dapplehou的个人资料

个人做人工智能不容易获取大量数据个人做人工智能不容易获取大量数据，而google、weibo、baidu、taobao这些公司有足够多的数据供它们进行人工智能实验。

众愚成智翻译精彩，但译者未知。本节摘自《失控》(out of control)。 “众愚成智”(Getting smart from dumb things)是其3.3节作者是无线杂志创始执行编辑。经历:上了一年便从罗德岛大学(University of Rhode Island)退学。非科班，但接触科班机会多，文笔好。这本书主要讲的是：智能不是中央集权结构，更像蜂窝结构。其主旨与马文-明斯基的《society of mind》一样。

一个物理问题 ruiaijun:　　具体到你说的两个球，如果在两球没有摩擦的情况下，小球向上滚时，其动能转变为势能，到达球顶，如果动能全部转变为势能，速度为零，但是向下运动的势能达到最大。它不会因速度为零而停止在大球的顶部，而是继续在向前（惯性定律）的作用下继续运动，向前滚下大球。

闲聊所谓的“非数字数学”是胡来的。

推理不是感觉一个先天失去味觉的人，别人告诉他，梨是甜的。然后，另一个人问他 “梨是什么味道？” “甜的。”他回答道。接着就有人说，看，重大发现：一个先天失去味觉的人，也能品到“甜味”。荒谬吗？很荒谬。或许，人还会争辩说：”我的意思不是能他能品到甜味啊，而是说他能获得甜的信息“。他获得的是”甜“的信息吗？他获得的是别人告诉他的”甜“的发声信息，而不是甜的信息。先天失去味觉的人，无法体验"甜"的味道，但这不是说他无法认知这个世界，失去味觉并不必然就成为傻子。他可以通过其它器官来感知和认识世界，他甚至可以学习有关“甜物质“的化学成分分析结果，成为这方面的专家。即使这样，我们也没必要自欺欺人的说，他能体验到”甜“味，他学习而获得的信息，也只是化学分析的信息，不是”甜“对于他的味觉的信息。人类无法直接体验到超声波，但人类可以利用仪器，把超声波变为超声波图，从而可以对之进行分析、研究。这也不等于人可以感受到超声波。对这个问题，人们只需要问问自己：自己的舌头感受到的甜味，和通过其它渠道学习来的甜味，一样吗？被针扎后的疼痛感，和学习别人描绘的疼痛感，一样吗？如果不是一样的，不一样在哪？答案是：他们不是同一信息。感觉不是推理，推理往往有悖于感觉。当一个人说，推理中有感觉，那只能说，他并未掌握推理技术。福尔摩斯有句名言：当你把绝不可能的因素都除出去以后，不管剩下的是什么――不管是多么难以相信的事――那就是实情。“不管多么难以相信”，这是感觉；“那就是实情”，这是推理；而把推理与感情混淆在一起，就像把感情与推理混淆在一起一样，极有希望被感觉引导向错误的方向，甚至有走火入魔的危险。推理是最忌参杂感情--这种主观性最强的感觉的。古人认为天圆地方，现代人知道地球是圆的，这种认知的变化不能说明感觉的替代。比如，我们通过学习，知道“光”可以分解成多种颜色，并不是单一的白色。我们眼睛中看到的、感受到的仍然是白光，而我们的认知告诉我们，白光可被分解成多种颜色。我们不能混淆着说，因为我们知道了白光可以被分解成多种颜色，我们看到的太阳光是“七色光”。人眼没那种能力！同样，一个先天失去了味觉的人，通过学习，知道了“甜”的概念，不等于感觉到了甜；再同样，一个先天色盲的人，通过学习，知道世界是五颜六色的，这不等于说，他就可以通过视力测验。变化的是认知，不变的是感觉(sense 不是指feeling)。不论我们对梨的认识多么深刻，知道梨子是多么的富含维生素，一旦你咬一口梨，你品尝到的，只是梨子的味道，你不会品尝到了“维生素”。能认知到和能感觉到，是不同的概念，他们获得的也是不同的信息。不要混淆。为什么说”书上得来终觉浅，绝知此事要躬行“，如果获得的是同样的信息，何必要躬行；要想学会游泳，就去游；要想知道梨的滋味，就去尝；如果先天失去了味觉，很抱歉，你永远无法尝到梨的滋味了。http://hi.baidu.com/dapplehou

内部基础、反射与自我意识作者：马文原文：http://web.media.mit.edu/~minsky/papers/Internal%20Grounding.html翻译：dapplehou http://hi.baidu.com/dapplehou简介：　　　　有些计算机程序擅长游戏处理，有些擅长识字，还有些计算机程序在解决特定技术问题方面出类拔萃；然而它门都只是在某个领域表现出色，至今还没有哪个计算机程序具备了常识判断能力或达到了一个普通2岁儿童的智力，也没有哪个程序能理解小学一年级故事书上的普通句子；同样，至今也没有任何计算机程序能对映入它眼帘里的一间屋子里的各种物品进行识别。　　这篇演讲会提出一些观点来说明为什么计算机程序的功能仍如此有限。一些冥想客可能会说那是因为计算机没意识，人类在制造意识上无能为力，还有，机器的本质就是我们怎么编写的程序它就照着怎么做，因此它们无法“独立思考”。

辞职咯！　　辞职咯！希望本吧以后更进一步。因时间有限，无暇发扬本吧。所以辞职，望诸君继续努力。　　祝各位老朋友快乐。

大脑的恒定表征形成　　人眼看的过程，是一种构建过程，而构建本身就是一种预期，比如，只看到猫的个别特征，大脑就会构建出完整的猫，再用这种完整的猫去匹配看到的猫，如果相符，就完成了一次识别，如果不相符，就重新构建，重新预期，直至识别；如果一只识别不了，就会信息上行，直达最高层，最高层有个器官，会把此种上行信息以模式的形式存储在大脑皮层。这个最高层的器官，据推断应该就是海马。如果信息还没到最高层即被识别，则信息就不需要上行至海马。　　而海马形成的模式，就是一种恒定表征。比如猫的恒定表征，狗的恒定表征，或者抽象事物的恒定表征。而恒定表征对于预期至关重要，恒定表征在匹配到上传来的信息后，会向下传递控制信息，引起肌肉或眼球的运动，这种运动的目的，就是验证预期。比如看到人的眼睛，信息上行至人的恒定表征，该恒定表征表明看到的东西是人脸，此时你的大脑中已经感觉到看到完整的人了，接着，这种预期信息下行，控制眼动，眼球就会继续搜索鼻子、嘴等信息，以验证你的预期，这就构成了识别。　　这种识别方式，远优于计算方式。它不需要海量的计算，却极为迅速。大脑内部的祖母细胞，就是这种恒定表征的代表，如果你看到你的祖母，不论你在哪里看到，或者是你是怎么看到的，或者只看到一部分，都会引起祖母细胞的兴奋。因为祖母细胞，就是你祖母那么多变化中的不变的部分。　　实际上，人脑存储的并非图片，它存储的是一种世界的本质，不信你看一张图片后，马上闭眼回忆你看到了什么，你基本上回忆不出来你看到的那张图片的大部分信息，因为那些信息不是本质，你存储的是你对那张图片的感觉的时空序列，你用眼睛摸出来的信息存在了大脑之中，而不是照出来的信息。同样的，听到的信息，闻到的信息，触摸到的信息，都是以一种时空序列的方式，源源不断的充斥进你的大脑。这种序列，通过某种变换，可以得到一种序列模式，而序列模式，就是一种恒定表征。　　大脑为什么如此庞大？为什么说大脑的只开发了10%左右，而那沉睡的90%都在干吗？答案是：它们用来存储海量的时空模式。以前“庄稼”网友说看破了大脑存储之谜，但他不说。其实也没什么，就是存储了这些东西。大脑不是计算模型，大脑是个模式匹配模型，记忆+预期（匹配）就构成了大脑开发的最稳固的框架。dapplehou　　

姚明，失望的时候给人希望，有希望时让人失望。姚明，失望的时候给人希望，有希望时让人失望。

cba的mvp也是mvp，朱芳雨，帅！制造对方带球撞人！

看看这小子的研究吧 http://web.media.mit.edu/~push/这家伙也在制造思维机器再看看人家弄的进行常识处理的网站：http://xnet.media.mit.edu/

关于有目的的选择和自我与非我的区分（讨论） mationlaa说：第一：智能是有目的的选择活动。第二：意识是智能系统对自我和非我的划分和界定的结果。其中的“有目的”、“如何划分自我非我”、“选择”都是值得讨论的问题。我觉得“有目的”已经包含了意识的感觉在其中，石头落地中的石头是没有目的的。但明显mationlaa是不同意的，这可能是大家对很多概念理解不一致造成的，所以我想能讨论一下，以期能给厘清这些概念的边界，而不是局限于那种“只可意会不可言传”的困难境地。请mationlaa先简单说下“有目的”是怎样的？

