研究杠杆的秘密实验

阿基米德对重心的研究，是从研究杠杆的平衡发展起来的。为此他写了一本著作叫《论平面图形的平衡》的科学著作。在这本著作中，他将杠杆原理总结成如下的几条定理：①重量相等的重物，加在离支点距离相等的无重杆上是平衡的。②重量不相等的重物，加在离支点距离相等的无重杆上，杆子就倾向重的一面。③重量相等的重物，加在离支点距离不相等的无重杆上，杆子就倾向离支点远的一端。④一组重物可用等重的一个重物来代替，只要这个重物的重心是在这一组重物重心的位置上。相反，一个重物，可用一组等重量的重物来替代，只要这一组重物的重心在这个重物重心的位置上。⑤面积不相等但有相似形状的几何图形的重心，在它相似图形相应的位置上。从这些定理中我们可以十分清楚地看到，前三个定理是本章中讲到的“给我一个支点，我将推动地球”故事中讲的阿基米德作的关于杠杆平衡的实验。第四条定理是本章中柯伦看到的阿基米德做的实验，他在不停地用一组重物去代替一个重物，或者用一个重物去代替一组重物，只要它们的重心位置相同。而第五条定理，便是我们看到的阿基米德和柯伦对几何图形的重心探讨，不管圆的面积是大是小，它的重心总归在它应在的位置上；其他的图形如三角形、平行四边形，包括正方形和矩形、球形，以及梯形、方形、棱柱体和圆柱体、正棱锥体和圆锥体、球体和半球体，不管它们的面积和体积的大小，重心总在它们应该在的那个位置上。阿基米德曾经强调他运用力学原理为基础去解决几何问题的方法，他对重心概念的研究和确立，想必是典型的代表。阿基米德关于重心的发现以及确定重心位置的方法确实对科技，特别是技术的迅速发展起到了不可尽述的作用。举个十分简单的也十分常见的与生活密切相关的例子，小时候我们玩的不倒翁，为什么它摇来摆去不会倒呢？你也许曾经自己亲手做过不倒翁，你知道做不倒翁的鸡蛋壳，它的下半部装了重重的沙土或泥，重心相当低，它就变得十分稳当，即使你把它按倒在地上，它也会倔强地直立起来。不倒翁的原理还普遍应用在许多技术设计上。比如，在江海中航行的轮船，必须先将重物装在舱底，使船的重心降低，它在大风大浪中航行，才不至于被掀翻。比如塔式起重机，它要将重物吊到很高的高处，怎样保持重心的平衡就十分重要。人们一方面在塔底放了装着沉重钢绽的压重架，同时让它有四“条”向外伸开的“腿”紧贴在地面上，这两个方法都能达到使起重机的重心降低的目的，使它稳度加强。再说那两边挂着水桶的独轮车，它那降低重心的作用，现在就应用在单轨磁悬浮列车上，列车骑在单轨上，使人产生可能不稳当的感觉，其实它的重心已经降低在单轨上。甚至在儿童游乐场里，我们也能看到一种高空单轨列车，在单轨的两旁各挂着一个车辆，既保持了平衡，也降低了重心。小朋友们尽可以放心地坐上那高空单轨列车去“旅行”一圈，从高空中去俯看一下它下面的城市或郊区的风采！朋友们，当我们翻开数学课本时，你一定会看到这个符号，这是圆周率。你可知道这是谁首先发现并计算出来的？也许你会说是我国的祖冲之。是的，确也如此，然而你可知道，在祖冲之之前几百年，在欧洲西西里岛叙拉古王国已有一个人发现了圆周率，他就是我们要讲的数学家我们知道，古希腊人在研究数学方面，达到了一种如醉如痴而又十分清高的境界，他们将这种探索看成是一项纯理性的神圣而又崇高的事情，不受世俗的实用法则干扰。阿基米德是著名的古希腊数学家欧几里得的学生的学生。关于欧几里得的清高，有两个很著名也很有代表性的传说。欧几里得在给他的学生传授几何学时，坚决要求学生要对几何学的原理进行透彻的研究。在那个时候，亚历山大的国王多禄米也来向欧几里得学习几何，欧几里得反复解释的抽象的逻辑推理，也把多禄米国王搞得糊里糊涂，于是有一次他向欧几里得提出说:“是否有比你所讲的方法要简捷一些的途径，去达到学习几何的目的呢?”听了国王所说的话，欧几里得毫不迟疑地回答说：“尊敬的国王，在我们乡下有两条道路。一条是专供老百姓们走的曲折小道，一条是专门供皇家走的平坦大道。然而，在几何学里，大家只能走同一条道。要达到学习几何的目的，是没有什么专供皇家走的平坦大道的。”据说，虽说欧几里得对他的学生是十分亲切、关心的，但他十分反感学生提出几何有什么实用价值的问题。一次，有一个学生在听罢欧几里得讲授的几何学定理以后，就像欧几里得提出一个问题：“老师，我们学习几何究竟有什么实际的好处呢?”欧几里得听了这位学生的问话，就马上转身对一个仆人说：“给这个人三个阿宝尔，古希腊通用的一种小银币，他想靠几何学发财呢!”这虽说只是一个传说，但却完全暴露了欧几里得对学以致用的问题的毫不在意。然而，和欧几里得同一时代的阿基米德是否也曾有这种自负清高，只追求推理而很少学以致用的思想呢？一些历史学家也用如此观点去看待阿基米德的学术态度，认为他也是一个沉湎于为研究而研究、缺乏实际运用的学者。但是，我们从阿基米德一生所从事的研究和他所涉及的领域来看，他似乎是另一种类型的学者：他注重学以致用，十分关心生产、生活中的实际问题的解决。与一般善于解决工艺问题的高手不同之处是，在实际问题解决之后，他会以超常的毅力和兴趣去进行一系列理论上的探讨和钻研。有一天，有一位老农来找阿基米德帮助他解决一个难题，恰好他的好朋友柯伦也在那儿。老农说道：“聪明的阿基米德，我想做一个木桶，底板已经准备好了，但是我不知道在它周围的木板需要准备多宽才可以，你能告诉我吗?”“你计划做多大的木桶底，你是否心中有数呢?”柯伦向老农问道。老农回答道：“这我已经计划好了，我准备做直径是2/3米的木桶底。”柯伦不假思索地顺口说：“这十分简单，那你就准备出一共有2米宽的木板就可以了，人们不是常说，径一周三吗!”柯伦所说的计算方法也有道理，因为长期以来，人们在制作圆桶形、圆柱形、圆盆形的过程中已经得出一个比较容易计算的概念，那就是柯伦所说的:“如果圆的直径是一的话，那么它的圆周的周长是直径的三倍。”在我国古代，人们同样也在日常生活实践中得出了如此结论。然而老农仿佛对柯伦的回答并不感到满意。他继续说：“我知道这种计算方法。不过当我每次用这样的方法去准备木料时，总会少一点儿，我想是否会有一个更准确些的计算方法。”阿基米德一直在听着老农和柯伦的对话没有接话，这时他开口说道：“老伯伯，我告诉你一个解决这个问题的方法。”说着，阿基米德就蹲下来在地上画了一个图形，这个图有一个圆，还有一个很长的三角形，他指着图对老农说道：“您看，好比这是您想要做的木桶的半径，您让底边的这个半径和那根竖直的半径成直角，然后将底边的这根半径向外延长，一直长到可以和那根竖直的半径的切点成为一个三角形，这直角的三角形的底边即是圆周的长。您放心好了，这不会有什么误差的。”虽说老农无法听懂阿基米德所讲的那些个概念，但他能看得懂阿基米德在地上画的那个图，又指指三角形的底边，再确认一下说：“你的意思是，这根线就是这个圆绕一周的长，是这样吗?”“是这样的。”阿基米德轻松地回答。“那我就太谢谢你了，你帮助我解决了一个大难题，从此我再也不用为此而烦恼了。”老农高兴异常地辞别而去。老农走后，柯伦好奇地问道：“聪明的阿基米德，你是如何知道这样一个直角三角形的底边的长就是这个圆的圆周长呢?”阿基米德不经心地回答说：“可能是欧几里得说过的吧，或许在欧几里得之前，就有人思考过这一问题。”柯伦毫不放松地道：“那你又如何去证明为什么这个底边的长就是这个圆周的周长呢?”阿基米德爽朗地笑着：“为什么？别考我，我正在考虑，用什么方法可以证明它一一或者，是否有更明确一些的方法去求出圆的周长。”随之，阿基米德便进人了“圆的量度”的艰苦探索与研究。他的思路进入了属于他自己思维方式的求索，他在地上画了一个正四边形，又画了一个外接圆。但如果用这个外接正四边形的周长和面积与这个圆的周长和面积相比较，显然要大得多。

阿基米德说过一句名言：“给我一个支点，我能撬起地球。”这是对杠杆原理的一句诗性化的描述，在绝对理想状下才能实现的力矩平衡。公式记作：Fa*La=Fb*LbFa，重力加速度下地球质量重力，La，地球端的力臂长度，Fb，顶多是阿基米德体重重力，Lb，阿基米德端的力臂长度。阿基米德是伟大的，但他的这句话肯定是夸大了。估计很多人都diss过这句话。讲力矩平衡没毛病，但拿地球说事，这就玩大了。其一，一个物体的重力，是它与地球之间的引力；而地球是悬浮在太阳系的，不存在我们所认识的那种“重力”。像上图那样，拿根大杆子杵地球上，会被地球向上吸引的。其二，这根杠杆太长了，有好事者算出阿基米德一端的力臂需要3.822万亿亿亿公里（下图中数字），整个宇宙都装不下它！但是，这不是本文的重点。写这篇文章要对得起本人头条号的名字「设计劳斯基」。好歹咱也曾做过工程师的，所以要从材料力学下手。我们仍然给阿基米德两个理想化的条件。一，地球有重力mg，且方向向下；二，他能到达他想要到达的任何地方，并且能得到一根他想要的杆子。剩下的问题，就全在这根杠杆上了。它能不能存在？如果存在，它会是什么样的？我们先来温习一下什么是力矩。简单的讲，力矩是作用力F与垂直作用距离L的乘积。这一表述和弯矩是一样的。不同的是，力矩是外力矩，弯矩是内力矩。但在分析一个杆件的受力状态时，也没有区分的必要。因为外内是内力的直接源头，在一个平衡的系统里，对一点的外力矩和内力矩是相等的。这样讲太绕了，我们看图说话。下面是阿基米德撬地球的简图：因为整体系统是平衡的，支点处的支持力R与地球和阿基米德的重力，互为相反作用力。那么，我们将简图上下反转，视地球和阿基米德的重力分别为支撑力Ra和Rb、视支点的支撑力为向下的外力P，也是成立的。如下图：由于Ra+Rb=P，且Rb远远小于Ra，可以近似得P=Ra。地球半径取6000公里，也就是La的最小可取长度。于是，有Ra*La=Rb*Lb，这样我们可以丢掉力矩的概念，来对杠杆做内力（剪力和弯矩）分析。如下图：支点右端的剪力太小了，可以忽略掉在上图中，支点左端剪力Q=Ra，右端剪力Q约等于0，支点处最大弯矩M=6000Ra，弯矩和剪力的关系式：M=Q*x，x∈[0，6000]。大多数人可能没有剪力和弯矩的概念，没关系。我们继续看图说话。我们都知道三个和尚吃水的故事，当两个和尚抬水的时候，情形大概如下图：那么重点来了。注意到图中木棍的弯曲没有？弯曲是由水桶的重力造成的，而木棍的弯曲程度和弯矩图是对应的。我用一张夸张点的简图来得描绘一下木棍变形前后的形态。我们来想像一下，如果木棍最终承受不了水桶的重量，放置水桶的位置的底部是不是会裂开？它的裂开，我们称作“横断面受拉破坏”。所以，在受到竖向作用力P的同时，木棍内部在水平方向上产生了拉力，形成的受拉区在木棍的下半部分。根据相互作用力原理，木棍的上半部分，会产生压力，形成一个受压区。如果把木棍沿水平向切成无数个横断面，那每一个横断面都有一组相等的拉力和压力，但相邻两横断面是不同的。从上面的弯矩图上看，每一个横断面都对应一个弯矩值，弯矩值大小与横断面的拉（压）力大小成正比。所以，弯矩并不是一种客观存在，它是对客观存在的、沿杆件法向、并朝向支点递增的一对力流进行的宏观状态描述。我再来看一下支点处的微观受力状态，如下图：在微观视角下，在一个力矩平衡系统内，对于任何一个点，它所受的合力为零。这样，我们可以阶段性地把弯矩从内力分析中拿掉，用一对相互作用的力N和T来替换，如下图：还需要说明两点。一，压力N和拉力T的作用点位置也处在理想化的状态，正确的位置应该在受压区和受拉区的合力点上；二，这也是我们给钢筋混凝土梁配筋的计算原理，不过比这考虑的问题要复杂一些。我们取支点处进行研究，如下图：得到一个新的力矩平衡：Q*La=N*B，计算得，N=6000Ra/B。如果用一根抬水用的木棍作杠杆，取其直径为5cm，那这个N有多大呢？N=6000Ra/(0.05*10^-3）=1.2*10^8Ra，1200万倍的地球重力！这么大的力，多少根木棍能受得住！我们反过来算，如果用钢筋混凝土做这根杠杆，底部配5根25的三级钢（拉力约1000吨），那它的截面高度B=6000*6*10^23/1000=3.6*10^24，折算为360万亿亿公里！三根杠杆装满整个宇宙！注：上述代入数据可能有误，欢迎指正！怎么办，只能再给个理想条件了，赋予这根杠杆无限强度和刚度！那么问题来了。地球缩成8mm可以变成黑洞，然后蒸发掉。那这根杠杆从1/3个宇宙大小，收缩成一根细棍，会发生什么？如果阿基米德看到此处，给他一个支点，可能他也没兴趣去撬地球了。这个刀架脖子上仍然请求解完题再死的倔老头，一定会转向另一个问题：黑洞是什么？写在最后的话：调侃归调侃，阿基米德这句“给我一个支点，我能撬起地球”，仍然是给予力学初学者的最好的启示！

做物理科普的时候，提到最多的就是力，总会看到评论区中那些奇葩的留言，都是对力最基本的概念缺乏理解导致的。那么力究竟是什么呢？我们看不到，能看到的只有力作用的结果——物体运动状态的变化。本文通过一些简单的现象分析，帮助小伙伴们加深对力的理解。很多人家里都有体重秤，尤其是那些漂亮的小姐姐们，更关心称上的读数。如果要得到体重数据，就需要这个称。而要想利用万有引力，实现体重的称量，就需要有一个行星那么大的物体。好在我们正好站在这样一个物体——地球之上。牛顿通过万有引力定律对引力做了简单、明确、有效、定量的描述：它与两个物体的质量的积成正比，与物体质心间距离的平方成反比。然而，这个解释有一个巨大的缺陷：他没有解释引力的来源。牛顿用苹果落地来断言引力的存在，但引力究竟从何而来？这个问题直到爱因斯坦提出广义相对论，才有了比较令人满意的答案。具体的您可以看我昨天写的文章《为什么引力不存在，只是一种几何效应，爱因斯坦是怎么想的？》，但在广义相对论之前，牛顿的引力模型被学界普遍接受，并得到了广泛应用。直到今天，我们的宇宙飞行轨道计算，仍然使用牛顿的结论。体重秤称量的是人体与地球之间的引力（忽略地球自转产生影响），这个数值等于人体质量与重力加速度的乘积，由于重力加速度的值在地球上固定的位置也是恒定的，所以只要得到重量，就能根据已知的重力加速度计算出人体的质量。这种方法适用于地球上的任何物体，物体质量越大，重量就越大。在太空中，所有的物体都会失去重量，是因为太空距离星球太远，引力的大小与距离的平方成反比，所以引力效果不明显，除非让物体靠近某颗星球。引力很弱，地球的质量有6×10^21吨，但它对一个鸡蛋的引力还不到一根小皮筋的拉力。不过，如果没有引力，那么宇宙，银河系、太阳系、地球，当然也包括我们人类以及所有的生命都将不复存在。但体重秤在一直提醒着我们，当你在跳绳健身的时候，你其实正在对抗着整个地球的引力。正因为引力很弱，所以我们的太阳系才如此之大。不过，引力的作用范围（距离）却很广，在我们这个拥有460亿光年可视半径的哈勃球之内，正是因为这些微弱的引力，才搭建了这个宏大、精密的宇宙结构。引力很弱，但是你拿起来一个鸡蛋也要花力气，而且，拿起来的力气必须比桌面的支撑力要大，这样才能打破平衡，让鸡蛋向上运动。生活中，引起物体运动状态变化的不是某一个单独的力，而是这个物体受到的所有力的合力。有了这样的想法，很多关于力的分析的问题就简单了。高中刚开始接触物体受力分析的时候，就是从分析固体受力开始的，这是因为固体在受力的时候不会发生形变。而流体（气体和液体）就比较麻烦。密度比空气大的物体会从空中坠落，而一个实心铁球，也会沉到水底。就是因为，支持力不够，合力不为零，物体在合力作用下，改变了运动状态。我们玩跷跷板的时候就是运用了这个道理。两个体重差不多的人，分坐在跷跷板的两端，跷跷板的中间被一个支点撑起。两边的人只要用一个很小的力蹬踏地面就能向上运动。跷跷板相当于支点在中心的杠杆，阿基米德在研究杠杆的时候，发现了力矩这个物理量，物理学上指使物体转动的力乘以到转轴的距离。即：M=L×F。其中L是从转动轴到着力点的矢量,F是矢量力；力矩也是矢量。力矩的量纲是力×距离；与能量的量纲相同。但是力矩通常用牛顿-米，而不是用焦耳作为单位。力矩的单位由力和力臂的单位决定。电梯的配重使用了与跷跷板同样的原理。配重就像跷跷板的一端，被通过跨过定滑轮的钢缆连接到电梯箱，电梯轿厢和配重对称挂在主机曳引轮上，在轿厢半载的时候，轿厢和配重的重量基本相等，此时曳引机只需克服摩擦力做功就可驱动电梯，最省力了。电梯配（对）重也称重量平衡系统，该系统的主要功能是相对平衡轿厢重量，在电梯工作中能使轿厢与配重间的重量差保持在限额之内，保证电梯的曳引传动正常。用来平衡轿厢重量的，基本上是条板状。用了后可保证电梯运行平稳及电机的功率可比不用时减小。只有强制驱动电梯和液压驱动电梯不需要配重块，曳引式都需要配重。配重在电梯曳引系统起到节能作用。另外也可以减少主机运行的负载。电梯配重的原理即是跷跷板的原理，只不过这是一个用滑轮隐藏了力臂的跷跷板。自然界中也有很多利用跷跷板解决重力问题的案例。请想象一个支点高1米，两端各有一块长约1米的板子所组成的平衡的跷跷板。这里说的不是我们游乐场里的跷跷板，而是袋鼠。成年袋鼠身高1.6米左右，它有两条粗大的后腿，髋部就是它的支点。袋鼠以跳代跑，最高可跳到4米，最远可跳至13米，可以说是跳得最高最远的哺乳动物。袋鼠在跳跃过程中用尾巴进行平衡，当它们缓慢走动时，尾巴则可作为第五条腿。袋鼠的尾巴又粗又长，长满肌肉。它既能在袋鼠休息时支撑袋鼠的身体,又能在袋鼠跳跃起帮助袋鼠跳得更快更远。我们在看动物世界的时候，会发现，袋鼠的逃跑方式与同样生活在开阔地带的其它动物有很大区别。袋鼠基本上都是直线逃跑，如果实在逃不掉，会在跑动中突然向上跳转身面对敌人，趁着敌人发愣的时候，从对方的头上跳过去，向反方向逃。而不是像有些动物那样采用突然变向的方式来甩掉对手。这是因为，奔跑中的袋鼠，在身体展开的时候，转身变向很吃力。它要转身的时候，必须要尽量让身体收缩到围绕转轴的线上，才能实现快速转身。这个道理，就跟我们的花样滑冰运动员，在冰上旋转的时候，只要收回手抱胸，就能在不需要外力的情况下加快速度。只要打开手脚，这个转速就能降下来。这就是袋鼠转身吃力的秘密。它的腿虽然强壮，但是产生的转动力矩也是有限的，展开的上身和尾巴，距离转轴太远，就像运动员展开双臂一样，这时候，它们只能慢慢转身。只有在它收回尾巴，并且让身体的质量集中在转轴附近的时候才能快速转身。这也能解释，为什么我们要摔倒的时候总是会本能地张开手臂，因为用物理学来解释，摔倒的时候，就是身体以脚为轴发生了转动，这个时候我们张开手臂，就可以降低转动的速度，为调整姿态争取时间。2018年10月1日，“高空王子”阿迪力携徒弟沙特尔及团队在宁夏青铜峡市黄河大峡谷表演“高空走索”。 从照片中我们可以看到，最引人注目的是他手中那根水平的长杆，它是辅助平衡的工具。由于人的手臂距离有限，利用长杆阿迪力可以精确地控制住身体平衡。即使身体失去平衡，由于长杆的作用，变化也会来得更慢，因为平衡杆两端之间的距离削弱了力矩的作用效果。袋鼠转身速度慢，也是这个道理。亲爱的小伙伴们，本文通过一些案例对力以及力的作用效果进行了介绍，尽管这些介绍都不是非常严谨的物理学意义上的表达方式，但是我相信，这些例子能够帮助您了解到力和力的作用效果之间的关系。欢迎关注@郭哥聊科学，普及科学知识，传播科学思维，持续输出高质量的科普文章。

