88828785的头脑风暴
注册日期:
2012-1-18
上次登录:
2017-10-21 21:57:38
邮件地址:
a19101818@163com
  88828785的头脑风暴
88828785的更多标签
(25) html(23) tags(8)
人工智能的核心基础理论——推理论[
2017-06-02 17:02:14  tags 






摘要:本文的目的是要揭开推理的本质奥秘。本文以多米诺骨牌链为例,深入浅出地揭示了母规律、子规律、母规则、子规则的本质。据此指出:“因=果”的统一方程,是推理的原理依据。推理论对人工智能具有关键的指导意义。例如:制造阿尔法狗的专家,不知围棋的任一规则都是一条“因=果”的公式,也不知规则分母规则和子规则。所以,阿尔法狗不能从一条母规则推理知哓无限条子规则,只能搜索几近无限条子规则才能计算出一步棋。而人类搜索一条母规则即可推理出无限条子规则。如能应用推理的这一原理,则阿尔法狗的大脑可缩小至手机甚至是计算器,耗能量也会降到人脑的水平。
关键词:母规律,子规律,母规则,子规则,“因=果”。



并非所有的推理结果都会生成人类的目的,但人类的任何目的必然生成于推理的结果。
本文的目的生成于如下的推理结果:人工智能对人类的核心智能——推理一无所知,故此,揭开推理的本质奥秘意义重大。
但要揭开推理的本质奥秘,首先要揭开规律的奥秘。
捡十一块砖,在地上摆一条多米诺骨牌链。推倒第一块,最后一块必定倒下。看上去,这就象树上掉苹果一样简单。但是,如果象牛顿思考苹果一样地去思考多米诺骨牌链,就一定会有万有引力一般的发现。
十一块砖,丢弃在地上,就成了垃圾,抹灰砌起来,就成了墙;按地上的摆法,就成了一条多米诺骨牌链……这说明了什么?说明:二个或二个以上的事物,按照什么样的模式或结构,进行排列与组合、生成和互动,就会演化出什么样的事物——这是关于任一事物是如何演化而成的一个普适理论。
那么,规律作为万物中的一个事物,又是由什么样的事物,按照什么样的模式或结构进行排列与组合,而演化构成的呢?
所谓规律,就是由二个或二个以上的因果事物,按照“先因后果”、相互作用的模式或结构,进行排列与组合、生成和互动,必然演化而成的事物。例如,这条骨牌链就是一条规律,它由十一个因果事物相互作用、相继倒下而构成。
规律的数量以“条”为单位,按照高斯算法,这条骨牌链中有五十五条规律。
规律的长度以“节”为单位,所谓一节,就是仅有一因一果构成的最短一条规律。这条骨牌链有十节长。
规律的演化过程,以时间为单位。例如,这条骨牌链的演化过程,约需零点几秒。
规律的表示法为:因=果。例如:这条骨牌链的表示法如下:
砖1(因)= 砖2(果因)…… = 砖11(果)。
规律的表示法,也可为数学的集合式子。例如:设这条骨牌链为A、砖1、砖2……砖11分别为B1、B2、……B11、则如下式所示:
A=B1RB2……RB11
这条集合式子中,“R”表示前后代数之间是“必然演化式”的关系。
“因=果”是万物演化所自觉遵守的唯一天条戒律,因而也是放之所有科学而皆准的统一方程公式。
例如:
数学:(3×6)因=18(果)
物理学:E(果)=mc2(因)
化学:(3Fe+2O2点燃)因=(Fe3O4)果。
生物学:基因(因)=生物特征(果)
天文学:地球自转(因)=日出日落(果)
经济学:量化宽松(因)=刺激经济(果)
巴浦洛夫学说:灯光(因)=肉(果)
自行车传动链:脚蹬转动(因)=链盘转动(果因)=链条转动(果因)=棘轮转动(果因)=后轮转动(果因)=前轮转动(果因)=整车前行(果)。
所谓科学,就是关于具体的“因=果”的规律理论。
被称为定理、定律、方程、公式的任一数学等式,均是一条由二个,或二个以上的,成因果关系的数字所构成的规律。
