序文
最近ではと友人は、開発の現段階と人工知能の将来を議論し、慎重に再読み込み尤瓦尔赫拉・リーの「歴史三部作は、」AIについてのいくつかの新しいアイデアを生み出し、そして整理する必要性を感じますアウト。
プログラムの性質上、AIさん
現代のコンピュータはチューリングマシン、ノイマン型と実装、および2つの部分で構成されているプログラムの動作に基づいています。
アルゴリズム+データ構造=プログラム
コードアルゴリズムを指す（本明細書では「アルゴリズム」、「コード」、「論理」は同義語である）、プログラムデータがアルゴリズムに入力され、現在の人工知能を含む次いで演算出力データを、その本質は真でありますしかし、このアルゴリズムは、データの複雑な、唯一の大きな金額です。
プログラムは、プログラマによって実行され、実装前にアルゴリズムプログラムは、プログラムが実行された後に、プログラマが手動でアルゴリズムを変更する場合を除き、変更されません、考案されました。
したがって、すべての手順は、現在のデータ入力を処理して、データが出力されます。しかし、人間の脳だけでなく、データ処理能力だけでなく、論理的なコンピューティングパワーです。ロジックは、いくつかまたは特定のシーンデータ、派生法則から導出することができます。この容量のコンピュータのこの段階ではゼロです。
感情的なスコアう：
|
|
人間の脳 |
コンピュータ |
| ロジック・スキル |
10 |
0 |
| データコンピューティングパワー |
1 |
10000 |
例えば、ロジック用
人間の生活の中で遭遇した問題のほとんどは、仕事がロジックに属します。アカウントに複雑な状況の現実を取ることなく、例えば非常に直感的な数学：
すべての組み合わせをリスト
たとえば、すべての可能な例をリスト、1-6ボールからの3球を思い付きます
人間はこのような、様々な方法を思い付くために彼らの知識を組み合わせることができます
第一の方法：最初からテイクは、リストされたすべての例は、その後、1のすべてのケースから取り出した後、2つのボールのすべてで取るために最終的にすべてのケースでは、すべてのケースのリストを取りますすべてのケースが網羅、再取ります。
第二の方法：列のバイナリ数として、使用可能な、状況に対応し、次いで、0-63（111111バイナリ63に相当）、次いで二進数、二進数1のその後数に変換され、それが3である場合 -
第三の方法：第二の方法で生成されたデータ、パターンを見つけることができる項目：
左端の1に。まず3、
B。その後、1左端の連続を見つける左に残りの1動きがある場合は、その右端の1は、新しい番号を取得するには、右のいずれかに移動します。
C。Bプロセスは、右端にある1の全てまで続きます。
あまりにも方法2は、あまりにも占有アルゴリズム時間で、メモリを取る1、基本的なアルゴリズムのプログラマはすぐに3の最も効率的な方法を見つけることができますがあります。
我々は法律、ロジックからの少量のデータ、それによってアルゴリズムでいることを発見した第三の方法。
この下には、言語、外出先の第三の方法は、次のとおりです。
https://gitee.com/xiangism/blogData/blob/master/math/combination.go
コンピュータプログラムは、上記のプロセスを反映できるようになりました、ブロックの法律は、プログラム・データを生成するために使用されるアルゴリズムを記述するために到達することは不可能でなく、不可能です。
プログラマが挑戦どのしたい場合は、データの3つの追加のセットはここで与えられ、記述されたプログラムは、予測数生成ロジックかどうかを後で確認するために、変更することはできません。そして、同様のデータはまた、様々な修正を持つことができます。
これは、上記の例のちょうど非常にデジタル化され、実際には、私たちの生活の中で直面するすべての問題はほとんど新しいロジックを推測するためのロジックから得られたデータから、人間の論理に依存する必要が考えます。人間の学習、生活、仕事はロジック、アプリケーションロジックの論理、演繹法を得ることです。
人間は、論理のスキルを持っていたら、（異なるデータの異なる状況に相当）の異なる様々な状況に対処することができ、現行のシナリオに従って物事（アルゴリズム）を行うための具体的な方法は、シーンに適用され発展しました。そして今だけ、それは無力であるから出てくることがないシーンのための人工知能プログラマー先入観シーンを扱います。
そして、プログラマは、すべての状況は、世界は不確実性に満ちているので、唯一の定数が変更され、考慮されている進めることができません。
人間の論理は、将来の人間活動を導くために、複雑なデータから明らかな、簡潔なルールを描かれた何かにつながることができます。
ピタゴラス定理から微積分に、ヤンにシュレーディンガー方程式からアインシュタインの相対性理論にニュートン力学、 - ミルズ理論は、
人類は実験、観測、データから式をまとめ、強力なロジックのスキルを介して行われ、：、法律及び定理（アルゴリズムと呼ぶことができる）