有时候，正是那些无人看好之人，成就了无人能及的成就。电影《模仿游戏》海报（网络图）在第87届奥斯卡金像奖颁奖现场，讲述“计算机科学之父”艾兰·图灵的传奇人生的影片《模仿游戏》获7项提名，并最终获得最佳改编剧本奖。作为一部被称为“向图灵致敬”的片子，影片基本真实地还原了英国科学家艾兰•图灵的生平。事实上，这位科学天才短短40多年的一生比影片更加精彩，让人既心怀敬意又唏嘘不已。伦敦的神童 思维可以像袋鼠般地跳跃艾兰·图灵，1912年6月23日出生于英国伦敦一个“书香门第”，家族成员里有三位当选过英国皇家学会会员，他的祖父还曾获得剑桥大学数学荣誉学位。可他父亲居里欧的才能十分平常，数学尤其糟糕，正负数的乘法运算就把他弄得焦头烂额。但他倒能踏实办事，于是被政府派到英属殖民地印度去当一名小公务员。图灵很小的时候就表现出与众不同的天分，在他三四岁的时候自己学会了阅读，读的第一本书叫做《每个儿童都该知道的自然奇观》。他特别喜欢数字和智力游戏，并为之着迷。图灵自幼充满好奇与想象，母亲回忆说：“他把一个玩具木偶的胳膊、腿掰下来栽到花园里，期待能‘生长’出更多的玩具木偶，那年他3岁。”幼年的图灵（资料图）6岁正式读书后，图灵越发显得智力超群，校长和老师都注意到这个特殊的小孩。8岁时，他写了他的第一篇“科学”短文，题目叫《说说显微镜》。图灵从小喜欢体育运动，尤其酷爱足球。可是在和小朋友们踢足球的时候，他并不热衷于上场，而是更喜欢在场外担任巡边，为的是能有机会观察、估算每次足球飞出边界的角度，他从中获得了极大的乐趣，乐趣就在于能够一眼看出问题的答案。图灵天生悟性过人，16岁就能弄懂爱因斯坦的相对论，并且运用那深奥的理论，独立推导力学定律。有一年，图灵参加了地区的中学数学会考。阅卷结束，没有任何学生能够答对所有的问题，主考官员却发现图灵的答卷上，所有的答案完全正确，可没有任何中间步骤。主考官员心中疑惑，但办事认真负责，亲自到学校找校长和老师核查有无作弊行为。 老师们却见怪不怪，心中有数。一位教过图灵的老师告诉主考官员：“这孩子的思维超常。我给学生们出了个光学的难题，图灵竟不假思索，立即算出了正确答案。可是当我要他给出计算过程时，他却回答不出，那必须要运用几个图灵没有学过的光学公式。几天之后，图灵竟然把光学公式自己推导出来了。”老师们说：“艾兰的思维可以像袋鼠般地跳跃。”剑桥大学的高材生，国王学院最年轻的研究员1931年，图灵考进了剑桥大学，在该大学的“国王学院”专攻数学。剑桥是他这一生学术生涯的起点。那儿有自由的学术环境，他如饥似渴地阅读一切感兴趣的书籍，甚至是刚刚出版上市的天才大数学家冯·诺依曼的新作《量子力学的逻辑基础》。除了数学与物理之外，他的兴趣比中学时代广泛了许多，例如对哲学也产生了兴趣，他选修了哲学大师维特根斯坦教授的“数学的哲学”课，还成为那班上最出色的学生。哲学与数学在逻辑学上有交汇。英国纪念图灵发行的邮票（少年博览杂志）剑桥大学的大数学家罗素和怀特海创立了“数理逻辑学”。这是一门非常抽象、讲究逻辑思维、令人煞费脑筋且望而生畏的学科。但是图灵一听就懂了，而且立刻发生兴趣。这里，为便于读者认识图灵，我想对“数理逻辑学”多说两句。这个学科的创建，起源于一个逻辑上的“悖论”。为了非专业人士都能明白逻辑悖论的含义，哲学家或者数学家喜欢用讲故事的办法来解释它。一个经典的故事是：村子里有位理发师，他为而且只为村子里所有那些不给自己理发的人理发。现在的问题是，谁为理发师理发？假定理发师为自己理发，那么依照理发师“只为不给自己理发的人理发”的规定，由此推理得出结论：理发师是不为自己理发的人，这与假定矛盾；或者假定理发师不为自己理发，那么依照理发师“为所有不给自己理发的人理发”的规定，由此又推理得出结论：理发师应该为自己理发，这又与假定矛盾。所以，不论怎么假定，也就是说不论谁为理发师理发，都要出现不能自圆其说的结论。普林斯顿的数学博士计算机科学的开路先锋图灵继续在他的学术道路上飞跃，他要扩大他的学术视野。1936年他来到美国的普林斯顿大学攻读数学博士学位，他的研究涉及逻辑学、代数和数论等等领域，成绩卓著，鹤立鸡群。在同一个城市，有个普林斯顿高等研究院，那里聚集着当时最优秀的数学家和物理学家。世纪天才冯·诺依曼教授当时正在该研究院主持数学研究。他看过图灵的 论文后极为赞赏，惺惺相惜，极力邀请图灵毕业后到普林斯顿高等研究院工作，做他的研究助手。冯·诺依曼虽然也很年轻，但已经出类拔萃，大红大紫。给冯·诺 依曼当研究助手是令多少年轻学者梦寐以求的事情，然而图灵心系剑桥，执意要回到母校任教，令冯·诺依曼教授惋惜不止。惋惜的远不止冯·诺依曼，不知有多少 学者发出叹息，当年两位科学奇才没能走在一起。尽可以想象，由于两大世纪天才的合作，数学、计算机科学等等会获得怎样的发展？“1加1定会大于2”，两颗 灿烂的巨星一处发光，将会把科学的天空照耀得更加明亮。图灵先知先觉，是走在时代前面的天才。在电子计算机远未问世之前，他居然就会想 到所谓“可计算性”的问题。物理学家阿基米得曾宣称：“给我足够长的杠杆和一个支点，我就能撬动地球。”类似的问题是，数学上的某些计算问题，是不是只要 给数学家足够长的时间，就能够通过“有限次”的简单而机械的演算步骤而得到最终答案呢？这就是所谓“可计算性” 问题，一个必须在理论上做出解释的数学难题。经过智慧与深邃的思索，图灵以人们想不到的方式，回答了这个既是数学又是哲学的艰深问题。 1936年，图灵在伦敦权威的数学杂志上发表了一篇划时代的重要论文《可计算数字及其在判断性问题中的应用》。文章里，图灵超出了一般数学家的思维范畴， 完全抛开数学上定义新概念的传统方式，独辟蹊径，构造出一台完全属于想象中的“计算机”，数学家们把它称为“图灵机”。这样的奇思妙想只能属于思维像“袋 鼠般地跳跃”的图灵。著名的“图灵机”的概念在数学与计算机科学中的巨大影响力至今毫无衰减。图灵机原理图（网络图）“图灵机”想象使用一条无限长度的纸带子，带子上划分成许多格子。如果格里画条线，就代表“1”；空白的格子，则代表“0”。想象这个“计算机”还具有 读写功能：既可以从带子上读出信息，也可以往带子上写信息。计算机仅有的运算功能是：每把纸带子向前移动一格，就把“1”变成“0”，或者把“0”变成 “1”。“0”和“1”代表着在解决某个特定数学问题中的运算步骤。“图灵机”能够识别运算过程中每一步，并且能够按部就班地执行一系列的运算，直到获得 最终答案。“图灵机”是一个虚拟的“计算机”，完全忽略硬件状态，考虑的焦点是逻辑结构。图灵在他那篇著名的文章里，还进一步设计出被 人们称为“万能图灵机”的模型，它可以模拟其他任何一台解决某个特定数学问题的“图灵机”的工作状态。他甚至还想象在带子上存储数据和程序。“万能图灵 机”实际上就是现代通用计算机的最原始的模型。图灵的文章从理论上证明了制造出通用计算机的可能性。几年之后，美国的阿坦纳索夫在 1939年果然研究制造了世界上的第一台电子计算机ABC，其中采用了二进位制，电路的开与合分别代表数字0与1，运用电子管和电路执行逻辑运算等。 ABC是“图灵机”的第一个硬件实现，看得见，摸得着。而冯·诺依曼不仅在上个世纪40年代研制成功了功能更好、用途更为广泛的电子计算机，并且为计算机 设计了编码程序，还实现了运用纸带存储与输入。到此，天才图灵在1936年发表的科学预见和构思得以完全实现。著名的“ABC计算机”示意图（资料图）图灵当年那篇划时代的抽象数学论文，原本是为了解决数学上的一个基础性理论问题，并非是研制一台具体的计算机。科学发展史不断地告诉人们：许多重大的科 学发明，往往是理论研究开路在先，工程技术实现在后。“万能图灵机”再一次令人们信服基础理论在科学发展道路上的决定性作用。图灵当年的纸上谈兵，那好似 空中楼阁般的“万能图灵机”，实际上是现代计算机原理与计算机科学的开路先锋。明白了图灵那无与伦比的贡献，人们就不难理解，何以冯· 诺依曼对于“计算机之父”的桂冠坚辞不受。曾经担任过冯·诺依曼研究助手的美国物理学家弗兰克尔教授这样写道：“许多人都推举冯·诺依曼为‘计算机之 父’，然而我确信他本人从来不会促成这个错误。或许，他可以被恰当地称为‘计算机的助产士’。依我之见，正是冯·诺依曼使世界认识了由图灵引入的计算机的 基本概念。”弗兰克尔教授此言不虚，在1949年，冯·诺依曼发表了一篇题为《自动计算机的一般逻辑理论》的论文，客观而公正地阐述了图灵在计算机理论上 的重大贡献。他写道：“大约12年前，英国逻辑学家图灵就开始研究‘可计算问题’，他准确地给出了‘自动计算机’的一般性定义。”冯·诺依曼宁愿把“计算 机之父”的桂冠转戴在图灵头上。当然，这已经是在图灵离开普林斯顿十来年以后的事了，他当年在普林斯顿并没有像后来那样受人景仰。图灵曲高和寡，当年就能 看明白他那篇文章划时代意义的，仅仅是少数杰出的数学家，如冯·诺依曼者。客观地说，图灵、阿坦纳索夫、冯·诺依曼三人，都是计算机的 先驱，计算机科学的奠基人，他们的伟大贡献被永远载入计算机的发展史中，若被称为“计算机之父”，他们都当之无愧。尤其是艾兰· 图灵与冯·诺依曼，他们好似是计算机科学浩瀚星空中相互映照的两颗超级明亮的巨星。“政府编码与密码学院”的灵魂 欧洲的战事因之至少提前两年结束1938年，图灵学成后又回到他的母校剑桥大学国王学院，作为那里的研究员，他继续他在逻辑与数论方面的理论研究。在以后不到两年的时间里，图灵又连续 发表了几篇很有分量的数学论文，为他赢得了更大的声誉。与此同时，图灵开始秘密地为英国“政府编码与密码学院”工作，研究“密码学”理论和实用的编码技 术。第二次世界大战爆发后，英国在1939年对德宣战，图灵随即应征入伍，正式到“政府编码与密码学院”服役。“政府编码与密码学院” 实际上是英国的战时情报中心，该学院的重要情报可直接送给首相丘吉尔。虽然参军服役，图灵却没有离开剑桥，每天上班的地方是一个对外称为“布雷契莱园”的 庄园，他和同事们的主要任务是破解德军的军事密码，那得靠数学工具和数学家的智慧。任务极具挑战性，对手非常不简单：德国人在二战之前研制成功了一种密码 电报机，它能把平常的语言文字（俗称“明文”），自动转变为代码（俗称“密文”），再通过无线电或电话线路秘密传送出去。“密文”即使被他人截获，也令人 不知所云，如“谜”一般。这个设计精密、似乎无懈可击的密码电报机，因之被称为“谜”，德国人洋洋得意。二战期间的图灵（资料图）常言说得好：“一物降一物”，“谜”的克星就是大天才图灵。图灵在布雷契莱园领导着一个200来位密码专家的队伍，成功破解了“谜”的秘密。而德军却还 毫无觉察，继续用“谜”传输军事情报，因此泄露了大量的军事机密，导致在战事上屡屡挫败。英军则节节胜利，屡建战功。功劳首推图灵，虽然未去前线杀敌，也 从未荷枪实弹，但图灵一介书生，堪敌百万雄兵。1942年，他曾赴美数月，目的是使两国的语音加密系统能够协调兼容，以便在联合对付德 军的U-潜艇危机方面建立两国最高层的情报共享，以及为英国丘吉尔首相和美国罗斯福总统建立秘密安全通话热线。当时美国的语音加密系统庞大，要占据一个大 房间；而图灵为英国研制的系统，则轻巧如一台打字机。就在图灵出差期间，德国海军突然更新加密系统，提高了密码的复杂度，图灵手下那200多位专家为此绞尽脑汁，仍束手无策。一直等到图灵回国，亲自出马，难题才迎刃而解，令同侪极为惊佩。在布雷契莱园，无论年长年幼，大家一律称呼图灵为“教授”，足见其威望之高。至于图灵是如何破译德军密码的，由于英国政府严格的保密法令，一直没有公之于世，图灵如何破译“谜”也成了一个永远的“谜”。 我们仅仅知道，为提高实际破译的速度，他和布雷契莱园的同事们首先研制了一台密码破译机，取名“邦比”，后来又研制出一台专门破译密码的电子计算机，取名 “巨人”。 它们使“政府编码与密码学院”如虎添翼——过去每月大约能够破译39，000条截获的密码情报，后来提升到84，000条，差不多每两分钟就能破译一条。 而立之年的图灵已经成为“政府编码与密码学院”总顾问，全面影响着布雷契莱园的运作。图灵（左一）和布雷契莱园的同事。（资料图）德国人在二战后期，又研究开发了一个代号为“鱼”的密码系统，十分复杂，比“谜” 更为“安全”，是德军最高统帅部和希特勒本人专用的密码。“鱼”也难逃“法网”，被图灵成功破解粉碎，时间恰恰赶在盟军诺曼底登陆的前夕。图灵和他的同事在搜寻与打击德军的U-潜艇、协助盟军诺曼底登陆等重大军事行动中发挥了关键作用。人们估计：“政府编码与密码学院”的工作使欧洲的战事 至少提前两年结束。图灵也因此在1946年获得“OBE”，即“不列颠帝国勋章”，那是英国皇室给予为国家和人民做出巨大贡献、立下大功的人士的荣誉。布雷契莱园的教授大智若愚图灵在剑桥是个家喻户晓的人物，可能有人不知他的姓名，但妇孺皆知布雷契莱园有位“教授”，是个科学奇才。图灵或者“布雷契莱园的教授”的那些逸闻趣事，至今仍被人们津津乐道。大智若愚，行为“怪异”似乎是天才人物的“通病”。让我们来想象一下这位天才科学家的模样。曼彻斯特大学的教授、图灵的朋友这样描写：“图灵生得前庭饱 满，下颌方圆，头型曲线真漂亮，令人难忘。一头褐发，迷人的碧眼闪闪发光，坚毅的下巴，是个帅气十足的男子汉。可他的穿着过于随意，毫无章法，有时身上披 上一件过时的大衣，直接套在雪白而考究的衬衣外面。图灵不苟言笑，尤其不喜欢与陌生人谈话，那时他会拘谨、口吃，就越发羞怯腼腆，总在啃自己的指甲，躲避 着生人的目光。然而，若是在信任的好友中间，他那闪电般的思维，跳跃而深邃；坦诚的言词，滔滔不绝；独到的见解，永远出人意料。图灵超群的智慧与平易的谈 吐总带给朋友们极大的享受。”据说，图灵有一辆破旧的自行车，那是他上下班的交通工具。这辆车子经常掉链子，他却懒得把车送去修理，而 是想办法对付它。他发现总是骑到一定的圈数时，链子就掉下来。于是他在骑车时就特别心中计数，边骑边数脚蹬子轮盘转过的圈数，就在链子快要掉下前一刹那戛 然停车，倒一下脚蹬子轮盘，上车再骑。图灵就这样一路走走停停，链子再也掉不下来了。后来他还在脚蹬子旁边安装了一个小巧的计数器，代替心中计数。图灵愚 耶？智耶？图灵故居揭牌（资料图）图灵有花粉过敏的毛病，一到春暖花开时节，五官奇痒难耐，眼泪鼻涕不止，痛苦不堪。而图灵又拒绝使用脱敏药物，因为那些药物会令他昏昏欲睡，头脑不清。于是，每当花粉严重的季节，他骑车上下班时就戴上防毒面具，十分抢眼：他为剑桥制造了一道街景奇观。由于战争时期瓷器奇缺，为了防止茶杯丢失，他居然弄来一条铁链，把茶杯锁定在暖气管子上，此事成为布雷契莱园的笑谈。图灵大事清楚，小事糊涂，闹过不少笑话。二战爆发后，人人皆知英国无法抵御德寇入侵，伦敦等地很可能沦陷。覆巢之下，焉有完卵，银行也必被法西斯鲸吞。 英国人只好纷纷提出存款，自己保管。图灵则把存款兑换成两个大银锭，分别埋藏在两处树丛中，作上标记，并且绘制一份秘密位置图，以为万无一失。然而在战争 结束后，图灵按图索骥，却无论如何也找不到原来埋藏银锭的地方。战争期间，伦敦虽然没有沦陷，却未能躲过德军的狂轰滥炸。轰炸后，伦敦陷于火海。许多原来 用于定位的参照物发生了改变，甚至完全消失了。图灵智者千虑，却没想到他的秘密位置图变得毫无用处。图灵不甘心，自制一台金属探测器，在树丛中广泛搜索。 无奈可能的目标范围太大，他徒劳无功，铩羽而归，着实沮丧了几天。图灵自幼喜爱运动，战后更加热爱越野长跑。他经常参加业余高手们的越野长跑训练和竞赛。即使去参加学术会议，同事们都是搭乘公共交通工具，而图灵则舍代步而跑步，而且还是第一个到达会场。要不是因为受伤，他会代表英国去参加1948年的奥林匹克运动会的。图灵参加1948年的一个国际马拉松比赛。（资料图）曼彻斯特大学的人工智能之父 机器能思考1945年二战结束，图灵复员，随后被英国国家物理实验室聘为高级研究员，他于是又回到出生地伦敦，专心研究计算机理论。计算机的研究在当时属于绝密，他 撰写的论文都没有公开发表。我们所知道的是，当年图灵写了若干份“内部报告”，明确提出了“自动程序”的概念，在1970年得以解密，后来收入爱丁堡大学 的《机器智能》论文集中。理论上的准备已经充分，而且在战争时期已经具有运用计算机的经验，此时的图灵对计算机的发展前景胸有成竹，他 兴致勃勃地拟订了一份“自动计算机（ACE）” 的设计方案，完整地描绘出通用数字电子计算机的结构。要知道，早在10年前他就提出了抽象的“万能图灵机”概念，然而观念超前，和者盖寡。如今他要亲手把 那虚无缥缈变成现实。此时的图灵更注意到存储量与运算速度是计算机的核心，他设计的ACE在性能上，大体相当于上个世纪80年代美国苹果公司研制的个人电 子计算机“麦金塔”。图灵实在太超前了，国家物理实验室认为制造原原本本的ACE在工程与技术方面过于困难，知难而退，仅仅制造了一台简化了的ACE，其 运算速度和存储量均大为逊色。图灵在曼彻斯底的故居。（网易科技）尽管不如图灵所愿，但这台ACE毕竟是图灵研制成功的第一台公开对外的电子计算机。况且ACE一鸣惊人，被公认为是当时世界上最快的电子计算机之一。图 灵特别满意它的存储功能，骄傲地向参观者介绍：“它能十分轻松地记忆任何一本小说中的10页内容，一字不差！”这在半个世纪以前是多么了不起的奇迹！图灵 和他的ACE惊呆了参观者。国家物理实验室的保守态度与故步自封，使它在后来国际计算机发展的竞赛中被淘汰出局。图灵爱莫能助，英雄无用武之地，他选择了“跳槽”。1946年，英国皇家学会成立计算机实验室，设在曼彻斯特大学，一时群英荟萃，成为英国计算机事业的中心，总负责人是图灵在“政府编码与密码学院”的老 同事和好朋友纽曼教授。图灵是皇家学会计算机实验室的常务副主任，实际上的负责人。图灵成为实验室的灵魂，他的计算机理论指导着实验室的发展，世界上第一 台商业计算机“马克一号”即在这里问世。大凡每一个新学科出现，总有天才人物披荆斩棘做开路先锋，那需要常人所不具备的敏锐、远见和想 象力。图灵的兴趣与志气绝不仅仅在于制造出性能超群的机器，那是一般的科学家和工程师们的事情。图灵所关注的问题，远非计算机本身，而是极富远见地设想计 算机可以做什么，例如，从数字计算到代数运算，破译密码，处理文档资料，甚至下棋等等。他运用那时仅有的计算机“马克一号”去模拟生物生长的某些片段，尤 其是接合子的基因如何决定动植物解剖结构的机制。这成为后来“仿真系统”和“人工生命”学科的起源。他在思考与探讨人脑与计算机之间的关联与互动。图灵在 他的另一篇划时代的论文《机器能思考吗？》中，这样描述他的设想：“人的大脑好似一台巨型的电子计算机，初生婴儿的大脑皮层像‘尚未组织好的’机器，可以 经过训练，使之成为‘组织好了的’类似于万能机（即万能图灵机）式的机器。” 早年在剑桥大学获得的数学与哲学方面的深厚功底又一次发挥了力量，图灵是当之无愧的现代“人工智能”之父。也正因为图灵和他的“人工智能”，电子计算机方 有了另外一个名字：“电脑”。《模仿游戏》剧照（资料图）为了演示人机对话，图灵编写了一套象棋程序，当时却没有一台足够好的计算机去执行这个程序。于是图灵就亲自模拟计算机，严格执行他预先编写的程序走棋，模拟的“计算机”每走一步要用半小时。他就这样与同事下了一盘，结果“计算机”输了。图灵明确提出：“机器能思考”。或者说，具有人脑智力的机器才是图灵心目中真正的万能机。图灵没有说空话，他进一步给出机器是否具有人脑智力的判别法， 后来被称之为“图灵测试”。在图灵的时代，全世界仅有的计算机中，当然没有一台能够通过“图灵测试”，那时计算机的水平与今天的不可同日而语。可那限制不 了图灵的想象和预见，他相信在20世纪末，定会有计算机能够通过“图灵测试”。他的预言得到证实：IBM研制出的一台会下国际象棋的电子计算机“深蓝”， 战胜了当年的国际象棋世界冠军卡斯帕罗夫。在曼彻斯特大学，图灵度过了他短暂生命的最后几年，“人工智能”是他发出的最后的生命之光， 他是这一领域开天辟地的大师。从计算机的理论到实践，图灵的贡献无人能出其右。1951年，图灵被英国皇家学会选为会员，那年他39岁，成为他家族中的第 四位皇家学会会员。曼彻斯特大学也因为图灵的存在，被英国皇家学会认定为国家计算机科学的最高学术机构。来去匆匆的天使 永不熄灭的明灯1954年 6月8日，图灵去世的噩耗像晴天霹雳，不仅英国，乃至全世界都为之震惊。 那一年图灵不满42岁，春风得意，风华正茂，处于他生命中最富创造力的巅峰，计算机科学界唯图灵马首是瞻，仰望企盼他的科学灵感和新的发明。最先发现图灵 死亡的是清扫房间的女佣。早就过了图灵通常起床的时间，他却仍然沉睡在床上，神态自若安详，枕边有个只吃了一小口的苹果。书桌上灯亮着，有一封准备寄出的 信。医在图灵没有吃完的那只苹果里检验出了氰化钾，剧毒化学药品的残留物。警方在多方搜集证据后，调查研判，并对外正式宣布：图灵服毒自杀。图灵自杀的原因一时成为全世界的难解之谜，猜测纷纭。