有意识的选择和机械选择有什么不同？（讨论）　　程序面临着大量的选择问题，程序的基本语句就是if else选择分支，人也面临着大量的选择问题，人的每一个决定都可是说是在进行选择，如果没有选择，恐怕就没有了意识，那么有意识的选择和机械的选择不同在哪里呢？　　假如有架能分辨红豆和黑豆的机器，可以很容易的分辨出你给它的是红豆还是黑豆。　　同样的，一个人，你给他红豆或黑豆，他也能区分开来。　　那么，仅从区分红黑豆（这属于选择）这来说，有意识的选择和机器选择有何不同呢？还是是一样的？

意识的难题作者：dapplehou空间：http://hi.baidu.com/dapplehou　　不得不承认意识是个棘手的的难题，起码我对这个问题敬畏有加，以至于总不自觉的想避过这个问题，但好奇心的驱使又总是舍不得放下，有位网友说我不应该总质疑别人的观点而应该把自己的想法写下来，供大家体会。说的也有道理，那我就把夹杂着很多困惑和疑问的关于意识的想法写出来吧。

机器人是地球的下一代主人吗？人工智能奠基人，马文-明斯基早期的一篇文章。他的个人网站中还有许多其它文章，有兴趣可以去看一看。他的个人网站：http://web.media.mit.edu/~minsky

刘建忠老师的博客 http://hi.baidu.com/liujianz　　这是刘建忠老师的博客，我以前向刘老师请教过问题，刘老师回复问题很认真和严谨，甚至还建议我贴吧实名制；　　刘老师的文章语言精炼，逻辑清楚、不说废话；大家知道，图纹识别是人工智能的一个关键领域，刘老师在此领域多有建树，有兴趣的朋友可以去看看。

面对已经睡着的孩子们，我们应该做些什么？　　花朵般的孩子永远地睡着了。清除瓦砾，搬开水泥楼板，映入在场大人眼帘的一幕令人心碎。　　个个理性十足的我们，想必在面对这些东倒西歪的躺在冰凉的水泥板下、永远不会醒来的孩子时，也会黯然落泪吧，那就拿出你的一份力量，一份爱心，尽可能的帮住灾区吧！

不好意思，劳驾大家为新娘投个票！新娘是我的一位亲戚，结婚了，现在正在评比魅力新娘，原来排第二名，现在跌到第三名了！请本吧兄弟姐妹帮忙投个票哦！谢谢！地址：http://milanchuntian.com/pk/view.asp?info_id=182

ruiaijun先生，能不随便删帖子吗？ ruiaijun先生，您能不随便删除反对意见的帖子吗？小吧主有删帖的权限，目的是删除广告和无内容的帖子以及方便您删除自己发错字的帖子，对于反对意见，希望你不要随便删除！删贴的原则：能不删尽量不删！不管对错，都摆在那里！好吗？

春节快乐春节快乐！！！

举报人工智能吧 http://post.baidu.com/f?kz=29895145963楼被删。作者是：dapplehou请恢复！

举报人工智能吧 http://post.baidu.com/f?kz=298951459最后一跟贴被删，请恢复。

mationlaa说：大脑的处理方式主要是“反应”...... mationlaa说：认识了大脑的处理方式主要是“反应”,就不难看出将图灵机等同于自动机的理论存在的问题矛盾。这个问题不仅仅是识别问题，更会颠覆人们目前的科学物理体系。呵呵----------------------------请解释一下。

天下竟然有这么好的吧天下竟然有这么好的吧！可恨我今天才发现啊！这么好的贴吧，这么好的吧主，怎么会？揉揉眼睛：可不是吗？“因为爱你，所以做你的女人，一生无悔”。伟大的吧主！

这个吧是干嘛的？难不成是美女大本营！！！！？？？？

中秋快乐中秋快乐！

★跨国公司面试题★微软：空姐分配物品空姐分配物品　　　　　　在一架飞机上，中间是一条过道，两边是座位，每一排为三人。两位空姐a和b每人负责一边，对每位旅客分配旅行物品。　　　　　　开始的时候，a给右边的旅客发放了6份，此时，b过来对她说，左边应该由a负责。于是a重新到左边开始发放，b接着给右边剩下的旅客发放物品，之后，又帮a发了15份，最后两人同时结束工作。　　　　　　请问：a和b谁发的多？多发了多少份？

控制到底是什么？意识大概可能或许是一种“控制”的可能性比较大，就暂假定意识就是一种控制吧，那么控制又是一种什么东西呢？控制是一种有目的的输入输出结构，这个目的是一种信息，这种信息来源于哪里？凭空创造的吗？不是，这种信息就像宇宙之初的物质一样，宇宙之处，也就有了这些信息，只不过这种信息不被了解和理解，其实这些信息一直是存在的，就像能量守恒，信息也是守恒的，我们设计出的各种软件等等，都是信息复制的结果，精神或者说意识，或许就是宇宙之初，就伴随物质存在着。

精神到底是什么？精神没法测量，没法统计，没法观察。但精神的确是存在的，那么我们如何去考察精神？物质的刺激怎么引起精神的变化？去掐自己的手吧，然后认真的感受那种疼痛，去想，为什么会疼，这种“疼”的感觉从哪里来？能否克服这种“疼痛”感？通过自虐，从而去窥探自身精神的奥秘。祝你好运。

友情链接 www.soft-ai.comwww.swarmagents.comwww.robotfan.comwww.turing.org.uk/ web.media.mit.edu/~minsky/www.dgp.toronto.edu/people/tu/ www-formal.stanford.edu/jmc/ www.cs.faculty.stanford.edu/~knuth/

抽象？怎么抽？我是一个人我是一个中国人我是蚂蚁这是树一个人吗-------------把这4句输入电脑，会抽出什么句子来？

WHY PEOPLE THINK COMPUTERS CAN'T Marvin Minsky, MITFirst published in AI Magazine, vol. 3 no. 4, Fall 1982. Reprinted in Technology Review, Nov/Dec 1983, and in The Computer Culture, (Donnelly, Ed.) Associated Univ. Presses, Cranbury NJ, 1985Most people think computers will never be able to think. That is, really think. Not now or ever. To be sure, most people also agree that computers can do many things that a person would have to be thinking to do. Then how could a machine seem to think but not actually think? Well, setting aside the question of what thinking actually is, I think that most of us would answer that by saying that in these cases, what the computer is doing is merely a superficial imitation of human intelligence. It has been designed to obey certain simple commands, and then it has been provided with programs composed of those commands. Because of this, the computer has to obey those commands, but without any idea of what's happening. Indeed, when computers first appeared, most of their designers intended them for nothing only to do huge, mindless computations. That's why the things were called "computers". Yet even then, a few pioneers -- especially Alan Turing -- envisioned what's now called "Artificial Intelligence" - or "AI". They saw that computers might possibly go beyond arithmetic, and maybe imitate the processes that go on inside human brains. Today, with robots everywhere in industry and movie films, most people think Al has gone much further than it has. Yet still, "computer experts" say machines will never really think. If so, how could they be so smart, and yet so dumb? ================== CAN MACHINES BE CREATIVE? ================== We naturally admire our Einsteins and Beethovens, and wonder if computers ever could create such wondrous theories or symphonies. Most people think that creativity requires some special, magical "gift" that simply cannot be explained. If so, then no computer could create - since anything machines can do (most people think can be explained.To see what's wrong with that, we must avoid one naive trap. We mustn't only look at works our culture views as very great, until we first get good ideas about how ordinary people do ordinary things. We can't expect to guess, right off, how great composers write great symphonies. I don't believe that there's much difference between ordinary thought and highly creative thought. I don't blame anyone for not being able to do everything the most creative people do. I don't blame them for not being able to explain it, either. I do object to the idea that, just because we can't explain it now, then no one ever could imagine how creativity works.We shouldn't intimidate ourselves by our admiration of our Beethovens and Einsteins. Instead, we ought to be annoyed by our ignorance of how we get ideas - and not just our "creative" ones. Were so accustomed to the marvels of the unusual that we forget how little we know about the marvels of ordinary thinking. Perhaps our superstitions about creativity

