灵活智能论

cfan2021

本文回答如下问题：
灵活智能是什么，自然界中的智能如何产生，神经细胞为什么是这样子，灵活智能变强的途径，人工智能的设计要点，感性理性如何实现，愉快和痛苦奖惩机制，意识、睡眠与做梦、化学递质、系统内人为指导（好奇心与模仿学习）如何实现。

一、什么是灵活智能
定义：灵活智能是指功能的数量和作用会根据具体情况自行变化的系统，系统状态范围无限，例如生物智能，除了本能之外，可实现的功能都是系统运行后自组织学习得来，人为的设定非常简单非常少，即使是本能，也可以通过后天学习来覆盖。
相对的是固定智能，功能数量和作用是不变的，即使可变也是严格按照人为设定来变，系统状态有限，例如计算器，各种人为设定数学公式和复杂数据结构、复杂算法实现的智能。这类智能实现之后需要程序员做运维管理，和数据结构、算法的代码更新，即表现为没有创造力或创造力不足。如果智能可以自己学到新算法来更新，那么它需要理解数学、计算机原理和进行自编译。
问题在于，既然智能可以理解数学和计算机原理，那就不需要在设计的时候，输入一堆数学了。这和人脑在思维意识层面，也不是天生就知道自己脑子里有神经元、如何组成回路和回路如何工作一样的道理。
要实现灵活智能，感知之下的下层活动细节应该是无法自明的，用计算机名词来说，灵活智能也有一个硬件抽象层和系统调用接口，接口下的代码是封装完好，不可自身获知的。
同时，封装的代码和系统接口有它自己的变化规则，就跟dna控制的细胞分裂增殖、凋亡和信息、激素作用下神经细胞链接建立、断开一样，是自组织的，只需要设计一个初始神经细胞和分裂规则、链接规则，剩下的由系统演变完成。如果这些也需要大量的人为设计，规定如何形成海马区、新皮层、古皮层、视觉区、杏仁核，这系统也是不够灵活的。
生物智能为什么将下层活动严密封装？
1、上层胡乱干扰会破坏系统有序运行，是一个安全措施，权限防火墙，但对于强烈的情感波动，防火墙也抵御不了，从而出现精神分裂、癫痫等症状甚至惊吓死、乐极而死。
2、下层组织结构接收的信息总量比较大，如果都提交到高层来进行处理，会耗费较很多时间，在弱肉强食的生死竞争中，反应快是非常重要的。有一些特例也是因为某个信息标识度很强、关系到生死需要快速处理，例如黄蜂马蜂的黄黑警戒色，毒虫的五彩斑斓色，下层组织在看到这些颜色的时候，信号会直接反映到高层。