他的母亲不相信、不接受警方“图灵服毒自杀”的判断，因为桌子上那封未寄出的信里提到“同意在几天 后接受采访”云云。她认为图灵是不小心接触到了他实验室里的剧毒化学药品，是死于意外事故。警方则认为，那封信是图灵故布疑阵，令母亲相信儿子意外中毒而 亡，心里会好受些。困扰人们的问题是图灵为什么要自杀？事实上，图灵是个同性恋者，而且他公开承认自己的同性恋身份。早在1942年布 雷契莱园时期，图灵看中了一位同事，名叫朱安·克拉可的年轻姑娘，他们一度非常亲密，上了9个小时夜班之后两人还“恋战”下棋，图灵称之为下“困倦棋”， 实则“恋爱棋”。朱安教会了图灵织毛线，成品是一副手套。图灵终于向朱安正式求婚。这姑娘也十分爱慕图灵，接受了图灵的爱情和求婚。眼看一对恋人快要走上 红地毯，图灵却又悔婚，跑去向朱安道歉，坦诚说明自己的同性恋情况，两人只好解除婚约。《模仿游戏》中的图灵与朱安·克拉可。（资料图）图灵的同性恋问题，就如同他其他的那些怪异行为一样，丝毫没有影响到他在所有工作单位的地位，上司和同事都对这位天才宽容、尊敬。但图灵的同性恋行为触 犯当时的英国法律，1952年就因此而被警方拘留。英国当年的法律主张严厉惩戒同性恋，图灵不得不接受注射激素，否则会有牢狱之灾。激素疗法非但不能改变 同性恋倾向，反而呈现出多种副作用，图灵变得意志消沉，越发寡言少语。图灵曾经去看心理医生，医生建议这位科学奇才放松情绪，换换脑筋，不妨读读好的小 说。结果图灵真的喜欢上了列夫·托尔斯泰的小说，不过，情绪并未因此而好转。人们普遍认为，图灵情绪的低沉抑郁，最终导致了他的自杀，是那不人道的激素疗 法害了他。人们多么希望图灵像童话中的白雪公主那样：吃了有毒的苹果，但并没有死，只是睡着了，直到有一天，王子用一个吻把她唤醒。图灵的死，留给世界一个谜，一个不能在逻辑上说得通的“悖论”。图灵相信：“违反了逻辑，一座桥都会因之而垮掉。”可他本人的生命中就出现“悖论”：他认为计算机能够思维，可与人脑并驾齐驱，但是他本人却是天马行空、我行我素，哪里是计算机的“思维”与“行为”模式？图灵的死无疑是计算机科学界的巨大损失，无以弥补。牛津大学著名数学家安德鲁·哈吉斯说道：“图灵似乎是上天派来的一个使者，匆匆而来，匆匆而去，为人 间留下了智慧，留下了深邃的思想，后人必须为之思索几十年、上百年甚至永远。” 图灵将引领世界计算机的“风骚数百年”，他25岁首创的“图灵机”概念如石破天惊，而立之年探讨的仿真系统和自动程序设计概念如仙人指路，不惑之“晚年” 开创的人工智能和“图灵测试”如开山辟路，无一不是超前的科学预见，无一不展现着这位天才的过人智慧。图灵如划破夜空的耀眼流星，身后 的光芒持续照亮着探索计算机未来的路途，人们无法想象一个没有图灵的计算机世界会多么昏暗寂寞。世界计算机界设立了“图灵奖”，一年一度由美国计算机学会 颁发给世界上最优秀的计算机科学家，是计算机领域的至高无上的荣誉，是计算机科学界的诺贝尔奖。“图灵奖”奖杯，代表着计算机科学界最高荣誉。（资料图）1998年6月23日，伦敦市政府在图灵的出生地，那所故居的迎面墙上镶嵌上一块象征人类智慧与科学的蔚蓝色的铜匾，铸刻着计算机科学创始人的名字和出 生年月，纪念这位计算机大师诞辰86周年，数万人参加了纪念仪式。那一天，也恰好是图灵在曼彻斯特大学亲手设计成功的电子计算机问世50周年。图灵的这个 纪念活动牵动全世界计算机科学家的心，也惊动了英国国会。众议院极其不寻常地赶在前一天晚上10点30分，以压倒多数的投票，通过了一项法案，承认了同性 恋者的平等权益。英国政府以他的特殊方式表达了对这位科学巨人的伟大成就的敬意，对令他遭受不公正惩罚的忏悔。2004年6月7日,为 纪念这位计算机科学与密码学的绝顶天才逝世50周年，来自世界各地的学者、学生数千人不约而同来到曼彻斯特市，聚集在图灵离世前5年曾经居住的公寓前。曼 彻斯特市政府在这所表面极其普通却因图灵而成为永久的历史性建筑的墙上，隆重镶嵌上一面纪念铜牌，还是蔚蓝色的，上写：1912—1954，计算机科学奠 基人与密码学家，战争年代破译“谜”码的功臣艾兰·图灵居于斯，逝于斯。作者：袁传宽

机器之心报道机器之心编辑部我们可以用研究小白鼠的方式来研究 AI 吗？或许可以。在一篇 ICLR 2020 Spotlight 论文中，DeepMind 和哈佛大学的研究者构建了一个基于 AI 的虚拟小鼠，能够执行跑、跳、觅食、击球等多项复杂任务。他们还尝试用神经科学技术来理解这个「人造大脑」如何控制其行为。或许这一成果可以为我们提供人工智能研究的新思路。人工神经网络算是目前最为先进的人工智能，这是一类由多层神经元互联组件构成的机器学习算法，而「神经元」最早就是来自大脑结构的启发。尽管人工神经网络中的神经元肯定不同于实际人脑中的工作方式，但越来越多的研究者认为，将二者放在一起研究不仅可以帮助我们理解神经科学，还有助于打造出更加智能的 AI。DeepMind 和哈佛大学的研究者就在这一思路上进行了探索。他们提出的是一种小鼠的 3D 模型，这一模型可在模拟环境中接受神经网络的控制。同时，他们用神经科学技术来分析小鼠的大脑生物活动，由此来理解神经网络如何控制小鼠的行为。该论文目前已被 ICLR 2020 大会接收为 Spotlight 论文。论文链接：https://openreview.net/pdf?id=SyxrxR4KPS论文作者之一、哈佛大学研究员 Jesse Marshall 表示，这个平台相当于神经科学领域的风洞，可以用不同程度的生物真实性来测试不同的神经网络，以此了解如何面对现实中的复杂挑战。「在神经科学的典型实验中，研究人员通常会用敲击杠杆之类的单一行为来窥探动物的大脑活动，而大多数机器人也是为了解决定制任务而制造的，比如扫地机器人。这篇文章算是我们研究大脑如何产生并实现灵活性的开端，然后可以按照我们所观察到的结果来设计功能相似的人工智能产品。」研究过程构造一只虚拟小鼠如下图 1 所示，研究者基于实验室小鼠的大小，在 MuJoCo 环境中（Todorov et al 于 2012 年提出）中实现了虚拟的小鼠身体。这个小鼠的可控自由度为 38，它的尾巴、脊柱和脖颈包含多段关节，并由共同驱动多关节的肌腱控制（MuJoCo 中的空间肌腱）。这一虚拟小鼠将作为「dm_control/locomotion/」项目的一部分来开源。项目地址：https://github.com/deepmind/dm_control/tree/master/dm_control/locomotion虚拟小鼠可以获得本体感应信息（proprioceptive information）以及来自头戴式摄像头的「原始」、第一人称 RGB 相机（64×64 像素）输入。本体感应信息包括：内部关节角度和角速度、提供驱动的肌腱的位置和速度、从小鼠骨盆到爪子、头部的第一人称向量、类前庭的垂直取向向量、爪子中的接触感应区，以及骨盆的第一人称加速度、速度和 3D 角速度。训练一个神经网络近期的研究表明，端到端强化学习可以生成单一的地形自适应策略，基于此，研究者在多个依赖马达控制（motorcontrol）的任务上训练了单一架构，具体如下图 3 所示。图 3：虚拟小鼠智能体架构。为了训练一个可以执行所有四项任务的单一策略，研究者使用了用于动作评价结构（actor-critic）DeepRL 的 IMPALA-style 设置，并且通过直立迹（V-trace）和异策略校正（off-policy correction）对价值函数评价器进行训练。研究者在实验中发现，在与其他三个任务相关的交叉训练过程中，「逃离丘陵环境」任务的学习更具有挑战性。因此，研究者展示了在「逃离」任务中训练一个单一任务专家以及使用针对该任务的 kick-starting 训练多任务策略的结果，并且得出的系数很弱（.001 或.005）。逃离任务上使用 kick-starting 可以使小鼠更可靠地完成所有四项任务，不同架构的多任务策略之间也能更方便地进行比较。最后生成单个神经网络，该网络利用虚拟输入来决定小鼠的行为方式，并通过协调小鼠的身体来完成各项任务。让小鼠完成四项任务研究者借助训练好的神经网络指导小鼠完成四个动作：跳过多个空隙、在迷宫中觅食、逃离丘陵环境、精确地击球。奔跑并跃过多个空隙。觅食动作：追逐蓝色球体。逃离丘陵。用前爪精确击球。分析实验结果小鼠顺利完成任务之后，研究者结合虚拟小鼠的行为分析它的神经网络活动，以探索它如何完成多项任务（下图 4A）。他们使用了来自神经科学的分析和扰动技术，这一领域已经开发出了一系列探索真实神经网络特性的技术。研究者记录了虚拟小鼠的运动学、关节、算力、感觉输入以及 LSTM 在核心层和策略层的单元活动。图 4：虚拟小鼠的行为学记录。但论文作者之一、哈佛大学研究生Diego Aldarondo表示，他们发现了一个有趣的事情：当神经活动直接控制肌肉力量和腿部动作时，这些活动在比预期更长的时间尺度上出现。这意味着神经网络似乎可以用一种抽象的符号来代表跑、跳、旋转等多个任务，这是一种先前在啮齿动物和鸣禽动物中都已观察到的认知模式。研究意义虽然神经网络不具备生理真实性，但加拿大麦吉尔大学的神经科学家 Blake Richards 说，神经网络捕捉到了神经处理过程中足够多的重要特征，可以针对神经活动如何让影响行为做出有用的预测。他说，这篇论文的最大贡献就是提出了一种近乎真实的方式训练这些网络，使它们更容易与生物数据进行比较。他还说，作者们正在提供一个平台，用于训练一个真实的生物体和一系列的任务，让与真实的啮齿动物大脑的对比更有意义。从研究上说，人工神经网络还不适合与生物神经网络进行过于宽泛的比较，但这种方法可能是探索行为的神经基础的一种好方法。Scott 表示，记录动物行为并将其与特定行为联系起来的复杂程度决定了，大多数实验都是在相对简单的任务中完成的，而且实验的设定非常严格。而相比之下，虚拟小鼠却可以实现非常复杂的、多部分的行为，例如觅食，这些行为可以与它的感官输入和神经活动高度精确地联系起来。唯一的问题在于，我们难以从动物身上收集任务设定如此复杂的神经数据。Scott 表示，他希望研究人员能在实验室环境中让虚拟小鼠完成更为简单的任务，以使其神经活动模式可以和真实动物中发现的那些进行比较，以便了解它们之间的异同。参考链接：https://spectrum.ieee.org/tech-talk/artificial-intelligence/machine-learning/ai-powered-rat-valuable-new-tool-neuroscience

作者：杜向阳（“反省心理学派”创始人）；关键词：人工智能悖论，人工智能中的坑，通用人工智能，人工智能误区目录引言 11，脑科学悖论。 21.1.，概述 21.2，第一个证据，脑神经科学的历史 41.3，第二个证据，来自人脑与计算机的类比推理 41.4，扩展阅读1：什么是计算机程序软件的算法？ 61.5，扩展阅读2，只研究硬件，能搞清计算机智能（功能）的奥秘吗？ 71.6，扩展阅读3，计算机的智能来自哪里？ 81.7，第三个证据，发展心理学方面的事实和研究成果 81.8，第四个证据，大脑被切掉一半还能象正常人一样生活！ 101.9，第五个证据，反省心理学中的“心理二元说” 111.10，被加密、隐藏的智能机制 121.11，脑科学悖论给我们的启示 132，结构模拟悖论。 173，数学悖论。 184，难易悖论 205，理解悖论 206，自然语言处理悖论。 217，知识图谱悖论。 218，主次悖论。 229， 类脑智能悖论 2310， 深度学习悖论 2311， 控制人类悖论 25上述十一个悖论预示了实现通用人工智能的正确道路 25引言众所周知，在科学的发展史曾经历过许多悖论和误区，如由地心说到日心说，由地平说到地圆说，由物种不变论到生物进化论，每一次对这些悖论的克服都代表着人类在认识客观世界方面的进步，同时也代表着人类文明的进步。在人工智能60多年的历史上，也先后出现过一些有关人工智能的悖论，这些悖论是人们在人工智能领域里的认识误区，这些悖论的发现和克服是人工智能成熟和发展的标志！目前已知的人工智能悖论或误区主要有11个，分别是：脑科学悖论、结构模拟悖论、数学悖论、难易悖论、理解悖论、自然语言处理悖论、知识图谱悖论、主次悖论、类脑智能悖论、深度学习悖论、控制人类悖论。上述悖论就是认知上的错误，是对人工智能认识上的误区，这些误区都是由于对人脑智能的无知造成的，所以，我们对人脑智能多一些了解，就能少一些悖论和误区，这11个误区就是人工智能中的11个坑，明白了这11个悖论，就能避开它们，从而避免浪费不必要的时间、精力和财力，对于国家、企业和个人来说，都是如此。1，脑科学悖论。意思是指，通常认为通过脑神经科学研究可以破解智能奥秘，而事实上，这是不可能的，因为人脑智能的奥秘并不在大脑的硬件——大脑皮层的神经网络细胞中，而在大脑的软件——心理中，因此，通过脑科学研究来破解智能奥秘就是南辕北辙，找错了地方，永远也找不到，只有通过心理学研究才能破解这一奥秘。脑科学悖论是人工智能领域里的头号悖论，这个错误的思想，把我们诱离了正确的方向，这是我们今天只所以还不能实现通用人工智能（AGI）的重要原因之一，所以，笔者用了大量的笔墨来说明它。1.1.，概述众所周知，计算机只所以有智能，关键在它的软件，因为软件的灵魂是算法，算法规定了解决一个问题的方法和步骤，算法是由一个个的解题步骤组成的，这一个个步骤就相当于一个个指令，计算机硬件的任务主要有三个：存储上述指令（内存和硬盘），读取指令，执行指令（处理器），解决问题的方案事先都由软件制定好了，硬件只需要存储和执行这一方案就是了，就能解决问题，完成智力任务，可见，软件是计算机的统帅，起决策作用，是计算机智能的载体，硬件是士兵，只起执行作用，几乎没有任何智能，这种关系完全适用于人的大脑和心理的关系，人脑只所以有智能，关键在它的软件——心理系统，而不在它的硬件——脑皮层中的神经元网络，人脑解决问题的方案（方法、步骤）也都是由心理系统制定的，大脑神经元的工作正象计算机的硬件一样，只是存储和执行这一方案，所以，心理是人脑的统帅，起决策作用，是人脑智能的载体，神经网络只是大脑的士兵，起执行作用，几乎没有任何智能。如果智能的载体是大脑的神经网络，那么人一生下来就应该很有智能，可事实不是这样的，发展心理学的研究表明，刚出生的婴儿，大脑是几乎没有什么智能的，通常在12--15岁时，才能形成接近成年人的成熟的智能，婴儿出生后，最先发育的是大脑，2岁时，脑袋容量已达到成人的80%，6岁时大脑的发育已达到顶峰，几乎和成人一样了，但六岁儿童的智力（智能）却远不及成人，此时的儿童虽然掌握了语言，但还不会逻辑思维，不能理解抽象的概念，还没有掌握智能的基本操作技巧，所以，法律上规定，不满8岁，为无民事行为能力人，8岁至18岁为限制民事行为能力人，18岁后才算是完全民事行为能力人，可见，大脑和智能不能画等号，因为大脑的成熟不等于智能的成熟，但心理可以和智能画等号，心理的成熟就等于智能的成熟。智能的基本操作技术比知识更能代表智能的本质，因为如果不会操作即使拥有知识也不知道怎么利用这些知识去解决问题，完成智力任务，而6岁时的儿童虽然大脑的发育已和成人一样了，但还没有掌握智能的基本操作技巧，这说明此时的儿童还是“有大脑没智能”，正如计算机的裸机是“有硬件没智能”的，这也充分说明了“大脑皮层之与心理，正如计算机的硬件之与软件”。可见，智能中的算法（解决问题方案）是由心理系统制定的，而不是由大脑皮层制定的，因为如果是由大脑皮层制定的，那么2岁至6岁的儿童就已经有了和成人几乎一样的智能了，而不必等到15岁以后了。可见，大脑软硬件的分工和计算机软硬件的分工是一样的，大脑神经网络只是个白痴，里面空空如野，什么都没有，它所有的只是一个复杂的结构——由数百亿个神经元组成的神经网络，但其中并没有任何智能，这一点类似于计算机的处理器，处理器也有一个复杂的结构，它是由数百亿个晶体管组成，其实也没有什么智能。现在，可脑科学不研究人的心理，只研究大脑皮层，企图通过研究皮层中的神经网络来破解智能的奥秘，这不是南辕北辙，找错了地方吗？所以，脑科学虽然已有1百多年的历史，可至今对人脑智能的机制还几乎是一无所知，以至于，乐观的脑科学家认为，还要数百年才能破解这一奥秘，悲观的脑科学家认为永远都不可能破解，事实上，再给它1万年，也仍然如此，不会有任何实质进展！下面我们再用一个通俗的比喻来说明为什么脑科学不能破解人脑智能的奥秘。首先我们要知道什么是智能的奥秘？智能奥秘就是智能的机制，智能机制就是大脑智能解决问题的算法，即解决问题的方法和步骤，这一算法是由一系列的步骤（相当于计算机的指令）构成的，和计算机的软件一样，只是一种信息，而大脑神经元和神经网络所起的作用，正如计算机的处理器和存储器所起的作用那样，只是存储指令（步骤）和执行指令，而这一指令（算法的步骤）是由大脑的软件——心理系统生成或制定的，神经元和计算机的处理器一样，虽然它能读取指令和执行指令，但它并不理解指令，不知道指令中的算法是什么，以及为什么运行这组指令就能解决这个问题，完成这个任务，这就好比，虽然一个人能通过操作电视机遥控器的按钮来看自己想看的节目，但他并不懂电视机的原理，遥控器上的一组按钮就相当于神经元或处理器所读取、执行的一组指令。这就意味着，神经网络并不掌握大脑智能的奥秘，但脑科学向它要奥秘（通过研究大脑皮层中的神经网络来破解智能奥秘），这不就是南辕北辙，找错了地方吗？要想找到大脑智能的奥秘，我们应该研究大脑的软件——心理系统，而不应该研究大脑的硬件（脑皮层中的神经网络），因为智能的算法是由心理系统生成或制定的，解铃还需系铃人，只有心理系统才能破解这一奥秘，那么我们的心理系统能破解这一奥秘吗？如果能，它又如何破解呢？反省心理学中的心理二元说完美地给出了这个问题的答案，那说是，人的心理是二元的，由第一心理和第二心理共内构成，通过第一心理的研究，可以破解外部自然界的奥秘，发现自然规律，打开自然黑箱；通过第二心理的研究，能够破解心理和智能的奥秘，打开智能的黑箱，搞清智能的机制，方法是先开发第二心理，然后用它来破解智能奥秘，搞清智能的机制。笔者从1987年开始开发第二心理，并用第二心理研究人脑思维和人脑智能，经过30多年的努力，目前已基本破解了这一奥秘，搞清了人脑通用智能基本机制，并找到了用计算机模拟这一机制，从而实现通用人工智能的基本方法。这一研究实践，充分证明了上述关于破解智能奥秘的方法的推断是正确的。所以，笔者认为，脑科学破解智能奥秘是一个悖论，也就是说，通常认为通过脑神经科学研究可以破解智能奥秘，而事实上，这是根本不可能的，因为人脑智能的奥秘并不在大脑的硬件——大脑皮层的神经网络细胞中，而在大脑的软件——心理中，因此，通过脑科学研究来破解智能奥秘就是南辕北辙，找错了地方，永远也找不到，只有通过心理学研究才能破解这一奥秘。脑神经科学已有1百多年的历史，可至今对人脑智能的机制还几乎是一无所知，以至于，乐观的脑科学家认为，还要数百年才能破解这一奥秘，悲观的脑科学家认为永远都不可能破解！1979年9月出版的《科学美国人》是大脑研究专刊，专题最后一篇文章中，Francis Crick（DNA结构发现人之一）写道：“尽管人们积累了大量有关大脑研究的详尽数据，但其工作原理仍是难解之谜。神经科学只是一堆没有任何理论的数据，最明显的是缺乏概念框架”。Crick甚至没用“理论”这个词，他说，我们根本不知道怎么去想，因为连基本框架都没有。1979年以来，又近半个世纪过去了，如今怎样呢？亦然如此！前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，引起了下面一场讨论：“大脑未必是破解智能和意识之谜的钥匙”探讨《崛起的超级智能》作者，计算机博士刘锋发表了他的观点和意见：“有很多专家将智能和脑的关系与飞行与翅膀的关系进行了对比。