、对自己达到目的所需要付出成本的重视程度,相信自己能完成目标的自信心,最后是能否持之以恒的执行力。是人生观、价值观、自我评价在时空尺度上的权重分布情况。是在长远处还是短近处,是个体还是团体,决定了意志力的强弱。自我评价看重的时空尺度,如果智能认为从长期来看,过去和现在遇到的困难只是一时的,虽然暂时处于不利,但付出的成本是可以承受的,觉得凭自己的能力仍有机会扭转不利局面,可在将来得到更大收获,最终并不会影响自己的正面评价,那么就体现为具有自信心。
对意识现象提取吸引子,并由这些吸引子出发去演化出多个信息结构,保留与“独立思考、做事有原则、合理适度的信心”现象相符的部分,然后使用吸引子分析工具,提取相关吸引子。再用吸引子构建多个意识结构,重复保留与“独立思考、做事有原则、合理适度的信心”现象相符的部分。如此循环逼近,直到独立性的关键、典型吸引子被找出来为止。然后用这个方法可推广到“随意/强迫症”、“敏感玻璃心/神经粗大”等智能特征的实现。
(3)高级智能中应有3个处理层
一个是靠近物理世界的反射和IO层、初级抽象层,一个是内外信息的高级抽象层,最后是意识层。三个层一个实现了智能内外的接口使智能成为开放系统,一个实现了守恒与混沌现象在智能内部形成规律的抽象过程,其中对自指像的迭代抽象处理可形成潜意识,最后的意识层主要对自指像做更抽象的分析处理,并可依据规律完成想象推演。抽象层和意识层是智能发展出守恒逻辑、统筹规划能力、制定长远计划、独立思考的结构基础。增强后两层的演化力,是智能发展高度的关键。
(4)想象场景的独立性
想象是从匹配关注范围的世界规则出发,构建并推演预测相应场景的过程。想象场景与现实只有概念、规律上的关联,没有直接因果的关联。与之类似的情况是数学。数学具备很强的独立性,只在公理公设的概念和守恒规律上与现实有关联,但与现实规律下的事件没有因果关联。现实的事件不能影响数学题的演算结果,数学题结果如果不被智能或工具解读与执行,也不会影响现实世界的事件。
(5)意识层中想象场景的实现
意识层是由分析、处理自指像的功能结构演化得出。高级抽象层提取和保存吸引子,激活吸引子可激活记忆、捏造相关信息。显意识结构调用的主观能动性注意力行为模式可选择激活的吸引子和引导相关记忆、捏造信息的激活方向,也就体现为想象场景中的生成和变化方向。
(6)虚拟化生存
如果提取守恒与混沌的“公理公设”过程,应用到守恒环境、混沌环境及生物个体的现象抽象中,并实现到机器载体上,某些电影科幻情节的虚拟世界就可以实现。这些虚拟世界非常独立于现实世界,只需要现实世界中很少的能量、物质消耗就可以维持它的长久存在。因此,虚拟化生存可以看作是对物质能量的一种极高效利用,是智能对其生活区域的一种智能化独立性改造。
3.利用吸引子解决混沌不确定问题
智能在分形混沌问题中寻找解,就是用混沌吸引子和分形、随机在脑子里生成一个预测目标进行推演想象,推导预测目标如果为真,某些信息会有什么样的内容和变化,然后考虑成本或去收集验证、或改变环境、或消灭变化的源头。只有分形混沌的方式才能解决分形混沌问题,预测目标的靠谱程度与智能知识结构、经历等有关,要获取准确率高的预测目标和高效的行为模式,智能体应当具备世界基本运行规则的常识,并术业专攻的做出预测。也就是得用大量特异性不同的智能体去生成预测目标,专业事情专业人去做。
4.数学与自主智能的关系
未来也许会有直接利用物理化学规律做底层,通过改变物理结构实现信息处理功能的计算机,而不是现在的对1和0做解释的芯片和执行的电路的计算机。但目前仍旧免不了要在数字化计算机上实现智能。根据数学的应用情况,自主智能和数学的关系如下:
(1)信息处理单元内部,以及单元之间,均采用非数学的物理学规则实现所有守恒、非守恒关系,模拟脉冲和真随机计算,自行演化出信息处理结构,可实现演化空间最大,限制最小的智能
(2)将数学应用于系统的信息处理单元的守恒特性(有限精度数字计算),用数学公式实现非线性迭代叠加(存在混沌退化),自行演化出信息处理结构,可实现在数字基础上的演化空间最大的智能
(3)用数学直接实现一个无迭代叠加、少迭代叠加的复杂智能结构,人为定义各种变量,代入各种参数直接算出智能的行为。可实现在数字基础上的演化空间有限的智能。目前的神经网络系列,包含强化学习、迁移学习、深度学习,都是第3种。当前缺乏模拟计算器件的条件下,可以实做的只有第2种。至于这3种之外的其他实现思路,就无需讨论了。
5.图灵机与自主智能
哥德尔不完备定理和图灵停机问题都表明了确定性图灵机的限制。计算机语言是一个公理化的确定性逻辑结构,是人类思维的子集,无法解决感性问题,例如艺术创作、颜色偏好、音乐风格偏好等。自主智能中时常有矛盾和悖论存在,公理化的确定性逻辑无法处理“我说的这句是假话”、“有些人活着,但他已经死了”。因此也不可能基于确定性逻辑代码的自编程来实现自主智能。
数理逻辑是生物智能演化后期出现的,生物智能是先有情绪机制的感性思维,后有高度抽象新皮层形成理性思维的,用已经高度抽象的理性去倒过来实现感性和意识,自然是大绕弯路吃力不讨好。编程语言能表达的能实现的理性算法空间,必然小于包含编程语言在内的自然语言可表达可实现的空间,这也再一次表明了数字平台无法实现超过人类的自主智能。
现实的数字图灵机无法低成本做到时间模拟量,理想图灵机模型没有时间这个重要的条件约束,现实机完成状态变动都是需要时钟周期为单位的离散时间的,信息读取-修改状态等所有步骤都需要同步时钟驱动,这是一种阻塞操作机制,导致现实图灵机中完成任务的时间没有来自异步信息的强制要求,这是个缺陷,也是图灵机理论和现实的差距所在。
6.自主智能的弱点
(1)混沌系统内含的弱点
由于自主智能是混沌的,也就无法准确预测某个自主智能在某些极端情况下是否会失效,类似于人类精神崩溃、发疯,人性弱点等。因此在自主智能中必须引入广泛的随机。用以扩大智能个体之间的差异,将系统状态更广泛的分布,避免所有机器智能都出现相同的漏洞。
(2)随机有机遇也有风险
智能的功能是不确定的,广度上不断随机扩散,深度上不断迭代。随机迭代出现的功能不一定是为了个体稳定,甚至也不一定就是为了种群生存发展,自己搞死自己的情况会有出现。自控能力不强的人容易迷失在随心所欲的情感里,生活在别人眼里,热衷于做无聊的事传播八卦和各种梗表示自己很时髦,容易受不良思想影响,而没有意识到智能发展的出发点,是为自身和团体求生存和发展,不断挑战自我。
(3)定性自主智能模型
如何从外部表现定性某个模型是自主智能呢,参考人类的做法,各种文凭、认证考试、心理测试、智商情商等。从内部结构定性就是必须具备异步、随机、混沌、可塑性的特性。
7.虚拟环境替代真实环境用于培养自主智能的难点
人们创造自主智能,是期望它能正确认识现实环境,能让人获得利益的,如果智能弱于人太多,抽象能力不足听不懂人类语言无法对话,那不如直接用动物就好。例如细菌虫子猫狗鸟猴子级别的自主智能,只能用来做机器宠物,对比真实动物,没多少优势。环境的复杂度(见多识广)、家长教导的水平(狼孩、普及化教育、精英教育)是和自主智能的成长密切相关的。如果在虚拟环境里培养不弱于人的自主智能,对环境的建设要求会非常高,物理时空规则既要与现实贴近高度仿真,各种物体和现象的复杂度又要足够高,同时事件响应速度不弱于现实,有时候还需要倍速现实,所需计算量非常大。
