本征映射学习可能是实现人工智能突破的关键 2018-05-09
世界上的任何事物都有其本征结构。本征结构是由本征要素与本征关系构成。本征要素构成本征空间，而本征关系决定本征要素之间的联系与相关性。本征结构具有至简性，也就是其本身具有最小自由度(总体熵)以及其包含的本征关系也具有最小自由度(局部熵)。本征结构的至简性类似于中华道家哲学的大道至简。一个事物或一门学问，弄得很深奥是因为没有看穿本质，搞的很复杂是因为没有抓住其关键，就像牛顿之前的人们对物体运动与天体运动的理解。宇宙中万物的本征结构除了至简性，还具有同构性与相似性，如各种原子结构、各种分子结构、各种爬行类动物、各种灵长类动物等等。正是如此，所有世界才是可知的，我们才可以触类旁通、举一反三。 而人脑学习与机器学习的最关键要点是要从观测空间找到本征空间，这里称为本征映射学习。本征映射学习的目的是找到具有至简性的本征结构，抓住事物的本质，完成认识的飞跃，这也就是常说的透过现象看本质。因为本征结构具有至简性，所以本征映射学习可以通过全局优化算法来实现和完成。这种本征映射学习可能是破解智能之谜的真正关键所在，是真正的智能原理，是实现人工智能重大突破的最核心技术。
本征映射学习不但可以大大提升机器在感知学习上的泛化能力，同时它还可以让机器具有认知能力，从而可以真正完成自动驾驶与自动疾病诊断。本征映射学习作为智能原理还可以帮助人们大大提升他们的认知水平，让我们大家明白和模仿天才与一流科学家的发明与创造，并运用该原理在科学上实现新的突破。
例如我们可以通过寻找本征空间，将爱因斯坦广义相对论中测地线方程与量子力学中的Klein-Gordon方程统一成新的万有广义波动方程 gμν∂μ∂νΨ=m2c2/ħ2Ψ，从而达到广义相对论与量子力学的统一。其中，爱因斯坦的测地线方程是该波动方程的经典极限，广义相对论中的时空度规gμνdxμdxν也是其经典极限。该方程指出了所有惯性系统在不同引力场中与在不同运动速度下的等价性(平等性)。即在任一惯性系统中，不管其运动速度与引力场大小，万有广义波动方程都可以通过一个线性的时空变换，规一化成同一的经典Klein-Gordon方程。新的万有广义波动方程还有待科学实验检验，如用重力场下带质量的粒子波的双缝衍射。如果验证成功，我们就可将把牛顿的绝对时空观和爱因斯坦的相对时空观进一步发展到辩证时空观，使人类对时间与空间又有全新的和更深刻的认识。
目前所有的机器学习理论与技术都还没有抓住如上所述的破解智能之谜的关键要点。其结果就是目前人工智能的水平与人脑还相差甚远，在感知方面其泛化能力与人脑相差好几个数量级，而在认知方面就根本没有能力，更谈不上能具有像牛顿创立经典力学与爱因斯坦创立相对论那样的高级理性思维能力。换句话来说就是目前所有的机器学习理论与技术都有可能跑错了方向。而要想实现真正的广义人工智能，其关键可能是本征映射学习，而不是什么神经网络学习、支持向量机学习、集成学习、马尔科夫模型学习、贝叶斯模型学习，进化学习等等。所有这些只可能是技巧，而不能当成智能的原理与机制。
|
