智能的实现方式

豪#智能的实现方式
在《智能的最小单元》中已对智能下了如下定义：

智能：

• 描述：一种从环境中得到并可再次利用的两类事物的动态关联（动态映射）。
• 条件：
  
  • 学习（建模）：关联方式从环境中得到，可随环境变化。
  • 应用（预测）：关联可用于预测。
  • 储存（记忆）：关联需存储媒介。

---

上面描述的只是智能的抽象概念，实现智能需要物质基础。
这篇文章就是有关自然界是如何实现智能的，即实现上述三个条件的物质基础和实现方式。
而文章的后半部分也会用人类如何实现人工智能来与自然界进行比较。

---

智能起源

遗传物质是实现智能物质基础的最关键一点。整个太阳系中的演化中，即可以稳定存在于所在星球，又可以实现学习和预测功能的物质，我们至今能够看到的只有DNA。虽然最初的遗传物质可能是RNA，也可能过去产生过其他的结构。但无疑DNA是最为成功的一个。没有智能，生命就无法延续。它使得智能的实现成为了可能。而后所有高级智能的实现都是建立在DNA基础上的。

DNA+自然选择

你可以把DNA想成一段程序代码，智能关联就存储于DNA上。那又是如何用其进行预测的？靠蛋白质。

DNA可以在RNA的帮助下合成特定的蛋白质，而这种蛋白质就有特定的功能。比如离子通道。这些成孔蛋白质可以选择性通透特定离子而阻挡其他离子透过细胞膜。它的功能就是二类分类，并且是和世界的微小粒子进行直接交互。看似弱小，但当大量蛋白质并行预测时，就形成了各式各样的复杂功能。比如在蛋白质的帮助下，细胞可以分裂并把DNA中的智能关联延续下去。但是在分裂过程中，DNA 并非完美复制。这就使得分裂出来的细胞拥有了差异性。再通过自然选择，达到筛选的过程。单细胞生物是以这种方式学习（更新）关联的。

然而你也可以看出来，这样的学习速度非常慢。并且是建立在不断“死亡”的基础之上的。病毒就更加慢了。很容易跟不上环境的变化而灭绝。有人可能不解，很多其他物质也可以识别特定物质的能力。为什么他们不叫智能？因为他们的关联并非从环境学来，也不可以更新。但是蛋白质是由DNA的编码控制，可以通过自然选择更新关联方式。
大量的蛋白质并行预测实现了特定功能的细胞。而大量细胞又形成了更高级功能的组织，以此类推。然而这些智能的学习过程都是建立在DNA的自然选择之上。
神经元的出现让智能有了另一个实现方式！

神经元连接

神经元依然是细胞，然而是比较特殊的细胞。它的出现，使得智能的学习过程不需要建立在“死亡”之上，而在个体生命周期内就可以完成。
神经元依然需要DNA上的智能关联才可以通过蛋白质形成其功能。

神经元本体上有很多树突，这些树突会和其他的神经元细胞连接上。静止状态时的神经元细胞内部的电势差是-70mV，信号累积到一定程度使得内部电势差达到-55mV时（阀值），神经元就会向轴突方向发送电信号。当传递到根部的时候，根部又是通过神经递质（化学信号）进行信息传递的。而这些过程都是在DNA合成的蛋白质的底层识别（底层智能）下完成的。比如电势差的控制就是由上图所展示的离子通道控制。那么有了神经元之后，生物就有了另一套实现智能的平台了。（这就是为什么我们要学习数学，如果不懂 线性代数来理解，你是无法解读放在眼前的这些神经元可以做什么的）

