物理先验：人类智能与人工智能的一条界限

人类智能：相对稳定；桎梏于物理先验（prior）。

人工智能：进化迅速；可容纳任意的统计先验。

首先，时间尺度的差异让它们有了分明的界限。

当然，人类智能（或者说生物智能）也是在自然选择的作用下不断进化的。但我们谈论人类智能进化的时间尺度是万年，谈论生命进化的时间尺度是亿年。而我们谈论人工智能的时间尺度总是年、十年。 如果把1956年达特茅斯会议作为人工智能这个诞生的时刻，人工智能到现在也不过是60余年历史而已。这放在生命进化的时间尺度看，只能说是白驹过隙，不过转瞬。而就是在这转瞬之间，人工智能已经达成了很多让人吃惊的里程碑。

从这里，我们大概可以说，人类智能和人工智能遵循着截然不同的进化规律。

人类智能主要是由一堆蛋白质、遗传物质构成，由能量驱动。

人工智能主要是由一堆代码、数据构成，由计算力驱动。

生命在物质世界吃负熵（蛋白质为主）。

AI在信息世界吃数据。

人类智能的演化服从物质世界客观规律的约束，主要是物理等自然科学。

人工智能的演化服从信息世界客观规律的约束，我认为主要是统计等。这个「等」主要包括的是一些经常被当作数学、和数学关联很深却又不是数学的学科/领域。

从学科的角度说，这是两套有很多关联却极为不同的体系。它们研究的对象和方法论都截然不同。

比如，「概率论和数理统计」大家都觉得是数学课，但统计其实是和数学并列的一级学科。斯坦福大学统计系教授Bradley Efron老先生在纪念贝叶斯定则（Bayes rule）250周年的文章[1]画了这样一个图：

信息论开山之作（A Mathematical Theory of Communication）和经典力学开山之作（The Mathematical Principles of Natural philosophy）这两者的名字是不是也有点神似？这也不意外。毕竟最开始都逐渐是从数学中分化出来的。从文明的根部生长分化出来的两个分支学科——物理与统计——分别成为了我们认识两个世界的主要工具。一个学科的研究对象是物质，对物质如何携带信息稍有关心；另一个学科的研究对象是信息/数据，但信息的物质现实却并不重要。

我想一个重要的界限就在于此。

人类智能和人工智能来自两个不同的世界（物质和信息）。一个从诞生的那一刻起就是为如何在物质世界繁衍服务的。一个从诞生的那一刻起就脱离了物质世界的桎梏，关心的是信息和数据本身。

人类智能（物理视角）擅长的是处理与物质世界交互有关的数据。这些数据样本相当严格地符合物理定律（即是符合物理先验）。人类智能在漫长岁月里的进化既在被解决物理先验问题引导的，也在被其桎梏。

人工智能（统计视角）则关心整个广袤的数据世界，而不论它与物质世界的关联。即使是那些人类智能极为不擅长感知的高维数据，对于人工智能（统计）来说都只是比特而已。人工智能的能力天然地可以剥离物理而存在，甚至去处理那些完全不符合物理规律的任务。

极度简单的不符合物理先验案例：试试把屏幕倒过来看电影。

相对简单的不符合物理先验案例：给定一个正交矩阵，把自己照片的像素矩阵正交变换一下。

尽管上述两个操作都没有信息损失，但都破坏了物理先验。人类智能处理这些问题几乎要崩溃了。而人工智能可以方便地针对不同任务加入不同的统计先验知识。对于物质世界少见的高维度数据问题，比如10000维的逻辑回归——对于人工智能来说是一个再简单不过的问题，还可以方便地加入L2正则化项（高斯先验）。对于人类智能来说，这是一个脱离物理的问题，我们擅长的物理先验毫无用处，同时我们很难在脑里直接插入违背物理先验的统计先验。

所以，这个重要的界限从一开始就存在了。

我们擅长的（符合物理先验的问题），AI还有一些办不到；

AI擅长的（广袤的数据问题），我们永远也办不到。

另外，把复杂的物理先验抽象成数学加入机器学习算法，这可能是提高AI解决物理先验问题的一个重要途径。实际上convolution，dark channel prior等都可以当作应用物理先验的案例。

Ref:

[1] Efron, B. (2013). A 250-year argument: Belief, behavior, and the bootstrap.Bulletin of the American Mathematical Society,50(1), 129-146.

这里是Summer Clover的小星球。理工双修的东京大学人工智能博士生，带你享受思维的乐趣。从物理到智能，从中国到日本，从自然之美、科技之妙到... Summer自己的故事。