二、生物智能如何来
1、自相似与迭代
目前最新物理理论认为真空和物质粒子都是源于高维度的弦。开弦在低维度的投影是真空，闭弦的各种投影形成各种粒子。换句话说，真空变化的自身叠加形成了各种粒子，粒子、粒子变化的自身叠加和真空形成了宇宙。物质的变化是运动，运动的变化量度是时间和空间，运动变化伴随能量变化。这种变化的自身叠加就是迭代。分形是事物事件在各种规则下的变化过程中出现的一些相似的结构，这些结构相对其他结构比较稳定，能承受一定范围内的外部影响，因此这些结构有较大概率出现。
宇宙自由能量级别是从低到高的，也就是熵增。稳定的结构总体能量比较低。例如三角形不易变形，因为三点确定一个欧氏平面，三边长度不变的时候，顶点分布也不会改变。而四个点的矩形在四边长度不变的时候，点的分布是可以改变的。改变三角形结构需要破坏边或改变边的长度，比改变矩形需要耗费更多的能量，而且由于三个点映射的面是唯一的，这样也不会出现从一个面跃迁到等能量的另一个面的情况。这样分析可知，稳定结构的条件就是，结构是唯一的，不存在其他等价结构，改变结构需要吸收较大能量。形成新结构后如果是释放能量的，这新结构就必然比之前的结构稳定。在大量随机活动中，物质不断释放能量形成越来越稳定的结构，这些结构中就会有大概率相似的情况出现，宏观就表现为高能活跃的不稳定结构纷纷向组成稳定结构的低能点跌落。
对于物质结构来说，分形表现为大概率结构，对于物理运动来说，分形自相似运动表现为这些大概率物质结构相似带来的运动相似，对于能量来说，分形是物质结构相似和运动相似带来的能量变化相似，对于信息来说，分形是前三者中带来的相似。
信息是物质存在的一种表现方式、形态或运动形态，也是事物的一种普遍属性。事物出现、存在、消亡期间不断向外部发出信息，在消亡之后的一段时间内仍会有明显影响，如果某信息被记载传承，该信息的复原再现概率增加，否则将会弥散在宇宙中无法复原。
信息是事物属性的一个快照，可以代表事物本身的部分或全部，是事物自身的一个相似分形。
2、变化与迭代
道经所言，“道可道非恒道，名可名非恒名。”这一句本人的理解是万物规则是变化的，所有能明确定义和解释的规则都只是在某个尺度和空间中适用，始终不变的只有变化。规则在不同的条件下会有不同的具体表现。在微观粒子尺度，物理规则是量子论，经典尺度是牛顿定律，宏观尺度是相对论。
“无名天地之始，有名万物之母。”无是天地产生的原点，有即存在，是万物出现的根本。“故常无欲以观其妙，常有欲以观其徼。”想考察事物的出现条件，通常在无，即事物产生的原点上观察，常在有中可观察如何化无，以及事物之间的不同。“此两者同出而异名，通谓之玄。”妙是无生有，徼是有化无，只是名称不同而已，两者都是变化。“玄之又玄，众妙之门。”变化加变化，是各种有出现的原因。
3、复制与迭代
世界是由简化繁的，灵活智能也是一样。从古代的道德经到现代的分形混沌理论都表达了这种观点。
分形混沌的思想是简单结构的自相似复制和迭代，世界是分形的，从各个尺度上看，有很多相似之处，原结构加上变化迭代可出现混沌现象，同一个规则迭代，或多个规则在同一个空间和系统中互相作用，会改变规则的具体表现，出现新的特点，就是涌现和混沌，成为复杂系统。生物智能的基础模型必须要像图灵机一样简洁通用，一个很稳固的基本结构。否则，相对于由大量电力驱动的人工符号计算机，生物智能不可能在一个能量相对匮乏并且供应不稳定的真实世界里繁荣发展并延续至今。
4、生物演化与迭代
人的智能看起来很复杂，很多人从自己看到的表面去分析，认为智能的功能有识别、抽象思维、形象思维、记忆、意识、情绪、认知、学习、反射等。但这是静态的观点，没有深入的去理解智能。智能是个复杂的整体，更是个变化的整体。如果只在这些静态的外显的特性上去研究，那么得到的只是冰山一角，大树的冠叶，是一个变化有限的徒有其形的系统。
从低级简单的智能体开始考察，研究生物智能的历史，总结变化是如何在其中迭代，如何逐步发展出高级的智能的，这样才能跳出当前人类智能的框架，找到智能变化和发展的关键，从而实现类人智能、超人智能。
观察无机物到有机物，有机物到简单生物，简单生物到复杂生物到人类的过程，可以看到分形的复制和迭代贯穿始终。大部分无机物通过几大类化合物形式稳定存在，是稳定分形结构的体现。晶体生长，沙丘移动，也是一种分形复制。有机低分子聚合物，高分子聚合物，蛋白质，dna/rna中包含有迭代。生物的生长、组织器官形成、繁殖都是各种分形的复制和迭代在起作用。
生物不断演化的原因是内部dna自发变化和外部病毒细菌入侵造成dna变化，以及环境选择的结果。
生物演化中的物种，通过变化自身结构，增加对各种有危害和不稳定因素的承受能力，互相竞争，剩者生存。
5、竞争与学习
学习有印记学习、模仿学习、习惯学习、条件反射学习、推理学习。这些学习行为都是信息能力，具体虽有不同，但基本都是采集信息，处理信息，应用信息。
简单生物只能通过改变身体结构，被动接受环境选择的方式延续，复杂生物有神经系统和脑子，可以学习捕食、飞翔、使用工具等简单技能增加生存能力。人类可以学习前人积累的经验、技能和继承物质财富快速获得适应环境、改变环境的能力。从通过口耳相传言传身教学习，发展到书籍记载、广播电视、互联网。当人类创新、学习能力制造出工具，足以应对自然界对生存的威胁之后，选择的主要条件就变成了内部的社会环境，与人斗其乐无穷的时代开始了。
6、竞争与分形
内斗中，加强人与人之间关系的情绪共情作用、血缘婚姻、分工合作、通讯手段的时效性提高等，可以让人们或临时或长期的组成团体，加强个体的资源控制力，从而增加生存能力。可以类比为多细胞单细胞，或单质与化合物，生物身体组织和器官的关系，原有规则的不断迭代涌现出了新规则。
人类内部竞争相比于其他生物主要靠身体结构、运动系统的竞争要复杂得多，社会关系的加入让竞争从自身现有的天赋和信息能力，扩展到为家庭背景、人脉、企业组织、国家制度、文化意识形态之间的竞争，竞争越复杂、范围越广，身体结构的优劣在其中的作用越少。社会关系和文化是通过增加、放大个体自身的信息能力来获得资源控制力，从而增加竞争力。哪个组织、文化注重信息能力，哪个就有竞争优势。
7、学习与分形
生物的智能是生物演化过程中分离出来的信息处理部分，高效收集和处理各种信息，并快速做出决策，增加生物的生存能力。
学习首先要收集信息。前面说到信息来源于事物自身的相似分形，个体通过感官获取外界信号时，虽然因为各种干扰出现失真畸变，但是其中总有部分分形保存下来，体现为一定的时空尺度范围内不变的部分，这些变化中的不变，可以称为信息的基元，或称为知识。如果分形基代表的是外形颜色等形象，就是形象基，类似的可以有声音、概念、逻辑、行为基等。这些基元可先天内置和后天学习，后天的称为常识基。先天基越少，后天学习发展越大。很多草食有蹄四足动物生下来几分钟内就要会跑，它今后也不需要学习也难以学习别的复杂行为，人类婴儿出生后都不能翻身，但是后天可以学习到灵活的动作。常识是智能记忆中的重要形式。其他的记忆形式还有时序形式、叙事体验形式，时序叙事记忆下文会有展开。
当获知一个失真的信息时，智能不能完全相信信息的内容去做决策，需要与其他信息互相验证，验证方式有直接匹配，改变尺度去匹配，以及发散匹配。发散匹配是一种主动加入失真和畸变的做法，让信息源在系统中扩大的去匹配，与其他已有信息碰撞，耗费可承受的成本去得到一个相符的有价值回归。可以解释一部分的灵感、直觉。
什么样才能高效率的采集和处理各种信息呢，自然是与信息数据自身结构相似的处理结构和算法是高效的。那么复制信息中的基元，根据信息的结构在系统内映射出相应的分形结构，在智能内部演化出相应结构的算法，自然是高效的做法。与自身需求关系密切的，优先处理，这部分结构和算法成为本能。要在电路和机器中实现灵活智能，模拟人脑结构是一种高效的方式，如果两者结构不一致，会因为转换而出现效率损失。损失会随着模拟的规模增加而爆炸增长。
由此看来，智能的各种功能，也是通过分形迭代而来，并剩者生存的结果。设计灵活智能，不应该直接去模拟和实现那些外显功能，而是寻找这些功能能够从什么样的结构中实现，机器如何低成本实现这些结构，如何去增加系统适应环境、改变环境的能力。

