欢迎关注我的专栏( つ•̀ω•́)つ【人工智能通识】
2019年6月专题
欧布里德
Eubulides，欧布里德，也被译作尤班利兹。古希腊哲学家，欧几里得的学生，生活于公元前4世纪。最知名的说谎者悖论就是由他提出的。
流传下来的欧布里德提出的悖论有七个：
- 说谎者悖论：“我说的这句是谎话”，那这句话到底是不是谎话？
- 蒙面人悖论：“你认识这个蒙面人吗？” “不认识。” “但他是你的父亲。所以你不认识你自己的父亲？”
- 伊莱克特拉悖论：伊莱克特拉不知道正从远处走过来的人是他哥哥，但她知道他的哥哥是谁，那么她到底知不知道正在走近的人是谁?
- 陌生人悖论：你没有留意身边路过的人并把他当做陌生人，那个人正好是你的父亲，你的父亲是你的陌生人吗？
- 谷堆悖论：一颗谷粒不能成为谷堆，但是很多谷粒就可以成为谷堆；同样，从一个谷堆上拿走一颗谷粒，谷堆还是谷堆，那么反复不停地一颗一颗拿走，是否最后剩下的一颗谷粒也还是谷堆？
- 秃头悖论：头上长满头发的人不是秃头，拔掉一根头发也不是秃头，但不停地拔却能把他变为秃头。
- 犄角悖论：你从来没有丢失过犄角，所以你有犄角。
欧布里德悖论简析
- 说谎者悖论是字面语义和实际意义之间的矛盾，是抽象符号自指自谓产生的悖论，这是语言符号逻辑系统自身具有的不完备性。
- 蒙面人悖论是对“认识”和“识别出”两个单词的玩弄，或者说“你可以识别父亲”但不代表“你可以识别戴着面具的父亲”。
- 伊莱克特拉悖论和蒙面人悖论相似。
- 陌生人悖论和蒙面人悖论相似。
- 谷堆悖论和秃头悖论相似，我们下面一起细说。
- 谷堆悖论和秃头悖论相似，我们下面一起细说。
- 犄角悖论忽略了三段论的前提，即“你有犄角”并且“没有丢失过犄角”才能推论出“你仍然有犄角”这个结论。
谷堆悖论
1,000,000粒是一堆。
如果1,000,000粒是一堆，那么999,999粒也是一堆。
所以999,999粒是一堆。
如果999,999粒是一堆，那么999,998粒也是一堆。
所以999,998粒是一堆。
如果...
......所以1粒是一堆。
深入理解量词
“一捆铅笔”，“一盒快餐”，“一群人”，“一座山”...很多语言里面都有量词。
但在程序语言里面没有量词。var a=12
实际上在程序语言或者数学中数字和对象是分离的，我们只处理数字之间的关系而不考虑对象。1+1=2，这既适合于两个苹果，也适合于两个星星。
量词本质是对事物的一种额外描述，可以视作特殊的形容词。
量词和自然科学中的“单位”非常相似。“一瓶啤酒”和“1升啤酒”的意思相似。升描述的是这些啤酒的体积，10厘米x10厘米x10厘米这么一个标准的体积；瓶也表示从体积方面来描述，但它往往不是一个固定的标准，啤酒瓶有大有小并不一致，除非你亲眼看到，否则你并不能确定“一瓶啤酒”是多少，100毫升可以是一瓶，1升也可以是一瓶。
虽然看似都是体积相关，但“升”是个数量词，“瓶”是个形状量词，即从形状的角度来描述的。如下图，从风油精瓶到液化气瓶，各种容器都可以叫做瓶子。“瓶”是一种抽象的形状概念。
“堆”也是个形状量词，它约束的是一种底部多上面小的形状结构，而不是数量，这就解决了谷堆悖论的问题：“堆”和数量不相关，只和形状结构相关。如下图，可以说最少四颗谷粒就能构成“堆”。
模糊语义
与数学语言和程序语言不同，在自然语言中有很多无法定量甚至无法定性的语义。比如说“大小多少”“贫穷富贵”“幸福悲伤”等等。
这可以把米粒换成沙子、头发、金钱等，比如：
拥有1000万的是富人。
那么拥有999万的也是富人。
拥有999万的是富人。
那么拥有998万的也是富人。
...