Will Robots Inherit the Earth? Marvin Minsky(Scientific American, October 1994---with some minor revisions)Early to bed and early to rise,Makes a man healthy and wealthy and wise. --- Benjamin Franklin Everyone wants wisdom and wealth. Nevertheless, our health often gives out before we achieve them. To lengthen our lives, and improve our minds, in the future we will need to change our our bodies and brains. To that end, we first must consider how normal Darwinian evolution brought us to where we are. Then we must imagine ways in which future replacements for worn body parts might solve most problems of failing health. We must then invent strategies to augment our brains and gain greater wisdom. Eventually we will entirely replace our brains -- using nanotechnology. Once delivered from the limitations of biology, we will be able to decide the length of our lives--with the option of immortality--and choose among other, unimagined capabilities as well. In such a future, attaining wealth will not be a problem; the trouble will be in controlling it. Obviously, such changes are difficult to envision, and many thinkers still argue that these advances are impossible--particularly in the domain of artificial intelligence. But the sciences needed to enact this transition are already in the making, and it is time to consider what this new world will be like.Health and Longevity.Such a future cannot be realized through biology. In recent times we've learned a lot about health and how to maintain it. We have devised thousands of specific treatments for particular diseases and disabilities. However, we do not seem to have increased the maximum length of our life span. Franklin lived for 84 years and, except in popular legends and myths, no one has ever lived twice that long. According to the estimates of Roy Walford, professor of pathology at UCLA Medical School, the average human life span was about 22 years in ancient Rome; about 50 in the developed countries in 1900, and today stands at about 75. Still, each of those curves seems to terminate sharply near 115 years. Centuries of improvements in health care have had no effect on that maximum. Why are our life spans so limited? The answer is simple: Natural selection favors the genes of those with the most descendants. Those numbers tend to grow exponentially with the number of generations--and so this favors the genes of those who reproduce at earlier ages. Evolution does not usually favor genes that lengthen lives beyond that amount adults need to care for their young. Indeed, it may even favor offspring who do not have to compete with living parents. Such competition could promote the accumulation of genes that cause death. For example, after spawning, the Mediterranean octopus (O. Hummelincki) promptly stops eating and starves to death. If we remove a certain gland though, the octopus continues to eat, and lives twice as long. Many other animals are

算法题：石子合并问题在一个圆形操场的四周摆放着n堆石子。现要将石子有次序地合并成一堆。规定每次只能选相邻的2堆石子合并成新的一堆，并将新的一堆石子数记为该次合并的得分。试设计一个算法，计算出将n堆石子合并成一堆的最小得分和最大得分。

这吧弄的不赖了啊！都有了“小肉肉”吧做邻居了！

请恢复一下这个帖子： http://post.baidu.com/f?kz=170898403请恢复一下29楼的帖子！

聊天1 随便聊。不知道ruiaijun先生怎么看待福利业变化？

行为主义学习理论【转】在本章中着重介绍华生的行为主义观、赫尔的系统性学习理论以及斯金纳的操作性条件学习理论。三者理论中的共同点就是：学习就是通过条件反射建立牢固的刺激-反应（S-R）联结。本章的重要指数为***，重点是掌握斯金纳的强化原理、操作性条件反射的基本原理以及程序教学。

皮亚杰建构主义学习理论【转】基本观点： ●认识既不起因于主体（成熟论者所强调的），也不起因于客体（行为主义者所强调的），而是主体与客体之间的相互作用。 ●认识的生长不仅仅是经验的结果，而强调个体在认知生长过程中的积极作用。皮亚杰的认知发展理论一．认知发展的基本过程皮亚杰理论体系中的一个核心概念是图式。图式是指个体对世界的知觉、理解和思考的方式。我们可以把图式看成是心理活动的框架或组织结构。图式的形成和变化是认知发展的实质。皮亚杰认为，认知发展是受三个基本过程影响的：同化、顺化和平衡同化同化是指个体对刺激输入的过滤或改变的过程。也就是说，个体在感受到刺激时，把它们纳入到头脑中原有图式之内，是其成为自身的一部分，就像消化系统将营养吸收一样。顺化顺化是指有机体调节自己内部结构以适应特定刺激情境的过程。当个体遇到不能用原有图式来同化新的刺激时，便要对原有图式加以修改和重建，以适应环境，这就是顺化的过程。可见，从本质而言，同化主要是指个体对环境的作用；顺化主要是指环境对个体的作用。平衡平衡是指个体通过自我调节机制使认知发展从一个平衡状态向另一种较高平衡状态过渡的过程。个体每当遇到新的刺激，总是试图用原有图式去同化，若获得成功，便得到暂时的平衡。如果用原有图式无法同化环境刺激，个体便会作出顺化，即调节原有图式或重建新图式，直至达到认识上的新的平衡。皮亚杰认为图式同化、顺化和平衡经过相互作用，推动认知活动的发展，图式正是经过同化、顺应、平衡而逐步构成更高一级的形式。二．认知发展的阶段皮亚杰的认知阶段具有三个特点：第一，各阶段出现的顺序是固定不变的；第二，每一阶段都有其独特的认知图式，这些相对稳定的图式决定了个体行为的一般特征；第三，认知图式的发展是一个连续不断地建构过程，每一阶段都是前一阶段的延伸。前一阶段的图式是后一阶段图式的先决条件，并被后者所取代。皮亚杰借用逻辑和数学的概念来分析说明思维发展的过程。他把运演水平作为认知发展阶段的依据。心理运演有四个特征：第一，运演是一种内化的动作。例如，达到运演水平的儿童不用做把瓶子里的水倒入杯子这一实际动作，也能在头脑里想象出这一动作的结果。第二，运演是一种可逆的内化动作。例如，儿童能够设想向西走10步，再回头向东走10步，自己的位置不变。第三，运演具有守恒性。事实上，运演的可逆性已表明了这一点，儿童能够想象在转换过程中并非一切都变了，即知道自己回到了原地。第四，运演不是孤立存在的。皮亚杰把认知发展分为以下四个阶段：1）感知运动阶段（从出生到约两岁）处于这一时期的儿童主要是靠感觉和动作来认识周围世界的。他们所具有的知识一种图形的知识，即仅仅是对刺激的认识。婴儿看到一个刺激，如一个奶瓶就开始作出吮吸的反应。前运演阶段（2-7岁左右）这个时期儿童的认知开始出现象征（或符号）功能（如能凭借语言和各种示意手段来表征事物）。但儿童还不能形成正确的概念，他们的判断受知觉思维支配。例如，唯有当两根等长的小木棍两端放齐时才认为它们同样长；若把其中一根超前移一些，就会认为它长一些。

华生的行为主义学习理论【转】一、基本观点华生在芝加哥大学期间，受安吉尔等人的影响，一度曾信奉机能主义。但他主张对心理学进行比较客观的实验研究，因此，对机能心理学像构造心理学那样使用意识、感觉、知觉、激情、情绪和意义等术语感到不满。他认为，可以写一部心理学，不用“意识”、“心理状态”和“心”这类术语，而是用“刺激与反应”和“习惯形成”等术语来表述。他相信当时已到了作出这种尝试的时候了。华生自己说，他是在1903年前后开始考虑这个问题的。1908年，他在耶鲁大学的一份讲义中，第一次公开发表了有关这方面的观点。1912年，他应卡特尔之邀，在哥伦比亚大学就这个问题作了一系列演讲。1913年发表了以这些讲稿为基础的一系列文章，行为主义由此正式产生。华生在《行为主义者心目中的心理学》一文中提出：“心理学是自然科学的一个纯客观的实验分支，它的理论目标在于预见和控制行为。”他认为，心理学家主要应关注行为，而不是心和意识。“行为主义者力图获得动物反应的一个统一的图式，认为人与动物之间并无分界线。”因此，从研究方法上来讲，“应当把人与动物放在同样的实验条件下，而且越近似越好。” 华生认为，建立行为主义心理学的出发点有二：第一，分析可观察到的事实，即分析人和动物是如何适应其环境的；第二，研究引起有机体作出反应的刺激。在华生看来，“知道了反应就可以推测刺激，知道了刺激就可以预测反应”所以，“我们所需要做的，是把行为而不是把意识当作我们研究的客观对象。” 华生在1914年出版的《行为：比较心理学导引》一书对其理论和观点作了系统阐述。概括起来，主要做了三件事：第一，表明“从心理学中抛弃所有有关心智（mental）的内容是可能的”。事实上，华生有时是通过转换的手法来清除这类内容的（例如，把情感和情绪转换成身体内部引起的刺激），有时则是通过预测生理心理学未来的发展来阐述问题的（例如，把思想、映象和其它意识内容归因为身体中某些肌肉的动觉反馈）。难怪有人把华生的行为主义心理学讥称为“肌跳心理学（muscle twitch psychology）”。但华生对此满不在乎，他说：“只要它能够帮助我们摆脱现代因袭心理学的枷锁，并告诉我们如何实实在在地观察人并坦诚地去研究他，无论给它什么样的名称都没有什么关系。”对华生的这番议论，心理学史家认为，“华生的信念……恰当地适合美国人的气质”（波林，1981年）。第二，考察了研究动物和人类行为的各种方法，他反对内省法，提倡客观的方法。他认为心理学的研究方法主要包括以下四种：（1）观察法，包括借助仪器和不借助仪器的观察；（2）条件作用法，凡在不能使用语言的情况下，条件作用法都可以发生效用；（3）口头报告法，因为人类是一种经常用言语作出反应的动物，人类有时唯一可观察到的反应就是语言。忽视这一点是可笑的。华生承认口头报告法不是彻底客观的方法，而是在当前科学技术条件下不得已而采用的一种权宜之计；（4）测验法，华生强调指出，考虑到语言方面的障碍，我们应该更多地重视那些不一定要用语言的行为测验。第三，华生提出了自己的学习理论，这是我们在下文要讨论的。二、学习律华生的学习理论，在一定程度上是建立在抨击桑代克效果律基础上的。在他看来，桑代克的效果律是心灵主义的，只不过是陈旧的享乐主义原则的翻版而已。为了从实验上推翻桑代克的理论，华生训练白鼠，为达到目的箱吃到食物，必须先挖沙子。白鼠挖沙子到达目的箱后，不立即喂食，而是让它在那里空等一会。华生认为，根据桑代克的理论，强化增强的是强化之前的刺激一反应联结。在这个实验中，空等是较后的反应，而挖沙子到目的箱则是较早的反应，根据推理，食物强化的是空等，而不是挖沙子到达目的箱。但事实上，白鼠习得的是挖沙子到达目的箱的反应，而不是空等。华生以此来证明效果律的不正确，并提出用频因律和近因律取而代之。