无论是牛顿的“F=ma2”,还是爱因斯坦的“E=mc2”,等式两边的数字均为因和果的关系,而“二”字则表示两边数字之间必然的演化关系。
根据规律的个性特征的不同,规律有以下三种分类的方法。
第一种分类法,是把规律分为数字规律和非数字规律。
数字规律有二大特点:
一、“因=果”的演化过程是即时的,不需要时间。
二、“因=果”的演化过程中,参与演化的数字事物无需任何技术标准及环境条件的强制性要求。
非数字规律有三大特点:
一、“因=果”的演化过程都需要时间。例如:“砖1(因)=砖11(果)”的演化过程约为零点几秒。
二、“因=果”的运行,不是随随便便说“等”就“=”的。而是对参与演化的各种事物有着严格的技术标准、环境条件的限制性要求。例如:要确保“砖1(因)=砖11(果)”的顺利,可重复运行,对每一块砖的材质、形状、间距、平行度、长、高、宽、场地平整度、周围环境等等,都有一定的技术标准。如果把砖1改成木质,把砖2改成铁质,把砖3退后一点,把砖4移前一点,把砖5斜立一点,把砖6做矮一点,场地不平整,飞来一个足球撞砖……所有这些,都可能影响规律的正常运行。
传统认为:规律具有铁的必然性。以上的分析表明,这个结论是半对半错的。只有满足“因=果”的所有必要条件,规律的演化才具有铁的必然性,也就是科学实验常说的“可重复性”。
三、规律的无限可塑性。所谓的无限可塑性,就是有无限种方法,可以扰乱,打断任一规律的铁的必然性演化。例如推倒砖1,在砖11还没有倒下之前,我们可以把砖8转90°,也可把砖8前移一点,或者把砖8后移一点,还可以取掉砖8……所有这些方法都可以扰乱、打断这条骨牌链的成功运行。当然,所有这些方法的采用,实质上也是“手动(因)=移位(果)”的铁的必然性演化,同样是在遵守“因=果”的天条戒律。
“因=果”的规律运行,其结果对人而言既有利的,也有害的。“铁的必然性”和“无限可塑性”这二大特点,恰好给了人类以趋规律之利、避规律之害的无限可能。例如,手机中安装的骨牌因果链之一是:开机(因)=拨号(果因)=发送(果因)=对方接听(果因)=通话(果)。为了保证这条结果有利的规律正常运行,每一个另件都按照另件图的技术标准制作;所有另件都按照总装图的技术标准组装。我们在使用时,也避免摔坏它,以达成趋规律之利的目的功能。又如,宏观经济中:经济过热(因)=运行不良(果)。于是,开始调控经济:加息(因)=经济降温(果)。以达成避规律之害。
上面,我们谈了规律的第一种分类法。规律的第二种分类法是把规律分成母规律和子规律。
例如,有这样一条数字化的规律:(圆周÷圆径)因=3.14(果)。
如果圆周为3.14米,则:圆径(果)=(3.14米÷3.14)因。
如果圆径为2米,则:圆周长(果)=(2米×3.14)因。
后二条规律是前一条规律孵化出来的。故此,我们称前一条规律为母规律,后二条规律为子规律。
又例如,有这样一条非数字化的事物演化规律。这条规律是第一次面世,我们将之取名为“本质结构和个性特征规律”,如下式表示:
A(因)=an(果)。
式中:A表示任一事物的本质结构,a表示A身上无数的个性特征,n表示1、2、3……等等用来给个性特征标号的数字。如果我们把人设作为A,代入方程公式,则人的本质结构作为恒定的“因”,必然演化出无数个性特征an(果),如下式所示:
人的本质结构(因)=a1——DNA(果)
人的本质结构(因)=a2——指纹(果)
后二条规律,都是从前一条规律孵化出来的。故此,我们称前一条规律为母规律,后二条规律为子规律。
以上论述了二种规律分类法,第三种分类法是将规律分成自然演化的规律和人为制订的规律。人为制订的,用来规范社会成员行为准则的规律,在不同的社会群体或层次中,有着不同的名词说法。例如:制度,约法、章程,规章,法规,法律,法制,纪律,国法,家规,规矩,规则……我们统称为规则。规则与规律大同小异,有着共同的本质结构。也就是说,任何规则必须是一条“因=果”的方程公式。例如,交通规则中:
红灯(因)=危险(果因)=人车禁止通行(果)
绿灯(因)=安全(果因)=人车可以通行(果)
又例如,人类制订的文字和语言规则,如下式表示:
事物名称(因)=发声语言(果因)=书写文字(果)
同样,规则与规律一样,也有母规则和子规则之分。例如,上述的语言、文字规则就是一条母规则。而无限事物中的任一具体事物名称的语言和文字,都是如下的一条子规则:
我的名字(因)=发声语言(果因)=书写文字(果)。
规律的具体演化过程是:作为“因”的事物(名词)必先以某种作用力(动词)施加于作为“果”的事物(名词),于是就演化出结果的事物(名词)。例如,钓鱼的过程是如下的演化公式:
鱼饵(因)=鱼儿上勾(果)
在这个“因=果”的演化过程中,鱼饵必先以气味或光线作用于鱼儿,诱使鱼儿吞食鱼饵,才会演化出鱼儿上勾的结果事物。
规律被人类认知的具体过程如下:作为“因”的事物和“果”的事物,一先一后地重复几次被大脑认知后,大脑凭藉被巴浦洛夫称之为“条件反射”的功能机制,自然就会把这二者作为先因后果的必然规律加以确认。
开篇至此,我们论述了规律的本质结构,以及这种本质结构之“因”所必然演化出来的几个重要特征之“果”。所有这些,都是下面论述推理的本质结构及其特征所必不可少的理论基础。
推理的本质奥秘是:由已知的因果事物,依据“因=果”的唯一原理,去求解、探索未知的因果事物。
例如,二战时的太平洋战场上,美海军获悉日海军将要进攻AF。AF是美海军手头的已知因果事物。美海军需要求解、探索的末知因果事物是:AF是什么具体的地方?为此,美海军发了一份电报,内容是中途岛供水设施故障,需运送相关设备物资。不久,美海军破译的日海军电报称:AF供水设施故障,需准备相关措施。至此,美海军根据已知的因果事物AF,推理出未知的因果事物:中途岛。具体的推理过程如下式所示:
∵中途岛基地(因)=供水设施故障(果)
  AF基地(因)=供水设施故障(果)
∴中途岛基地(因)=AF基地(因)
同样,计算的本质奥秘是:由已知的数字因果事物,依据“因=果”的唯一原理,去求解、探索未知的数字因果事物。
例如,有这样一个有名的历史故事:曹冲称象。对曹冲而言,已知的数字因果事物是:一船的石头重量可以分几次称量后相加;而未知的数字因果事物是:大象的重量。曹冲计算大象重量的具体方法如下:
∵大象重量(因)=船吃水线(果)
  石头重量(因)=船吃水线(果)
∴大象重量(因)=石头重量(因)。
上面的推理和计算例子,如果用数学中的代数进行演算,则如下式所示:
∵A=C,  B=C
∴A=B
综合分析上面推理和计算的二个例子,得出如下的结论:
推理和计算的共同本质是:由已知的因果事物,依据“因=果”的唯一原理,去求解、探索未知的因果事物。
推理和计算的不同在于:推理是对万物因果演化的证明,而计算则是对数字因果演化的证明。
推理包含了计算,计算是推理的特例。
推理可分为探索性推理和记忆性推理。例如,上述例子中美海军求解AF是什么地方,以及曹冲求解大象重量的推理。探索性推理完成之后,就成了记忆性推理。
推理也可分为顺推理和逆推理。由因到果的推理为顺推理,由果到因的推理为逆推理。顺推理中,“因=果”的时间跨度较长的,习惯上称之为预言、预见。
计算之所以正确成立的深层次的原因或原理是:我们是依据母规律去计算和证明子规律。例如,我们是依据圆周率公式去计算不同直径的圆周长,依据勾股定理去计算不同大小三角形的斜边长。圆周率公式和勾股定理就是母规律,而被计算出来的都是子规律。
同样,推理之所以正确成立的深层次的原因或原理是:我们是依据母规律去推理和证明子规律。例如,在逻辑学中,有这样一个称之为“三段式”推理的例子:
“人总是要死的,
  苏格拉底是人,
  所以苏格拉底也要死的。”
如果我们对这个例子进行别样的模式识别,或者说进行某种怀疑性的再思考,那么,这个例子的真实情况应该如下所述:
