现在人工智能，全是细分领域的算法。
看上去很厉害，AlphaGo赢过李世石。
这一点卵用都没有。
重要是通用人工智能。
能在不同场景下，使用不同策略。
老鼠都比AlphaGo强。
现在神经网络，全是静态的算法。
真实的世界的动态变化的。
一定在根本逻辑上有谬误。
有一位学者叫做Jeff Hawkins。
2004年写的一本《人工智能的未来》。
还去Ted上做过演讲。
他虽然是Palm的创始人。
但是内心中，一直热爱着大脑的生物结构。
他申请哈佛和麻省理工研究大脑。
人家都拒绝他，说根本不需要研究人脑。
只需要持续优化算法就行。
让他备受打击，在业余时间他创立了。
他继续研究，创立了Numenta。
提出了一个关于大脑的理论。
记忆+预测理论。
把大脑皮层看成是智能的主体。
这里有300亿个神经元。
人类与动物最大的区别就在于皮层。
以行为定义智能。
一条鳄鱼也是智能，完成复杂的动作。
人的特殊性就在于大脑皮质。
最晚进化出来却最关键。
现在大脑研究把大脑分成了很多种脑区。
一个个描述特定脑区的功能。
这种数据过于海量后，仍没人敢提出一个大脑理论。
作者非常苦恼，自己研究后得出了“千脑智力理论”。
大脑皮层分为6层。
像纸巾一样叠起来。
所有的大脑结构长得都一样。
都是由皮质柱构成。
6层垂直传递信息。
有明显的层级结构。
类似分形的自然生长的形态。
作者称现在的神经网络方向完全错误。
大脑的信息全都是记忆。
无论从视觉，听觉，嗅觉等。
传入大脑都以记忆构成的。
大脑无需进行计算，只需要持续的预测。
预测，就是一直直觉。
数学上就是贝叶斯计算。
这个计算，不是是非判断。
而是模糊的猜测。
大脑中会形成很多个模型。
每个皮质柱都有上千个模型。
功能主义认为行为决定了智能。
完全忽略了人智能的思维活动。
人不停的根据已有信息建立的模型。
去猜测未来的事物。
这个猜，就是理解的意思。
传统人工智能只能是非判断，针对特定场景。
生物智能根据记忆，去判断未知事物的概率。
人工智能一旦遇到了新环境，完全就傻眼了。
生物智能却不会，因为预测模式非常的皮实。
对环境不敏感，任何信息都能拿来运算。
极小的数据量，就能得出优秀的预测。
这就是直觉。
人的空间感，来自于视觉。
人的时间感，来自于触觉。
我想建立一个系统能够容纳不同的硬件和不同软件。
进行横向连接不同的理论。
在连接不同信息时转换成概率模型。
能够增加鲁棒性。
参考耗损结构，由1977的诺奖得主的普里戈金提出。
开放系统在能量的灌注下，不断的变得秩序。
之前看待矛盾，是A和B如何动态和合。
可以更高层次以系统角度观察。
世界除了正反馈，还有负反馈，延迟。
遇到瓶颈时，正反馈就会收敛。
有目标时，系统会收敛于负反馈。
智能的定义是什么？
我查到是在复杂环境中达成目标的能力。
系统也有目标，人也一样。
调和矛盾的目的，本身就是完成目标。
不用刻意调和矛盾。
系统只需要有目标就有动力。
动力代表了能量，能够调和矛盾。
不用刻意调和，所有纵向的理论。
创立一个横向连通的数据模型很重要。
但是，实践更重要。
得让人工智能跨领域的，去学习经验。
给人工智能更高目标，锻炼它的通用能力。
90%人做不到通才，成长路程充满艰辛。
多久能实现通用人工智能？
中国美国不脱钩的话，30年都不会出现。
但是疫情出现，大国之间的战略博弈，不确定增加。
各国需要投入资金研究，确保战略安全。
通用人工智能，现在性能还很缓慢。
虽然有投资，但背后的金主都是政府。
北大清华开设了通用人工智能人才班。
这一波中国美国在基础科技持续较劲。
这是最坏的时代，也是最好的时代。