行为主义心理学介绍【转】行为主义心理学是20世纪初起源于美国的一个心理学流派，它的创建人为美国心理学家华生。行为主义观点认为，心理学不应该研究意识，只应该研究行为。所谓行为就是有机体用以适应环境变化的各种身体反应的组合。这些反应不外是肌肉收缩和腺体分泌，它们有的表现在身体外部，有的隐藏在身体内部，强度有大有小。华生指出一向认为纯属意识的思维和情绪，其实也都是内隐和轻微的身体变化。前者是全身肌肉，特别是言语器官的变化，后者是内脏和腺体的变化。20年代以来记录肌肉电位变化的技术不断提高，已经发现心理活动伴有轻微的肌肉收缩。但连带发生的事件并不一定就是同一事件。所以思维时有轻微的肌肉收缩，并不足以证明思维就是轻微的肌肉收缩。华生认为，肌肉收缩和腺体分泌都可归结为物理或化学变化；引起有机体反应的刺激，最后分析也只能是有机体内部和外界的物理或化学变化。这样一来。全部行为，包括通常所说的心理活动，都不外是一些物理或化学变化引起另一些物理或化学变化而已。因此，他认为心理观象都能够用物理和化学的概念来说明。一位早期行为主义者魏斯把这种观点发挥到极端的还原论，但华生本人则又主张心理学只应着眼于有机体整体的适应性行为，无须过问这些物理和化学变化。华生自称行为主义是唯一彻底而合乎逻辑的机能主义。他在芝加哥大学深受机能主义的影响。机能主义代表人物之一安吉尔也说过心理学要研究行为。但机能主义者把意识和行为都看作人适应环境的手段。按机能主义的哲学依据——实用主义来说，检验意识适应性的唯一标准只能是行为的适应性。所以，考察了行为就无须考察意识；反之，若不考察行为则无法考察意识的适应性。因此彻底的机能主义就必须承认，可以丢开意识去考察行为，但不能丢开行为去考察意识。华生宣称心理学家应该象物理学家那样去使用意识，即只把它看作关于客观事物的经验，而不看作关于心理活动的经验，从而否定了冯特所指的直接经验和间接经验的区别，把心理学家所研究的意识和物理学家所研究的客观事物等同起来。拉什利明确指出这是新实在论的观点，并极表赞赏。华生认为心理学研究行为的任务就在于查明刺激与反应之间的规律性关系。这样就能根据刺激推知反应，根据反应推知刺激，达到预测和控制行为的目的。行为主义者在研究方法上摈弃内省，主张采用客观观察法、条件反射法、言语报告法和测验法。这是他们在研究对象上否认意识的必然结论。华生一方面反对内省，另一方面又不能不利用只有内省才能提供的一些素材。于是他把内省从前门赶出去，又以“言语报告”的名义从后门请进来。这样就把言语的两种作用混淆了。言语固然和动作一样是对客观刺激的反应，但也可用来陈述自己的心理，这种陈述其实就是内省。行为主义心理学在方法论上深受进化论问世以来的动物心理学的影响。动物不会作内省报告，所以只能根据它对刺激的反应来推测其心理。这样就使早期的动物心理学染上浓厚的拟人论色彩。摩根提出要尽量克服拟人论，经过勒布的进一步努力，直至桑代克，均未能彻底解决这一问题。华生承其余绪，做过许多动物心理学的研究，最后得出一反拟人论的结论，断言人和动物在心理上没有质的差别，但不能按人的心理来推测动物的心理，相反地要像研究动物心理那样来研究人的心理。因此，他非常赞赏巴甫洛夫的条件反射法，因为它可以使像感觉辨别这样的主观经验转化为反应差异的客观事实。但从根本上看，华生与巴甫洛夫完全不同。华生否认神经中枢在动物行为中的特殊重要性，认为它仅起联络作用。巴甫洛夫则把身体外周器官活动与神经中枢活动的关系看作投影关系，考察外周器官的活动，目的在于了解神经中枢的活动。再者，巴甫洛夫不否认意识，而且非常强调人和动物在心理上的本质差别。华生认为除极少数的简单反射外，一切复杂行为都取决于环境影响，而这种影响是通过条件反射实现的。因此他把巴甫洛夫式的条件反射当作行为主义的“枢石”。华生夸口说，给他一打健康婴儿，让他在可以完全控制的环境里去培育，他能使任何一个婴儿变成任何一种人物。他在婴儿的情绪行为上做了实验，使婴儿的爱、惧通过条件反射的改变而改变。他后来侈言要建立行为主义的实验伦理学。华生式行为主义心理学的影响在20世纪20年代达到最高峰。它的一些基本观点和研究方法渗透到很多人文科学中去，从而出现了“行为科学”的名称。直至今天，其涉及的领域仍日益扩大。它们尽管不全以行为主义为指导观点，但名称的起源则不能不归之行为主义。华生的环境决定论观点影响美国心理学达30年。他的预测和控制行为的观点促进了应用心理学的发展。美国心理学界公认，自行为主义心理学问世后，有很长一个时期，美国心理学家多是实际上的行为主义者。认知心理学兴起后，虽然意识重新被重视，但认知心理学在方法上也尽量通过观察客观行为来研究主观经验。华生过分简化的刺激-反应公式不能解释行为的最显著特点，即选择性和适应性。30年代以后，他的一些后继人在操作主义的指引下试图克服这一致命缺点，从而形成多种形式的新行为主义。如果说华生废除意识的主张，由于使心理学丢掉主题而渐被抛弃，那么方法论的行为主义则在美国借操作主义的巧辩而延续。

情绪的神经—心理原理【作者可泽】 “情绪”是个体对事物的一种含有喜爱或厌恶之态度的反映。从本质上来说，它是人的高兴、快乐、不快、悲伤、恐惧等等感觉以及种种痛感和快感中所包含的感受成分和体验主体。情绪的性质只有两种：快悦的和不快的，或者如一般心理学教材中所说的“正性情绪”和“负性情绪”。基本情绪也只有快悦情绪和不快情绪两种，人的一切其他情绪感受和体验都是由这两种情绪构成的。情绪的条件反应，情绪的对象化，以及情绪作为动机的唯一基础，是人的情绪反映的基本心理机制。关键词：自然情绪反应；制约情绪反应；情绪感官化；情绪客体化。认知与情绪是大脑反映事物的两种不同的基本方式。认知反映的是事物的各种客观特征；情绪反映的是个体对事物的态度，即对当前事物的刺激是喜爱、接受，还是厌恶、拒绝的心理。从神经机制上来说，对事物的认知本质上所反映的是皮层暂时神经联系的发生和变化；情绪本质上所反映的是脑内神经活动过程中神经生理状态的变化，即神经兴奋强度的变化。虽然神经的生理化学变化对情绪的发生有明确的影响，但这种影响必须转化为神经兴奋强度的变化才会表达出来，正如在认知那里神经的生理变化必须实现了暂时神经联系的发生和变化才会成为心理事件一样。由于任何神经活动都会伴随发生神经生理兴奋强度的变化，这就决定了人的任何认知过程中都会发生情绪的伴随，只是在一些情况下由于神经兴奋强度与脑内固有能量定型的接近而不被心理所注意。正如巴甫洛夫所认为的：情感是在大脑皮层上“动力定型的维持和破坏”。如果外界的刺激使人原有的一些动力定型得到维持和发展，人就产生积极的情绪和情感；如果外界的刺激使人原有的一些动型得不到维持和发展，人就会产生消极的情绪和情感”。我认为，如果把他的“维持”和“破坏”改为“高于”和“低于”也许更符合心理事实。情绪是生命的一个古老机制,。我们知道，低级动物没有认识能力，但它们却有生物学意义上的“趋利避害”的本能行为,这种本能是靠什么得以实现的呢？最大的可能就是“趋悦避痛”的情绪机制，即：趋向快悦的情绪状态，逃避不快的（或痛的）情绪状态，并依此实现了自体保护和生存。“趋利避害”是低级动物本能行为的外显表现，“趋悦避痛”是这一行为表现的内在本质和原因。如果我们彻底摈弃先验观点，那么只能得出这样的认识：“趋悦避痛”是从前心理阶段的动物到最高级的人类共有的最基本的本能和生命原则，情绪是一切生物体价值判断的依据，是生物一切行为原因的渊源。对情绪的现有研究中，人们总喜欢把因情绪引起的表情甚至行为也归入到情绪的范畴里，这种做法一方面本身就存在混淆概念的错误，一方面更影响对情绪本质的认识。思维也与表情和行为有密切的联系，但这里我们倒早就知道两者不能混为一谈。当然，在研究情绪时不能忽视情绪与表情等身体生理反应之间的相互作用，但在对象概念上要有明确的区分，这样才便于真实准确地把握研究的对象。本文的情绪概念范畴只包括在人的高兴、快乐、不快、悲伤、恐惧等等感觉以及种种痛感和快感中所包含的含有我们的喜、厌态度的感受成分和体验主体。情绪的性质只有两种：快悦的和不快的，或者如一般心理学教材中所说的“正面情绪”和“负面情绪”。基本情绪也只有快悦情绪和不快情绪两种，人的一切其他情绪感受都是由这两种情绪构成的。并且在构成的模式上都是一样的。虽然人的情绪现象显得很复杂，但它简单的一面，并且是能够使它的其它方面不再显得“极为复杂”的，就是情绪的心理机制。情绪的心理机制是对情绪的研究应该首先去认识的，也我们较容易认识但却忽略了去认识的一面。