的确它们有很多相同的地方，某种意义，今天的人类正处于发现智能领域的空气动力学前夜。如同研究飞行，无论通过显微镜还是解剖，对翅膀进行多么详细的研究，也无法真正的解开飞行的基本原理一样。因此无论我们多么精细的了解人脑的结构，也很可能同样无法解开智能和意识的产生原因，只专注与大脑功能和结构，这个研究方向很可能并不正确，就像瑞士蓝脑项目所做的那样，要解开智能和意识之谜，要基于脑的结构，但又需要跳出脑的结构，因为还缺乏脑之外的某些关键因素，如同要解开飞行之谜，要基于翅膀，又要跳出翅膀一样。不同生物的翅膀，会体现出不同的飞行方式和飞行的速度，不同的翅膀结构可以决定不同形式的飞行，但从空气动力学看，只研究翅膀结构，无法解开飞行的基本原理，脑与智能和意识的关系，目前也处于这种困境。我们知道人类、动物和AI系统在智能和意识上表现是不同的，但他们在基本的原理上应该是一致的，只是程度或强度不同，但我们还没有找到这种基础的原理，因为无法清晰的分清他们的区别，也无法真正的理解智能和意识到底是什么，所以说，今日人工智能的热潮并不能代表人工智能已经是成熟的学科”。笔者认为，刘锋博士的意见是很有道理的，这确实是一个方向性的错误：脑神经科学只所以在破解智能奥秘方面接连失败，一个很重要的原因可能是“找错了地方！”就好比，东西丢在了东边，而你却去西边寻找，当然找不到了！笔者的研究结果是：脑科学永远都不能破解人脑智能的奥秘！以下五方面的证据可以有力地证明这一观点：1.2，第一个证据，脑神经科学的历史前文已述，脑神经科学已有有一百多年的历史，积累了大量的事实和数据，却无理论框架可用，这一点是极不正常的，因为其它学科都没有这种情况，比如，生物学、化学、心理学、物理学等学科的历史也都不长，只有100至300多年的历史，但它们都有大量成熟的概念和理论，只有脑科学是个例外！这一例外告诉我们，脑科学的研究有可能是错误和无效的。有可能是方向性的错误，也有可能是方法、手段上的错误，总之，它可能是错误的和无效的。1.3，第二个证据，来自人脑与计算机的类比推理来自计算机的类比推理也支持了这一结论：人脑的智能主要在心理，而不在大脑，因此，只有通过心理学研究才能破解智能奥秘，脑科学研究不能破解这一奥秘。因为计算机和人脑非常类似，比如，二者都分为硬件和软件两部分，人脑的硬件是脑皮层中的神经网络，人脑的软件就是心理；脑皮层中的神经网络由数百亿个神经元构成，无独有偶，计算机的处理器也由数百亿个晶体管构成，以上只是形似，此外还有更惊人的神似：计算机软件中的算法和人脑智能解决问题的算法完全相同，都是解决问题的方法和步骤，对人脑来说就是第一步、第二步、第三步……，对计算机来说就是指令1、指令2、指令3……，一个指令就相当于一个步骤，可见，二者是非常类似的，因此，我们就可以据此做一些类比推理，比如，根据计算机软、硬件的分工来推测大脑软、硬件的分工，通过这种分工，我们可以找到智能的主要载体主要是哪个，是硬件还是软件？已知计算机硬件的工作任务主要有三个：一，处理器按顺序读取并执行指令，指令1，指认2……，指令就是程序算法中的解决问题的步骤，即步骤1，步骤2……，它只管按顺序读取指令，而不知道指令的内容是什么，就好象寄存处的行李管理员，只管接收和发放行李包，而不知道包中有什么物品；二，硬盘和内存用于存储和提取信息，但如何格式化硬盘，如何划分存储区，如何存储、提取信息并非由硬盘和内存说了算，而是由软件说了算，硬盘和内存也不理解自己所存储的信息的内容；三，处理器执行运算工作，但如何运算并非由处理器说了算，而是由软件说了算，软件通过指令告诉处理器如何进行运算，这就好比医生手中的手术刀，虽然是用它做手术的，但如何做，不是由刀说了算，却由人手说了算，人手又是由人脑指挥的。上述三个工作内容告诉我们，计算机的硬件几乎是个白痴，基本上没有任何智能。已知计算机软件的主要工作只有一个，那就是制定一个个的指令，指令就是步骤——解决一个问题或完成一件事情的步骤，如，存储和提取信息方面的指令，规定如何存储和提取信息；数字计算方面的指令，规定如何进行加、减、乘、除运算；信息检索方面的指令，规定如何进行信息检索等……。可见，软件是计算机智能的核心，有了软件，计算机才能解决问题，才能知道怎样去完成一件事情，而软件的灵魂就是算法，解决不同的问题，有不同的算法，算法规定了解决问题的步骤和每一步的具体内容，算法通过代码来实现，在计算机中运行包含算法的代码，就能解决特定的问题。上述软硬件的分工告诉我们，软件是计算机的决策部门，如同计算机的司令部，软件中的一个个指令，如同一个个命令，命令硬件做什么，怎么做；硬件是执行部门，是计算机的士兵，它忠实地执行软件中的命令。可见，计算机智能的奥秘在其软件之中，而不在其硬件之中。大脑硬件（脑皮层中的神经网络）的具体工作是什么呢？目前我们还不十分清楚，不过，对于大脑的软件——我们心理是如何活动的（即如何工作的），大家还是知道一些的，比如，我们正是通过心理活动来解决问题的，而且，解决问题的过程，就是找到解决问题的方法和步骤，确定一个个的步骤后，我们就能解决这一问题了，可见，大脑软件（心理）的工作非常类似计算机软件的工作，其一个个的步骤就相当于计算机软件中的一个个指令。接下来，我们就可以进行类比推理，根据计算机硬件的工作，来推测大脑硬件（神经网络）的工作，推测出神经网络的主要工作应该也类似于上面计算机硬件的三个主要工作：一，大脑皮层神经网络中某个部位的神经元相当于计算机的处理器，它按顺序读取并执行智能算法中的指令，指令1，指认2……，指令就是智能算法中的解决问题的步骤，即步骤1，步骤2……，它只管按顺序读取和执行指令，而不知道指令的内容是什么，就好象寄存处的行李管理员，只管接收和发放行李包，而不知道包中有什么物品。二，大脑神经网络中的某些部位的神经元用于存储和提取信息，但如何划分存储区和如何存储、提取并非由神经元说了算，而是由大脑的软件——心理系统说了算，而且神经元也不理解存取信息的内容；三，神经网络中的某些神经元还执行运算工作，但如何运算并非由神经元说了算，而是由大脑的软件——心理系统说了算，这就好比医生手中的手术刀，虽然是用它做手术的，但如何做，不是由刀说了算，却由人手说了算，人手又是由人脑指挥的。可见，人脑的硬件——脑皮层中的神经网络也几乎是个白痴，基本上没有任何智能。下面，再通过类比推理，推测一下大脑软件的工作：大脑的软件——心理系统应该象计算机软件的工作一样，其主要工作只有一个，那就是制定解决问题的一个个的指令，指令就是步骤（解决一个问题或完成一件事情的步骤），如，记忆（存储和提取信息）方面的指令，规定如何存储和提取信息；数字计算方面的指令，规定如何进行加、减、乘、除运算；信息检索方面的指令，规定如何进行信息检索，此外，在日常生活中，如何洗衣，如何做饭，如何去银行办理业务等……，每一件事都是有步骤的。这一推测结果与我们的实际经验（即我们对自己心理活动的基本认识）是相符合的。上述大脑软、硬件的分工告诉我们，心理是大脑的决策部门，如同大脑的司令部，心理中的一个个指令（步骤），如同一个个命令，命令神经网络做什么，怎么做；神经网络是执行部门，是大脑的士兵，它忠实地执行心理中的命令。可见，大脑智能的奥秘在心理中，而不在神经网络之中。心理是人脑智能的核心，有了心理，人脑才能解决问题，才能知道怎样去完成一件事情，而心理的灵魂就是算法，解决不同的问题，有不同的算法，算法规定了解决问题的步骤，心理中算法先通过大脑传递到人的四肢，再用肢的行动来实现这一算法，“先有思想，后有行动”，人类最终通过行动来实现自己的目的，满足自己的愿望。可见，心理是司令部，大脑皮层和四肢是士兵。通过上面的类比推理，我们就明白了这样一个道理，大脑只所以有智能，关键是靠它的软件心理，而不是它的硬件脑皮层中的神经网络，换句话说，大脑的智能都在其软件心理中，而不在其硬件神经网络中，因此，只有通过心理学研究才能破解大脑智能的奥秘，通过脑科学研究永远也不能破解这一奥秘，因为找错了地方！1.4，扩展阅读1：什么是计算机程序软件的算法？众所周知，做任何事情都需要一定的步骤。计算机虽然功能强大，能够帮助人们解决很多问题，但是计算机在解决问题时，也需要遵循一定的步骤。在编写程序实现某个项目功能时，也需要遵循一定的算法。所以，算法被称做是“软件程序的灵魂”。程序的算法是指在有限步骤内求解某一问题所使用的一组定义明确的规则。通俗点说，就是计算机解题的过程。在这个过程中，无论是形成解题思路还是编写程序，都是在实施某种算法。前者是推理实现的算法，后者是操作实现的算法。通俗地讲，计算机程序软件的算法是指一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对符合一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。编程是让计算机为解决某个问题而使用某种程序设计语言编写程序代码，并最终得到结果的过程。为了使计算机能够理解人的意图，人类就必须将需要解决的问题的思路、方法和手段通过计算机能够理解的形式“告诉”计算机，使计算机能够根据人的指令一步一步去工作，完成某种特定的任务。编程的目的是实现人和计算机之间的交流，整个交流过程就是编程。从上面的定义，我们可以看出，人脑的算法和计算机程序的算法在本质上是相同的，都是完成一件事情需要遵循的有限的步骤，每一步怎么做，先做什么，后做什么，都有明确的规定，无论是人还是计算机，只要遵循了规定的步骤，就能完成一件事情，解决一个问题。正因如此，智能的机制很容易转化为程序的算法，然后再转化为代码在计算机运行，这一过程就是用计算机模拟人脑智能机制的过程，可见，只要能破解智能奥秘，搞清智能的机制，就能用计算机模拟这一机制，从而实现与人脑同样的功能，并且可以比人脑做得更好，比如，数字计算、信息检索和公交查询都是对人脑相应机制的模拟，而且都超越了人脑，在数字计算方面，人脑的数字计算机制有10进制、2进制、8进制等，计算机模拟了人脑二进制的机制，目前其计算速度已达人脑的亿倍以上；在记忆方面，计算机模拟了人脑的索引机制（给每个记忆的内容添加索引，这样能加快查找的速度，如字典的索引目录，图书馆中的索引目录等），目前，搜索引擎在信息检索方面的速度也已远超人脑，达到了人脑的亿倍以上；在公交查询方面，公交查询系统模拟了人脑的出行方案生成机制（根据两条公交线路的交汇点，选择转车方案），目前在查询（方案生成）的速度和精确度方面，也已远超人脑，可见，只要能破解人脑智能的奥秘，不但能实现AGI，而且还能实现超人工智能，与人脑智能相比，机器智能只有两种状态：远不及人脑和远超人脑，这是因为，计算机的信息存储量的运算速度都千万倍于人脑，所以，如果模拟人脑智能的相应机制，那么，机器智能在相应方面就能远超人脑，反之，如果不模拟人脑智能的相应机制，那么，在相应方面就远不及人脑。1.5，扩展阅读2，只研究硬件，能搞清计算机智能（功能）的奥秘吗？假如一个人既不懂计算机的硬件，也不懂计算机的软件，他很想搞明白计算机为什么会有智能，比如，为什么能进行数字计算、信息检索、公交查询等，而且还比人做得更好、更快？于是他就把整个计算机的硬件全拆了，进行了全面的、仔细的观察和研究，他搞清楚了处理器是由数百亿个晶体管组成的，计算机是如何存储和读取信息的，电流是如何在计算机中传递信息的，甚至搞清了计算机硬件的工作原理——冯诺伊曼构架，那么，他最终能搞明白计算机为什么会具有数字计算、信息检索和公交查询方面的智能吗？答案是否定的。但如果他搞明白了计算机软件中的算法，即上述数字计算、信息检索和公交查询程序的算法，那么他立即就能明白计算机为什么会具有这些方面的智能，因为算法是软件的灵魂，它规定了计算机解决一个问题，完成一件事情的步骤，比如，把大象关进冰箱里分三步：打开冰箱门、把大象牵进去、关上冰箱门，这虽然是个笑话，但可以很好地解释什么是软件中的算法。计算机只所以能具有上述功能（智能），关键在于它的软件，一个没有安装软件的裸机是没有任何功能（智能）的，而软件的灵魂又是算法，所以，如果他不知道软件的算法是什么，那么，他永远也不会明白计算机为什么能具有上述功能（智能）。而现在的脑科学在破解智能奥秘方面正犯着同样的错误，脑科学只研究大脑的硬件系统——神经元网络结构，而从不研究大脑的软件——心理系统，所以，虽然脑科学搞清楚了人脑是由数百亿个神经元组成的，每个神经元又通过数百个突触和数百个其它神经元发生联系，神经元之间通过电脉冲来传递信息等等，但却无法解释人脑是如进行图像识别、逻辑思维、灵感、直觉、想像思维的，以及如何进行预测、决策、科学发现、技术发明等活动的，这是因为，大脑的智能和计算机的智能是一样的，其只所以有智能，关键在于其软件（心理）的算法，也就是心理活动的机制，心理活动的机制就是心理的算法或智能的算法，不过，这种算法要比计算机的算法高明多了，有了这套算法，人脑就能实现小样本自主学习，就能举一反三，触类旁通，而且还是通用的，只需要一个操作系统就可以解决各种问题，不象计算机那样还需要各种专业软件来解决不同领域里的问题，如果破解这套算法，把它移植到计算机的软件中，就能实现人脑那样的通用人工智能，甚至是超人工智能。事实上，心理算法也正是人脑智能的主要机制（占人脑智能总量的99%）。所以，要想破解大脑智能的奥秘，必须象研究（破解）计算机的奥秘那样，既要研究其硬件，同时又要研究其软件（这样才能破解计算机智能的奥秘），也就是说，必须同时研究大脑的硬件（神经元细胞网络）和软件（心理活动），否则，永远都不可能破解人脑智能的奥秘。而且，破解智能奥秘的主力军一定是心理学研究，而不是脑科学研究，因为大脑智能的奥秘，大约只有1%存在于其硬件（神经网络）中，这部分奥秘只能通过脑科学研究来破解，而99%的奥秘却存在于其软件（心理系统）中，这部分奥秘只能通过心理学研究来破解。1.6，扩展阅读3，计算机的智能来自哪里？假如你请教一个人如何做某件事，这个人说，“我知道怎么完成这件事，只需5步，但具体怎么做我不告诉你”，这样你从这个人的嘴里只得到了你想要的1%的信息，其它99%的信息他都没有告诉你，而对一个计算机来说，它的硬件只掌握如何完成一件事的1%的方法（秘密），它的软件则掌握另外的99%的方法，因为它的硬件只是执行软件中规定的指令，一个指令相当于一个步骤，它先取出第一个，然后再取出第二个，直到所有指令都被取出并执行完毕，硬件才停止工作，这件事也就完成了。而它的软件则负责制定完成一件事情的具体步骤（方案），软件的灵魂是算法，所谓算法就是做一件事的步骤，不同的事件需要不同的步骤，完成事件A需要7步，完成事件B可能只需5步，每一步的内容也不同，我们人类做每件事都是有步骤的，如刷牙需要三步：取出牙刷、挤上牙膏、放在嘴里开始刷牙；吃饭需要四步：拿碗、盛饭、找凳子坐下、开始吃饭。计算机做事也是一样的，你必须事先告诉它完成一件事的步骤，它才能完成这件事，所以也就有了程序的算法，有了算法后，再根据算法编写代码就得到了程序，最后在计算机上运行程序代码，这样计算机就能按你事先的设定去解决一个问题，完成一件事情。比如，搜索引擎的信息检索就需要以下五个步骤：第一步，用分词软件把用户输入的查询语句分割为多个关键词；第二步，拿上述多个关键词去索引表中查找同名的关键词，它的索引表如同字典的索引表，里面有很多关键词，而且每个关键词都有指针，指向包含这个关键词的所有网页；第三步，根据上述指针，找到包含查询关键词数百万个网页；第四步，对这数百万个网页进行相关性排序，把最相关的排在最前面；第五步，把排序的结果呈现给用户。以上通俗地讲解了计算机的工作原理，这一原理在教科书中是这样讲的：“计算机在运行时，先从内存中取出第一条指令，通过控制器的译码，按指令的要求，从存储器中取出数据进行指定的运算和逻辑操作等加工，然后再按地址把结果送到内存中去。接下来，再取出第二条指令，在控制器的指挥下完成规定操作。依此进行下去，直至遇到停止指令。程序与数据一样存贮，按程序编排的顺序，一步一步地取出指令，自动地完成指令规定的操作是计算机最基本的工作原理。这一原理最初是由美籍匈牙利数学家冯.诺依曼于1945年提出来的，故称为冯.诺依曼原理”，可见，计算机的软件是决策部门，负责制定方案，硬件是执行部门，负责执行方案，所以，软件是计算机的司令部，硬件是士兵，计算机的灵魂是它的软件而不是硬件，软件的灵魂是算法，算法是人制定出来的，所以，计算机的智能最终还是来自人类，但它的智能有99%存在于软件中，只有1%存在于硬件中。1.7，第三个证据，发展心理学方面的事实和研究成果发展心理学的研究结果表明：人脑的智能主要在于心理，而不在于大脑皮层中的神经网络。以下四个发展心理学方面的事实和研究成果可以证明这一观点：1，虽然人一生下来就有了大脑，但3个月内的婴儿却没有任何智能，还不能识别自己的父母，连最简单的识别能力都没有，更谈不上其它智能，为什么呢，因为此时的婴儿虽有了大脑，但还没有心理系统，如同一个没有安装软件的电脑裸机，几乎不具有任何功能（智能），3个月以后的婴儿，才逐步具备识别能力、记忆能力和简单的思维能力，这说明其心理系统开始萌芽、生长，所以，其智能也随着心理的成长而一步步地成长。2，婴儿出生后，最先发育的是大脑，2岁时，脑袋容量已达到成人的80%，6岁时大脑的发育已达到顶峰，几乎和成人一样了，但六岁儿童的智力（智能）却远不及成人，此时的儿童虽然掌握了语言，但还不会逻辑思维，不能理解抽象的概念，还没有掌握智能的基本操作技术，所以，法律上规定，不满8岁，为无民事行为能力人，8岁至18岁为限制民事行为能力人，18岁后才算是完全民事行为能力人，可见，大脑和智能不能画等号，因为大脑的成熟不等于智能的成熟，但心理可以和智能画等号，心理的成熟就等于智能的成熟。智能的基本操作技术比知识更能代表智能的本质，因为如果不会操作，即使拥有知识也不知道怎么利用这些知识去解决问题，完成智力任务，而6岁时的儿童虽然大脑的发育已和成人一样了，但还没有掌握智能的操作技巧，这说明此时的儿童还是“有大脑没智能”，正如计算机的裸机是“有硬件没智能”的，这也充分说明了“大脑之与心理，正如计算机的硬件之与软件”。可见，大脑不等于智能，智能的主体不是存在于大脑，而是存在于心理之中。3，发生于印度的狼孩故事，也有力地证明了这样一个道理：人脑智能的关键在其软件——心理，不在其硬件——大脑，狼孩的大脑虽然健全，但因为没有良好的后天环境，致使心理系统没能很好地开发和成熟，所以，智能低下，远不及正常人。计算机的智能主要存在于其软件（程序代码）之中，而非其硬件（处理器、内存、硬盘等），因此，一个没有安装软件的裸机是几乎没有任何功能（智能）的，同理，人脑的智能也主要存在于其软件（心理）中，而非其硬件（大脑神经元细胞网络）中，所以，一个脱离社会的狼孩是几乎没有智能的。4，发生认识论的研究结果。瑞士认知科学家皮亚杰的“发生认识论”表明：“人类认知的发展要经历四个阶段，感觉运算阶段（0～2岁），前运算阶段（2～7岁），具体运算阶段（7～11岁），形式运算阶段（11～15岁）。只有随着年龄的增长，在我们也经历了所有阶段后，才能拥有真正的人类智慧（Only once we have gone through all the stages,at what age can vary, we are able to reach full human intelligence.）”。这四个阶段的详细内容是：1) 感觉运算阶段：（0～2岁）①　仅仅依靠感觉和动作适应外部环境、应对外界事物，感觉和动作慢慢分化②　手抓取和嘴吮吸作为探索世界的主要方式和手段③　低级的行为图式（人在认识周围世界过程中形成自己独特的认知结构）④　获得了客体的永恒性（9～12个月）：例如：把面前的玩具拿走，他会去寻找。