我来用语文描述一下智能：智能是一种有目的的形式系统，它作用于现实环境，生存于现实环境。
智能主要有三大功能。一、用‘目的’这种方式，表示其生存的意义。二、知识的发现。三、知识的使用。基础就是知识表示。
知识的发现，有两大类，一类是直接面对现实世界，生成经验公式。二类是面对形式的概念，生成定理或函数类的精确知识。
第一类经验公式的生成中，ML、DL、神经网络都是这类的，它们都是基于统计的原理工作，对样本的顺序无要求。
而人类常用的经验公式生成大法却不是基于统计的，而是基于假设的！！！也就是定义一个公理，公理就是假设，是不做证明的，但是如果现实世界中，只要出现公理的一个例外，那么该公理就失败。然后重新假设新的公理。采用公理的定义经验公式的核心，就是采用否证法，只要没有出现过例外，公理即可安心使用。而不象DL那种直证法，不穷举所有样本，它就没法安心工作。
第二类定理的发现，其核心是数学归纳法，以及超限归纳法。数理逻辑，公式推理、机器证明，可计算性理论，图灵机都是属于这一类的。其核心表现就是，不管现实世界多复杂，我只在我假设的概念上工作。比如图灵机，只假设现实世界就是纸带，你外面再复杂，它也不管了。
无论是第一类经验公式，还是第二类精确的定理，其计算的本质都是压缩算法，将众多实例性的演化，用一个简单公式表达出来，该公式对整个定义域有效，而我们只需要一个公式。压缩就是知识发现的核心引擎。
对于知识使用来说，将就利用现实世界中必然出现的规律，通过组合、并联、串联，形成一个大型的结构网络，以最大限度地发挥单个知识的威力。如果单则知识是兵，知识的使用就是整个军队，众人组织分工，但又有结构，该结构组织之下，串并联后的单则知识，还是能工作的知识。
因此，知识的使用就是以小博大，以砂填海，其核心是定义结构。程序的控制结构，可计算性理论的递归函数论都是此类。图灵丘奇论题是此方向的定海神针，此论题无人能证，但大家都假设它是正确的。而现代计算机，就是在这个无人证明的基石上建设的。
简单地看，棋类知识也是这样，你怎么知道象棋一步步走后，它中间的任一步都还是成立的呢？按合适的规则组织所有的行棋步骤，这个组织能力就是知识使用的核心。
知识的使用，其作用就是组织架构，将单兵散勇，组织成队伍，为了‘目标’这个统帅服务。但如果你要深究扣字眼的话，那么知识的使用这个大方向是可以扔掉的，没有组织的农民军，同样是可以灭掉敌人的。条件反射的原始生物这是这种类型。
目前除DL、ML、模式识别、神经网络几个门派外，更多数的智能分支，都是属于知识的使用这个大类的。包括，机器人、专家系统、普通程序、A*算法、棋类、multiagent、知识工程、语义网。。。。
知识使用的主心骨就是图灵丘奇论题，而其最大边界就是组合爆炸。我们有能力获得组合爆炸范围之内的最好收益，并将此最佳收益作为我们的目标。
最后谈一下目的，目的的生成直接与知识的使用相关，可以通过最原始的蛮力搜索，穷举整个状态空间，寻得我们的目的。但是目的的生成还是有其它办法的，即我们可以避免搜索而直接设定目的。方法很多，比如说，对于单连通的区域来说，由于任一点必然可达，那么可以任选一点作为目的，而该目的是必然可实现，也就是说，不用搜索，直接设定目标即可。
其实研究目的如何生成，是整个系统是否智能的核心。只有当一个系统能够清楚地表明自已的目的，并为此目的做计划和行动时，就有智能了。
I
智能主要有三大功能。一、用‘目的’这种方式，表示其生存的意义。二、知识的发现。三、知识的使用。基础就是知识表示。
知识的发现，有两大类，一类是直接面对现实世界，生成经验公式。二类是面对形式的概念，生成定理或函数类的精确知识。
第一类经验公式的生成中，ML、DL、神经网络都是这类的，它们都是基于统计的原理工作，对样本的顺序无要求。
而人类常用的经验公式生成大法却不是基于统计的，而是基于假设的！！！也就是定义一个公理，公理就是假设，是不做证明的，但是如果现实世界中，只要出现公理的一个例外，那么该公理就失败。然后重新假设新的公理。采用公理的定义经验公式的核心，就是采用否证法，只要没有出现过例外，公理即可安心使用。而不象DL那种直证法，不穷举所有样本，它就没法安心工作。
第二类定理的发现，其核心是数学归纳法，以及超限归纳法。数理逻辑，公式推理、机器证明，可计算性理论，图灵机都是属于这一类的。其核心表现就是，不管现实世界多复杂，我只在我假设的概念上工作。比如图灵机，只假设现实世界就是纸带，你外面再复杂，它也不管了。
无论是第一类经验公式，还是第二类精确的定理，其计算的本质都是压缩算法，将众多实例性的演化，用一个简单公式表达出来，该公式对整个定义域有效，而我们只需要一个公式。压缩就是知识发现的核心引擎。
对于知识使用来说，将就利用现实世界中必然出现的规律，通过组合、并联、串联，形成一个大型的结构网络，以最大限度地发挥单个知识的威力。如果单则知识是兵，知识的使用就是整个军队，众人组织分工，但又有结构，该结构组织之下，串并联后的单则知识，还是能工作的知识。
因此，知识的使用就是以小博大，以砂填海，其核心是定义结构。程序的控制结构，可计算性理论的递归函数论都是此类。图灵丘奇论题是此方向的定海神针，此论题无人能证，但大家都假设它是正确的。而现代计算机，就是在这个无人证明的基石上建设的。
简单地看，棋类知识也是这样，你怎么知道象棋一步步走后，它中间的任一步都还是成立的呢？按合适的规则组织所有的行棋步骤，这个组织能力就是知识使用的核心。
知识的使用，其作用就是组织架构，将单兵散勇，组织成队伍，为了‘目标’这个统帅服务。但如果你要深究扣字眼的话，那么知识的使用这个大方向是可以扔掉的，没有组织的农民军，同样是可以灭掉敌人的。条件反射的原始生物这是这种类型。
目前除DL、ML、模式识别、神经网络几个门派外，更多数的智能分支，都是属于知识的使用这个大类的。包括，机器人、专家系统、普通程序、A*算法、棋类、multiagent、知识工程、语义网。。。。
知识使用的主心骨就是图灵丘奇论题，而其最大边界就是组合爆炸。我们有能力获得组合爆炸范围之内的最好收益，并将此最佳收益作为我们的目标。
最后谈一下目的，目的的生成直接与知识的使用相关，可以通过最原始的蛮力搜索，穷举整个状态空间，寻得我们的目的。但是目的的生成还是有其它办法的，即我们可以避免搜索而直接设定目的。方法很多，比如说，对于单连通的区域来说，由于任一点必然可达，那么可以任选一点作为目的，而该目的是必然可实现，也就是说，不用搜索，直接设定目标即可。
其实研究目的如何生成，是整个系统是否智能的核心。只有当一个系统能够清楚地表明自已的目的，并为此目的做计划和行动时，就有智能了。
I
I