请恢复一下这个帖子请恢复一下这楼里最后一楼的帖子http://post.baidu.com/f?z=154733284&ct=335544320&lm=0&sc=0&rn=50&tn=baiduPostBrowser&word=%C8%CB%B9%A4%D6%C7%C4%DC&pn=50

人工智能与永动机【from 集智 jake】这个标题我以前就在“异想天开”栏目中贴过，当时并没把它当回事儿。前几天，和一个朋友聊天，我想跟他说明我喜欢的流这个问题，也是想说明我为什么要研究流。我当时举了很多的例子也没有触动他。但是，最后我说：“你不觉得20世纪以来，人们提出了人工智能机器这个概念很像19世纪的永动机吗？”，他一下子恍然大悟了。他马上握着我的手说：“你这一句话仿佛惊醒了梦中人，热力学第二定律的确与歌德尔定理有一些联系”估计我起这个标题会引起很多人的强烈反对，尤其是强AI观点的人，因为永动机被证明了否定。但是，这个标题仅仅想引起人们的兴趣，如果你读完本文会发现，我并不想用对永动机的证明来否认AI的不可能性。并且，我想提出一个更加具体的问题，那就是热力学定律是否合自指有一定的关系呢？这个观点恰恰就是wilddog那篇论述自指的文章中提到的自组织如何产生自复制程序的某种延伸。1、热力学和复杂系统这实际上是一个很古老的话题了，20世纪初人们对信息论的思考恰恰就是建立在麦克斯韦妖的基础上，并且信息量是与热力学熵等价的。但是我想提到的一些工作是鲜为人知的。这就是1990年代后，人们陆续发现的组合优化问题和统计力学问题中的对应性。组合优化问题涉及到一系列小的个体在满足一些局部相互作用的条件下完成某种整体的最优性。根据题目的不同，组合优化问题的解决可以分为多项式时间内可解和NP-hard的情况。人们发现，这种组合优化问题相当于一个物理问题，即如果把小个体看作是粒子，个体之间的约束看作是力，那么整个系统就是一个机械系统，而这个机械系统在宏观就会体现出一类统计属性，这个统计属性就对应了系统的某种热的性质。其中一个非常深刻的想法是，组合优化中的NP问题能够对应热力学上的某种相变行为！当对应的热系统发生相变的时候，相变时间的长短就对应了组合优化问题的求解难易性！所以，人们可以在不用具体求解组合优化问题的前提下就可以利用统计物理的方法判断出该问题的难易程度。这个结论引发的很多文章都发表到了Science上。《复杂》这本圣经式的书中有一章就叫做《等待卡诺特》，卡诺特是何许人呢？他是热力学中的奠基性人物之一。他用卡诺热机这个模型清楚地提出了热力学第二定律的熵形式。考夫曼很喜欢从热力学出发研究复杂系统，因为他想回答类似主动性、适应性的物理起源，所以当时他就说复杂系统的研究需要新的卡诺特来指明方向。《Investigation》一书中他也明确提出了热力学与复杂系统的关系。2、热力学碰到自指——自我模拟的系统曾经看过一本介绍“量子”计算的书，知道了一段有趣的故事：量子计算的奠基人之一费因曼当时考虑这样一个实际问题而提出量子计算的：“如何用计算机模拟一个复杂的量子相互作用系统？”他后来发现经典计算机并不好算，于是突发奇想，为什么不用量子系统本身设计一个计算机然后来模拟量子系统呢？我不懂量子计算，但是对这个自己模拟自己的想法非常着迷。后来物理学家还证明了利用一个撞球系统就能完成通用计算机，那么，我们可以考虑我们完全可以用这个撞球系统本身来模拟一个撞球的世界。那会发生什么呢？也许并没什么有趣的，但是在这里热力学第二定律可以登场了。我们都知道，计算机可以模拟一个多分子碰撞系统。我就做过这个简单的模拟，你在计算机中实现多个小球，每个小球可以按照计算机化的牛顿定律和其他小球相碰撞。从一个初始的速度组开始，你能让小球在计算机中演化。奇怪的是，这个计算机中的小球系统也符合热力学第二定律！如果你设计一个虚拟的挡板，挡板上扣一个虚拟的小孔，开始的时候所有的小球都集中在挡板的一侧，那么随着系统的演化，挡板的两边都回充满例子！这说明热力学第二定律同样适用于一个虚拟系统！如果这个撞球系统本身就是用一个撞球系统来模拟的会怎样呢？最有趣的是，当虚拟层次的小球系统在指向热力学第二定律的方向演化的时候，低层次的撞球系统是不是一定也会朝无序的方向演化呢？我觉得也许并不那么简单，然而如何设计这样一个实际的系统呢？

[德]克劳斯.迈因策尔《复杂性中的思维》目录 ◆ 中文版序言 ◆ 第一版序言 ◆ 第二版序言 ◆ 1导言：从线性思维到非线性思维 ◆ 2复杂系统和物质的进化 ◆ 3复杂系统和生命的进化 ◆ 4复杂系统和心-脑的进化 ◆ 5复杂系统和人工智能的进化 ◆ 6复杂系统和人类社会的进化 ◆ 7关于未来、科学和伦理学的结语 ◆ 译者后记 http://post.baidu.com/f?kz=133013203

真实世界不存在自指我认为，纯粹的自指都会造成无限循环。以这句话为例“这句话是假的”，跟据它的意思，可以被转换成这样的句子：“这句话是假的”是假的；再一次转换变成：““这句话是假的”是假的”是假的；依此类推，以致于无穷。人们无法判断无穷尽的命题的真伪。但是，程序的确能打印出程序自己，为什么没有造成无限循环呢？我们可以比较下面两个递归的不同： f(){ f() .. .. .. } f(){ .. .. .. f() } 第一个递归肯定是无限递归；而第二个递归则可以是有限递归（因为它可以提前设定条件，命令停止递归）；从形式上看，递归是自己调用自己，而实质上，递归调用的并不是真正的自己，而是自己的一份copy，实际上，递归的流程是这样的，调用f()->压栈->调用新的f()->压栈->调用更加新的f().....，真正的机器执行，就是这样的顺序的执行的，每一个新的f()都是从最开始定义的f()的一个copy。在真实的世界里，不存在纯粹的自指；纯粹的自指，只存在于人为构造的形式系统中（文字游戏也来源于此），存在于“这句话是假的”这样的句子中。（而实际上，这句话是伪命题，不具有任何意义，关于这一点，可以参考“悖论消减原理”）在真实世界里，不存在自指。世界总是无声无息的顺序往前的，没有原地转圈的情况发生。在我写的那个打印自己的程序中，关键的一句：a = a.replaceFirst("ccc",a);这一句中的各个a，在实际的机器执行中，都已经不是同一个a了，它已经被做了空间交换。在真实世界中，是不会有 a = a+1 这种情况出现的，编程久了的人，容易把这种表象当作真实。在真实世界中，一个人永远无法自己把自己举起来。程序之所以能自己打印出自己，是因为它借助了外力，虽然表面上我们看不到这种外力；就像a = a+1 这种情况一样，它借助了我们看不到的内存空间(其实是寄存器）的帮忙，看起来，好似使得自己让自己增高了。

聊天（X+1) 昨天抽了支烟，硬白沙，真香啊！

Using JOONE for Artificial Intelligence Programming 找了一个用模拟人工神经网络的Java程序包。介绍如下：IntroductionFew programmers have not been intrigued by Artificial Intelligence programming at one point or another. Many programmers who become interested in AI are quickly put off by the complexity of the algorithms involved. In this article, we will examine an open source project for Java that can simplify much of this complexity.The Java Object Oriented Neural Network (JOONE) is an open source project that offers a highly adaptable neural network for Java programmers. The JOONE project source code is covered by a Lesser GNU Public License (LGPL). In a nutshell, this means that the source code is freely available and you need to pay no royalties to use JOONE. JOONE can be downloaded from http://joone.sourceforge.net/.JOONE can allow you to create neural networks easily from a Java program. JOONE supports many features, such as multithreading and distributed processing. This means that JOONE can take advantage of multiprocessor computers and multiple computers to distribute the processing load.Neural NetworksJOONE implements an artificial neural network in Java. An artificial neural network seeks to emulate the function of the biological neural network that makes up the brains found in nearly all higher life forms found on Earth. Neural networks are made up of neurons. A diagram of an actual neuron is shown in Figure 1.

