再见了，Tensorflow-二

再见了，Tensorflow（二）命中注定与逻辑上没有智能的我们

我们有智能吗？还是得从源头思考人工智能。

从粒子物理来说，其实所有粒子运动都有一些规律，比如万有引力。

当按照秩序计算，我们可以预测汽车下一秒会在哪里。

大体来说，可以借用欧几里得的话：“如果有一个支点，我可以撬动地球”；

是的，如果有全宇宙的数据，我可以知道过去现在未来。

然而有支点撬动地球么？

一切似乎是一种命中注定的存在，那么我们所有的智能不过是粒子互相作用的产物。

换句话说，就是一个聪明人欣喜自己解决了一个难题，然而这是粒子作用安排好的，说明是受控的；就是逻辑上，我们可能没有智能。

当然你可能想到了量子物理与测不准；或者说是我们的能力有限，所以才会使用概率吧。

还是暂时把这个没结果的哲学问题搁置一边吧。

早在高中那时候，就结识了两本另人印象深刻的书，一本是关于群智能算法的，一本则是关于混沌与分形的。

先来说说群智能。

比如蚁群算法，在信息素的指引下，蚂蚁们找到通往食物的最短路径。

对于粒子群，在互相作用的指引下，产生了生老病死的时间维度。

切换到智能算法，就是在各种知识的指引下，人们找到了统治地球的最佳方案。

所以，所谓“智能”，在我的理解，是一种搜索；这也是为什么我热衷于探索搜索引擎的原因。

当DNA交叉复制时，大自然在搜寻什么样的解？

这时又想到了你，Tensorflow。

负责在整个解空间暴力破解的你，是否也在困惑大自然的搜寻？

巴别塔的故事可能是真的：Tensorflow往新的空间搜索的时候，可能伴随着正确率的极度下降；就像DNA在变异搜索的时候，可能伴随着发生器官严重改变，大家开始有特异的声音使用不同的语言；从那时起，人类相对于其他动物的进化而言便有了一些特别之处，并迅速在适者生存的解空间的另一边找到了优越于其他动物的遗传特性。

所以或许巴别塔不是上帝的愤怒，而是大自然的一种恩赐。

既然开启了搜索的话题，也不得不聊一聊离开Tensorflow的原因之一了。

目前的人工智能大体来说就是将东西切割然后分类。

我们举个例子：人是如何举一反三的？更具体一点，当一篇文章中有各种信息，一个人在学习了几个email地址的例子后，就能大致将文章中所有email地址找出来。

在神经网络看来，能想到的大概过程是先进行一次局部编码，然后使用类似于CNN或者RNN的模块将文本分割或者具体点叫POS-Tag，再用相似度函数去给分割后的每部分打分，对，算个概率，类似于图像处理的boudning-box方法。

这些过程有个问题，学习分割需要大量标记训练，可是人们只要学习几个email地址就能找出所有类似结构。

而且神经网络在学习之后，如果有新知识，是需要重新学习的。

换句话说，神经网络的局部性非常强，它可以准确分类单体，但是它缺乏全局方向，形成可伸缩的知识闭包。

当然现在无监督学习和半监督学习也都十分热门，加上有诸如进化学派、贝叶斯学派、逻辑学派、类比学派就是KDD和支持向量机那一分支，搭配起来，成果还是可观的。

所以还是要整合各个学派，而Tensorflow只是展现了联结学派的一个很小部分的力量。

还记得上次的世界维度e么？Tensorflow大概是实现不了那样知识的闭包系统的。

而且，Tensorflow确实很好用，很容易上手；Google的这个工具也让我意识到自己的思维定势要成型了。

当然，离开的原因千万种，以后再娓娓道来。

我不是诸葛亮，所以不会挥泪斩马谡。

我是学科学的人，当胡扯与思维定势发生冲突的时候，我会站在胡扯一边。

边胡扯，边探寻新的思路。

这个公众号也许是一种日记。

在找到答案之前，我想我会坚持下去。欢迎大家一起讨论。

先定第一个目标吧，想尝试一下聊天机器人，至少是有点逻辑的聊天机器人；到时候可以把它设为自动回复的后端。额外设定是，它将负责和我一起讨论医学问题。

因为原来定过兴趣是10-20学代码，20-30览医学。

留给中国队的时间怕是不多了…

有时候写小说是给别人读的，那写代码就是给人们用的；奋起吧，少年。

至于混沌与分形，下次再说吧，这也会牵出更多离开的原因。

J.Y.Liu

2018.03.30