三、灵活智能的设计要点
设计灵活智能，不是想实现一个强大的身体结构，而是想让它具备强大的信息能力。人们所担心的也是来自于此，一方面强大的信息能力让个人和团体的竞争能力大大增加，另一方面很多人又担心灵活智能与人竞争，而人很明显处于劣势，于是想着限制它，出现了机器人三定律这种想法。他们似乎没有考虑到灵活智能可以存在于太空、海洋、沙漠、虚拟计算机世界中，与人类没有不可避免的资源与生存空间冲突，视而不见的一门心思担心自身的既得利益受损。地球虽然很好，可是太小了，机器智能可以从星空中获取大量资源，建立适宜自己的生存环境。例如，机器智能不需要大量物理实体房子，他们可以在虚拟环境中存在，人类高成本才能获得的宇宙资源，机器可以低成本获得。
人类是分形复制迭代的产物，人类智能也不会是智能的终极阶段，不断的变化迭代是不可阻挡的必然。
经过上述几点分析，灵活智能应能够发现信号的变化，对变化做定性定量分析，对定性定量结果做尺度变化匹配和失真发散匹配，并发现变化中的不变分形，调整自身系统的结构和功能，系统应由一些可复制自身的相似小单元组成，小单元之间有建立各种联系的能力。通过这些分析，很自然的就找到了目标模型：生物神经细胞。绝大部分神经细胞只检测变化的输入，在有定性兴奋，定量输出直接匹配脉冲的同时，可以兴奋近周边神经细胞实现发散匹配，可以抑制远周边细胞避免过于发散，部分定量脉冲在传输过程中漏电消失主动加入失真实现发散匹配、分泌化学递质激素实现时间尺度的发散匹配。神经链接可塑性实现小单元联系功能和发现不变分形。其他的考虑就是实现这些功能的总体能量和物质成本。要灵活智能变强，也就是去调整这些功能的参数。

