人工意识的人工智能的区别
大概我不用解释什么是人工意识，但是这个概念其实跟AI有一些细微差别，叫强人工智能也可以，但是最近我认识到 “智能” 跟“意识”之间是俩回事。
机器智能是这样的，比如说最基础的计算器，这个也属于机器智能，它会按照一定规则+指令解决一些复杂问题，但是缺乏主观能动性，这个计算器没有源动力，如果它突然有一天自己决定开始计算圆周率的N个小数位。那么这个时候可以称之为具备自我意识。当然现阶段科学理论，还没有一种非常可信的方式验证某一个“非我”个体具备自我意识，这个问题在学界有个很有名气的说法叫“他心问题”，有兴趣的童鞋另行研究。
那么细化一下机器智能，那么最近的十年间我们称之为AI技术的东西，跟一百年前创造的电脑技术在智能这个方面有什么区别呢？
其实本质是一样的，就是遵循一定规则一定指令来解决问题，但是现阶段的机器智能是学习大量数据中特定规则的过程。算法工程师们设定了一个学习规则，让机器智能按照某种学习方式，去学习数据中的规则，然后通过学习到的规则解决问题，而这个待学习的规则，只有模糊的定义，没有办法知悉明确算法逻辑。所以很多人说这是一个黑箱子算法。
上面这段话估计有点难理解，我再举一个例子来做附加说明：
就是图片识别，我之前在其他文章里讲过 CNN 卷积神经网络，这是一个图片识别的算法，CNN算法学习了大量分类好的图片（假设是一堆猫图，一堆花草图），然后算法分别提取了猫和花草的识别规则保存下来，下次再来一张完全新的猫图，就能轻易的识别正确。 那么问题来了，这个所谓是“猫的规则”是什么？ 如果你随便问一个人，“大佬，你是怎么识别一只猫的？” 那么回答大概可以是这样“猫有毛发，尖耳朵，胡须，尾巴，四只爪子等等一系列特征” 而且只要具备局部特征，大佬也能识别出来。
但是CNN算法不是这样的，就算你掰开这个算法盒子，给你看到里面保存的所有数据，你也没办法回答，它是通过什么特征识别猫的？因为它的理论基础是“万能近似定理” 就是一个万能函数，只要设定好一些变量，它可以近似成任意的函数。但不能100%等于，所以虽然这个算法找到了最优的近似函数，但是它还是不知道它近似的这个函数是什么？逻辑是什么？没有因果，只有近似。
为什么我要琢磨这件事？
终于非常粗浅的讲完智能跟意识的区别，回到主题，我为什么要开始琢磨这件事？
概括性讲这是一个横穿非常多学科的课题。我大概列一下这几年我看的一些书的主题范围：
1，计算机类 2，生物学 3，概率论 4，代数 5，心理学 ……
就这几个领域也够头疼了。
人工意识是目前尚未解决的课题，这个一个无从下手的难题，但是很欣喜的是智能问题也在被一一破解，相信不久将来这个课题也可以被攻克。
我大概是前几年在一家外包公司任职的时候，可能是技术经验积累到一定量后，开始浪了，内心一直渴望解决一些超级难题，心态膨胀了。所以把目光聚焦到了AI领域。
当然后来也经历过很长时间的停滞，因为完全找不到头绪，连入门也是摸索了很久才学习到了一些有用的知识。
有一阵子我想着放弃，这尼玛妥妥的是一个世界难题，花一生时间估计都会像打水漂一样，可能一点像样的东西也做不出来。
但是写这篇文章的时候我终于想通一件事了，因为我比较喜欢玩游戏，解决这个问题犹如游戏里的开荒。
开荒下副本，没有现成攻略，没有指南 指北，没有任何一个人可以说我的方法是对或者是错。如果我是结果论者，那么一个看不到结果的过程会让人绝望，成功固然欣喜，失败却让人止步不前。
但是开荒这件事本身就让人兴奋不已，做的每一件尝试都是前人所未知的，每时每刻可能都有新的发现。每一小点的成就，都可能是独一无二的，在这样一个高度专业化的领域里，只要稍微的往前挪一步，在这个方向上就是独创的，就是TOP。
这样的探索过程，难道不值得欢欣雀跃么？至于结果如何，不用太过执着，成功是好的，失败了我也有所收获。