很多人认为深层学习跟神经学并不相关。然而事实上，他们本质是一模一样的。你可以找到一一对应关系。神经元就是在我们大脑中的y⃗ =a(W⋅x⃗ +b)的实现方式。而深层学习正是借鉴了大脑的结构后，在计算机上的一种实现方式。
在y⃗ =a(W⋅x⃗ +b⃗ )中，神经元之间的电信号就是线性变换W⋅x⃗ 。
x⃗ 的维度是输入层被连接的的神经元的个数。
y⃗ 的维度是输出层被连接的神经元的个数。
W是各个从输入层神经元到输出层神经元之间连接的强弱（粗细）。
b⃗ )就是阀值。在生物体内应该是防止持续发送信号，在计算机中应该是防止x⃗ 为0后，W⋅x⃗ 还是0的情况。
而激活函数a()对应的是化学信号，即神经递质的信息传递方式。电信号改成化学信号后，就加入了非线性能力。生物体不一直用电信号的原因是无数年的自然选择早已进化出了最合适的方式。我们所居住的自然界有大量的非线性现象。光靠W⋅x⃗ 是无法完成该星球的关联的学习的。

你可能还意识不到，这种信息传递的神经元拥有什么能力。也就是两个空间的变换T()（参考 《如何生动有趣的入门线性代数》来理解））

通过大量的逐层迭代y⃗ =a(W⋅x⃗ +b⃗ )，生物可以完美的建立我们这个星球上任何两类事物的关联。至于为什么要深层的原因我会接下来的《深层学习为什么要deep（下）》中特别说明。（没看过上的人先看上《深层学习为何要“Deep”（上）》）不过你若能想通一个问题，你也就能理解为什么深层效果优秀了。那就是“变异体（variations）从何而来？”。至此我们有了两套里程碑式的智能实现方式。神经元允许我们不需要通过筛选也可以实现智能，学习和再应用。

目前的人工智能

人工智能是并非由自然选择而产生的智能实现方式。目前是建立在传统计算机上。实现方法也是借鉴人脑的神经元。三个条件的物质基础是建立在计算机的工作原理上。虽然可以实现，但并行预测的能力非常不足。所以才需要GPU来辅助。可以说传统的计算机并不适合实现智能。所以人们也在开发新的计算机。比如量子计算机。这种非常擅长计算组合性答案的机器比传统计算机更适合实现智能。从实现方式上来说，人工智能已经在识别性质的智能上达成正确方法了。剩下能够提升的也只是在如何更有效的训练。识别性质的智能仅仅是建立两类事物之间的关联。而最应该发展的是智能的下一个高级功能，意识层面。意识是可以思考不同类之间的关系的智能功能。是建立在识别智能的基础之上的。

自然界的高阶实现方式

自然界的实现智能的物质基础就那么两种吗？不是！除此之外还非常多！当我罗列出来之后，你就会发现，智能和宇宙一样，是在不断扩张的。你在任何一个层级下观察，都是一个智能体。蛋白质是，细胞是，人类也是。而同类之间的再次组合，又会形成下一层的高级智能。

s如果你归纳一下智能结构你就会发现，同样的模型，当你把不同的事物放入圆圈內，并且可以建立它们之间的连接时。你就有了一种智能的实现方式。

神经元群

蚂蚁群，连接是通过空气中的信息素形成的。


甚至是我们人类自己，信息在我们体内就近乎线性的方式传播。而当你传输你的思想给另一个人时，却又增加了非线性，对方无法完全copy你的想法。
同时，影响智能功能大小的就有三个因素。深度，广度，速度。再重新思考我们人类的GDP。难道不正是因为我们出现了互联网，让人类达到了前所未有的广度和速度吗？

当我们连接起所有地球上的人类时？

那么矩阵究竟可以包含什么信息？不知你是否还记得电影《黑客帝国》，黑客帝国的英文名字就叫《Matrix》，即矩阵。

现在你再看我所画的思维导图，你是否可以理解，我正在做什么？
超有机体+智能导图

文章的最后我想说，人类也只不过是一个蛋白质，一个细胞。只不过能完成的智能功能高级了而已。但我们人类毫不特殊，也只是自然界智能的一部分，智能不会停止增长，更不会之眷顾人类，我们只是其中一环。