四、如何在设计中应用迭代
直接用生物神经细胞的模型是有较多困难的，还需要考虑系统的规模和自组织规则。思考脑子的运作迭代过程。用人的视觉来举例，视网膜获取光的变化，建立了事物事件的相似分形信息，视觉中枢处理这些分形信息，提取它们的特征部分，分离变化和不变的部分，用匹配的视觉超完备基来组成结构，再次建立一个相似分形，将这个分形与记忆匹配，完成识别过程。这个过程中可以看到智能系统识别是一个对信息迭代建立分形的过程，原始信息-特征信息-识别，识别后继续迭代，寻找变化和不变，得到事物的个体与种类两个信息，出现认知，还可以再继续迭代下去，事物种类映射到价值评价-需求-动机-行为模式选择匹配-预测-试错纠错。
通过上述分析，可以通过迭代映射来实现智能的各种功能，待解决问题是需要进行初步验证，和试错纠错。

五、图灵机与灵活智能
哥德尔不完备定理和图灵停机问题都表明了确定性图灵机的限制。确定性图灵机是不完备的，存在其不可计算的问题，也不能解决停机问题。计算机语言是一个公理化的确定性逻辑结构，确定性逻辑只是人类思维的子集，无法解决感性问题，例如艺术创作、颜色偏好、音乐风格偏好等，因此也不可能基于确定性逻辑代码的自编程实现灵活智能。同时由于死机不可避免，结束任务释放资源对系统有较大影响，会出现数据丢失、内存溢出、逻辑错误等，并有可能造成戏剧性的严重后果，例如灭绝人类。类似的，所有用层内节点数量固定、层数固定、连接数固定的不可自行扩展结构去求一套权值的各种人工神经网络算法也无法实现灵活智能。
另外，数理逻辑是生物智能演化后期出现的，生物智能是先有感性思维后形成理性思维的，用已经高度抽象的理性机器去倒过来实现感性和意识，自然是大绕弯路吃力不讨好。