我是人工智能吧吧主，请帮忙恢复一个被删除的帖子 http://post.baidu.com/f?kz=1546821379楼的，不知为何被删除了。谢谢！

***ChatRoom*** 人工智能吧好像被百度监视，有帖子被莫明其妙的删除掉，已有多次。监视者删贴时很有讲究，应该是在详细阅读帖子内容后做出的决定，这说明，监视者并非机器，而是人；机器只做关键字识别，不会做到内容识别，相信百度也还没这本事。百度监视者，你如果有兴趣讨论，何必躲躲藏藏！

王迪兴答汪成为院士的十二个问题在今年（2000年）5月举行的中国计算机学会第七届理事会上，中国工程院院士汪成为作了一场特殊的学术报告，他报告的题目是：“请教关于我国计算机发展的12个问题”。汪院士认为，计算机之所以能迅猛发展，原因就是存在许多可改进之处，因此，他把自己在研究中发现的一些尚未有定论的问题提出来，向其他专家求教（载于2000年4月26日光明日报）。我在这一领域从事研究多年，有一些自己的研究成果，在此作答，如有不妥之处，请各位专家指正。首先，我认为这些问题具有一定的内在联系，仅就某一个别问题泛泛谈论，并不能从根本上解决问题，更不能企求在现有计算理论基础上解决这些问题，而是应予整体考虑，必须提出新的理论与技术，给出一揽子解决方案。现就十二个问题，分别回答如下：一、有人认为：从图灵机的可计算理论可以得出“可计算”的三个前提：必须把问题形式化；必须有一个算法；必须有合理的复杂度。请问：我们是否应尝试突破、并有可能（或部分地）突破这些前提？还是只能在这个前提下进行创新？答：可计算问题从根本上讲是计算理论问题，在特定的理论框架中有特定的形式与内容。众所周知，图灵计算理论存在很多难以解决的难题，如形式化悖论、二值逻辑悖论、确定性悖论、总线瓶颈、与背景及环境信息分离、计算复杂性问题等等。这些问题在图灵计算理论框架中，可以说很难得以解决。我们认为，计算理论必须解决三大问题：一、状态转换原理及其效率问题。二、状态之间具有内在联系――既状态的自组织问题。三、状态转换的自适应控制问题。很显然，图灵计算理论没有解决第二及第三个问题，相应的状态转换形式与内容难免具有局限性。假设在状态自组织的前提下解决状态转换的效率及状态转换的自适应控制问题，才有可能从根本上解决上述问题――具体理论及技术问题的解决见笔者《自组织计算原理及技术》一书。显然，这些问题已经不是尝试突破的问题，而是必须突破的问题，想在现有的计算理论框架内修修补补，肯定无济于事！二、有人认为：人思考和处理问题的认知过程是并行的、开放的、多维的、归纳演示的；而计算机求解问题的处理过程是对有限种符号的有限长序列、按照事先编定的程序、对这一序列作有穷的变换，从而得到一组新的符号。请问：这两个过程的不一致是形成人与计算机间存在隔阂的主要原因吗？尽量使两者一致是否是未来计算机技术及人工智能技术的主要努力方向？答：使两者一致肯定是未来计算机技术及人工智能的主要努力方向。人与计算机处理信息的主要区别，是人在处理信息时能始终以背景及环境信息为基础，并能双向实时交互作用，不同层次的信息处理或状态转换能够形成反馈环路。而计算机在处理信息时则始终与背景及环境信息隔离，不同层次的信息处理或状态转换亦互相隔离。要害在于未能解决上述计算理论中的第二及第三个问题――即状态之间没有内在联系、状态之间不能实现自适应控制。解决这一问题，其实质问题是解决计算机与人脑神经网络的同构同功问题，只有给出复杂系统的共性描述模型――准全息元数学模型，在此基础上解决状态转换及状态转换的控制问题，才有可能从根本上解决问题。所谓的准全息元数学模型，是一种组合数学模型，或准全息空间状态表示模型。体现了整数之间的加减、有理数之间的乘除、实数之间的乘方开方、对数反对数运算关系。是系统论、控制论与信息论的统一定量形式化描述模型；是元逻辑、元算法与元数据结构的有机统一描述模型；同时是自组织或涌现原理的描述模型。三、有人认为：软件的作用就是把人的认知过程翻译成某种特定的计算机所能接受的处理过程。随着计算机技术的发展，软件的关键技术已从60年代的编码、70年代的设计、80年代的需求规约，发展为90年代的“需求工程”时代。面向对象、软构件、分布处理、网络计算、可视化计算、并发工程等都是“需求工程”时代的产物。请问：“需求工程”的最终目的是否是为用户提供“一揽子的解决方案”？如何判断下世纪软件技术和软件产品的发展趋势？

准全息系统论与智能计算机总目录准全息系统论与智能计算机第一章、准全息系统论第一节、系统论急需理论突破 1、引言 2、还原论的困惑 3、系统面临悖论 4、贝塔郎菲的一般系统论 5、系统何以立论？第二节、交互作用型系统的定量形式化描述 1、引言 2、准全息元数学模型 3、模型的构造 4、模型体现的系统原理 5、模型体现的系统属性 6、模型的系统结构法则第三节、系统的自组织 1、引言 2、对自组织的理解 3、对自组织的描述 4、自组织的特征与条件 5、自组织的非线性作用 6、自组织方法第四节、准全息系统论 1、引言 2、何谓准全息系统论？ 3、准全息系统得以立论的关键 4、综合统一的准全息系统论 5、准全息系统论的发展没有穷尽第五节、准全息系统论的理论与哲学意义 1、引言 2、模型的理论意义 3、模型的方法论意义 4、模型的哲学意义第六节、准全息元数学模型的应用 1、引言 2、智能机的数学理论基础 3、人类思想的字母表 4、复杂开放系统的定量形式化描述 5、用于体现自然辩证法第七节、准全息系统科学的体系结构 1、引言 2、系统科学及其意义 3、钱老的贡献 4、系统科学集人类知识之大成 5、系统科学的体系结构 6、构造系统科学体系结构的基本原则第二章、人工智能的理论基础第一节、人工智能综述 1、何为人工智能 2、人工智能的具体内容 3、人工智能的立足点 4、人工智能的主导思想第二节、关于物理符号系统假设 1、理符号系统假设的提出 2、体现智能的基本条件 3、西蒙的认知系统结构 4、认知系统结构评述第三节、关于联结机制 1、引言 2、联结机制的贡献 3、联结机制的缺欠 4、联接机制的出路第四节、关于行为机制 1、引言 1、约翰•H•霍兰先生的工作 2、关于CAS的特征与机制 3、刺激反应模型 4、CAS的理论问题第五节、人工智能急需理论突破 1、引言 2、最优化的计算原理及模式 3、神经元的一种连接模式 4、计算理论的一些基本问题第六节、智能是否可以还原为数学基本运算 1、引言 2、思维即计算思想的由来 3、普适性的状态转换原理 4、智能的本质即计算 5、神经计算的实质第七节、计算能力的极限 1、引言 2、图灵机 3、图灵计算理论的局限 4、最优化计算第八节、结构运算 1、结构运算的数学理论基础 2、结构运算原理 3、结构运算的特性 4、结构运算的属性及层次 5、与图灵计算的区别第三章、智能原理与机制第一节、探索智能的历程 1、日本的第五代计算机 2、人工智能 3、弗朗西斯的惊人假说 4、人脑计算模型 5、创造堪与人脑匹敌的智能第二节、人脑与人工智能 1、什么是智能？ 2、人类能否模拟自身智能？ 3、模拟智能的不同观点 4、我们的看法第三节、来自原型的启示 1、人脑神经系统 2、脑神经系统的建构法则 3、结构与功能特征 4、形式与内容统一第四节、脑模型的基础研究 1、基本理论问题 2、脑模型的定性研究 3、脑模型的定量研究 4、神经网络的逻辑结构模式第五节、智能原理 1、状态转换原理 2、状态相关原理 3、状态组合与互补原理 4、逻辑内涵与外延一致性原理 5、确定与非确定统一原理 6、自组织原理 7、多值态原理 8、互为因果关系原理 9、并行交互作用原理 10、时空及模数统一原理 11、互相解释、互相代偿原理第六节、功能机制 1、涌现性机制 2、实时双向状态转换机制 3、准多值逻辑机制 4、编译码机制 5、因果目的性机制 6、功能耦合机制 7、记忆机制 8、学习机制 9、自适应结构形成机制第七节、智能模拟需要面对的问题 1、传统理论 2、人工智能究竟要干什么？ 3、几个具体问题 4、答汪成为院士的12个问第四章、智能计算机及物理实现第一节、综述 1、罗林斯谈即将到来的机器 2、李国杰谈世纪电脑 3、对日本第五代计算机的反思 4、理论与技术的发展趋势第二节、人工智能系统 1、能否与人脑同构？ 2、以自组织原理为基础 3、形式与内容统一 4、联结机制与符号机制统一 5、以准多值逻辑为基础第三节、非冯计算机 1、何谓非冯机 2、有何特点？ 3、基本的理论问题 4、需解决的具体技术第四节、计算机的革命 1、基础理论的革命 2、原理上的革命 3、技术革命 4、体系结构的革命第五节、仿人脑神经系统 1、传统神经网络 2、准多值逻辑神经网络 3、具有多值态的多功能运算器 4、系统的构成单元 5、系统的控制机制第六节、计算机功能互补系统 1、指导思想 2、运算、交换、控制多用平台 3、仿人脑模型的基本功能与特性 4、具体应用第七节、21世纪的智能计算机 1、如何体现智能？ 2、解决与未解决的技术难题 3、象人脑一样 4、集大成得智慧附： 1、关注中国IT产业的明天 2、名词解释全文：http://post.baidu.com/f?kz=152495583