、したがって今輝かしい文明を作成します。
なぜコンピュータのロジックのスキルである0
あなたは上記の問題を読んでいる場合、実際には、あなたが答えを得ることができ、「コンピュータ」ではなく論理的な控除よりも、計算するために使用されます。
如果想让计算机程序能够处理某个事物，必须对其进行数据建模、建立对应的数据结构，而现在没有能对算法进行建模的理念基础，不能将算法有效地表示出来，也不能对算法进行运算了。
仔细考虑人脑从数字中找规律的过程，可以发现也是在认识范围里尝试各种可能性（各种算法），这和计算机穷举数据类似，只不过计算机是操作的数据，而人脑操作的是算法。
所以，只要能将算法有效地建模就可以实现计算的逻辑能力。
人机深度结合的可能性
如果不实现计算机逻辑能力的从0到1过程，其计算能力和人脑逻辑能力的合并也只能是空想。
因为现在计算机不懂人脑是如果逻辑思想，只会按照代码指令忠实地去运行。
而人脑也不懂人工智能的运作机制：深度学习从海量数据中统计出一个最优值，人脑也无法理解其具体的运算过程。
喊话赫拉利
赫拉利的“简历三部曲”被本人分在人文类书籍里，除去人类智能部分，他对人类历史、现在与未来的思考部分值得我们参考，但几乎不认同他对AI的预测。
人工智能不可能开办公司
如果开公司的所有情况都能事先被编码好，仅仅会处理数据的人工智能根据这些规则就能开公司、赚钱的话，我只能说赫拉利把现实世界想得太过简单了。
不会被人工智能替代的职业
数据处理、逻辑推演本质上是数学问题，而人类生活中遇到的事更多的不是数学问题。我大致总结以下类型的职业都不会被人工智能替代：
1. 需要逻辑的行业。程序员
2. 人类还没有完全搞懂的行业。医生
3. 服务行业。客服、前台、导游、理疗师、健康教练、健康顾问
4. 充满未知、变数的行业。司机、律师、谈判专家
程序员
2050年肯定不会出现程序员失业的情况，甚至连会一点点写程序的人工智能都不会出现。出现的仅仅是生成代码模板的IDE而已。
司机
与飞机相比，路面的情况就复杂很多。所以飞机的自动驾驶在几十年前就出现了，随着人工智能将尽可能多的情况都考虑进去，路面上的自动驾驶自动性提高到99%了。但世界总是充满未知、充满不确定性。
2050年肯定不会有哪个国家或地区不需要人考驾照。
并且不管别人怎样，在我一生之中肯定不会做这样的事：自己在睡觉，将车完全交给人工智能去开。
医生
人类对自己身体的了解还太少了，2050年肯定不会出现一家没有医生、只有人工智能的医院。
客服
顾客找到客服人员，可能有这么几种情况：
-
遇到了产品中的问题需要解决，这种在一定程度上可以用人工智能来解决，但只要是一个稍微大点的产品或系统，其出面对用户时出现的问题就千奇百怪，并且随着产品的升级，新问题和旧问题交织在一些时，就不是人工智能能够面对的了。
-
对产品提建议。如果一个用户可以对产品提建议，那么说明其对产品已经有感情了，这时其多半想面对的是人工，而不是冰冷的人工智能。
-
吐槽。用户本来就已经对产品产生了一定程度上的厌恶，如果不能和真人进行一番沟通的，而是面对一个机器，很难想象这个用户还会继续使用该产品。
-
纯属无聊，就是想调戏客服。这种情况对于一个想有好口碑的公司来说，还是用人工会比较好，哪怕浪费的人力资源。
2050年不会有淘宝卖家全部都使用人工智能小二，并且人工客服的使用比例也不会比2019年少太多。
前台、门卫
这类职业是公司的脸面，并且面对的事务也会比较复杂，所以不可能被替代。
理疗师、健康教练、健康顾问
这类职业往往顾客看中的是人的品质，如果他自身是个体弱多病、瘦骨伶仃的人，就算掌握的健康知识再多、再丰富，恐怕也得不到顾客的认同。
律师、谈判专家、基金经理
这类职业面对的复杂性比我们想象的要大很多。
猜想
人脑无时无刻都在“编程”，也就是生成各种算法，然后将算法存储起来，得到合适的时机时再拿出来使用。
人类的人脸、图像识别这么快，可能是因为对每个认为的人脸都有生成一个特定的算法，在找人时就是用的那一个算法去找。对认识的不同人，每个人都生成不同的识别算法。
意识只不过是一系列逻辑、算法的集合。 人脑用逻辑去思考“我是谁，我从哪里来，我要去哪里”之类的问题后，于是就有了意识。
总结
-
图灵机最大的缺陷：只能对数据进行处理，算法的所有逻辑都是程序员写死，算法不能自我演化。
-
如果想改变这种现状就得创立新的数学分支，使得它可以对算法进行编码，实现操作算法的算法。
-
想要人机深度结合必须要实现2。
-
如果人类或宇宙不是超级智能体的杰作，那么人类是能够在数学层面上实现操作算法的算法。但愿这样的数学分支能在100年出现。
-
既然实现自动智能如此之难，我们还是得脚踏实地在现在的AI基础上有所作为，除非你的脑袋被上帝丢的苹果砸过。
-
虽然现在AI只能对数据进行处理，但它的应用场景随着大数据、Iot的到来也会普及到人类活动的方方面面中，但也不必太对其过于恐惧，毕竟一个严重偏科生不可能取代一个发展平衡的好学生，最多是成为其助手。
-
随着5G时代的到来，会大大加快Iot的进程，使万物互联成为可能。只会处理数据的AI(如果为了商业需要还是叫AI的话)会大显身手。