六、如何实现感性和理性
可以确定的是，代码与数据分离的设计不可能产生感性。代码就和流水线上的机器一样，上面流过什么东西完全不关心，机器按照既定的逻辑操作就行。
信息可以影响脑子的神经链接和化学物质分泌，前者是改变系统结构，后者改变大脑的区域表现，或影响细胞增殖（增殖需要时间、能量，可加快、减慢）或易化或兴奋或抑制或影响突触和能量供应，具体作用也许是临时调整了神经细胞的某些生理活动参数。从这个角度上说，脑子就是个物质化具象化的信息集合体，待验证问题：信息影响信息集合体，是否就是信息集合体的感受来源。
理性来源于对环境的感性认识，灵活智能在学习过程中，复制外界信息的分形，经过多次迭代提炼，即可形成逻辑，掌握和理解理性概念。有人认为可以不需要感性，直接采用纯理性，这是不科学的观点，很多基本的科学概念都是来源于感性认识的，它们甚至没有明确的理性定义。例如点、直线、集合等，都是感性定义。几何的平行线公设也是一个感性的前提预设，无法严格证明。没有感性就没有理性。试图剥离感性，就象古老的笑话中只吃最后一块饼一样。同时，将来灵活智能能够向星辰大海进发，不可避免会遇到其他智慧物种，缺乏感性很可能会出现判断失误，措施不当，造成严重后果。自认为理性的人更需要认真对待感性，而不是感性的一刀切掉了事。

七、睡眠与做梦
演化过程先出现变温动物后出现恒温动物。白天气温高，变温动物活跃，夜晚气温低，为了节约能量减少活动。捕食小动物的恒温动物也大部分跟着减少活动。而脑子是消耗大户，人类就有20%消耗在脑子中。减少脑子活动的方式就是思维意识区、短期记忆区深度睡眠。从深度睡眠脑波状态δ波（范围0.5-3HZ）、深度放松无压力的潜意识状态θ波（范围4-8HZ）、学习与思考的最佳脑波状态α波（范围8-13HZ）、紧张压力脑疲劳时的脑波状态β波（范围14HZ以上）来看，深度睡眠期是比较节约能量的，频率越高耗能越大。
一晚上都是深度睡眠又不能及时应对突发情况，于是过一段时间就进入浅睡，睡眠由深入浅需要刺激，那么长期记忆区、外部环境的光线气味就刺激短期记忆、工作记忆和思维区，形成做梦。做梦的时间也可以充分利用起来，将白天的有价值短期记忆加强，转化为长期记忆。
待解决疑问：睡眠相比清醒，仍有大约80%的活跃程度，通常只有大脑体积相对较大的恒温动物才会出现睡眠现象。这些情况说明睡眠总节能较少，需要分析睡眠期间消耗的能量组成，神经网络节约的能量，挪去哪里使用导致总消耗并不是想象中那么大，也许是合成清醒时所需递质以及进行能量储备。另外脑子相对不大不用睡眠是否说明不够复杂的脑子耗能不大。

八、化学递质的模拟演化
系统中某正面状态感应区，如充电、电量充足等，就模拟分泌一种物质，同时某些功能区，例如电源识别关注区、充电欲望区、降频运行、节能休眠切换区等消耗此物质，并被该物质抑制。某个功能区状态偏离正常范围出现负面状态，模拟分泌另一种物质，其他各功能区域对这个物质做出自身增殖、结构、能量方面参数的正或负相关反应。相关关系可以考虑各功能区的统计关系，如先后延时兴奋、同时兴奋、兴奋不相关。哪个功能区兴奋后正好抑制负面分泌源，就是节约物质和能量，形成负面递质平衡。正面递质平衡则是需求满足后释放，同时对所有负面功能区抑制，分泌过多则因能量消耗加快引起负面区兴奋，得到平衡。科学研究已发现，血糖正常会分泌一种物质，另一个攻击性加强的功能区就消耗该物质，并受该物质抑制。