2) 前运算阶段：2～7岁①　语言的出现和发展使儿童日益频繁地使用表象符号来代替外界事物②　万物有灵：认为外界一切事物都有生命③　一切以自我为中心，认为所有人都有相同的感受④　思维具有不可逆性、刻板性⑤　做出判断的时候，只能用一个标准或者一个维度3) 具体运算阶段：7～11岁①　获得了长度、面积、体积、重量的守恒观念②　抽象概念：可进行简单抽象思维，能进行逻辑推理③　思维具有可逆性，逻辑思维，群体运算4) 形式运算阶段：11～15岁①　儿童思维以命题为主，能用逻辑推理、归纳演绎的方法解决问题，例如几何②　能够理解符号的意义，隐喻和直喻，能做一定的概括③　思维具有可逆性、补偿性和灵活性，发展水平接近成人。上述四个发展心理学方面的事实和研究成果告诉我们，大脑不等于智能，人类智能主要是后天经验的产物，没有后天经验，就没有人类智能，大脑只是提供了一个我们用来获取后天经验的物质基础，没有这个物质基础，我们就无法获取后天经验，但如果只有这个物质基础，没有获取后天经验，同样不能产生智能，大脑的软件——心理系统就是在这个后天经验中形成的，所以，人脑智能的奥秘，正如计算机智能的奥秘一样，主要存在于大脑的软件——心理系统，而非大脑的硬件——大脑神经元网络系统。所以，脑科学研究不能破解智能奥秘，只有通过心理学研究才能破解这一奥秘。从另一个角度来看，既然人脑的智能不是先天的，而是在后天经验中逐步形成的，而智能的本质和核心都是算法（解决问题的方法和步骤），那么，这一算法肯定不是由大脑制定的，而是由大脑的软件——心理系统制定的，因为如果是由大脑制定的，那么人一生下来就有这一算法了，或最迟在6岁时（大脑的发育已达到顶峰，几乎和成人一样了）就能具有这一算法，而不必等到12岁以后才能具有这一算法，可见，这一算法不是由大脑的硬件——脑皮层中的神经网络制定的，而是由大脑的软件——心理系统制定的，制定后又以加密文档的方式保存在心理系统中，而整个心理系统又保存在大脑皮层中的神经网络中，就象电脑中的操作系统和应用软件都保存在计算机的硬盘中那样。这样，虽然智能的算法保存在大脑中，但大脑却不能破解它，因为它是加密文档，而且这个加密文档不是由大脑制作和加密的，大脑相当于一个行李寄存处的管理员 ，它只管收取和存放行李，无权查看行李中的物品。因此，大脑就无法破解这一被加密的智能算法。上述情况又类似于，虽然软件代码又存储在计算机的硬盘中，而算法又包含于软件代码中，但其中的算法对计算机的硬件来说只是一个黑箱，或一个被加了密的文档，只有软件才能破解它，因为是软件给它加的密，解铃还需系铃人，只有软件才能破解这的密码。硬件只知道调取和执行其中的指令（算法、步骤）能解决某类问题，能完成一件事，但硬件并不懂指令的具体内容，这就好比，一个人会操作和使用一台收音机或电视机，但他并不懂其中的原理。而且计算机的硬件也没有能力破解这一加密文档，又好比行李寄存处的服务员不能打开客户寄存的箱子一样。综上所述，大脑智能的奥秘（智能解决问题的算法）是由心理系统制定和保管的，只是以加密文档的形式存放于大脑的硬件——神经网络中，因此，“解铃还需系铃人”，只能通过心理学研究才能破解这一奥秘，脑科学不能破解这一奥秘。1.8，第四个证据，大脑被切掉一半还能象正常人一样生活！最近发表在《 Cell Reports》的一项研究表明：6名患者大脑一半被切掉后，可以像正常人一样生活。第一作者Dorit Kliemann表示，“当我看到电脑里面的fMRI图像只显示出一半的大脑时，我还是非常惊讶的，因为这些图像竟然来自和我刚刚一起聊天和走路的那些人”。首次大脑半球切除术其实可以追踪到1926年，美国神经外科医生Walter Dandy医生首次为一名患有大脑胶质肿瘤的病人切除了半个大脑，并且取得了成功。文献中还有许多其他案例记录了大脑强大的可塑性：例如，发表在《生命科学》上的一个报道，一个小男孩的右半大脑三分之一被切除，切除的大脑包括负责视力的部分。几年后，神经科学家发现小男孩左侧大脑开始承担缺失的视觉任务，而且小男孩可以看得很清晰。再如，发表在《柳叶刀》上面的一个白领案例，也展示出了大脑强大的可塑性。一名44岁法国男子的脑部做CT和核磁共振扫描后惊讶地发现，其脑室里充满了脑脊液，原本正常的脑组织由于受挤压薄得像一张纸。令人吃惊的是，这位“几乎没有大脑”的患者智商竟有75，不仅像正常人一样娶妻生子，甚至还干着政府公务员的差事。再如，发表在《健康时报》的一个例子，17岁的刘俏因为癫痫就医，去医院结果发现她在右脑已经毫无用处，甚至还拖后腿，给正常的左脑添麻烦捣乱，这也是引发癫痫的原因。医生建议她做半脑切除术，虽然当时她和家人都感到不可思议，但没有其他好的治疗办法。好在手术进行的很成功，如今刘俏已经结婚生子，有一个幸福美满的家庭。该文还指出，“大脑半球切除术，指开颅将整个大脑半球皮质及其下方的白质和部分基底节一同切除，仅保留丘脑和下丘脑的一种手术。一般来说，切除大脑半球会对运动、人格和记忆产生严重影响，但特殊情况下，一个大脑半球严重受损，切除后对人体功能影响不大或者可逐步恢复，接受手术者年龄越小其功能恢复能力越强”。可见，大脑半球切除术对人的记忆影响最大，这是因为被切除的神经元中存储了原先的记忆信息，但并不影响大脑的思维功能，这也正好说明，神经元的主要功能是存储信息、读取和执行心理系统制定的指令（算法、步骤），大脑中的多数神经元都有这些功能，因此，保留的神经元可以代替被切除神经元的原有功能。这也可以很好地说明，大脑智能的主要载体是心理系统，而不是神经网络。也正因如此，在人类中甚至整个动物界中，脑袋的大小和神经元数量的多少，都不是影响智能高低的决定因素，比如，鹦鹉、章鱼、乌贼、乌鸦、松鼠等动物的脑袋都很小，但它们都很聪明，甚至会制造和使用工具，以满足自己的需要。根据牛津大学研究人员拍摄的视频显示，鹦鹉“费加罗”看到鸟笼外有一枚研究人员放置的坚果，于是试图够到坚果。令研究人员吃惊的是，“费加罗”衔起笼中的树枝，嘴爪并用把树枝的分叉都咬掉，使这根光溜溜的树棍得以伸出笼子间的缝隙。“费加罗”衔着自制的树棍把坚果拨近笼子，成功地吃到了坚果。研究人员说，“费加罗”会使用工具就已经让人吃惊，而它竟能自己制造工具，更是让人意料不到；再如，章鱼也有非凡的智能，能走出迷宫，还能打开屏盖；乌鸦会把一根直铁丝弯成钩子，然后用它取回管子里的食物。上述事例告诉我们一个事实：影响大脑智能的关键因素并不是大脑的硬件——脑皮层中的神经网络的大小和神经元数量的多少，这一事实启示我们，大脑的软件——心理系统才有可能是决定大脑智能高低的关键因素。1.9，第五个证据，反省心理学中的“心理二元说”心理二元说可以有力地证明这一点：大脑的智能主要在其软件，而不在其硬件。心理二元说揭示了人的心理是二元的，通过第一心理的研究，可以破解外部自然界的奥秘，通过第二心理的研究可能破解心理自身和智能自身的奥秘，从而打开心理黑箱和智能黑箱，搞清智能的主要机制，即智能解决问题的算法。这表明，大脑智能的奥秘正是存放在其软件——心理中，所以，通过第二心理中的心理学研究就能破解它。心理二元说诞生于2005年，是反省心理学中的一个原创理论，该说认为，人的心理是二元的，由第一心理系统和第二心理系统共同构成，前者的主要功能是打开外部自然界的黑箱，后者的主要功能是打开内部心理世界的黑箱，因此，通过第一心理中的科学研究活动，能够发现科学规律，从而打开外部自然界的黑箱；通过第二心理中的心理学研究活动能够发现心理规律，从而打开内部心理的黑箱。由于人的心理由知、情、意三要素构成，而“知”就是认知和智能，因此，打开了心理的黑箱，也就打开了智能的黑箱，搞清了人脑智能的机制或原理，当然，同样也能打开情感和意志的黑箱，搞清其产生和运作的内在机制。当我们思考工作、生活中的事情时，我们正在进行第一心理活动，当我们企图观察或剖析自己的心理活动时，我们正在进行第二心理活动。我们的记忆是二元的，分为“外记忆”（记录外部的工作、生活等事件）和“内记忆”（记录内部的心理活动事件，如梦、情绪、思维等事件），当我们的思维加工“外记忆”中的材料时，就是在进行第一心理活动，当加工“内记忆”中的材料时，就是在进行第二心理活动，不过，这两类心理活动不能同时进行，一个开始后，就会打断另一个（正在进行中的心理活动）。如何形象地理解二元心理呢？让我们拿拍电影来作一比喻吧，第二心理是第一心理背后的心理，犹如镜头背后的镜头，摄像机背后的摄像机。我们可以设想一下拍电影的情形，摄影师用摄像机把演员的表演制作成了电影，假如现在又多了一个摄影师，但他不是在拍电影，而是用自己的摄像机跟踪拍摄前一摄影师和演员们的“电影制作活动”，这样，他拍摄的结果（制成品）就不是一部电影，而是“该部电影是如何制成的”。所以，我们看，前一个摄影机反映、记录、剖析了演员们的活动，它的内容就是一部电影；而后一个摄影机则反映、记录、剖析了前部电影是如何制作出来的。这正如我们的心理一样，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一摄影机代表第一心理（外知心理），后一摄影机代表第二心理（内知心理）。心理二元说可以破解大脑软件的奥秘——智能机制（即智能是如何把外部信息转化为知识，并利用知识解决各种问题，完成各种智力任务的），它可以很好地回答以下问题：智能是如何从现实环境和语言文字中学习知识的？又是如何利用知识来完成预测、决策、规划、发明、发现等智力任务的？智能是如何编织知识网络（图谱）的？智能学习的具体过程和推理、创造的具体过程是什么？等一系列关键问题，从而使我们能够理解智能，使它不再神秘，这些问题的答案就是智能的机制。心理二元说不但可以破解“显性智能”（解决问题的能力），而且还可以破解“隐性智能”（发现问题和定义问题的能力），破解后就可以用计算机进行模拟人的显性智能和隐性智能活动，未来的计算机（人工智能）可以象人脑一样，先自己给自己提出问题，然后再自己寻找这一问题的答案，从而做出科学发现和技术发明，实现知识的增殖，不断地扩展知识的疆域，增大原有的知识网络（图谱）。笔者目前已破解了这一机制（人脑提出问题的机制），而且从理论上讲，完全可以用计算机模拟这一“隐性智能的机制”。未来的人工智能可以在显性智能和隐性智能方面远超人脑，但不能全面超越人脑，这是因为，人脑是生命物，人工智能是非生命物，因此，它不可能具备生命物所特有的欲望、意志、情感、动力等要素，所以，人工智能永远也不可能全面超越人脑。1.10，被加密、隐藏的智能机制人类智慧的本质就是智能的机制或工作原理、算法，智能机制的绝大部分都不是先天的就有的，而是在后天经验中逐渐形成的，而且智能机制是隐性的，所以，尽管我们每天的智能活动中都在不自觉地运用着它，但并我们并不知道它是什么样的，也就是说，你说不出这一机制具体步骤是什么，所以，有人笑称这是在“骑着驴却找不到驴”，比如，你能轻松地识别出现实场景或图片中的一个个物体对象，也能灵活地运用想像、灵感、直觉等高级思维，但你说不出上述识别和思维的具体过程是什么，这是因为，智能的机制或智能的规律和自然界中的自然规律一样，都是隐性的，是隐藏着的，如同被加密的文档，是有待我们去破解和发现的，需要我们去破解后才能知道它的真面目，我们需要通过科学研究和心理学研究才能发现它们，搞清楚它们。智能机制分为浅显机制和深隐机制两种，前者通常是简单的，容易破解，后者通常是复杂的，难以破解。这和自然科学中的奥秘一样，比如，象杠杆原理、浮力定律、摩擦力定律等都是简单、浅显的奥秘（原理），一般科学家通过研究在短时间内就能破解、发现它们，但象相对论、遗传规律、生物进化论、电磁理论等复杂、深隐的奥秘只有爱因斯坦、孟德尔、达尔文和麦克斯维那样的天才科学家通过很多年的研究才能破解它们，如爱因斯坦发现相对论是十年磨一剑的结果，孟德尔做了8年的豌豆实验，才得出生物遗传的基本规律，达尔文发现进化论更是坚持研究30年的结果。智能机制也是如此，比如，逻辑推理、数字计算、记忆和公交查询机制都属于前者，容易破解，所以其算法较早被移植到计算机中，而象人类的视觉机制、自主学习机制、自然语言理解机制、二元智力机制等都是复杂、内隐的机制，没有发达的第二心理和面壁十年的功夫、毅力，很难被破解它们，因此，目前还没有被移植到计算机中，不过，笔者自1987年开始研究思维和人脑智能，经过30多年的努力，目前已成功破解了上述复杂机制，所以，AGI的实现，将是为期不远的事情。在发现智能规律方面，二千多年前，古希腊哲学家亚里士多德通过心理学研究发现了人类逻辑思维的基本规律“三段论”，由于历史没有相应的记载，我们也不知道他用了多长时间发现了这一规律，但可以肯定地说，这不是随便拍拍脑们就能发现的，一定用了相当长的时间。笔者只所以能破解智能之谜，是自1987年以来30多年持续不断地努力的结果，在破解智能奥秘方面，同样没有人能随随便便成功！笔者目前所破解的智能奥秘，也仅是智能奥秘中的一少部分，以后还有大量的工作要做，不过，这些对于研制和实现AGI来说，已经够用了。1.11，脑科学悖论给我们的启示1，复杂不等于智能，简单也不等就没有智能。大脑神经网络和计算机的处理器都有着非常复杂的结构，前者由数百亿个神经元组成，后者由数百亿个晶体管组成，但这种复杂只是简单累加和复制的结果，因此，它只是表面上的复杂，内在里却是非常简单的，相反，人脑智能的算法和计算机软件的算法，表面上看起来很简单，只是由一个个的指令或步骤组成，但解决不同问题的每一个指令的内容（或步骤的内容）却都是不一样的，问题是无穷的，因此，指令的内容也就是无穷的，可见，简单的形式下面隐藏着无穷多的内容，所以，我们不能以形式的简单或复杂来推断其智能，这就好比，一个军队可能有数百万个士兵，看起来非常复杂，而其统帅只有一个，看起来非常简单，但所有士兵的指挥才能之和，也比不上一个统帅。2，类脑智能是个错误的方向。类脑智能是指先通过脑科学研究来破解大脑智能的奥秘，然后，通过类脑（模拟人脑）就能够实现人脑那样的智能AGI，而事实上这是不可能的，因为脑科学根本就不能破解大脑智能的奥秘，因此，接下来类脑模拟也就无从谈起，因为预期的必要前提是不可能的，那么结果就肯定也是不可能的。3，结构模拟是不会成功的。为什么呢？结构模拟又叫结构类脑，即仅通过结构上模仿来实现人脑那样的智能，这是根本不可能的，因为，正如，计算机只所能有智能，关键在它的软件，而不是它的硬件，同理，人脑只所以有智能，关键在其软件——心理，而不在大脑硬件——脑皮层中的神经网络，心理系统和软件系统是决策部门，是司令部，而大脑皮层和计算机的硬件只是执行部门，是士兵，因此，大脑皮层和计算机的硬件一样，只是个白痴，是几乎没有什么智能的，因此，仅通过模仿大脑的结构，而不模仿其心理，是根本不可以实现AGI的。大脑智能的奥秘主要存在于其软件——心理系统之中，而非大脑的硬件——神经网络结构中，所以，即使仿造出了与大脑一样的神经元网络系统，也不能获得同样的智能，因为这就好比你即使模仿计算机的硬件，造出了和它一样的硬件系统，但如果没有与之配套的软件，仍然是没有功能（智能）的，又好比，你只是搭好了一个舞台，但如果没有剧本和演员，仍然不会有观众的。当然，也许有人会说，我先模仿人脑的结构，造出一个光电材料构成的电子大脑，然后，用数据去训练它，让它象发展心理学那样，自己成长出智能，但问题是，人脑是个生命物，因此，它有欲望、动机、意志、情感等要素，而非生命物不可能具有这些要素，而人脑的智能，正是在欲望的驱动下形成的，智能是为（主体）自己的需要服务的，这个电子结构的大脑，既然没有欲望，也就没有形成智能的动力，因此，即使用数据训练它，也不可能象人脑那样自动地成长出自己的智能。如果你仿造出一个生物的大脑，那么，这个生物的大脑就会有自己独立的欲望、动机、意志、情感等要素，这样就有可能和人类的利益发生冲突，如果它的智能超越了人类，那么，就有可能控制和危害人类，可见，这样是非常危险的，是不可取的。综上，所谓的结构模拟从根本上就是错误的，前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，就是很好的例证。只有用计算机的软件模拟人类心理机制的“类心理智能”才是正确的，才有可能实现真正的智能——AGI。计算机软件形态的人工智能是个非生命物，因此，它不会具有生命物所特有的欲望、动机、情感和意志等要素，更不会有独立意志和自主意识，因此，和人类没有任何利害冲突，同时，也没有任何主动性，作为一个软件，人类设定什么，它就做什么，人类让它运行，它就运行，不让它运行，它就呆着，什么也不做，可见，其在本质上和人类发明的其它工具是一样的，都只会被动地服从人类的安排，听从人类的使唤，而从不会主动地做任何事情，因为它的一切行为都是人类通过计算机软件来设定的。这一点就决定了，其在任何时候都不会主动做出危害人类的事情，更不会控制人类，所以，是安全可靠的。1.12，破解智能奥秘的钥匙——“心理二元说”破解智能奥秘的正确方法工智能之父图灵曾说：“人工智能唯一需要做的事就是找到脑内运行的程序，获得正确的智能算法，然后在合适的硬件上运行它”。那么怎样才能破解智能奥秘，找到脑内运行的程序呢？脑神经科学在这方面无能为力，虽然它已有一百多年的历史，但至今对人脑智能的奥秘还几乎是一无所知，不过，能破解智能奥秘的理论和方法早在2005年就已出现了，只不过大多数人都还不知道，那就是“反省心理学”中的“心理二元说”，心理二元说揭示了人类的心理是二元的，由第一心理和第二心理两个心理系统共同构成，通过第一心理中的研究，能够破解自然界的奥秘，发现自然规律，打开自然黑箱，通过第二心理中的研究，能够破解智能奥秘，打开智能黑箱，发现智能的规律或机制。破解智能奥秘的正确方法是：先开发第二心理，然后再用第二心理去破解上述99%的智能奥秘，搞清智能的机制，这样就能找到脑内运行的程序，就能获得正确的智能算法，并在计算机上运行它，从而实现人类那样的真正智能——通用人工智能（AGI）。要开发AGI，需先开发“第二心理”，再用第二心理破解智能奥秘！心理二元说诞生于2005年，是反省心理学中的一个原创理论，该说认为，人的心理是二元的，由第一心理系统和第二心理系统共同构成，前者的主要功能是打开外部自然界的黑箱，后者的主要功能是打开内部心理世界的黑箱，因此，通过第一心理中的科学研究活动，能够发现科学规律，从而打开外部自然界的黑箱；通过第二心理中的心理学研究活动能够发现心理规律，从而打开内部心理的黑箱。由于人的心理由知、情、意三要素构成，而“知”就是认知和智能，因此，打开了心理的黑箱，也就打开了智能的黑箱，搞清了人脑智能的机制或原理，当然，同样也能打开情感和意志的黑箱，搞清其产生和运作的内在机制。当我们思考工作、生活中的事情时，我们正在进行第一心理活动，当我们企图观察或剖析自己的心理活动时，我们正在进行第二心理活动。我们的记忆是二元的，分为“外记忆”（记录外部的工作、生活等事件）和“内记忆”（记录内部的心理活动事件，如梦、情绪、思维等事件），当我们的思维加工“外记忆”中的材料时，就是在进行第一心理活动，当加工“内记忆”中的材料时，就是在进行第二心理活动，不过，这两类心理活动不能同时进行，一个开始后，就会打断另一个（正在进行中的心理活动）。如何形象地理解二元心理呢？让我们拿拍电影来作一比喻吧，第二心理是第一心理背后的心理，犹如镜头背后的镜头，摄像机背后的摄像机。我们可以设想一下拍电影的情形，摄影师用摄像机把演员的表演制作成了电影，假如现在又多了一个摄影师，但他不是在拍电影，而是用自己的摄像机跟踪拍摄前一摄影师和演员们的“电影制作活动”，这样，他拍摄的结果（制成品）就不是一部电影，而是“该部电影是如何制成的”。所以，我们看，前一个摄影机反映、记录、剖析了演员们的活动，它的内容就是一部电影；而后一个摄影机则反映、记录、剖析了前部电影是如何制作出来的。这正如我们的心理一样，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一摄影机代表第一心理或外知心理，后一摄影机代表第二心理或内知心理。