人工智能深度学习探讨

智能的两大基本要素:信息量和信息关联（算法）。信息量大小与信息关联（算法）程度共同决定智能水平。

信息量与信息的存储有关，信息关联（算法）与学习及深度学习有关。

计算机学习与人脑学习原理最大区别点是"理解力"（理解了本质是基于知觉、感觉建立的）。"理解力"是深度自主学习的基础，人脑在感知、理解的基础才能进行思考、分析。因为，计算机本身没有"觉"，它就无法深层理解"信息"含义（计算机没有感觉体验就无法深层认识、解读信息，所以，无从深层分析信息。），从而，不能进行深层自主学习和分析。

正如，一个普通的中学生学习一个新的数学或物理公式，开始他通过记忆记住公式运算规则和运算法则（这个也是计算机学习模式）。然而，它只会在学习的公式基础上进行运算，没有进行深度学习和理解。但是，对于一个聪明的学生，他通过深度学习（理解公式表达的含义，这个过程有感知和觉的参与。正如一个公式推理实际对应现实一个规则道理，通过感知可以理解公式表达的实际含义，深层理解对应一种知觉体验。有了这种知觉体验，我们就会"明白"公式的含义，在"明白"的基础上，就可以进一步深层理解分析和学习）。因此，这个聪明学生就能灵活运用公式，甚至可以在这个基础上，自己建立新的公式（比如伟大的数学、物理学家在理解前辈的基础上发展新的理论公式）。

因为，计算机缺少"知觉"，故而只能像那位普通中学生记住基本运算规则，在基本规则下学习（通过人为设定规则），无法像那位聪明中学生一样理解公式的含义，甚至创造新的公式或者算法。

针对计算机特点，提高计算机智能的唯一方式是，不断人工设定新的算法（即人为的帮助计算机学习，计算机没有理解力，无法做到真正自主学习。通过，认为更新算法提高计算机智能水平。）也就是不断给计算机增加"反思" 过程（计算机进行多项运算），即执行多次任务操作。但是，这样会降低计算机运算速度。当然，可以采用"多核"运算模式减缓复杂运算的弊端。

计算机模仿人脑深度学习，唯有一个"近似"方式。即让计算机算法参与编程系统。让计算机"记忆"编程语言，并且"学习"编程语言，通过设定算法让计算机自己可以根据“经验“”创造新的编程语言，并且可以自动更新应用系统，并且控制系统运行。总之，让计算机学习并参与编程系统，而不是仅作为执行机器。这样计算机就类似有了自己的“思想”，它可以自己编写程序并控制计算机运行。当然，这样的智能计算机完全可能逃脱人类的控制自己制造病毒，控制计算机的运行。甚至可以控制一切机器，类似有了“意识”。本质上这不算意识，只是运算程序而已，因为，它没有知觉，也没有“理解力”！它只会编写“程序”，而且，只是在所有程序基础上的“更新”，不会出现像人脑那种完全超越常规性的突破创新。