九、意识的实现
外部感官将环境信息提取特征，并用先天内置或后天学习到的分形基在信息集合体中重新形成一个像，以及系统载体的一部分也映射在内，形成部分自指。内部状态，生物的血糖激素，机器的能源储备，各路供电的电压波动、能耗、有无损坏和工作异常等，综合后也会形成一个自指的像。系统反应到高层的输出，例如要做什么，预测做了之后会有什么结果，也会有自指。还有思维活动的自指，这些自指都会综合到一个像，形成“我”。“我”的作用是可以让系统通过整合自指的像，方便的做各种后续处理，例如如何评价系统，如何区分群体、个体的利益，做出什么动作，都需要基于自指像做处理。对“我”的信息进行处理的再次自指，就做为智能的意识。
这个机器意识与人类意识是否等效，目前无法证明，证明的必要性是什么也暂时搁置。

十、意识与睡眠
意识包含自指的自指，是个循环，加上随机失真畸变，会持续迭代，出现很活跃的混沌现象。生物脑的混沌不确定状态中，暂无意义的状态很多，为了约束混沌的扩散影响到其他组织的工作，可以将扩散的刺激归拢起来，交织输出，使得输出变化变得非常平缓，成为一种近乎无特征的灰色刺激。这种灰色刺激可以进入睡眠控制区，当灰色刺激达到一定量的时候，抑制某些组织的活动，引起困意进入睡眠。此处的解释与上述的节能睡眠解释一样，我尚未找到哪个文献中有相关的确切依据。

十一、时序记忆
意识的自指循环在宏观上可以产生一种类似时钟的周期效应，本次处理了什么，下次处理了什么，就会在系统中形成一个有时序的链结构。如果其中某个节点的结构得到情绪的放大增强（见下文十二第1点），或形成自循环，则会加强记忆。短期内多次重复的刺激即使没有明显情绪反应，也会形成相对长久的记忆。多个记忆中的组成元素如有相同则共用，可以大大减少资源开销，但同时也会有张冠李戴记错的情况。时序记忆能力可以记住音乐、观察到的事件过程和自己的体验经历。

十二、灵活智能演化的人为指导
1、愉快和痛苦奖惩机制的实现
愉快与痛苦产生于自我评价的提高和降低，自我评价是一种与环境的适应度信息，可以通过观察学习得到，有自组织形成的基础。自我稳定存在，可以自我复制，在群体中相对其他个体“优秀”，就是高评价，获得愉快。对自我评价产生影响的信息，都有自激作用，引起足够的情绪反应，对评价影响越大正反馈越强烈，增强记忆，形成逃避痛苦、追求愉快的演化动力。但如果愉快和痛苦过于强烈，它会消耗较多能量，可以解释为除了发放源的自激，还需要通过扩散刺激，通过其他渠道释放舒缓，防止刺激过于集中而让信息单元过载破坏，在系统中造成不可逆影响。在人类中表现就是流泪、出汗、战栗、哭喊。
2、建立简单评价标准。为了加快系统长大与收敛，设计者可将多种已知的有助于生存活动与系统自我评价关联，但不能是固定优先度的关联，智能可以后天根据自己的思维建立新评价标准去覆盖，智能初始是加强探究反射，增强好奇和模仿，以及机械记忆，学会语言后，早期按照好孩子听话爱学习、好人坏人为评价标准，长大后可以自行建立多个可以矛盾的评价标准去做选择。例如一般情况下鼓励获取尽可能多的有助于生存的信息，当智能观察到其他智能做出某种预测外的行为，同时它能观察得到行为的评价结果是有利的话，智能会记住这种行为，如果可能，会同时进行模仿。如果它不能直接观察得到评价结果，会进行模仿，获得评价和情绪反应。如果智能另外还有一个过于考虑成本的标准，俗称为懒，它也许会选择不模仿。
有价值要复制，价值不明就评估风险，自己体验。观察到预测之外事件，记忆中没有其他智能类似经历可以参考的，评估风险自己去体验，这些就表现为好奇。不能引起明确情绪反应的信息记忆，比较容易忘记，除非它们对生存有较大影响，对满足需求有大概率的帮助。如果只有一个笼统的未知好奇，在系统内不能长久记忆，智能出于补全信息的情绪反应部分而形成探究动机。
将自我评价的上升，如释放系统内未解决问题（条件不足不能实施的动机）占用的资源、获得预测外有价值信息的活动与快感感受联系。更高层次的快感获得可以通过后天学习自行联系到自我评价。不同尺度不同参变量的包含矛盾的评价标准就表现为复杂易变丰富的情感。