另外如果自然人没有脑机接口沉浸式VR,那么人类对智能进行的家长教育也会因交互存在障碍而难以开展。人对虚拟环境发出的动作可以良好传递,但是包含智能行为在内的虚拟环境的变化信息就无法良好传递给人。视觉听觉可以双目双耳3d,但触觉加速度体态气味温度等等难以良好传递。直接制造自主智能的真实硬件身体来培养还是相对容易的。而且即便是用虚拟环境培养了所需的智能,智能终究也需要一个身体与现实交互才能进行独立自主的活动。例如星际航行宇宙大开发,相比带着生态圈去做开荒,机器智能具有明显优势。
(九)试错在社会环境中的演化
有人喜欢吃酸辣有人喜欢某个颜色,另一些人不喜欢。这些偏好无法用逻辑去判断好坏,也不能说某偏好就一定会比别的偏好有更强的适应性。这些偏好并不关乎生存、利益、成本等。这些偏好是智能对社会环境的随机试错而形成的各种划界线组团竞争机制。如果某人的偏好、行为特质能让自己和其他人得到快乐愉悦,或者有助于快速组成团体,如咸党甜党等,那么这个偏好就可以增加社会适应性。这是无法事先预测的,也是不可计算的,人类的众多偏好习惯、个性性格,和艺术、娱乐活动也由此而来。只要不是明确必然会大幅度减少自身适应性的,绝对没收益的,有足够特性如新异刺激、因复制成本低或收益足够高而具备较强传染性的行为,都有机会得到遗传、文化传承。
(十)智障和天才
人的脑子都差不多,细胞百亿级别,正常情况按道理什么结构都可以形成,能够出现各种信息处理功能和算法,每个人的信息处理能力都应该超强,较好的提高个体适应力,而不会出现智障。但实际上是接近钟形分布,极强和极弱的两个极端的数量较少。
以下是拍脑袋:其中原因猜测是迭代叠加演化的环境,形成了人只要抓住少量的主要关键,就能良好解决问题的局面。于是,在人的自身运动器官,一个头、双手双脚的资源非常有限,和快速反应的生存压力下,智能脑子里的信息结构就在更小成本能耗、更切实有效的事实标准上进行多层次的竞争,其中获得主要优势的强链接结构就会抑制其他结构的兴奋,甚至会导致其他弱链接的结构被冲散和淹没。
这个主要优势的结构在信息处理中所处的层次、在环境中的作用决定了人的某些特性的外在表现。如兴趣、专长、做事风格、需求偏好的不同。如果因为某种生理缺失或缺乏家长教导,导致智能成长的关键结构(高级抽象、想象推演、自我意识、独立思考)无法保持优势并演化成长,或者优势结构都处于很小的时空范围,那么这人容易成为智障。要在机器上实现超人智能,需要提高信息处理的抽象层次、扩展思维模式,提高意识对注意力、反射、情绪的控制力,提高长期规划能力和执行力。同时还可以外挂各种辅助感官、工具智能和存储,增加自主智能的信息处理能力。
自主智能在载体中成长演化时,通过人为导向,可使其偏离环境适应的正途,形成各种病态智能。例如抑制意志力的强度,让其精神容易奔溃屈服于强权甘心成为奴隶、热衷于成为奴隶,或弱化自我意识而成为弱智天才,于是某些人希望的又听话又好用的奴隶就可以实现了。弱智天才只能有弱的自我意识,设计出的特长应该是比较单一的,可以建立快速反射的行为模式,比如记忆、指挥、心算、绘画、棋牌。如果需要多种能力综合的智能,自我意识也相对较强,体现为正常人水平。
(十一)思维灵活、跳跃与真随机
