永不下车 第二二一章 四色

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：

超越人类的分析、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超越人脑的智慧。

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、存储器件具有远超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超人类的意识和思维能力。

而“国际商用机器”在夏洛特的研发中心负责人工智能方向的aig15都主攻这一领域在方然的aig4“阿尔法”组的主要方向是新架构即在不改变现有硬件基础——数字逻辑电路的条件下提出创造性的新架构试图创造出能力更加强大的人工智能或者让现有人工智能的算力需求大幅下降。

与前沿探索的“阿尔法”组不同“贝塔”组的方向则更加现实专注于现有人工智能体系的调整、优化在应用平台上混合ai与传统逻辑模块提升系统的实际性能。