大脑已知母规律:人到一年年龄(因)=总是要死的(果)。
推理时,已知的因果事物是“苏格拉底是人”,未知的因果事物是“苏格拉底会不会死?”问题求解的具体过程如下,大脑将“苏格拉底”与母规律中的“人”对号入座,搜索出“苏格拉底也要死的”这一未知困果事物——也就是推理,证明了如下子规律的成立:
苏格拉底到一定年龄(因)=也是要死的(果)。
看,这就是被误解为“三段论”的推理真相:我们搜索一条母规律,就能推理、计算、证明无限的子规律。从一跨越无限,到达老子的“元生一,一生二,二生三,三生无限”的奥妙无穷的思维境界。
推理,使大脑成为了名副其实的第六感官,其认知的范围远远地超出了其他五官所能感受和认知的时空范围。
人类的推理与动物的条件反射具有共同的本质。例如,走在小路上的人和狗,在听到身后传来的摩托车喇叭声响时,产生的认知是一样的:喇叭声(因)=危险(果)。产生的反应也是一样的:做出规避的动作。只是人类的推理对事物认知的准确度更高,数量更多,仅此而已。二者都是因进化而自然天成的,适应“因=果”的天条戒律最成功的功能机制,使得人类和动物能趋规律之利、避规律之害而生存下去。
人类对任一事物的认知,不会停留在它的本质、特征、性能等等的阶段,而是把它放在“因=果”的骨牌演化链上考虑,才会显示出这种认知的价值意义。以最常用的金钱为例:付钱(因)=换回商品(果)。正是在这条骨牌演化链上,金钱才会体现它的价值意义。如果“付钱(因)≠换回商口(果)”,那么,我们就会视金钱为废纸。在这个意义上,我们可以下结论:基于“因=果”的推理是人类思维和智能的全部核心内容。
由于人类的思维智能是通过语言进行表达的,所以,对自然语言的理解也应该建立在“因=果”的推理基础之上。例如:“沉舟侧旁(因)=千帆过(果)”,病树前头(因)=万木春(果);“冬天已经到来(因)=春天还会远吗(果)”;“撑死(果)=胆大的(因),饿死(果)=胆小的(因)”……人类的任何语言,那怕一个字的诸如“听”、“看”、“去”、“快”、“不”、“对”……都包含了正确的“因=果”,以及错误的“因≠果”、“非因=果”、或“因=非果”等等的推理内容。
上面,我们论述了关于推理的系统性理论。下面,我们仅针对阿尔法狗下围棋一事,谈谈推理论对人工智能的指导意义。
制造阿尔法狗的人工智能专家认为,围棋的规则比宇宙中的原子数量还多。我不懂围棋,给不出一条“因=果”的围棋规则示范一下。但我知道普遍意义上的规则本质,也因此知道人类科学所发现的诸如圆周率、勾股定理……等等之类的母规律,总数还不到一滴水中的原子数量。因此,那有围棋中的母规则会多到几近无限的数量?据此,我可以推理——专家们的这种认知存在着几个致命的错误:
一、他们不知道:任何一条围棋的规则,其本质都是一条“因=果”的方程公式。
二、他们不知道:规则还分母规则和子规则。
三、他们不知道:母规则极少,少到屈指可数。
四、他们不知道:每一条母规则,都会孵化出比宇宙中的原子数量还多的子规则。
正是这些致命的错误,使得阿尔法狗的大脑必须奇大无比。它盲目地搜索几近无限的子规则才能计算出一步棋。但人类不同,他有的放矢地仅需搜索几条母规则(一般是二、三条,绝对不可能超出十余条)就能凭记忆性推理走出一步棋。
为此,我对制造阿尔法狗的专家们提几点建议:
一、先把围棋的一些规则化为“因=果”的方程公式。
二、在此基础上再弄清楚母规则和子规则。
如能做到以上二点,则阿尔法狗每走一步棋,需要搜索的母规则就会减少到与人类差不多的屈指可数。届时,阿尔法狗的大脑就可以缩小到手机、计算器差不多的大小,耗能量也降到人脑的水平。任何深度学习、强化学习之类的技术都做不到这一点,只有推理的系统理论能做到这一点。

2017.4.25
 
 
 
字体大小: 正常 放大
   

[

 

登录后才可以评论,马上登录