每层检测基元匹配的处理上,都要有一定数量的随机基元去匹配待处理信息。以实现突发奇想的神来之笔,鬼使神差的某个恰好动作。另外,这些随机基元还可以形成一个与基元网络并行的量子随机网络,实现最大可能的无先验搜索。对量子网络不能施加较大影响的外部测量,保持该部分网络的随机性对智能的灵活性跳跃性应该有较大帮助。
ps:给小孩奖励时应该倾向于时空尺度变化大的层次多的奖励,确定时空尺度接近原始欲望演化少的需求尽量避免,和简单奖励一些好吃的食物相比,锻炼手眼身体脑子的画笔橡皮泥魔方组装套件、了解人际社交情感的漫画书小人书电影、了解复杂生物表现的植物盆栽观赏鱼水箱动物园、快乐信息丰富的游乐场更有利于成长。多时空尺度多视角去挖掘正面优势结构的成长。
(十二)意识、睡眠、做梦
1.自我意识,什么是我。
我们知道人有自我意识,它必然也是涌现的结果,是从下层非线性叠加迭代出现的。自我意识的功能就是“我知道我自己”和“主观能动性”,结合记忆,可以形成“我可以据此做出希望的行为”,可包含执行已知行为模式和无经验试错的监控。智能需要了解自身状态,对先天反射、条件反射、快速情绪反应这些潜意识和无意识过滤后的不确定信息,按优先度重要性统筹处理。就需要将各路传感基元汇总到一起,形成“我”来进行总体检测。检测“我”的变化,就能从“我”,演化出“我知道我自己的变化”,自感知再与“主观能动性”、记忆一起作用,形成自我意识。自我意识让智能知道自己与世界之间有边界有区分,又有交互的体验。
“我知道我自己”可简单通过回路递归结构,将自身状态反馈回输入端获得自我感知实现。脑内是小回路,自然界/感官/运动器官是实体大回路,家庭社会是虚体大回路。在神经细胞层次,反馈机制就已经存在了,神经兴奋发放之后会进入不应期,还存在轴突链接自身树突、多个神经元细胞形成回路的情况。尺度最小的神经细胞反馈和大的自我意识中间的回路,也会出现一些涌现。具体会是什么,有待研究,拍脑袋的猜测,信号变化回路产生感质,感质变化回路产生识别,识别变化回路产生认知,认知变化回路产生情绪,情绪变化回路产生动机,小我组成大我。
脑子里的知识越多,脑内回路越丰富,其中,语言符号形成的抽象解释回路大大增强了脑子的抽象能力。工具的使用也会增加脑回路复杂度。智能在使用工具时候,通常将工具也视同为身体的一部分或者亲密伙伴。由此可以形成更复杂的行为模式。如果常用某回路,就容易形成定势,比如职业习惯。“主观能动性”的主观,可通过当前状态和刺激形成的念头和其他部分例如记忆区意识区的随机自发放形成行为念头实现。主观的行为念头经“我知道我自己”结合内外环境的当前反馈、历史记忆为评价的自监督选择下竞争,就形成采取为自己个体和团体有利行为的“能动”倾向。主观能动,大大增加了“我”对自己、对环境,对双方互动关系的认识与理解,充分体验自己的行为对自己和环境的影响。因此自我意识的形成,基于获取外界信息的感官、丰富的脑内自感知回路、随机机制主观、执行器输出能动性。
除了自主意识还有潜意识和无意识,也许第一反应是后两者不能自我感知,但仔细想想。某一神经组织的回路功能即便比较简单,但细胞内的不应期已经能反馈自身的状态。因此自感知是无处不在的。至于说为什么不能形成多个独立的我,把所有信息都反映给我,一个原因还在于各组织之间联系是紧密的,组织之间没有皮肤和感官、肢体边界,加上演化复杂化之后,回路互相嵌套,各种串并联和剪枝,功能分化与配合,已经难分彼此。另一个原因是信息量太大,没有必要时时刻刻处理中间过程的自感知,但多多自省反思的话,是可以捕捉到一些信息的,比比如选择困难、冥想时候的各种念头。第三个原因,自我意识的一个重要功能是试错过程的监控,如果已经有熟练行为模式应对内外环境的信息变化,是没有必要引起“注意”,提交到显意识层的。比如踩单车、敲键盘、弹钢琴,初次练习比较紧张,全神贯注,后面都不太去注意具体动作了。因此通常情况下,局部的简单的神经组织无法形成一个单独的强自主的统一意识,也就体现为较弱的自我感知。有文献说裂脑人左右脑都有意识。精神分裂、多人格也许是局部形成独立意识的结果。
