上世紀50年代，二戰結束後不久，人們開始研究和設計智慧型系統。 作為資訊學的乙個分支，人類開始了最早的人工智慧研究。 在60年代，人們對計算機的發展充滿信心，人們斷言“在20年內，機器將能夠做任何人都可以做的事情......在一代人的時間裡創造人工智慧的問題將得到實質性的解決”。
然而，很快，人工智慧的發展進入了70年代和80年代的停滯期，直到21世紀，由於機器學習和資料分析技術的發展，人工智慧的研究才再次進入人們的視野。 最近，GPT 重新點燃了對這項技術願景的熱潮。 60年代的預言並沒有實現，人工智慧的發展並不像人們想象的那麼迅速和樂觀。 造成這種情況的最根本原因是缺乏對計算理論侷限性的理解。 為了製造一台行為像人類一樣的機器，我們必須了解“人類智慧型”是如何工作的，而神經科學在當時並沒有那麼強大。 本系列文章是我最近讀到的了解和改變世界本書要點的摘要。 寫下文字也是乙個組織自己想法的過程。 （我強烈推薦大家看一看這本書）。
本文將討論“人類智慧型與機器智慧型之間的鴻溝”。和“自動化系統和自治系統之間的區別”。如果你能讀懂這兩個主題，那麼在技術之外和表面之下，對人工智慧會有更多新的理解。 在今天的文章中，我將主要介紹人類思維的主要表現形式以及機器計算與機器計算之間的差距。 快思考，慢慢思考在《思考快與慢》一書中，作者丹尼爾·卡尼曼（Daniel Kahneman）詳細介紹了人類思維的兩種運作方式：快思考，慢慢思考
“慢思考”是指反應緩慢但有意識地處理的思維如數學計算和邏輯推理，類似於計算機程式設計的計算模型，在處理此類問題方面遠比人類思維好。 另一種“快速思考”是指快速自動做出反應的思維比如走路、吃飯時身體四肢的協調性，以及身體在面對不安全環境時的警覺性等等，大腦幾乎是瞬間完成的這一系列有意識的行為，只消耗很少的能量。 今天的人工神經網路計算模型旨在模仿人類的快速思維。 這兩種方式相輔相成，形成了一種人類的思維方式。 自誕生以來，慢思維系統逐漸創造了一系列過程，然後由快速系統自動化。 例如，寶寶在剛學會說話時非常努力地叫“媽媽”，隨著練習，“叫媽媽”的行為變得越來越熟練和自動化。 學習騎自行車和開車也是如此。 所以在某種程度上，這是人類智慧最根本的表現。 
從計算機到人類智慧型
今天的計算機是智慧型的嗎？ 許多人認為，“智慧型”表現在決策的形成，複雜，明確，定義明確的問題的解決，這顯然沒有達到人類智慧型的高度。 人類智慧型的重要特徵是“自主行為”和“適應內外環境的變化”。 這是人腦創造新知識、理解以前從未遇到過的情況和設定新目標的能力的關鍵。 但不幸的是，目前的機器學習並沒有做到這一點，到目前為止，我們看到了更多“程式設計師智慧型”。，即執行程式設計師事先用符號描述的命令。 
只有當計算機能夠在沒有人為干預的情況下自主執行大量任務並能夠適應不斷變化的內部和外部環境的那一天到來時，我們才能說人工智慧與人類智慧型之間的差距正在消失。 為了理解人類智慧型，我們需要幾個關鍵概念（也可以理解為大腦的行為）：意識、理解、常識關於意識
關於意識，你可以通過這句話來理解：大腦“看到”它在外部和內部世界的語義模型中如何行動的能力。這讓我想起了《海賊王》的霸氣（**能力）。 意識是指人類主觀體驗和感知的狀態，即我們對自己和外部世界的感知和理解。 
意識有幾個特徵，例如：主觀性（只有個人才能體驗）。主動（能夠在一定程度上主動選擇和決定），連續性（意識的流動性）和選擇性（能夠選擇關注物件）。 與意識相對應的是無意識、無意識的心理過程和資訊處理，即上面提到的快速思維。 人腦通過對客觀世界的不斷“理解”，不斷產生所謂的“常識”。 這是關於理解的
通過“理解”，我們能夠：將觀察到的事物與頭腦中已經掌握的關係聯絡起來。例如，如果我們看到某物以加速的速度落到地面上，我們就會明白這是因為地球的引力在起作用。 世界是複雜的，為了更容易理解世界上的各種現象，人腦往往會區分影響現象的主要因素和次要因素。 然而，有時現象過於複雜，例如氣候、經濟和社會問題，這種超載的複雜性導致人類理解的侷限性。 這種理解的侷限性進一步受到限制理論的建構（愛因斯坦直到去世才統一相對論和量子力學）和工件製造的複雜性（由於缺乏基礎生物學，短期內不可能找到有效的癌症治療方法）。 關於常識
人類的大部分智力都屬於“常識”。 常識的出現，意味著大腦中的某種思維方式已經從全思維轉變為快速思維。 大腦使用其語義模型來評估環境中正在發生的事情以及可能發生的事情，而不斷積累經驗的語義模型每天都在豐富自己。 為了讓計算機在人類中發揮作用，我們必須給它乙個語義模型。 從理論上講，如果我們能夠對自然語言進行分析和形式化，根據層次結構構建概念之間關係的語義網路，並新增表示和更新知識的規則，我們就可以構建這樣的模型。 
例如，在定義“父子”時，我們需要想象這個詞所包含的所有關係和規則，並將它們形式化。 然而，在過去50年中，我們沒有朝這個方向取得實質性進展。 通過了解人類智慧型的特徵，我們可以更好地了解機器實現類似智慧型系統需要什麼。 在下一篇文章中，我想談談它“自動系統”。和“自治系統”。自主系統的實施將意味著兩種智慧型之間的界限變得越來越模糊。