当然，人脑被称作“宇宙间最复杂的组织”，脑奥秘被称作“人类认识自然的‘最后的疆域’”，要破解它肯定不是一件容易的事，这首先需要有强大的第二心理系统，其次还需要有持续多年的坚持不懈的努力，方能打开智能的黑箱，搞清其内在机制或原理，这一点和科学家通过科学研究打开自然黑箱是一样的，比如，爱因斯坦发现相对论是十年磨一剑的结果，莱特兄弟发明飞机用了8年，孟德尔做了8年的豌豆实验，才得出生物遗传的基本规律，达尔文发现进化论更是坚持研究30年的结果，空气动力学由德国飞行学家李林塔尔奠定基础（李林塔尔于1889年出版《鸟类飞行——航空的基础》一书），中间经由美国的莱特兄弟继承和发扬，直到1946年，冯·卡门和钱学森提出系统的空气动力学，前后用了57年，牛顿只所以能发现万有引力定律，是因为站在了前人的肩膀上，如果没有加利略和开谱勒的前期工作，牛顿根本就不可能发现万有引力。可见，打开自然黑箱不是一件容易的事，打开智能黑箱同样如此，很多人都有观察和思考的能力，都知道科学研究的方法，为什么只有牛顿、爱因斯坦等少数人做出了伟大发现呢？同样的道理，每个人也都有内省和思考内部事件（心理现象）的能力，都有第二心理系统，但只有专心致志并能长期坚持的人，才能在心理学领域里做出伟大发现，从而打开心理黑箱和智能黑箱。拿笔者的个人经验来说，在我14岁时就开始对人的心理和思维活动产生兴趣，15岁读初三时就开始在课堂上边听课边分析老师讲课时的心理和思维活动，1987年，在我18岁读高二时，开始立志要破解天才之谜，找到培养天才的方法，以便将来为国家培养出成千上万个象牛顿、爱因斯坦、爱迪生那样的天才科学家，从此，就开始研究天才和人脑思维，因此，我的第二心理开发得比较早，也比一般人较为发达，经过18年坚持不懈的努力，在2005年前后，成功破解天才之谜，找到培养天才的方法，同时破解了人脑灵感、直觉、想像和发明方案思维之谜，搞清了其具体过程，同时还发现了心理二元说、四大意识流、心潮、浅层、智力相对论等一系列理论和概念，2006年完成《反省心理学原理与人脑、电脑潜能开发》一书，书中首次提出“超人类电脑”概念（相当于现在的超人工智能）和人工智能的一般原理；2007年完成《反省心理学原理及其心理治疗、天才培养、人工智能应用》，2013年此书更名为《心灵控制术》，并由北京电子工业出版社出版发行；2019年初，初步破解了感知、认知和创造三类智能的奥秘，搞清了其基本机制，并且找到了用计算机进行模拟的初步方法，可见，笔者只所以能破解智能之谜，是自1987年以来30多年持续不断地努力的结果，在破解智能奥秘方面，同样没有人能随随便便成功！笔者目前所破解的智能奥秘，也仅是智能奥秘中的一少部分，以后还有大量的工作要做，不过，这些对于研制和实现AGI来说，已经够用了。心理二元说虽然不能破解大脑智能的硬件奥秘（即大脑的神经细胞网络是如何产生智能的？），但可以破解其软件奥秘——智能机制（即智能是如何把外部信息转化为知识，并利用知识解决各种问题，完成各种智力任务的？），它可以很好地回答以下问题：人脑为什么会有智能？为什么人脑智能是通用的？如何才能产生智能？智能是如何从现实环境和语言文字中学习知识的？又是如何利用知识来完成预测、决策、规划、发明、发现等智力任务的？智能是如何编织知识网络（图谱）的？智能学习的具体过程和推理、创造的具体过程是什么？等一系列关键问题，从而使我们能够理解智能，使它不再神秘，这些问题的答案就是智能的机制，明白了智能的机制（软件奥秘），就可以用计算机软件模拟这一机制，从而实现AGI，甚至实现超人工智能（有关心理二元说方面的详细内容见反省心理学的经典著作《心灵控制术》，杜向阳，北京，电子工业出版社，2013，当当、京东等网店有售）。心理二元说不但可以破解“显性智能”（解决问题的能力），而且还可以破解“隐性智能”（发现问题和定义问题的能力），破解后就可以用计算机进行模拟人的显性智能和隐性智能活动，从而实现通用人工智能和超人工智能。未来的计算机（人工智能）可以象人脑一样，先自己给自己提出问题，然后再自己寻找这一问题的答案，从而做出科学发现和技术发明，实现知识的增殖，不断地扩展知识的疆域，增大原有的知识网络（图谱）。笔者目前已破解了这一机制（人脑提出问题的机制），而且从理论上讲，完全可以用计算机模拟这一“隐性智能的机制”。未来的人工智能可以在显性智能和隐性智能方面远超人脑，但不能全面超越人脑，这是因为，人的智力是二元的，既能研究外部物质世界，又能研究智力本身，而人工智能的智力只是一元，只能研究外部世界，不能研究智力自身，此外，人脑是生命物，人工智能是非生命物，因此，它不可能具备生命物所特有的欲望、意志、情感、动力等要素，所以，人工智能永远也不可能全面超越人脑。人工智能即将由专用阶段过渡到通用阶段，实现通用人工智能（AGI）的方法是模拟大脑智能的机制或工作原理，而非模拟大脑的神经元网络结构，这就好比，要发明飞机，不要用人造翅膀去模拟鸟的结构，而要模拟鸟类飞行的机制——空气动力学，智能机制就是人工智能领域里的空气动力学，依据空气动力学，就能设计和制造飞机，同理，依据智能机制，就能设计和制造AGI。智能的机制就是人脑解决问题的方法（算法），它规定了解决问题的步骤，它就是脑内运行的程序，在本质上与计算机的算法和程序是一样的，都是依据一定的步骤解决一个问题，完成一件事情，因此，智能的机制很容易移植到计算机的软件中，并在计算机上运行，从而实现人类那样的真正智能——通用人工智能。由于计算机的运算速度和信息存储量远大于人脑，因此，一旦实现这一点，就能实现超人工智能，就能把人类智力（智慧）扩展数亿倍，从而极大地推动科技和生产力的发展。所以，我们需要建立一门新的学科——智能科学，智能科学与计算机科学、人工智能三者的关系如下：计算机科学 = 硬件科学 + 软件科学智能科学 = 脑科学 + 心理学人工智能 = 智能科学 + 计算机科学有了智能科学，我们就能破解智能奥秘，搞清智能机制，并能用计算机模拟这一机制，从而实现真正的智能。2，结构模拟悖论。意思是指，通常认为通过模拟大脑神经网络的结构就能实现人脑同样的功能，从而实现AGI甚至是超人工智能，然而事实上这是不可能的，为什么呢？因为前面已经说过，大脑智能的主要机制存在于其软件——心理系统之中，而非大脑的硬件——神经网络结构中，所以，即使仿造出了与大脑一样的神经元网络系统，也不能获得同样的智能，因为这就好比你即使模仿计算机的硬件，造出了和它一样的硬件系统，但如果没有与之配套的软件，仍然是没有功能（智能）的，又好比，你只是搭好了一个舞台，但如果没有剧本和演员，仍然不会有观众的。结构模拟是指通过模拟大脑的神经网络结构来实现AGI，这是一条非常困难的道路，是迫不得已的选择，是在无法破解大脑智能奥秘，无法搞清大脑智能机制的情况下不得不走的道路。人类的脑神经科学已有一百多年的历史，但至今对大脑智能的机制还几乎是一无所知，以至于乐观的脑科学家认为还需要数百年才能破解脑奥秘，悲观的脑科学家认为永远解决不了。作为人类，我们能感知，有思维；能学习，有情绪；能言语，有意识……所有这一切，全是因为我们有一个无与伦比的大脑——它重约3磅（1.36千克），却如无垠宇宙一般复杂、神秘。当航天器早已搏击长空，潜水器早已漫游深海，DNA双螺旋结构已经揭示，人类基因组图谱已经绘就，我们却对创造了这些奇迹的人类大脑知之甚少。因而，在科学界，探索“三磅宇宙”的奥秘，被认为是人类认识自然的“最后的疆域”。不破解脑奥秘就不能搞清大脑智能的机制，不知道机制，就无法进行机制模拟，在此情况下，也只好走结构模拟这条困难的道路了。但模拟大脑的神经网络结构又谈何容易，因为这3磅重的大脑由近千亿个神经元组成，每个神经元之间又由通过数百个突触连接到其它神经元，形成众多的神经环路或网络，其结构之复杂，之精细，让人难以想像，目前，科学家还造不出普通的生物细胞，更何谈人造神经元这种高级的细胞，因此，只能用光电材料来代替和模拟神经元及其网络，然而，即使造出了这么一个极为复杂、精细的人造光电神经网络，也不一定就会产生人脑那样的高级功能，因为二者的构成材料是不一样的，前者是神经元细胞，后者是光电材料，这就好比历史上飞机的发明，一开始也是走结构模拟的道路，企图通过用人造翅膀的方式来实现鸟类那样的飞行，结果，人造翅膀倒是做出来了，但飞行却不能成功。飞机的发明，只所以成功，正是因为放弃了结构模拟，转而使用机制模拟——模拟鸟类飞行的机制（空气动力学）后才取得成功的！类似的，汽车对人腿的模拟也是一种机制模拟，汽车不是模拟人腿的结构，而是模拟人腿走路的机制——借助地面的摩擦力前行。总之，结构模拟，不但难度极大，而且成功率也极低，是一个不得矣而为之的下下之策！更何况，前文已述，大脑的主要智能并没有固化（包含）在其硬件——神经细胞网络中，而是固化在其软件——心理系统中，而结构模拟只是模拟大脑神经网络结构，仿造出一个类似于大脑的人造神经网络结构，所以，这个人造的结构必然和大脑原有的网络结构一样，都不包含智能，因此，仿造出的这个结构也必然是没有智能的结构，它只是个白痴，几乎没有任何智能，又何谈实现AGI？要想实现AGI，根本不需要模拟大脑的结构，只需模拟大脑智能的机制就可以了，首先通过第二心理中的心理学研究，破解智能的奥秘，搞清智能的机制，这一机制也就是智能解决问题的算法，然后把这一算法移植或转录为计算机软件的算法，再用代码来实现这一算法，从而开发出一个AGI操作系统，最后在计算机上运行这一操作系统，就能实现人脑同样的功能——AGI。3，数学悖论。意思是指，通常认为只需通过数学和计算机科学手段就能实现AGI，而事实上，这是根本不可能的，因为数学和计算机科学只是实现AGI的工具，只有破解智能奥秘，搞清智能的机制才是实现AGI的关键。上世纪50年代，“人工智能之父”约翰·麦卡锡曾说：“（我们的目标）是远离对人类行为的研究，将计算机作为解决某种难题的工具。这样一来，人工智能就会成为计算机而非心理学的分支学科。”60多年过去了，目前的人工智能界，仍有相当一部分人天真地认为，既不需要模拟大脑的神经网络结构，也不需要模拟大脑智能的机制，只需用数学和计算机科学这两个工具来做尝试，通过大量的、不断的试错，就能找到实现AGI的正确方法和道路，从而实现AGI，显然，这是一种盲目行动，是一种瞎猫碰死耗子，因此，成功率是很低的，几乎是不可能的，人类智能是自然界数十亿年的进化和自然选择的结果，是进化而来的，难道今天的AI也要这样进化几亿年、几十亿年才实现AGI？数学已有数千年的发展史，是一门非常古老的学科，也是一门非常成熟的学科，计算机科学也有半个多世纪的历史，如果只靠这两个就能实现AGI，那么恐怕早就实现了。1950年，图灵发表题为《计算机与智能》的文章，明确表示“真正的智能机器必须具有学习能力，制造这种机器的方法是：先制造一个模拟童年大脑的机器，再教育训练。”图灵还说，“人工智能唯一需要做的事就是找到脑内运行的程序，获得正确的智能算法，然后在合适的硬件上运行它”。做为计算机之父，图灵有很高的数学水平，如果单纯依靠数学就能实现AGI，那么他又何必求助于“脑内运行的程序”呢？在笔者看来，如果说AGI是一部机器，那么，数学和计算机科学只是制造这部机器所需用的工具，但仅有工具是不行的，还需要有机器的设计图纸，不然，你有再好的工具也造不出这部机器，这就好比，一个不会绘画和写字的人，即使你给他最好的画笔和钢笔，他也做不出世界名画和书法家那样的好字体，不过，如果给他一幅世界名画或书法家的字帖让他临摹，那么即使不能做到完全相同，也能做到90%的相似，而智能机制，就如同用于临摹的世界名画或书法家字帖，有了它，就能临摹出通用人工智能。南京大学的周志华教授对此就深有体会，他说，“人工智能问题不是数学问题，甚至未必是依靠数学能够解决的问题。人工智能中许多事情的难处，往往在于我们不知道困难的本质在哪里，不知道「问题」在哪里。一旦「问题」清楚了，解决起来可能并不困难” ；DeepMind 联合创始人 Demis Hassibis 说，「人类大脑是我们所拥有的唯一的证据，证明我们正在努力构建的一般智力是有可能的，所以值得付出努力来尝试理解它是如何实现这些能力的」。笔者的研究经验也表明，只有破解了智能的奥秘，我们才能知道人工智能中的问题出在了哪里，才能解决问题，实现真正的智能。众所周知，一个技术工人要想上岗有两个前提，一是要有劳动工具，二是还要有技能，不然，拿着工具也不知道怎么干活，只能瞎比划，所以，还必须先培训、后上岗，而实现AGI同样也需要有工具和技能这两个前提，人工智能中的工具是什么？就是数学和计算机科学，技术是什么？就是要懂人脑智能，知道人脑智能是怎么回事的，它的机制或原理是什么，然后才能模仿它并实现AGI，不然，即使手中有数学和计算机科学这两个工具，也不知道怎么干活，只能拿着它们（工具）瞎比划，而要掌握这一技能可不是一件容易的事，你需要以用面壁十年的精神去研究人脑智能，这样才能破解其奥秘，搞清其机制，可当今的AI的从业人员主要是数学统计学和计算机科学方面的专家，这两类人都不懂人脑智能，甚至根本都不关心智能，而不懂智能就没有技能，没有技能就只能拿着工具瞎比划，于是就比划出一个个“伪智能”和“人工智障”产品，就这一点点的“伪智能”还是基于人工标注数据的，没有标注数据，连这一点点的“伪智能”都不可能具有。我们知道，孟德尔在发现遗传规律的过程中，数学帮了他的大忙，但如果他不做8年豌豆实验，只是在家里做数学推算，能从数学中提导出基因概念，能发现遗传规律吗？肯定不能，因为虽然数学可以广泛应用于许多学科，如，包括物理、化学、生物、经济等学科，但只有在这些学科首先定义了自己领域里的概念和问题之后，才能引入数学这个工具来帮着解决问题，在基本概念和基本问题被定义之前，即使引进了数学这个工具也毫无用处，数学再有能力也会“老健掉井里，有力用不上”，对人工智能来说，只有我们破解了智能的奥秘后，我们才能正确地定义人工智能中的概念和问题，才能找到人工智能领域里的根本问题在哪里，这时候才能引入数学和计算机科学等工具来解决这些问题，这就好比，只有在地质学家李四光发现了储油区后，我们的采矿队才能开始工作，否则，以瞎猫碰死耗子的方式四处乱挖，那什么时候才能挖出油呢？可现在的AI专家（包括数学家和计算机科学家）就是这么干活的，他们有工具，没技能，每天拿着工具瞎比划，这样，永远也不可能实现真正的智能——AGI。这些AI专家“只求目的，不问手段”，认为不需要了解人脑智能，只凭数学和计算机科学这两个工具就能实现AGI，上世纪六十年代，刚在自动定律证明和符号推理方面取得一些成绩，就信心满满地认为，很快就能够实现AGI，比如：1965年，H. A. Simon：“二十年内，机器将能完成人能做到的一切工作。”1967年，Marvin Minsky：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”1970年，Marvin Minsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”后来的事实证明，这不过是对人脑智能和人工智能的无知，当然这是50年前的事了，可今天又怎样呢？依然有许多AI专家信誓旦旦地宣称，数学是实现AGI的关键，不需要智能科学的帮助，绕过人脑智能，他们照样能实现AGI。如果说AI专家都不懂智能，那么投资人和用人单位的老板就更不懂了，所以，投资人在投资一个项目时，只要看到团队中有数学家和计算机科学专家，就可以放心地投资；老板在招聘人才时，只要求你懂数学和计算机科学就行了，并不要求你必须懂人脑智能，这相当于只要你手中有工具，没有技能也可以上岗，这种人上岗后，由于自己也不知道怎么干，所以，只能拿着工具瞎比划，借着别人标注好的数据，搞出一些伪智能，就感觉自己很了不起了，而老板也很满足，因为虽然是伪智能，但毕竟也还算有点智能呀！但这样永远都不可能实现AGI，不可能实现真正的智能！这是当今人工智能的悲哀！也是对人工智能现状的真实写照。今天的人工智能，已经深陷深度学习的误区而不能自拨！4，难易悖论。难易悖论即莫拉维克悖论（英语：Moravec's paradox）。是指在人工智能领域，人们通常认为是很难的，反而很容易，相反，人们通常认为容易的，反而是困难的。这一悖论是由人工智能和机器人学者所发现的一个和常识相佐的现象。和传统假设不同，人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力。这个理念是由汉斯·莫拉维克、布鲁克斯等人于1980年代所阐释。布鲁克斯解释说，根据早期人工智能研究，智慧最重要的特征是那些困难到连高学历的人都会觉得有挑战性的任务，例如象棋，抽象符号的统合，数学定理证明和解决复杂的代数问题。至于四五岁的小孩就可以解决的事情，例如用眼睛区分咖啡杯和一张椅子，或者用腿自由行走，又或是发现一条可以从卧室走到客厅的路径，这些都被认为是不需要智慧的。难易悖论告诉我们，在人工智能领域，最困难的不是模拟人脑的高级智能，如认知智能和创造智能，反而是模拟最低级的感知智能，这是因为，越高级的越抽象，越抽象的越简单，越简单就越容易用计算机进行模拟，反之，越低级的越具体，越具体就越复杂，越复杂就越难以用计算机进行模拟，计算机最擅长处理确定的简单的东西，不擅长处理不确定的复杂的东西，所以，感知智能中的模式识别对计算机来说是一件非常困难的事情，不过，只要能模拟人脑的识别机制，就能很好地解决这一问题，解决定问题的关键是如何破解这一机制，反省心理学中的心理二元说揭示了破解智能机制的有效方法是反省研究法，利用这一方法可以破解人脑智能的所有机制，当然也能破解模式识别这一机制，只不过，这一机制比较复杂，要破解它不是一件容易的事情，需要很长的时间，不过，笔者目前已经破解了其中的图像识别机制，这相当于解决了模式识别中80%的问题，因为图像识别占整个模式识别任务的80%。5，理解悖论。理解悖论又叫“中文房间悖论”，是指通常人们认为，能正确回答问题，就是理解了，不能回答就是不能理解。而事实上，正确地回答出问题，并不一定就是理解了，“中文房间悖论”最早由美国哲学家John Searle于20世纪80年代初提出。这是个思想实验，要求你想象一位只说英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。你随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。据Searle说，房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，Searle认为通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。Searle创造了“中文房间”思想实验来反驳电脑和其他人工智能能够真正思考的观点（包括“图灵测试”）。房间里的人不会说中文，他不能够用中文思考。但因为他拥有某些特定的工具，他甚至可以让以中文为母语的人以为他能流利的说中文。Searle说，电脑就是这样工作的。它们无法真正的理解接收到的信息，但它们可以运行一个程序，处理信息，然后给出一个智能的印象。我们可以这样来通俗地理解“中文房间”：把爱因斯坦对任何一个问题的回答汇编成一本书，那么你拿任何一个问题去问爱因斯坦，与翻着本书会得到同样的答案，现在我们能说这本书像爱因斯坦一样会思考吗？所以，中文屋的本质就是一种映射，把问题映射到现成的答案，这一点和考试中的作弊是一样的，表面上看，他成绩很好，实际上是在抄袭、作假。所以，这个思想实验很好的证明了“图灵测试”是错误的，也可以很好地证明今天的深度学习是不会理解的，虽然它能做图像识别和语音识别，但它的本质只是映射，不是理解，它只能把图像和语音映射到文字，而不能理解文字（如猫、狗）的真正含意，深度学习能“识别”出图像中的狗，但它根本不知道什么是狗，如果你在训练时把狗的标注改成猫，它就能把狗识别成猫。而人类不会犯这样低级的错误，因为人类的识别是有理解的识别，这才是真正的识别。