认知空间确定智能空间。
一个自主智能系统能自主探索其认知空间的所有规律。
现在的人工智能大多不是自主智能，而是智能移植。是把人所总结好的规律移植到机器上。规律有多复杂，那么移植工作量就有多大。比如模式识别，单单使用视觉系统的识别肯定是不完备的。因为人类识别的时候用了很多额外的感知能力，有的是实时感知的，有的是过去感知储存好的。婴儿最初是不能通过视觉判断物体的形状的，但是却可以通过运动系统操控手，再通过触觉系统确定物体的形状，从而启发视觉系统进行学习，使视觉系统具备识别各种物体的智能。机器单纯通过摄像头的感知能力，或者说感知空间，远不如人类，所以企图通过简单的学习算法达到人的识别能力，原理上就是不可能的。
要实现真正的自主智能，必须让机器的感知空间尽可能地扩大，要实现比人类更强的智能，那么感知空间就要全面覆盖人类。谷歌通过因特网搜索实现对猫的自主识别，是因为因特网本身包罗万象，接入网络的感知空间很大。虽然很大，但是也不是能完全覆盖人类的感知空间，只能说两者的认知空间都很大，有重叠也有相异的。
如果未来感知空间大于人类的机器实现出来，我相信数学上的学习算法是已经能解决自主学习的。那时候就能实现自主智能。并且，以前智能移植的工作完全就不必要了。因为机器能自主探索出这些规律或者说数学模型。
在有限认知空间里面的自主智能是已经有的了。要实现这样一个实验，必须设计一个认知空间，里面的规律是完备的，机器认知到里面的信息后是有完备的信息来推导出这个空间中各种信息之间的规律的。对于图像识别这样的课题是很难设计出来的，因为识别的背后会扩展到很多其他的先验知识，这些先验知识其实就是包括在额外所需要的感知空间。设计出一个机器能感知这么多元化的信息，是很困难的。但是像游戏，比如国际象棋这样的游戏，它本身就是完备的。象棋里所有需要的信息就是棋子每个时刻的位置和象棋规则，人类下棋所需要的信息也一样。所以机器完全可以在这样一个空间里面自己摸索出致胜的规律。相信这样的算法早就有了。
从现实工程的角度上看，未来要么做出一个高感知空间的机器，要么发现没办法做出这样一个机器。前者结果就是出现超越人类智能的人工智能。后者将会使人类继续进行智能移植。为了达到更高的智能，需要移植更多的智能，那么巨大的开源计划将会被实施，号召所有人一起移植智能，使机器智能提升。
网友评论