数据挖掘讲座 http://post.baidu.com/f?kz=149993003

《放屁的辩证法》(转) 《放屁的辩证法》上课时，我放了一个屁——很普通的屁。既不很臭，当然也绝对不香。可怕的是，教授正在讲辩证法。 “请你自己对这个屁作一下判断，”教授说，“它好还是不好？” 我只得说：“不好。” “错了，”教授说，“任何事物都有矛盾组成，有它不好的一面，肯定有它好的一面。” “那么说它好也不对了？”我问。 “当然。”教授说。 “它既好又不好。” “错了。你只看到矛盾双方对立斗争的一面，没有看到他们统一的一面。” 我只好认真看待这个严肃的问题，仔细想了想说：“这个屁既好又不好，但不好的一面是主要的，处于主导地位。” “错了。你是用静止的观点看问题。矛盾的双方会相互转换，今天处于主导地位一面，明天一定处于次要地位。” “你是说明天全人类会为了我的这个屁欢呼雀跃吗？” “不尽如此，但不能否认这种发展趋势” 我愣了好大一会儿，只得硬着头皮说：“我的屁既好又不好，既不好又好。今天可能不好，明天一定会好。今天可能很好，明天也许会不好。” 教授听得直摇头，说：“这是彻底的怀疑论，不是辩证法的观点。” 就这样，仅仅因为放了一个屁，我就成了一个怀疑论者。教授接着讲课：“辩证法的威力不仅在于能够轻而易举地驳斥任何观点，而且他能够轻易地为任何观点找到理论根据。” “可是我的屁就没有任何根据。”我抗议道。 “那是因为你没有找到，其实很简单，它是你肚子里矛盾双方对立统一的必然结果。” 我哑口无言。教授说：“下面我们不谈屁，谈一个更复杂的问题：一个西瓜，一粒芝麻，无论你怎样选择，都有理论基础。” 我赶紧说：“我要捡起西瓜，丢了芝麻。” “很好。”教授说，“你抓住了主要矛盾，也就是说，你抓住了解决问题的关键。” “那我就捡起芝麻，丢掉西瓜。” “先有量变，才能达到质变。你解决问题的顺序十分正确。” “我既要西瓜，又要芝麻。” “即抓住主要矛盾，又不放过次要矛盾。你是用全面的眼光看问题。” “我既要砸烂西瓜，又要踩碎芝麻。” “很好，你是用发展的眼光看问题。新事物就是对旧事物的否定。一切旧的事物必然灭亡。旧事物的灭亡是新事物产生的前提。” “我既要吃掉西瓜，又要砸烂西瓜。既要捡起芝麻，又要踩碎芝麻。可是，只有一个西瓜，一粒芝麻，怎么办？” “你这才算对辩证法入了门，重要的是：矛盾的双方不仅对立，而且有它统一的一面。你吃掉西瓜当然有它合理的一面，但你要砸烂西瓜，也并非不合理。只有将二者统一，才能进入更高层次的斗争。” 我张口结舌，目瞪口呆：“可是，你并没有解决我的问题。” 教授笑着说：“辩证法不解决任何问题，它的用途在于首先把人变成傻瓜——如果还有人不是傻瓜的话。” “你是说‘首先’？”我问。 “是对，然后再从傻瓜飞跃到学者。”教授开始整理讲义，“关于辩证法为什么不解决问题，如何把人变成傻瓜，以及怎样实现从傻瓜到学者的飞跃，这是下一节课的内容。” 教授一蹦一跳，走出教室。第二堂课：教授说：“下面我们讲一下辩证法的用途。我们要举一个更加复杂的例子：如何看待中国传统文化？” 我说：“那一定要用辩证的观点。” “对。我们有许多大牌的辩证法学者，他们会充分利用辩证法的三大规律，理论联系实际，旁征博引，纵横捭阖。下笔万言，紧绕主体。最后给你得出一个结论：要取其精华，去其糟粕——你佩服不佩服？” “是啊。辩证法不是很有用吗？” “以前我也这样认为。直到我见到一只丧家的野狗——它改变了我的看法。” “野狗？”我莫名其妙。 “是的。我家屋后有个垃圾堆，有一天来了一只丧家的野狗。它对其他东西看也不看，‘喀哧’一口，咬住一块骨头。” “这毫不奇怪，所有的狗都会这样。”我说。 “不错。问题是对于狗来说，这块骨头就是‘精华’，垃圾堆里除了骨头以外，还有砖头，铁块，破水桶等等糟粕，他为什么只要骨头这个精华呢？他怎么知道取其精华，去其糟粕？难道它已经充分理解了大牌学者们的论述了吗？”

自编程序无法产生真正的智能。模拟智能的关键部分：自编程序，我认为它还有很大的问题。问题就在于归根到底系统还是由最基础的程序来（底层规则）运行，你需要证明，这个底层的规则为什么一定能产生出“高级智能”。底层规则说到底（不论为它编写怎么样的随即程序）还是遵循形式系统。我们可以假设rui先生的自编程序可以产生真正的智能，那么反过来问一下：是不是能产生真正智能的系统都有相同的底层规则？如果是，那么必然存在一条智能的根本规律。如果不是，那么你编的智能系统和我编的智能系统又会有什么不同？同时还需要证明：为什么两个不同的底层规则都能产生出高级智能。同样的问题还有：怎么判断这个底层规则到底是不是真的底层规则。如果不是，那么真的底层规则是什么？在底底层进行编程和底层进行编程都能得到高级智能吗？如果都能得到高级智能，那由底底层自己演变出的底层程序就会把人编的底层程序当作非智能，显然不同级别的底层程序无法产生相同的智能。其实业产生不了真正的智能。