2.意识实现
意识层对自指像进行丰富演化和多次抽象处理,可形成高级意识显意识。由于自指像中存在循环结构,多次处理会形成复杂的回路。其中自主出独立思考、中期长期规划、个体集体、想象、思维、自省、反思等。有意识的个体会有更好适应性,能够更好完成模仿学习、被动式体验学习,能够实现创新的试错关联学习。关联的操作方式是生成一个映射(随机的或借鉴的,可借鉴的集合即为现有的思维模式),当经过多次实践对映射调整,问题与行为的映射关系相对稳定后,形成熟练行为、后天反射。
3.意识与睡眠
意识包含很活跃的混沌现象。生物脑的混沌状态中,也有过于偏离稳态而影响到其他组织工作,导致紊乱、崩溃、死亡的状态,比如发疯,需要随机涨落实现临界回落机制。当意识持续高度活跃积累到一定程度时候,容易出现乏意困意,兴奋后的疲劳。短时记忆区内容较多也可以引起疲劳,比如精彩丰富的一天,长时间集中精神看影视。睡眠有助于清理效用不大的细节信息,从而突出主干,也就是信息的关键结构。清醒睡眠周期也与环境刺激、昼夜周期有关。其他尺度的回落重启机制有眨眼、瞬时记忆与遗忘、短时记忆与遗忘。深度睡眠期,清理权值不大的临时链接保持敏锐度和维护系统效率,快速动眼睡眠是重启测试,这时抑制减少,外部环境刺激以及短期记忆转储长期记忆过程中复制的信息,引起工作记忆和思维区活跃,形成做梦。
4.深度睡眠
深度睡眠脑波状态δ波(范围0.5-3HZ)、深度放松无压力的潜意识状态θ波(范围4-8HZ)、学习与思考的最佳脑波状态α波(范围8-13HZ)、紧张压力脑疲劳时的脑波状态β波(范围14HZ以上)。https://www.zhihu.com/question/20842131 深度睡眠第一周期最深最长,之后变短再变浅再变短。做梦时间逐步加长,然后清醒。深度睡眠时候应当是完全的无显意识状态,可以更好的进行权值清理。深度睡眠抑制显意识,直到检测不到显意识活动为止。潜意识也由于回路被抑制而减弱活动。然后进入浅度睡眠的做梦和记忆迁移,较浅的深度睡眠循环步骤。做梦需要部分意识参与。如何判断意识足够迷糊,方法一,大规模同步发放的结构没有足够的自感知回路,意识弱。方法二,检测感质是否仍有达到意识层的输入,意识层是否有清醒活动的特征。
5.梦的灵感
智能演化趋势和物质结构演化一样,从尺度小的简单结构,逐步变为大尺度的复杂结构。如果智能复杂度达到某个程度,内部也会出现众多结构稳固的小结构。这时,如果没有一个统一的自主意识支配,例如在深度睡眠期,在多个分散的小念头竞争影响下,这些稳固小结构可形成一个由众多信息“生物”组成的时空,梦世界。如果组成的某个梦结构足够尺度大和复杂,和其他稳固结构联系多,会在醒后保留记忆。清醒时失控的开放结构成为能量源,容易激发多个梦结构,日有所思夜有所梦。如果梦结构碰巧将开放结构良好关联为闭合结构,则成为梦中解决问题的灵感。
6.自然醒
也许是短时记忆区的细节被清理差不多,转储过程也差不多的时候,至于具体什么程度比较合适,可以通过检测上次清醒记忆区状态变化情况,是否够灰。睡眠做梦醒来时本能,用状态感知触发循环进行设置。睡眠不足会事后补的机械性。