笔者认为，目前机器的识别和理解都只是一种映射活动，而人类的识别和理解是一种推理和认知活动，二者有本质的区别，因此，只有模拟人脑的识别机制和自然语言理解机制，才能彻底解决目前的机器识别和机器理解问题，使机器具备人类那样的真正的识别（有理解、有认知的识别）能力和真正的理解（基于语义的理解）能力。总之，机器理解并不是一个不可逾越的鸿沟，只要能模拟人脑的语言理解机制，就能象人类一样理解语言背后的真正含意。6，自然语言处理悖论。意思是指，通常认为，既然人脑是一个符号处理系统，那么就可以脱离语义和实物形象，仅是通过模仿大脑的字符处理过程，就能实现与人脑一样的语言符号处理功能，即，能在自然语言处理方面做得和人脑一样好，甚至超越人脑，而事实上这是不可能的，为什么呢？因为人脑对语言的处理完全是基于语义理解的，而不是基于外在的语法和符号的，因此，一个语义可以通过多种语言方式来表达，即使不遵守语法，也不妨碍双方的理解和交流，语义就是实物对象间的关系，比如，人和饭之间的关系只能是人吃饭，而不能是饭吃人，这个关系就是语义，一个语义可能通过多种方式来表达，如：饭我不吃了；我不吃饭了；我不吃了，饭；不吃了，饭，我；等……，只要明白了这一语义，怎么表达都不会引起误会。在机器翻译中有一个经典的案例就是 “the spirit is willing but the flesh is weak”（心有余而力不足），用当时的翻译系统译成俄文再译回英文就变成了 “the vodka is good but the meat is rotten”（伏特加不错，但肉已腐烂。spirit 有 “烈酒” 的含义）。另一个经典案例是，“The box was in the pen”，box 是盒子，pen 有两个意思：一个是钢笔，一个是围栏。翻译这句话对人来说非常容易，对机器却很难。这句话现在用谷歌、百度、微软的机器翻译系统翻译出来都是错的，都会翻译成箱子在钢笔里，人是不会犯这样低级的错误的，因为人类的翻译是基于语义理解的翻译，而机器不会语义理解，所以在有歧义、上下文关联和语义比较复杂的地方，就会出现错误的理解（映射），进而导致错误的翻译。总之，自然语言处理的基础是语义理解，而语义理解的基础又是模式识别，只有模式识别这个问题解决了，能做出正确的识别，才能把语言符号和实物形象对应起来，只有二者建立了对应关系，我们才能实现真正的自然语言理解，否则，就不会有语义和语义理解，永远也不能从根本上解决自然语言理解（处理）问题。7，知识图谱悖论。意思是指，通常认为，既然常识和知识非常重要，是我们理解、推理、预测和决策的基础，那么，如果，能通过手工输入，把人类所有的常识和知识都录入电脑，建立一个巨大的知识库，那么就能彻底解决知识瓶颈问题，从而实现和人脑一样的智能——通用人工智能，然而，事实上这是根本不可能的。为什么呢？这是因为，第一，现有的常识和知识数量极大，可谓无边无沿，用人工方法把它们全部输入电脑，要花费极大的人力、财力和时间周期，何况新知识还在时刻不停地增加，在知识爆炸的时代更是如此；第二，人的知识分三种，第一类，就是明知识，是可以用语言文字表达的；第二类，叫默知识，是可以感受但不可表达的知识，像骑自行车，会骑但说不出怎么学的，每个人都要自己去骑一下才能学会，没法靠看手册学会，也是表达不出来的，生活中有大量这样直觉的、经验的知识，都是表达不出来的；第三类，是暗知识，是一个人不能理解的知识，即既没法感受也没法表达的知识，比如，如果你不知道电视机、手机、电脑等高科技产品的原理，那么，这些科技知识对你来说就是暗知识。所以，在这三类知识中，只有第一类明知识，能够输入到电脑的数据库中而成为知识图谱的组成部分，而第二、三类知识都无法输入进去，特别是默知识，既然无法表达就无法输入电脑，但这类默知识虽然我们不能表达它，却经常在使用它们，我们的许多理解、学习、推理、预测、决策等活动都有它们的参与，甚至根本就离不开它们。所谓常识就是不言自明的东西，所以，许多常识都是默知识，因此，上述通过建立囊括所有人类知识的的想法是错误的，根本就不可能实现。美国CYC项目就是这方面的典型，有人估算过Cyc真正达到预期的知识存储量可能还要等300多年，而事实上永远都达不到，而且Cyc难以跟上知识时代的变化，经常保留几十年前的知识水平。象上面那个“The box was in the pen”的翻译，就涉及到物体之间大小比较关系这一常识，有了这一常识才能做出正确的翻译，但如果用建知识库的方法，把世界上所有物体的大小比较关系都囊括进去，工作量将是惊人的，甚至是根本不可能完成的。所以，解决知识瓶颈问题的根本有效的方法是教会机器自己去学习，这样，机器就能象人类一样，既能学到明知识，又能学到默知识，知识的本质就是事物、对象间的关系，如果解决了模式识别问题，机器自己就能学习对象间的各种关系，所以，就能象人类一样拥有明知识和默知识。所以，解决知识瓶颈问题的关键是首先要解决模式识别问题，这个问题解决了，机器才能拥有自主学习能力，学会明知识和默知识。当然机器也会遇到它们不能理解的暗知识，比如，象饥饿、愤怒、恐惧等生命物特有的体验，机器永远也不会理解的。在机器掌握足够多的自然规律之前，宇宙中一些现象背后的原因，机器和人一样，也是无法理解的。综上所述，知识是理解和推理的基础，是智能的重要基石之一，解决知识瓶颈问题的根本方法是用计算机模拟人类的学习机制，从而使计算机能象人类一样去自主学习，去学习掌握常识和知识，用手工的方法或是机器自动摘取的方法都不能从根本上解决这一问题。8，主次悖论。意思是指人工智能领域里的一些事物，人们通常认为它是最重要的，但事实上是次要的，相反，有些事物，人们认为它是次要的，而事实上，它们是最重要的。比如，大家通常认为，在人工智能中，认知智能（如理解、学习、预测、决策、推理、创造、常识、知识等）是主要的或重要的，而感知智能（如感知觉察、模式识别）是次要的，而事实上，正好相反，为什么呢，这是因为，第一，感知智能是认知智能的基础，没有感知智能就没有认知智能，第二，感知智能中的模式识别（尤其是图像识别）是整个人工智能的核心、牛鼻子，这个问题解决了，其它问题如理解、学习、预测、决策、推理、创造、常识、知识等问题都可迎刃而解，反之，如果这个问题不解决，或解决得不好、不彻底，那么，上述问题都不能得到有效解决，可见，模式识别（尤其是图像识别）是实现通用人工智能和超人工智能的关键，这个问题解决后，后面的问题才容易解决，通用人工智能和超人工智能才能得以实现！9，类脑智能悖论类脑智能悖论是指，通常认为先通过脑科学研究来破解大脑智能的奥秘，然后，通过类脑（模拟人脑）就能够实现人脑那样的智能AGI，而事实上这是不可能的，因为前文已述，脑科学并不能破解大脑智能的奥秘，因此，接下来类脑模拟也就无从谈起，因为预期的必要前提是不可能的，那么结果就肯定也是不可能的。还有一种类脑是结构类脑，即仅通过结构上模仿来实现人脑那样的智能，这就更不可能了，因为，正如，计算机只所以有智能，关键在它的软件，而不是它的硬件，同理，人脑只所以有智能，关键在其软件——心理，而不在大脑硬件——脑皮层中的神经网络，心理系统和软件系统是决策部门，是司令部，而大脑皮层和计算机的硬件只是执行部门，是士兵，因此，大脑皮层和计算机的硬件只是个白痴，是几乎没有任何智能的，因此，仅通过模仿大脑的结构，而不模仿其心理，是根本不可以实现AGI的，可见，所谓的类脑智能从根本上就是错误的，前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，就是很好的例证。只有模拟人类心理的“类心理智能”才是正确的，才有可能实现真正的智能——AGI。类心智能就是模拟心理活动的机制（即人脑智能的机制），这才是实现AGI的正确道路。10，深度学习悖论深度学习悖论是指，通常认为，通过使用深度学习这门技术（工具）就能实现人脑那样的真正智能，而事实上，这是根本不可能的，因为深度学习的本质是基于概率统计的端到端的映射，应该说，统计归纳和映射确实是人脑智能的两种重要机制，但也远非其全部，人脑智能的机制，要比这复杂很多，因此，单靠这两招就想实现人脑那样的真正智能是根本不可能的，这也决定了深度学习永远只能停留在没有常识、没有理解的伪智能和人工智障的水平，根本不可能实现真正的智能AGI。这一点点的伪智能还是基于标注数据的，如果没有人工标注的大量数据，它连这一点点的伪智能都不可能具有。深度学习的本质是数学模型，而无论数学还是计算机科学，都只是实现AGI的工具，正如对一个技术工人来说，要想完成劳动任务，既要有劳动工具，又要有劳动技能，不然，拿着工具也不知道怎么干活，只能瞎比划，所以，单纯依靠深度学习是不能实现AGI的。真正的智能一定是象人脑智能那样，是有理解、有常识的，能小样本自主学习，能闻一知十，触类旁通，以不变应万变，而这些对深度学习来说都是可望而不可及的。只有先破解人脑智能的奥秘，理解人脑智能，再模拟其机制，才能实现真正的智能。深度学习在当前只所以能成为人工智能中的主流，受到多数人的追捧，是因为“山中没老虎，猴子称大王”，这不过是人们在当前的一种无奈的选择，因为虽然它只有一点点的伪智能，但毕竟比没有智能要好一点，比起传统的人工智能技术，它还是好一些的，所以，它也就成了目前最当红的热门技术，不过，它也注定只能是昙花一现，与真正的社会需求有很大的差距，如果没有更好的技术来取代它，那么，人工智能的下次寒冬很快就会到来！模式识别（尤其是其中的图像识别）是整个人工智能大厦的基石，如果这个问题不解决，就永远不能进入真正的智能，不能实现AGI，但深度学习根本就不会识别，它只会端到端的映射，而映射不是识别，因为真正的识别是感知和认知的统一，识别的过程就是理解和推理的过程。深度学习的识别和人眼的识别有何不同？严格来说，因为深度学习根本就不会识别，它只会映射，无论深度学习做的机器翻译、语音识别、文字识别还是图像识别，本质上都只是一种映射，而不是什么识别，它的翻译是“伪翻译”，它的理解是“伪理解”，它的识别也是“伪识别”，比如，机器翻译能把猫翻译为cat，但它根本就不知道什么是猫；深度学习能“识别”出图像中的狗，但它根本不知道什么是狗，如果你在训练时把狗的标注改成猫，它就能把狗识别成猫。机器翻译的机制与人脑翻译机制完全不同，它只是一种映射，严格来说根本就不是翻译，或者说它是一种“伪翻译”，而人脑的翻译是一种基于语义理解的翻译，这才是真正的翻译，所以，遇到成语和缩略语，机器翻译会出错，而人工翻译就不会出错。同样，深度学习的“识别”也是一种“伪识别”，严格来说，根本就不是识别，因为它的机制与人类的识别机制也完全不同，它只是一种映射，由象素到文字的映射（图像识别），或由语音到文字的映射（语音识别），而人类的识别才是真正的识别，因为人类的识别是一种基于理解的识别，其识别的过程中是一种理解的过程、推理的过程、预测的过程、假设——检验的过程，人类的识别过程是感知活动和认知活动的统一，是自下而上（由数据到语义）和自上而下（由语义到数据）的统一，是一种非常复杂的过程，正因如此，人类的识别有很强的鲁棒性，自适应性、可解释性，泛化性，并且可以实现小样本学习，而深度学习则正好相反，它缺乏鲁棒性，自适应性、可解释性和泛化能力，并且是大样本学习，成本极高。所以，说“深度学习能够识别图像并且已超越人类”，是一个弥天大谎，是人工智能时代的黄帝新装，是图像理解领域里的中文屋，是对人类视觉智能的无知，人类能在模糊、遮挡和残缺不全的情况下做出正确的识别，请问，现在的深度学习系统能做到这一点吗？中文屋的本质就是一种映射，把问题映射到现成的答案，这一点和考试中的作弊是一样的，表面上看，它成绩很好，实际上是在抄袭、作假。因此，把机器视觉、模式识别（包括图像识别）、机器翻译、自然语言理解、人机对话、机器人、自动驾驶等应用领域的大厦，甚至整个人工智能的大厦建立在深度学习的基础之上，就如同把大楼建在流砂上一样，是非常脆弱的，也是非常危险的，近年自动驾驶中的几场严重事故已经预示了这一点，这样的大楼根本就建不起来，最多也只能停留在“伪智能”“人工智障”“有多少人工，就有多少智能”的水平，根本就没有前途。自动驾驶、计算机视觉和人工智能的唯一的出路是向人脑智能学习，模拟人脑智能（尤其是视觉智能）的机制，这样才能彻底解决上述图像识别、计算机视觉、自动驾驶、机器翻译、自然语言理解等领域里的问题，才能建起人工智能的宏伟大厦，实现通用人工智能甚至超人工智能。今天，深度学习的弊端日益暴露，大样本学习、严重依赖人工标注数据、鲁棒性差、不安全、不可靠，泛化能力差，不能象人脑那样举一反三，不会推理，不会理解，没有常识，没有知识，与真正的智能有天壤之别，因此，许多AI专家呼吁，要重起AI，对现有的深度学习推倒重来，开发第三代人工智能已是大势所趋！第三代人工智能就是机制主义人工智能，北京邮电大学的钟义信教授在本世纪初提出了机制主义人工智能理论，指出只有通过机制模拟才能实现AGI，该理论提出后在国内外得到了积极的响应和广泛的认可，如，我国人工智能泰斗吴文俊院士、美国模糊数学创始人L. A. Zadeh教授等大批中外学者都高度赞同这一理论。吴院士称赞说，“机制”应当比“结构、功能、行为”更击中人工智能的要害。如果说前述符号主义主要模拟人脑的符号推理活动，联结主义主要模拟大脑的神经元网络结构，那么，机制主义则主要模拟大脑智能的内在机制，机制才是智能的内在本质，而符号和结构都只是智能的外在表现，因此，只有机制模拟才能实现人脑那样的智能——AGI。11，控制人类悖论控制人类悖论是指，通常认为，人工智能一旦超越人类智慧，就会控制和危害人类，而事实上，这是根本不可能的，首先这违反了逻辑常识，因为如果一个人不够聪明，那么他根本不可能发明出比人脑更聪明的超人工智能，换句话说，如果一个人能发明出超人工智能，那么他一定非常聪明，而一个非常聪明的人又怎么会做出这样的愚事：他发明出一个东西，然后这个东西就把他本人和整个人类都控制了，都关进了地地狱？聪明的人只能做聪明事，愚蠢的人才会做愚蠢事，这是常识，所以，所谓的超人工智能控制人类是根本就不会发生的。从理论上讲，超人工智能有两种形态，一种是生命物的超人工智能，另一种是非生命物的超人工智能，前者是危险的，有控制和危害人类的可能，而后者是安全的，不会控制人类。因为欲望、意志、动机、情感是生命物所特有的 ，非生命物不会具有这些要素，因此，生命形态的人工智能会象人类一样，具有独立意志、自主意识和情感、动机、欲望等要素，这样，它们就会有自己的利益，而当其利益与人类的利益发生冲突时，就有可能与人类发生冲突，并有控制和危害人类的可能，因此，生命形态的人工智能有失控的可能，是危险的，不可行的，人类的所有发明物都必须有一个前提，那就是完全可控的，否则人类就不会把它制造出来，因此，任何头脑正常的人都不会发明这种生物形态的人工智能。而非生命形态的超人工智能，如计算机形态的工智能就没有这类危险，因为它们是非生命物，因此，不可能具有人类那样的欲望、意志、动机、情感等要素，这样，它们不会有自己的利益，不会与人类发生利害冲突，也不会有独立意志和自主意识，因此，它们永远只能做人类的工具，服从人类的命令。计算机形态的人工智能，无论是AGI还是超人工智能，都是用计算机模拟人脑智能的机制，因此，其本质上就是计算机的软件程序，和现有的搜索引擎、公交查询、语音识别、机器翻译等软件一样，都是非生命物，因此，它不会具有生命物所特有的欲望、动机、情感和意志等要素，更不会有独立意志和自主意识，因此，和人类没有任何利害冲突，同时，也没有任何主动性，作为一个软件，人类设定什么，它就做什么，人类让它运行，它就运行，不让它运行，它就呆着，什么也不做，可见，其在本质上和人类发明的其它工具是一样的，都只会被动地服从人类的安排，听从人类的使唤，而从不会主动地做任何事情，因为它的一切行为都是人类通过计算机软件来设定的。这一点就决定了，其在任何时候都不会主动做出危害人类的事情，更不会控制人类，除非被坏人利用，在坏人的指示下去做危害别人和社会的事情，这一点和药品、武器等其它人类发明物是一样的，我们通过法律管制就可以避免其危害。总之，计算机形态的人工智能只有智力，没有心理，它们没有欲望、动机、情感、意志等心理要素，因此，就没有心理，永远只能做人类的智力工具，就象现在的AlphaGo和搜索引擎，虽然在围棋和记忆（信息检索）方面远超人脑，达到了人脑的数亿倍，但它们只是没有生命的计算机程序，是完全可控的！上述十一个悖论预示了实现通用人工智能的正确道路上述11大悖论启示我们，实现AGI的正确道路是，第一，先开发第二心理，通过第二心理中的心理学研究破解智能奥秘，搞清智能的主要机制，然后用计算机模拟上述机制，从而实现AGI；第二，要“自底向上”而不能是“自顶向下”，先解决最底层的感知问题（重点是计算机视觉问题），再解决其它上层问题，如机器学习、自然语言理解、机器创造等问题；第三，要教会计算机自主学习，然后让其自己去学习常识和知识，这样才能彻底解决常识问题和知识瓶颈问题；第四，要抓住人工智能中的主要矛盾——模式识别，尤其是其中的图像识别，这个问题解决了，其它问题如理解、学习、预测、决策、推理、创造、常识、知识等问题都可迎刃而解，反之，如果这个问题不解决，或解决得不好、不彻底，那么，上述问题都不能得到根本有效的解决。上述11个悖论告诉我们，今天的人工智能还走在错误的道路上，还处于混沌未开、黑白不分、人妖颠倒的状态，这是其只所以不能走出“伪智能”“人工智障”的根本原因，要想实现真正的智能——AGI，就必须来一场思想革命，以正确的思想代替错误的思想，这样才能有正确的行动，才能达到我们期望的目标——真正的智能AGI。

