迄今为止,提到“四色定理”,还无法用人类已掌握的数学来证明。
但这是否就意味着,人类需要接受计算机给出的,并非显明、仅仅是有限穷举而得到的所谓证明呢,这就是一个见仁见智的问题。
与数学界的诸多高深学问不同,四色定理,寻常人也一眼就能看懂,即便其背后蕴含的数学原则想必极为高深,却并不妨碍人类经由观察、思考,再加上一点人所特有的直觉洞察,主观上倾向于认为“这一猜想是正确的”。
即便如此,对计算机的有限穷举,算不算是严格的证明了四色定理呢;
方然对此持谨慎的否定态度。
之所以持否定态度,并非是说,在他眼中计算机的一切证明、推演,都毫无价值,而是在像“四色定理”这样的问题上,暴力验证手段,要面对的目标空间是无穷大,这时穷举法事实上已经失效,不论是人用纸和笔,还是计算机用逻辑电路与电磁波来进行,都不会改变这一原则性的事实。
在面对此类问题时,迄今为止,计算机并不被认为有这样一种能力:
越人类的分析、洞察与推理,独立解决这些人力所不能及的自然科学领域之难题。
换句话说,按it领域的一句公理,至少到目前为止还是不容置疑的总结,“人做不到的事,计算机同样做不到”。
这里的“能”与“不能”,是在不考虑时间、资源等因素的前提下,进行的判断。
就是对任何一个命题,倘若人,人类,人类文明,始终维持当前的认识水平,即便花费再长时间也无法解决,那么对计算机而言,即便同样有无限长的时间可用,这命题也注定会是无法解决的。
演绎到数学领域,原则上,只要是人证不出来的命题,计算机也一定证不出来。
这一判断,不仅在it领域,在自然科学领域也是一种共识,直到今天,也没有明确的迹象表示,计算机能够突破这样的限制,具备越人脑的智慧。
至于当下的人工智能,看名称,仿佛就是计算机也能因此而具有智慧,实质却是在架构层面的一种模仿,试图利用算法、乃至硬件来模拟人类大脑的神经元活动,从而具备此前为人所独有的学习、记忆、联想乃至推断能力。
指导思想大抵如此,具体到每一种实现策略,不论神经网络、还是深度学习,效果在本质上也都是相近的。
与人类的大脑相比,目前的ai体系,不论是在软件层面的算法和架构,还是在硬件层面的逻辑电路、存储器件,具有远人脑的数值计算能力和数值存储空间,然而,却一直没有实现远人类的意识和思维能力。
而“国际商用机器”在夏洛特的研中心,负责人工智能方向的aig1~5都主攻这一领域,在方然的aig4,“阿尔
请收藏:https://m.nyoj.org
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)