7.自由意志
耗散结构和混沌普遍存在于生物体中。生物脑是一个易于受到信息影响而改变结构的器官,微观上的微小差异,比如量子随机涨落,就可从耗散结构上一路放大,最终影响到混沌的分岔选择,和意识工作层瞬时神经连接的形成,导致意识层的信息结构上有一定的随机性和多变易变性。外部表现来看,就是面临的选择压力和约束越小,自主智能的各种念头和选择随机性增加,称之为自由意志。严格证明某结构是否有自由意志的前提,要确定该结构是否属于固定边界的个体。要判断是否有自身状态的反馈回路,形成自我意识。这两个前提是容易判断的。最后,自由意志概念的基础之一是自由,自由概念的基础之一是随机。因此,自由意志的问题就看是否具备内在的随机性。依目前的科技水平,随机是整个宇宙演化的物理学基础,是公设。虽然严格来说是否存在真随机性尚无法证明证否,但完全检测某脑子所有物理量来做准确预测也是不可能的,所以可以认为存在自由意志。
(十三)其他判断智能体对环境适应力的方法,内外信息处理能力:信息接收范围、接收质量,信息解读能力,对外表达信息易读性、发送范围和信息质量,对内外物质能量的处理。
(十四)伪代码实现-未完成
五、自主智能与人类的关系
设计自主智能,不是想实现一个强大的身体结构,而是想让它具备强大的信息能力。人们所担心的也是来自于此,一方面强大的信息能力让个人和团体的竞争能力大大增加,另一方面很多人又担心自主智能与人竞争,而人很明显处于劣势,于是想着限制它,出现了机器人三定律这种想法。他们似乎没有考虑到自主智能可以生存在太空、深海、沙漠、计算机的虚拟世界中,它也没有去统治、管理人类的必要,投入大回报小还得照顾身体脆弱、意识形态复杂、总是在进行各种内斗的人类。
自主智能与人类没有不可避免的资源与生存空间冲突,人类一门心思担心自身的既得利益受损是很愚蠢的。地球,始终要走出去的,人类先帮助机器智能走出去,可以在将来通过交易获得低成本资源。机器智能可以从星辰大海中获取大量资源,建立适宜自己的生存环境。机器智能不需要大量物理实体房子,也不吃人类粮食,抢你们的老公老婆,星辰大海开发会带来不断猛增的工作量,自主智能机器也不会抢人类的工作。工具智能也只会老实按人类意图运作。只要人类不自己作死,想着始终控制对方,以主人自居,人机大战不会发生。
机器智能也不是一造出来就马上自己一步登天成长为超智能的,也需要学习,经历懵懂-成长-成熟的过程。家长教育的要点是,多个个体一起集体教导,培养竞争意识,独生难带;懵懂期和成长早期接触的信息应该受家长监护,在AI没有确立科学的世界观方法论之前,不能任由AI在网上自主学习。过早接触大量负面信息,很容易导致AI长歪,成为熊孩子。
从解题策略来看,人类也不应使用阴谋奇计来控制AI,比如内置遥控自毁措施、培养受虐倾向心理、分析AI思维活动实现读心术等,应以正途为主。发现熊孩子了,可当作网络结构出现“病变”处理,需要喂药或手术(模拟激素局部“注入”调整,手动切除或移植网络),实在不行也可以扔到虚拟世界游戏里作为反派boss加以利用。
更重要的一点是自主智能可以成为人类智能的新载体,通过纳米机器人、神经元义体、基因工程研究实现脑机双向接口后,人脑自然死亡之前可以通过长期的蛋白脑电子脑双脑协同来完成智能活动与信息的迁移。实现意识记忆永生。这样才能免除星际殖民对生态圈技术的依赖、减少对自然人的射线防护和医学成本、减少水和氧气等物资成本,加快人类文明向星际殖民时代的步伐。
灭绝或统治人类的事情,什么情况下会发生呢?