央行行长周小川在是十九大期间着重提出要有质量的加杠杆，结合他提出防止明斯基时刻，以及此前首次明确金稳会重点工作，我们可以更好的理解周小川讲话背后蕴含的意义。财联社10月23日讯，中国央行行长周小川在十九大期间关于居民杠杆率应该有质量的提高，以及要重点防止明斯基时刻，引发市场的热议。我们只有把这两点以及此前首次明确金融稳定发展委员会工作重点结合起来，才能更好的理解周小川讲话的意义。关于中国居民杠杆率，周小川的原话是：“关于家庭部门的债务杠杆率，从全球比较来讲，中国还不算高，但是最近几年增长很快。这个快的程度提请大家注意，不是说现在就要去杠杆，而是说增长的过程要注意质量，要使增量部分保持稳健，同时又是高质量的。”我们对比一下周小川在2016年在G20央行行长会议期间的讲话，当时他的原话是：“个人住房加杠杆逻辑是对的。住房贷款应该有大力发展的阶段。个人住房贷款在银行总贷款的比重还是偏低的，有的国家占到40%-50%，中国只有百分之十几，所以银行觉得还是比较安全的产品，所以有很大的发展机会。”考虑到中国居民贷款中，绝大多数是房贷，因此个人住房加杠杆，就几乎等于家庭加杠杆。周小川在1年多后，着重提示要注意杠杆增长的质量，这背后有何秘密，又会给中国金融监管带来何种变化呢？杠杆骤停可能引发明斯基时刻首先我们来看我国居民杠杆率的情况。根据海通证券统计，如果考虑到长短期贷款、住房公积金贷款，我国居民部门债务占GDP的比重在2017年7月已经突破了53%，如果按照当前速度扩张，到2017年底预计将达到56%左右。而在2007年的时候，我国居民部门的债务率还不足20%。美国居民部门债务率从20%提升到50%以上用了接近40年时间，而中国用了不到10年，我国居民部门加杠杆速度之快可见一斑。但与美日等国家相比，我国居民杠杆率的确仍有进一步提升空间。美国居民部门债务占GDP的比重最高是在2007年，接近100%，但随着房地产泡沫破灭，居民部门杠杆率逐步下降到了当前79%的水平；当前日本居民部门债务占GDP的比重也在70%以上。所以与美国、日本相比，我国居民部门杠杆率仅超过50%，看似还有一定的上升空间。但如果我们用居民债务和可支配收入之比来算，可能就没有那么乐观了。中国居民债务和可支配收入的比重从2007年时的不足35%，已经达到了当前的90%。居民收入中大多数用来偿付债务。美国的这一比例曾在金融危机前后突破了100%，但危机爆发后迅速下滑，当前也仅是106%；而日本的这一比例从90年代以来基本都低于100%。但是，我们目前的杠杆就如同前行中的自行车，一旦停下将会摔倒，容易引发周小川所说的“明斯基时刻”。因此周小川在提出要杠杆有继续提高空间的同时，着重提出要有质量的加杠杆。所谓明斯基时刻（Minsky Moment）是指美国经济学家海曼·明斯基 （Hyman Minsky）所描述的时刻，即资产价值崩溃的时刻。明斯基观点主要是经济长时期稳定可能导致债务增加、杠杆比率上升，进而从内部滋生爆发金融危机和陷入漫长去杠杆化周期的风险。经济好的时候，投资者倾向于承担更多风险，随着经济向好的时间不断推移，投资者承受的风险水平越大，直到超过收支不平衡点而崩溃。这种投机资产促使放贷人尽快回收借出去的款项。“就像引导到资产价值崩溃时刻”。杠杆和债务并非洪水猛兽，而是经济中必不可少的存在。适当水平和能带来资产增值的债务，有助于经济健康稳步发展。中国居民杠杆的快速增长中，的确有不健康的成分存在，把这些不健康的成分去掉，将有助于促使中国杠杆率“软着陆”，从而规避明斯基时刻。债务透明化从近期中国居民债务变化来看，中国居民加杠杆中，出现了一种非常危险的倾向，就是杠杆之中加杠杆，主要体现在居民使用短期消费贷，来支付房款的首付，甚至使用消费贷来还贷。2017年前7个月，居民新增消费性短期贷款1.06万亿，累计同比多增7137亿元。而去年全年仅新增消费性短期贷款8305亿元。短期消费性贷款的爆发式增长同样可能与地产销售密不可分。据海通证券，截至今年7月，住宅商品房销售额累计同比仍有16%，说明地产销售仍在增长。但由于去年下半年以来银行房贷额度逐渐受限，部分居民购房贷款或借道短期消费贷款完成，导致居民短贷的高增长。据德意志银行估计，有约4000亿元消费贷曲线进入楼市。近期包括北京、广州、江西等多地银监会和银行掀起严查消费贷进入房地产市场，也是对这一现象的回应。由于居民通过消费贷款进入楼市，并不透明，而且还有非常大的投机性质。因此，杠杆“透明化”无疑会议提高杠杆质量的重要举措。杠杆不可怕，可怕的是不知道有多少杠杆。美国次贷危机的祸首之一：CDS（债务违约保险），就是将债务层层嵌套，衍生品背后还有衍生品，使得债务最终在哪里都搞不清楚，所以在危机爆发时，市场由于不清楚窟窿到底有多大，引发的集体恐惧，这种恐惧最终引发“雷曼时刻”。近些年，金融机构监管部门在监管过程中，非常强调的一个词就是“穿透”，就是要严防各种嵌套的债务，要摸清债务在哪里，从哪里来，会往哪里去。只有透明了，债务高一点，低一点，问题并不大。另外，除了银行体系提供的贷款，近几年迅速发展的互联网金融也增加了居民的负债途径，而这里面绝大部分并未显示在银行的资产负债表上。例如，P2P平台近几年异常火热，其发放的贷款每年都是成倍的增加。而蚂蚁“借呗”、腾讯“微粒贷”、京东“金条”，均是基于互联网金融的按日计息的借贷产品，相当于个人额度30万以下的短期消费贷款。根据蚂蚁金服截至16年4月的数据，“借呗”在短短上线一周年内就发放了494亿元的消费贷款。据此，周小川在今年10月15日的G30国际银行业研讨会上表示，除影子银行、资产管理外，未来金融稳定发展委员会还将重点关注互联网金融和金融控股公司。“一些大型私人企业通过并购获得各种金融服务牌照，但并非真正意义上的金融控股公司，其间可能存在关联交易等违法行为。”周小川表示，目前对这种跨部门交易尚无相应监管政策，而金稳会将重点关注此类问题。对于互联网金融，周小川表示将会加强持牌监管。“目前许多科技公司开始提供金融产品，有些公司取得了牌照，但有些没有任何牌照却仍然提供信贷和支付服务、出售保险产品，这可能会带来竞争问题和金融稳定风险。”互联网金融在2016年已经开始被严格整顿，P2P公司已经大幅减少。据盈灿咨询、网贷之家联合发布的《P2P网贷行业2016年年报简报》显示，截至2016年12月底，网贷行业正常运营平台数量为2448家，相比2015年底减少了985家，全年正常运营平台数量维持逐级减少的走势。由于平台整改的脚步尚未停歇，2017年底或将跌至1200家左右。科技金融近几年受到资本和市场的宠爱，但从周小川讲话来看，科技金融有可能成为今明年监管政策的重点。比特币被取缔，就是信号之一。金稳会可能走上前台周小川在今年G30国际银行业研讨会上的演讲，还首次提及金融稳定发展委员会，并指出该委员会未来将重点关注四方面问题，分别是影子银行、资产管理行业、互联网金融和金融控股公司。事实上，在今年全国金融工作会议上第一次“露面”后，国务院金融稳定发展委员会鲜有被中国官方提及。周小川此次提出，并明确监管方向，可能意味着金融稳定发展委员会将很快走上监管前台。随着中国金融业和信息技术的发展，混业金融的形势越来越明显，比较明显的例子就是去年险资举牌银行，以及目前大量金控集团（旗下业务涉及银行、保险、证券、基金、信托等）的出现。但我们目前仍然采取的是“一行三会”的分业监管模式，央行、银监会、保监会、证监会各自管一块。在混业经营+分业监管情况下，既然是分业监管，就有抢着管的重叠地带，也有谁也不管的空白地带（如财富管理公司）。南开大学金融发展研究院负责人田利辉表示，有了金融稳定发展委员会这样统一的协调机构，可以有效防止监管上“九龙治水、各自为战”的局面，防止监管不足或监管过度，有力有效有序地引导资本服务实体经济。（廖定峰|财联社）

【博科园-科学科普】这是一个神奇世界，以菠菜叶培育人类的心脏细胞，世界上最干燥的沙漠，开满了生机勃勃的野花，猿猴有着完美的社交技巧等等。无论你是否花时间去注意，这个星球都是一个奇怪而神奇的地方。神奇的世界，来看看都有些什么吧TOP1、“嬉皮黑猩猩”更加棒倭黑猩猩是人类的一个最亲近的灵长类亲戚，但当谈到礼仪时他们可能已经超越了人类。图片版权：Courtesy of Lola ya Bonobo Sanctuary有时也被称为“嬉皮黑猩猩”。倭黑猩猩被认为是和平的，他们在社会交往中是被动和利他的。现在研究人员可以在嬉皮黑猩猩的简介上添加“睦邻”。在十一月发表的一篇研究报告中，个别倭黑猩猩可以靠拉动一根杠杆来帮助其他猩猩获得食物奖励，即使两个黑猩猩互相不认识。更重要的是，证明了倭黑猩猩渴望帮助一个陌生人即使没有被要求。这一切意味着什么?研究人员说，将信任扩展到陌生人——一种被称为“崇洋媚外”的行为——可能让倭黑猩猩(和人类)等社会灵长类动物具有进化优势。例如，当雌性倭黑猩猩达到成年后，她就离开了自己的社会群体，与女导师和其他小团体的男性同伴建立了新的关系。良好的第一印象的能力有助于她的生存。TOP2、水下发现茁壮生长的“Octlantis”在澳大利亚的杰维斯湾附近，完美的电视真人秀有了一个令人兴奋的发现：10个陌生人，彼此孤立和冷淡，推到近距离合作，争吵，（最终）交配。同时，在这种情况下都是章鱼。 图片版权：Peter-Godfrey Smithde研究人员称其为“Octlantis”：一个活跃的头足类动物群落。根据9月份发表的一项研究显示，在8天的时间里一组10至15只章鱼被发现参与了“复杂的社会互动”。这些不同的头足类动物澳大利亚东海岸的一块岩石上一起觅食，在领地上争吵，甚至交配，共同分享着一个狭小的巢穴。这种扩展显示颠覆了社会对一些对头足类动物的刻板印象。研究人员说：章鱼在很大程度上被认为是反社会的孤独者，有些品甚至在不互相碰触的情况下找到交配的方法。也许杰尔维斯湾的水里有什么东西，在2009年一个类似的被称为“八爪鱼”的社区在几百码之外被发现。TOP3、加拿大上空的水晶雾1月6日凌晨1点30分，Timmy Joe Elzinga在加拿大安大略北部的窗户里看到了一幅令人眼花缭乱的景象。闪闪发光，五彩缤纷的灯光似乎从雪中刺出，延伸到天空。埃尔辛加以为他在看北极光，但当他开到附近一座小山顶上的时候，灯光几乎消失了。图片版权： Darlene Tanner/ ZUMA这些闪烁的现象，如Elzinga后来了解到的，被称为“轻柱”或“水晶雾”。在寒冷的夜晚，当冰晶在大气中处于高处的时候，就会过早地结冰，然后飘落到地面。当晶体反射来自交通信号灯、路灯或其他文明的光时，结果就会是一种彩色的空气发光现象。宇宙的巧合与否，这就可以理解为什么光柱经常被报告为UFO目击事件。TOP4、被兽医拯救患有“气球综合症”的刺猬Romain Pizzi可能去兽医学的目的不是为了表达“放气”的野生刺猬在空气中膨胀，但是生活中充满了曲棍球。图片版权：Colin Seddon今年7月苏格兰防止虐待动物协会(Scottish SPCA)的野生动物兽医专家Pizzi接到了一个不寻常的电话。一只野生的刺猬(后来被它的救援人员命名为Zepplin)在路边被发现，它的大小和沙滩球一样大。Zepplin患有一种罕见的刺猬疾病，被称为“气球综合症”，可能是由于钝性创伤(可能是由于汽车撞击引起的)，导致他的肺组织撕裂。每次当Zepplin吸气的时候，有一点空气从他的肺里流出进入他的体腔，慢慢地它的整个身体膨胀。Pizzi估计，Zepplin可能需要12到48小时的时间来膨胀到他被发现的状态。这虽然不是致命的，但气球综合症很有可能会阻止Zepplin滚动起来进行自卫，使他成为掠食者的目标。TOP5、由菠菜叶子制成的人类心脏组织在今年的《大力水手》(Popeye)的最佳新闻中，这位水手最喜欢的蔬菜似乎有一天会取代他的心脏与布鲁战斗。在几次实验中，科学家们在菠菜叶子上用一种去除植物细胞的洗涤剂溶液，在叶子上培育人类心脏细胞。概念研究表明，有一天菠菜叶可以用来培养健康的心脏肌肉，帮助治疗心脏病患者。图片版权：Worcester Polytechnic Institute是什么使菠菜为生长细胞留下了这么好的支架呢？研究人员称：在植物细胞被剥离后，纤维素的结构依然存在。研究人员在研究中写道：纤维素具有生物相容性，并且已经广泛应用于各种再生医学应用，如软骨组织工程、骨组织工程和伤口愈合。该研究小组甚至认为可以通过向菠菜的叶脉中注入液体来向发育中的组织输送血液和氧气。TOP6、洞察缓步动物的生活听上去很可爱吧？令人惊讶的是对于一个能承受冰冻、沸腾、强烈辐射和空间冰冷真空的8足生物来说，它很可爱。Tardigrades也被称为水熊或苔藓，因为它们倾向于生活在潮湿的环境中，是自然界中最具弹性的生物。牛津大学的研究人员：尽管长度小于一毫米(0.04英寸)，但一个人的缓步级可以在30年的时间里不吃东西，蜷缩成一种被称为隐生物症的死亡状态。但是tardigrade的最初几个小时长的生活是什么样的呢？由摄影师弗拉基米尔·格罗斯拍摄的令人惊叹的新照片让我们得以一瞥。在扫描电子显微镜下，格罗斯在刚出生的时候就发现了刚出生的缓步动物卵。（在2017年英国皇家学会出版摄影比赛的微成像类别中，获得亚军）图片版权：Vladimir Gross/The Royal Society在大约50小时的时间里，像这样的tardigrade胚胎已经发育了大部分的器官、四肢和口器。当婴儿水熊准备好了，它就会啃咬它的蛋，然后钻到世界里去寻找它的第一餐。对于水熊来说，没有童年、它们从卵中长大，到发育完全。TOP7、世界上最干燥的沙漠开满了花朵在正常的日子里，你看到的智利阿塔卡玛沙漠的照片有几百英里的空旷、开裂的土地，在崎岖的、锈迹斑斑的山丘之间。阿塔卡玛沙漠被认为是世界上最干燥的非极地沙漠，每年的降雨量通常只有15毫米。但是，当一场突如其来的强降雨袭击该地区时，就像今年8月发生的那样，一幅不同的画面突然映入眼帘:数千朵五彩缤纷的野花在眼前盛开。图片版权：Mario Ruiz/EFE/ZUMA它被称为“超级绽放”。每5到7年厄尔尼诺现象会横扫太平洋，引起降雨淹没沙漠，让数百万休眠的野花种子生根发芽。虽然阿塔卡玛人口稀少，但罕见的花朵吸引了成千上万的游客，共同见证600英里的沙漠高原上盛开的红色、黄色、橙色、紫色和白色的花朵。当地人戏称地球上最干燥的沙漠为“desierto florido”(西班牙语为“开花的沙漠”)，这是有原因的。TOP8、蜘蛛世界的饮食变化蜘蛛不仅仅是一张漂亮的脸。众所周知蜘蛛会捕食大量昆虫和人们不想周围出现的传播疾病的苍蝇和蚊子。很难定义蜘蛛对环境的影响，但今年发表在《自然科学》杂志上的一项新研究显示出它的极佳表现。研究人员发现，每年全世界的蜘蛛消耗的昆虫在13亿2000万吨之间。图片版权：David E. Hill/Peckham Society, Simpsonville, South Carolina那听起来像是死了很多虫子，的确是这样的，蜘蛛的全球饮食竞争对手（或可能是侏儒）每年在世界上所有的人吃了4亿公吨的肉和鱼。研究人员首先计算出了世界上蜘蛛的数量，并从先前的蛛形纲动物研究中获得了一些数据。大约有2700万美国吨(2500万公吨)的蜘蛛在这个星球上爬行——每平方米大约有131个蜘蛛(相当于一个床垫的大小)。每只蜘蛛的质量确定了每只蜘蛛的食物需求。所以一定要感谢下一个你看到的蜘蛛：没有它们，世界将会是一个巨大的麻烦。TOP9、以色列发现的第十二个死海涡旋洞穴在耶路撒冷东部的犹太沙漠中，过去的秘密在古老的洞穴中等待着。图片版权：Oren Gutfeld & Ahiad Ovadia1947年至1956年间《死海古卷》(the Dead Sea Scrolls)在如今的约旦河西岸的11个洞穴中被发现，其中包括希伯来圣经文本、社区规则、日历，以及约公元前200年至公元70年之间的其他作品。今年早些时候，考古学家发现了第12个。虽然这个洞穴里没有任何新的“死海古卷”，但研究人员们相信，情况并非总是如此。一个空白的卷轴，破碎的陶罐和皮革包装的外壳都表明这个洞穴曾经收藏了一些古代的卷轴，很可能是被20世纪中期的古董盗窃犯的收藏。考古学家们尽管被这一特殊的宝藏所击败，但他们认为这一发现证明了在犹太悬崖有超过12个死海洞穴。以色列古物管理局局长Israel Hasson在一份声明中说：卷洞的重要发现表明在犹太沙漠还有许多工作要做，但仍然需要等待。TOP10、南极冰川下的新生态系统南极洲的冰架下有一个隐藏的世界，完全没有阳光，基本上与开放的洋流隔绝。科学家对这种环境知之甚少，但可能很快就会有机会近距离观察它。据英国《南极调查》(BAS)的科学家称，随着A-68号冰山从南极洲的拉森C冰架分离出来，漂流到威德尔海，它最终将暴露出2240平方英里(5800平方公里)的海底，这些海底被埋藏在冰层下长达12万年之久。图片： Copernicus Sentinel-1/BAS根据《自然》杂志9月发表在《自然》(Nature)杂志上的一项研究，世界各地的研究人员正准备在2018年初，在海底暴露在阳光下彻底改变其生物多样性之前，就开始对新发现的生态系统进行访问。这并不是科学家第一次观察冰层下的神秘世界，然而在最初的冰山分离后的5到12年间，探险队到达了新暴露的生态系统。知识：科学无国界，博科园-科学科普作者：Brandon Specktor内容：“博科园”判定符合今主流科学来自：live science编译：公子世无双审校：博科园解答：本文知识疑问可于评论区留言传播：博科园

一处千年古墓的传奇，一个消失的部族之谜。1974年春，考古专家童某、赵某到西昌县礼州镇的一处新石器时代遗址进行发掘工作。当天上午，两位专家很快登上了村子边的一处土山上，当二人看到漫山遍野的巨大石块时，直觉告诉他们这里极不寻常。巨石山“来几个人帮忙搬开这石头！”两位专家突然对这些巨大的石块来了兴趣，想看看这巨石底下到底埋藏了什么秘密。在村民们的帮助下，一块巨石被翻了过来。在巨石的底下，二人果然发现了不少遗骨和大量的土陶罐。专家和村民们继续翻开第二块巨石，当巨石被翻开时，专家和村民们都被眼前的一幕惊呆了，只见在巨石的下面藏着无数的遗骨还有大量的玉石、青铜器等物品。2004年考古现场“这大石头就是古墓！”专家和村民们惊呼道，这些被村民们当成小山包的大石头原来是一座座古墓。大石头在上面作为掩盖，下面是用石头砌成的墓室，石头周围盖上泥土，看上去就像一个个小石包，若不是两位专家执意将大石头搬开，估计永远也发现不了这个秘密。这个秘密被发现后，考古专家将这种特殊的墓葬形式称之为“大石墓”。由于当时条件有限，巨大的石块重达千斤、万斤难以全部搬动，于是这个大石墓的秘密一直被隐藏下来。在后来的时间里，在围绕安宁河谷流域700平方公里的几个县市，接连发现了200多个类似的大石墓分布地。大石墓2004年，在所有条件都已经具备的情况下，大石墓的发掘工作正式全面展开。机械将巨石一一吊起，大石墓的面纱也渐渐被揭开了。当巨石被移开后，专家发现在巨石墓的下面铺着一层遗骸，遗骸多杂乱、男女老少都有，并无一具完整。在遗骸下面，出土了不少玉器、金器、玛瑙珠等物品。除此之外，还出土了不少铜箭簇、铜剑、铁刀、环首刀等物品。这些物品都与遗骸杂乱地放在一起，有些已经锈蚀、有些铜剑则还可以继续使用。青铜刀根据专家现场检测和研究，这种大石墓是古人的一种特殊葬法，埋葬的人并不是一次性安葬，而是死后若干年才被收集安葬在这里。在这座山上，有大大小小的石墓50多座，规模庞大。在古代，这种情况被称之为“二次葬”，二次葬一般是死于凶厄或者早夭。如此规模的石墓，所葬之人一个墓为数十人，一下子葬下数千人，这真是一个令人称奇的现象。玛瑙串那么，这些墓葬的主人到底是谁？他们身上有什么不为人知的秘密呢？经过对墓葬出土文物的研究，专家们认定这些巨大石墓是消失了2000多年的古邛人。据《史记·西南夷列传》记载，“自滇以北，君长以十数，邛都最大，此皆椎髻，耕田有邑聚。”邛都就是古邛人的部落，邛人曾经生活在这一带长达数百年之久。古邛国又据《华阳国志·蜀志》记载：“邛人擅勇力，英勇善战”。邛人骁勇异常，往往都是举族参战，以靠血缘、亲族的关系结成军队，在战场之上往往所向披靡。为了生存空间，邛人连连征战，他们会把死去的族人统一收埋在大石墓之中，用巨型石头盖住墓顶，以此让亲人遗骸得以保存。邛人一代又一代的修建石墓，石墓的规模越来越大、越来越多，直到今天还留下了200多座大型石墓，这不得不说是一个壮举。而令人最称奇的是，这些巨大的石块有的重达上万斤，最小的也有上千斤，在生产力落后的时代，他们是如何将这些巨石搬来的呢？搬运巨石实验经过寻找，专家终于找到了巨石的来源，巨石原来都是采至一座名为螺髻山的石山上。为了验证古邛人如何运送这些巨型石头的，专家为此进行了现场测试，找来18名壮汉搬动巨石。但即使壮汉费尽了气力，花了数小时也才搬动了一块巨石。最后，专家经过多巨石形状的研究发现，古邛人运送这些石头运用了杠杆原理和滚木，与当年埃及建造金字塔一样，古邛人将石头整块凿下后用杠杆和滚木将巨石运到了山上建石墓。由此可知，当时古邛人的智慧是相当高的。光武帝刘秀那么，古邛人后来的结局是如何呢？他们到底去了哪里？据史书记载，东汉光武帝建武十九年，武威将军刘尚率兵攻打益州。邛都首领长贵深怕刘尚打下南方后，威胁到自己的统治，于是便以假降为由，备下毒酒劳军，企图趁机除掉刘尚。但刘尚非等闲之辈，早已经做了两手准备，刘尚派出一支奇兵绕道袭击邛都，直接来了个直捣黄龙。古邛国首领形象长贵措手不及，被杀得大败，最后被刘尚抓住斩首在阵前，长贵的家属被迫迁往成都。长贵死后，邛人势力瞬间瓦解，地盘渐渐被其他部族吞食，大石墓也从这个时期起渐渐消失了。虽然邛人国都被破，邛人势力瓦解，但邛人依然没有灭亡。据《华阳国志》记载，三国时期蜀汉还有一支隶属于孟获的军队名为“七部营军”的邛人部队，人数多达数万，这支部队就驻扎在安宁河谷。但从此以后，关于邛人的记录在历史档案里消失，邛人及其后裔离奇失踪，再也不知下落。邛人最后消失的安宁河谷如今2000多年过去了，古邛人最后的结局依然是个谜，数万人之众的邛人部族为何离奇失踪？他们最后去了哪里？这个问题至今无解。但虽然如此，他们留下的巨石墓却成为了一大考古奇迹。凉山古邛人巨石墓，记录了一个古老部族的兴衰，不得不说是一个历史的传奇。参考文献：《古邛国之谜》、《凉山大石墓之谜》