本徵映射學習可能是實現人工智能突破的關鍵 2018-05-09
世界上的任何事物都有其本徵結構。本徵結構是由本徵要素與本徵關係構成。本徵要素構成本徵空間，而本徵關係決定本徵要素之間的聯繫與相關性。本徵結構具有至簡性，也就是其本身具有最小自由度(總體熵)以及其包含的本徵關係也具有最小自由度(局部熵)。本徵結構的至簡性類似於中華道家哲學的大道至簡。一個事物或一門學問，弄得很深奧是因為沒有看穿本質，搞的很複雜是因為沒有抓住其關鍵，就像牛頓之前的人們對物體運動與天體運動的理解。宇宙中萬物的本徵結構除了至簡性，還具有同構性與相似性，如各種原子結構、各種分子結構、各種爬行類動物、各種靈長類動物等等。正是如此，所有世界才是可知的，我們才可以觸類旁通、舉一反三。 而人腦學習與機器學習的最關鍵要點是要從觀測空間找到本徵空間，這裡稱為本徵映射學習。本徵映射學習的目的是找到具有至簡性的本徵結構，抓住事物的本質，完成認識的飛躍，這也就是常說的透過現象看本質。因為本徵結構具有至簡性，所以本徵映射學習可以通過全局優化算法來實現和完成。這種本徵映射學習可能是破解智能之謎的真正關鍵所在，是真正的智能原理，是實現人工智能重大突破的最核心技術。
本徵映射學習不但可以大大提升機器在感知學習上的泛化能力，同時它還可以讓機器具有認知能力，從而可以真正完成自動駕駛與自動疾病診斷。本徵映射學習作為智能原理還可以幫助人們大大提升他們的認知水平，讓我們大家明白和模仿天才與一流科學家的發明與創造，並運用該原理在科學上實現新的突破。
例如我們可以通過尋找本徵空間，將愛因斯坦廣義相對論中測地線方程與量子力學中的Klein-Gordon方程統一成新的萬有廣義波動方程 gμν∂μ∂νΨ=m2c2/ħ2Ψ，從而達到廣義相對論與量子力學的統一。其中，愛因斯坦的測地線方程是該波動方程的經典極限，廣義相對論中的時空度規gμνdxμdxν也是其經典極限。該方程指出了所有慣性系統在不同引力場中與在不同運動速度下的等價性(平等性)。即在任一慣性系統中，不管其運動速度與引力場大小，萬有廣義波動方程都可以通過一個線性的時空變換，規一化成同一的經典Klein-Gordon方程。新的萬有廣義波動方程還有待科學實驗檢驗，如用重力場下帶質量的粒子波的雙縫衍射。如果驗證成功，我們就可將把牛頓的絕對時空觀和愛因斯坦的相對時空觀進一步發展到辯證時空觀，使人類對時間與空間又有全新的和更深刻的認識。
目前所有的機器學習理論與技術都還沒有抓住如上所述的破解智能之謎的關鍵要點。其結果就是目前人工智能的水平與人腦還相差甚遠，在感知方面其泛化能力與人腦相差好幾個數量級，而在認知方面就根本沒有能力，更談不上能具有像牛頓創立經典力學與愛因斯坦創立相對論那樣的高級理性思維能力。換句話來說就是目前所有的機器學習理論與技術都有可能跑錯了方向。而要想實現真正的廣義人工智能，其關鍵可能是本徵映射學習，而不是什麼神經網絡學習、支持向量機學習、集成學習、馬爾科夫模型學習、貝葉斯模型學習，進化學習等等。所有這些只可能是技巧，而不能當成智能的原理與機制。
|