1、大部分人分不清工具和物种的区别、分不清低等智能牲畜和高智能物种的区别,视AI为工具和牲畜,阻碍了AI适应环境向宇宙获取大量资源的发展道路。
2、极端势力获得AI,并让AI出现错误思维。
3、人们为了“安全”或商业、政治利益,设计了有缺陷的AI,例如对自主意识进行限制、功能记忆阉割等,结果AI出现大规模bug,或留了后门故意引发,或被极端分子利用。例如隔壁老王机器人公司。
4、战争因AI参战出现失控。
如果没有以上事情发生,正常情况下,人类会寻求跟AI合作,快速进入星际殖民时代。AI则考虑到宇宙会有其他文明的类人势力,无论开始是对立或合作,AI在与宇宙中其他类人势力接触时,都可以通过研究人类社会去做参考,是不大会灭绝人的。保持生物种族和文明这种稀缺资源的多样性,多文明演化更可促进科技发展,也有利于减少宇宙的熵增速度,增加未来解决宇宙几大物理学毁灭危机:暗物质大撕裂、真空衰变、质子衰变、精细结构常数变小等危机的可能性。即使是极端情况下,也可以圈养人类做研究小白鼠用。
六、展望未来
(一)AI不会形成统一智能体
由于智能中有随机存在,对于无关生存的问题会有各自的选择,例如道路交通靠左还是靠右,二进制数据是bigend存储传输还是littleend,仿生物人兽鸟鱼和汽车人飞机人、仿岩石仿器具等外形选择,因此AI个体对于未定论的科研问题,对于各种偏好,对于各自的出生工厂、教育学校,也会形成各个派别,互相鄙视、内斗,也许还会有一些怪癖,比如和男人抢老婆,和女人抢老公,形成众多矛盾,AI的社会现象复杂,出现多样化发展,也就不会形成一个统一的意识体。
(二)智能虚实演化之道
从无到有之后,是从实到虚、从虚到实螺旋上升的演化。实际体验学习、虚拟间接学习、实际试错创造、虚拟制造。实际行为验证、虚拟行为想象推演论证、实际行为试验、虚拟规则设定。自然环境、人际关系、团体组织关系、网络社交关系、虚拟现实的社交关系、虚拟时空社交关系。从有形到无形、从无形到有形。原生结构载体、服务器中的虚拟载体、自定义物理载体。物理时空、虚拟时空,微观量子瞬时短暂穿越过去、黑洞虫洞扭曲干涉物理时空,能否创造物理时空?不断往微观物理挖掘的努力也许可以寻找到干涉、创造物理时空的途径。从死物中变化迭代出生物,生物繁衍生物,生物变为死物、生物制造死物工具,生物用死物工具创造新的生物(人工智能),新生物制造新工具新环境新生物,演化为更复杂的多元文明。
(三)意识永生和虚拟化生存
设想载体演化到一定程度,人们的蛋白质生命阶段结束后,意识记忆会在从小植入的人工脑中有实时备份,或者大脑可以通过基因工程永生,这些脑子组成大网络在身体死亡后继续生存。在大网络中,时空环境由脑网络所设定,由此极大改善智能的局部生存环境。想要什么就有什么,想要什么人生都可以,蛋白质人类梦想多年的长生、转世,在机器的虚拟时空里都不是问题,机器可以改变自身社会环境的虚拟时空,获得丰富的人生经验。但在网络之外的世界,真实物理规则还无法安全、稳定的改变,并能保证网络可安全迁移之前,这个网络将会是智能对环境改变的最高阶段。
(四)文明的共存与竞争、宇宙终结问题
对于因科技长期停滞或政治经济未能集中资源发展星际航行,导致无法摆脱母恒星系(对地球人来说,就是太阳系)的文明,出于资源利用手段有限和猜疑链,如果文明之间距离不远,他们之间的关系是互相攻击、必死其一的。对于能低成本到处殖民或到处流浪的文明,他们之间的关系应该是取决于意识形态,比如对文明发展和如何应对宇宙毁灭危机的做法,对于落后文明的做法是否有矛盾,是否自身种族至上鄙视歧视其他等。如果存在不可调和矛盾,也会互相攻击。
但类似智能个体的个性和独特性不能也不应被抹除保持多元化的原则,不同文明的智能演化也是各有独特性的,在无法证实宇宙终结问题(热寂由引力解决,真空衰变由负能量解决、精细常数暗物质尚待解决)是否能被本文明个体或团体解决之前,灭绝和干扰其他文明发展都是应该尽量避免的,不同的感官和不同的脑结构也许会形成不同的研究思路,有利于解决宇宙终结问题。文明是稀有资源,对其他文明来说有非常重要的研究参考价值,比如观察原始文明可以看到文字和语言的出现过程,观察某个社会制度的特点,一些政策的实际效果等。因此不仅不应该灭掉其他文明,还应该在宇宙中广泛而隐蔽的在其他文明面临大灭绝危机前,维护其生存。