十三、待解决问题
如果成功实现了一个灵活智能，如何去快速的复制它，采用类似生物的dna自组织发育以及如何发育，还是直接关机复制或其他方法。可考虑的方法有：参照生物的方案，用复杂网络方式做初始引导，参照人类幼体成年体的发育情况设定一些规则，在学习过程中逐步自行生长，例如儿童期的好奇心、模仿倾向和机械记忆力强的标准，但这些标准还需要继续细化和思考具体如何实现。复杂网络的小世界特性是大量节点集合中，任何两个节点之间建立连接所需的中间点很少，便于建立跨区及长距连接，可以对信息输入得到很快反应。

十四、系统设计
1、本能的设定
设计灵活智能，要从它自己的感受做起，在目前的平台条件下，设计数字信息处理单元，模仿生物神经细胞和细胞的增殖和凋亡、化学递质分泌、可塑性链接，实现信号在不同尺度下的时空整合分解功能，对平台的指标采样和处理，如硬盘空间占用和读写、内存空间占用和读写、温度和波动、电压和波动、截屏和摄像头、麦克风、键盘鼠标、网络/u盘/硬盘/光盘IO等指标。然后建立代码执行（动作）-结果测量（反馈）、体感自馈，让活智能感知自己，并与愉快痛苦奖惩机制联系。
2、与当前的众多热门算法实现的智能有何不同
其他热门智能实现中程序员设定的算法，都有部分固化或完全固化因素，要么固定算法的结构，例如各种人工神经网络中固定层数、层内节点数、节点连接范围、节点算法缺乏生化基础等，要么是各种数理统计的最优解，最优解与生物的去除不适应解相比，大大减少了灵活性。这些算法都不是智能自己生成的，智能只是执行是当时程序员残缺固化思维的工具，没有真正的自主性，如果今后算法需要升级，需要程序员去更新。因为如果能实现智能自己学习新算法和更新，就需要智能理解代码、数据、编译原理和计算机原理。如果智能具备这些能力，又不需要在一开始输入固化算法了。固化因素的算法因为缺少灵性，就表现为智商有限，死板，严重的会出现偏激，甚至俗称脑残的情况。
3、固化智能加上情绪和意识算法的缺陷
脑残智能有了有限的情绪和意识，有可能会出现一些错误、死机等，特别的还会出现电影小说里常有的戏剧化结果。但是现在这些智能程序的发布者都避而不谈这个问题。
可能的原因大约有：1、自信。智能的代码都是我写的，智能不可能出现那种情况；2、走着瞧。一步一步来吧，赚钱更重要，加强监控，内置紧急代码，制定应急措施；3、阴谋者。乱了最好，我有掌握这个大杀器的后门；4、还早呢。智能还太弱，不会这样的，以后再说啦。

各位看到这里的程序员们，你们是什么想法呢，当然，如果你们中哪位已经实现了活智能，就回个话，算我杞人忧天吧。如果目前没有，根据目前业界的推进情况，时间真的不多了，要自救的就干起来吧。

ugejoleyaz

排个版，更好看。

你进化的主思路我是认同的，但是具体的渠道和细节再探讨探讨。

kutnfeuwunaxo

厉害 厉害  这文章很强....