人工生命：探索新的生命形式[李建会] 生命是什么？它是如何起源的？我们可以创造生命吗？这些是人们一直在探索并试图回答的问题。20世纪60年代，人们破译了遗传密码，70年代遗传工程有了重大突破，80年代人类又计划测定人类基因组的碱基序列。很自然，生物学研究接下来的一个重要目标就是用人工的方法创造出生命。当然，以现有的生命物质为基础是人工生命合成的一条重要途径，然而，在生命起源的机理尚未清楚之前，这样的合成的前景并不乐观。那么，我们有没有其他方法人工创造出生命呢？计算机科学的发展为我们提供了一条新的研究思路，即我们可以尝试在计算机或其他媒质中创造出新形式的生命。这就是80年代末90年代初在国际上兴起的一股探索用非有机物质创造新的生命形式的研究热潮。这种拟议中的新的生命形式被称为“人工生命”。人工生命概念一提出，立刻得到世界各地学者的热烈响应，吸引了众多学者参与到这一新兴的研究领域中。人工生命的研究进展一度成为《科学》（Science）杂志和《科学美国人》杂志报道的热点。人工生命不仅对传统生物学提出了挑战，而且也对我们最根本的社会、道德、哲学等的观点提出了挑战。一、人工生命研究的兴起1．生物形态发生和自我繁殖的逻辑人工生命和人工智能是两门相近的学科。虽然它们的目标不同，发展先后也不一样，但它们智慧的种子几乎都是在相同的时代由相同的人播种的。它们共同的智力先驱就是阿兰·图灵和约翰·冯诺伊曼。阿兰·图灵是人工科学的第一个先驱。他在20世纪50年代早期发表了一篇蕴意深刻的论形态发生（生物学形态发育）的数学论文（1952）。在这篇论文中，他提出了人工生命的一些萌芽思想。他证明相对简单的化学过程可以从均质组织产生出新的秩序。两种或更多的化学物质以不同的速率扩散可以产生不同密度的“波纹”，这如果是在一个胚胎或生长的有机体中，很可能以后产生重复的结构，比如腺毛、叶芽、分节等。扩散波纹可以在一维、二维或三维中产生有序的细胞分化。在三维空间中，它们比如可以产生原肠胚，其中，球形的均质细胞发育出一个空心（最终变为管状）。就像图灵自己所强调的那样，进一步发展他的思想需要更好的计算机，而他自己只有很原始的计算机帮助，所以，他的论文尽管对分析生物学是一个重大的贡献，但并没有立刻产生作为一门计算学科的人工生命。冯诺伊曼也是人工科学的先驱。20世纪40年代和50年代，他在数字计算机设计和人工智能领域做了很多开创性的工作。与图灵一样，他也试图用计算的方法揭示出生命最本质的方面。但与图灵关注生物的形态发生不同，他则试图描述生物自我繁殖的逻辑形式。在发现DNA和遗传密码好几年之前，他已认识到，任何自我繁殖系统的遗传物质，无论是自然的还是人工的，都必须具有两个不同的基本功能：一方面，它必须起到计算机程序的作用，是一种在繁衍下一代过程中能够运行的算法；另一方面，它必须起到被动数据的作用，是一个能够复制和传到下一代的描述。为了避免当时电子管计算机技术的限制，他提出了细胞自动机（简称CA）的设想：把一个长方形平面分成很多个网格，每一个格点表示一个细胞或系统的基元，每一个细胞都是一个很简单、很抽象的自动机，每个自动机每次处于一种状态，下一次的状态由它周围细胞的状态、它自身的状态以及事先定义好的一组简单规则决定。冯诺伊曼证明，确实有一种能够自我繁殖的细胞自动机存在，虽然它复杂到了当时的计算机都不能模拟的程度。冯诺伊曼的这项工作表明：一旦我们把自我繁衍看作是生命独特的特征，机器也能做到这一点。冯诺伊曼的人工生命观念，与图灵关于形态发生的观念一样，被研究者忽视了许多年。这些人主要把他们的注意力集中在人工智能、系统理论和其它一些研究上，因为这些领域的内容在早期计算技术的帮助下可以得到发展。而探讨图灵和冯诺伊曼的人工生命研究的进一步含义则需要相当的计算能力，由于当时没有这样的计算能力，它的发展不可避免地受到了限制。[1]

关于科学、逻辑及Rui先生的杂谈昨天下午开始病毒发作，网络也瘫痪，帖子也发不上去。现在才正常。废话不多说，说正题。逻辑的前提条件是一堆的规定，我们不需要管这些规定是不是在真实世界中合理的，我们的目的是用这些规定来进行推理，得到符合逻辑的结果。如果一开始又把生活中的常识弄进来，又把逻辑推理的谓词演算规则弄进来，那么这样混在一起的叙述必将是一塌糊涂，乱花迷人眼。学物理的都会学到一个科学方法，就是先以最简单的情况开始研究，然后逐渐加入附加条件，而不是一开始多种因素都一起讨论，这容易给混淆是非的人以空间。在这个大前提“三只脚的牛是牛”中，不用管真实世界的牛是几只脚，因为这是规定，要根据这个规定进行推论，从中发现逻辑错误。当然我们可按照rui先生的理解把“三只脚的牛”定为A ，另一个“牛”是B，那么这道逻辑题就变成了这个样子：A是BB有四只脚A有四只脚很明显，这种逻辑没有丝毫问题。然而为什么rui先生得出的结论是：逻辑错误，并且用了很多逻辑上的术语来进行自圆其说呢。他真正的乱了，乱在把逻辑与现实一会儿联系在一起，一会儿又分开，用这种办法来对他的对逻辑的错误解释进行圆场。加上rui先生的博学多闻，这种圆场看起来有声有色。rui先生把这“三只脚的牛”一会儿当作A，一会儿又拆开说，一会儿又把现实中的牛（未定义的牛）拿来说，云里雾绕，把本清晰的东西搞的混沌无比。如果拆开说，那么“三只脚的牛”中的“牛”和“是牛”中的“牛”就是同一个意思，这是无限复合命题，这在我前面的帖子上已经说的很清楚。这也很容易看出来。而如果把“三只脚的牛”当作A，把“是牛”中的“牛”当作B，那么逻辑就上我上面说的样子，也很清楚。这种如此清楚简单的逻辑为什么到了rui先生这里就变的复杂无比、云雾缠绕、概念横飞呢。我不知道为什么会这样，但我深信《科学是什么》作者说的话：科学的理念是很朴素的。正确的东西往往也是很简单的。逻辑本身不会包含现实世界的信息，但逻辑会用于现实世界。这个道理和数学不包含现实世界信息，但数学也会用于现实世界是一样的（可以去看本吧里薛兆丰的“数学为什么会应用自然科学”的文章。在rui先生对这些逻辑的分析中，显然把“牛”这个符号想当然的赋予了现实的含义，然后根据现实中的牛进行概念的含糊的引申，比如什么“畸形的牛”之类的说法，引导人们在进行推理时把真实世界与纯粹的逻辑搅和在一起，从而到达搅浑清水。科学研究必须研究真实世界的现象，但逻辑本身却与世界是真实无关。不了解这一点，就不会真正的认识逻辑。Rui先生犯的错误就在于此。这种错误跟讨论1+1=2时非要说一个男人加一个女人等于三个孩子从而认为1+1=2是错误的逻辑完全一样。1是符号，不代表世界的任何含义，这是人的规定，人们的这些规定加上逻辑推导得出巍峨的数学大厦。这作大厦不是因为有人说一男加一女等于三个人而轰然倒塌的。同样，rui先生出的逻辑题也不会因为现实中有了什么所谓的“畸形的牛”而变的晦涩难懂、非要所谓的高人才能明白。我相信，知道道理说的足够直白，不认字的大妈一样的会明白。rui先生很多叙述如果再简明一点（我相信可以做到），就非常的好了。简明的好处是：对就对清楚，错就错的明白，既有利于自己理论的精炼、又利于其它人的阅读、更不给混淆视听的人以空间。当然不是说任何东西都是一句话说清楚的，比如人工智能是怎么才能实现，当然不是一句话说清楚的，要分成很多部分，又分成很多小节，但文章中粒度最细的那一级一定要清晰明了，而不能含糊不清。科学的发展，并非一直是逻辑在起作用，这是要承认的。科学讲求“大胆猜想在先，小心求证在后”，这“大胆求证在后”就要用到人类的逻辑本领，而“大胆猜想”却有很多是属于直觉、灵光一闪之类、或者胡乱猜想得来。猜想出来的东西要经过认真的验证来去伪存真、化繁为简。据我发现，很多科学成果是在某一位科学家的灵感一现或者尝试猜测出来的。而且有一个有趣的现象是：很多职业逻辑学家往往在科学发现上的贡献要相对的少一些。在爱因斯坦与一位逻辑学家（名字记不清了）的通信中，这位逻辑学家的描述要更清楚和合理一些，但爱因斯坦的科学发现要远多于他。这是另外一个话题了，不多说了。

什么是科学。这里面有很多关于“逻辑是什么”的讨论。http://post.baidu.com/f?kz=110349454来自“人工智能”吧。

智能识别不需要划分范围智能识别不需要划分范围，如果划分了范围就变的和专家系统没什么两样。人类在搜索事物的时候有逐渐缩小范围的好习惯，因此在模拟人类识别或思考能力的系统也自然而然的走模拟人类划分范围的路子，然后，人类划分事物范围这种本领带有很强的主观性，主观性强的东西不适合于机器来模拟，机器应该模拟的是主观性背后的客观因素：即人类划分事物范围的本质是什么。模拟了划分事物范围的本质，那么机器自然会表现出划分事物的特性。而不是舍本逐末。以人类思维是由反射生成的理论为依据，有的人开玩笑说：1＋1＝3(男、女和孩子），这只不过是他的反射链条链接到了另一条幽默的链条。如果由机器回答1+1的问题，机器也会搜索和1+1有关的链条，然后得出答案。问题是和1+1有关的链条有多个，系统为什么选择等于3这种看起来幽默的回答而不是等于2这样严肃认真的回答呢？我认为这是系统随机和控制一起作用的结果。有时候我们脱口而出一个答案，这是链条随机选择的结果，有时候我们认真思考后得出一个结果，这是控制选择的结果。不管是随机还是控制，都没有涉及到划分范围这样的问题。如果人为的为机器神经链条选择划分范围，那相当于让人来代替机器来思考，这样的思路走下去必然是回到了以往的人替机器做好一切的老路上去：人为机器选择划分范围、人为机器判断定下规矩、人为的为机器注入幽默感等等。这样做的结果是机器丧失了自我意识，而且需要人做的东西会越来越多。走错了一步，就会走错好多步。