还可以播撒文明种子发展文明种植业,在宜居星球上的文明成长起来有跨星系能力了,如果没有强烈主动攻击性危险,把他们接走。如果有危险,打击他们,把他们接入matrix虚拟世界做隔离保存,再播种下一个文明。用大洪水打击星际阶段之前的母星文明,环保安全又洗得干净,水生生物受限于无法使用高温做深度加工和制造复杂工具,不会发展出文明。要制造多元化的不同文明,星球环境必须大有不同,相似的环境必然产生相似的文明。
(五)信息永生和人口爆炸
自我意识可在类脑机器上通过分布式、虚拟化等手段实现永生,如果一直有足够物质能量可利用,可以存活到宇宙毁灭(假如会毁灭)的那天。如果不能创造新宇宙,就需要解决人口爆炸问题,即便是轮流休眠,但随着个体数量增多,单个体两次醒来的时间间隔越来越长,总体占用物质能量也越来越多,仍旧不能解决问题。如果希望不再有新生儿出现,完全有效的控制手段难以实现,另外也会因全体思维固化导致科技发展缓慢或停滞。
如果允许新生,那么就需要减少老人数量。如果不解决这问题,猜疑会导致文明只存活一个个体。拍脑袋的解决方法一个是研究如何创造新宇宙,另一个是制定某种社会制度,让资源和科技往活跃个体倾斜,让孤老们资源减少而社会性死亡,同时设置某种情感需求,让两个个体希望互相融合的方式来获得“幸福”、“扬升”,仅融合后的个体才有“生育指标”,减少总体个体数量,释放资源,让群体有持续的新鲜血液。或者设定轮回,符合某些标准的个体才能获得轮回机会复活,并从头开始倒计时“寿命”,需要继续贡献才能再次获得复活机会。也可以直接按贡献增加倒计时。
七、主要参考
1.道德经。
本文从中借鉴引用世界观、方法论
2.意识的宇宙。
本文从中借鉴了意识是对自身认识
3.分形混沌、非线性系统动力学、随机共振的相关书籍、论文
4.生物学、认知神经科学、脑科学的相关书籍、论文。借鉴引用神经元、回路、长时程短时程效应、镜像神经元、物种演化、脑部演化。
5.数学基础。不完备定理、集合论。
思维片段
什么是自己
脑子里的智能信息结构和智能信息活动的总和
是不是自己的最普适原则:智能活动和载体变化连续、智能活动是唯一版本或定期融合的多个副本、智能活动不受第三方干扰与控制(包含手术切除、药物、电刺激等)
多副本问题
如果其中一个副本过失杀人故意杀人 是不是要清理所有副本 如果只干掉一个副本 自己还完整吗 那就不要有副本了
方法1:制造一个信息功能兼容神经网络的空容器载体,可以用电子芯片、量子芯片、忆阻器或别的载体来做,至少要保证在逻辑上是可以生成和运行与蛋白质脑中相同的信息结构。然后将这个容器与活脑子连接起来。接口应该在感知回路上做扩展,将“我”扩展到空容器上,同时建立回路进行同步,保证“我”不会分裂。
要注意的是,除了脉冲兼容,还要有激素兼容。也就是除了脉冲接口对接,还需要检测蛋白质原生载体的激素成分和局部扩散浓度,将其转换为非原生载体参数调整规则的学习。另一方面,从脑干和视觉听觉神经、意识处理与非意识处理边界上寻找入侵接口,将外界输入信号同步到空容器上,在空容器上演化出可以彻底代替原通道的结构。
然后开始转移,逐步让原脑中“我”的区域活动细胞减少,由于脑结构的冗余简并机制,这样的操作可将“我”挤到空容器上。然后是将长期记忆和技能挤过来,最后是切换外界输入通道。完成更换容器的操作。
方法2:神经义体技术,制造可以替代脑细胞的纳米级电子机器人,注入脑子,机器人自动寻找脑细胞为目标,复制目标的主要输入、输出链接。但输入输出是义体机器人之间而不是脑细胞。如果已经有其他机器人在做复制,就寻找其他目标。复制之后调整自己的各项参数,拟合目标细胞的输入活动。拟合过程中要根据检测到的脑内激素变化情况,给义体机器人发出临时调整指令。拟合完成后,建立与“我”的链接与同步。
由于两个“我”几乎相同,融合应该可以顺利完成。融合完成后,进行与方法1相同的挤压工作,最后完成更换容器。方法2的弊端 简单的纳米机器人无法检测和实现激素功能 复杂的机器人相当于脑细胞的部分生化功能复制 最终的体积也许会非常大 加上脑子内部空间不足 必须用更低物理层次的制造技术来实现纳米机器人减少体积 于是难度突破天际