拥有1块钱的也是富人。
这里就产生了悖论，原因就在于“富有”这个定义是相对的，模糊的。当我们说某人是富人的时候，往往带有一个相对的前提，那就是相对于大多数人来说，他是富有的。
但是比大多数人多1块钱算是富有吗？多2块呢？多2000万呢？
我们之所以说它是模糊的，就是因为无法确定一个清晰边界，日常中不能说拥有一千万的是富人，而九百九十九万九千九百九十九块的就不是富人。
另一个典型的情况就是颜色，我们习惯把400纳米到760纳米的人眼可见光范围划分成赤橙黄绿青蓝紫几种颜色。但是日常生活中我们无法说清橙色和黄色之间的界限到底在哪里，这对很多科学研究带来了干扰，以至于最终科学家们强行把600纳米作为一个分界线，599纳米的是橙色，600纳米的就是黄色，这听起来像是悖论，但却是科学研究的必须。
实际上，关于我们日常所说的贫富也有类似的官方说法，在国际上的富人标准是个人净资产在1000万到10亿美元。
对于很多尚未或者无法标准量化的模糊内容，比如“美丑”“善恶”，一个临时替代方案是群组投票，即让大家一起来评判，用“少数服从多数”的办法划分界限，即多数人认为美即是美。
随着科学技术的发展以及计算机数字化技术的要求，很多模糊语义都将逐渐被清晰定义，但是这个过程可能需要数十年甚至更久，也许本身就是一个不可能完成的任务，模糊语义数据的提取和处理也是目前自然语言理解的一个难题。
量变引发质变vs智能理论
更多的人愿意把谷堆悖论解释为量变引发质变，虽然这听起来有些诡异，但也很有意思。
一根一根拔头发，拔到量变引发质变，变为秃头...
我们把这种现象视为涌现更加合适。
涌现是指由多个子元素共同组合而表现出来的全新行为或属性。
比如“不秃”就是由数万根头发组合之后集体表现出来的属性，动物行为是由全身数十亿细胞组合之后集体表现出来的特征。
涌现现象只能在跨层级之上才会出现，而至于在何时出现（多少元素、怎么组合），至今还没有比较成型的科学理论，我们只是知道“它就那么出现了，而不知道确切如何出现。”
目前所知关于涌现的知识可能只有以下几点：
- 多个元素。“二人成伍”，两个元素就可以涌现出“重复、一致、同步”这些特征。
- 互相关联。所有元素都必须是互相关联起作用的，“协同或对立”都可以。
- 成组分化。如果元素之间形成模块成组，功能产生分化，那么整体涌现就会更有效率，比如蚂蚁群和蜜蜂群形成的群体行为。
- 秩序相关。所有涌现都必然基于元素之间的秩序和变化规律，比如秋天迁徙的大雁队列在天空中涌现出的“一字”或“人字”造型。
我认为，对于涌现现象的研究，很可能将会诞生一门新的颠覆性科学，它将是所有科学的科学，甚至是智能本身的科学，它才是真正的智能理论The Intelligence Theory。
智能理论的核心研究对象至少应该包含随机、重复以及基于此两者和时间因素形成规律的规律。
本月专题中上一篇提到的飞矢不动悖论同样可以从涌现现象中得到解释，就如同电影胶片一样，每一帧画面都是静止的，但这些画面的内容分布在整个时间线上之后，就涌现出了复杂的运动。飞矢不动概念揭示了整个宇宙运行的最基本原理。
欢迎关注我的专栏( つ•̀ω•́)つ【人工智能通识】
2019年6月专题
每个人的智能新时代
如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，欢迎转载~
END
转载于:https://www.jianshu.com/p/466b54f08a7d