分节阅读 6（2 / 2）

这厮在机械方面的天赋少有人可比，只用了三年时间便成为出色的加工工程师。当上车间主任后，他在加工方面被徒弟鲁同超过，于是转变方向，很快便能维护厂里所有的设备，基本不用设备供应商插手。不久带了仨徒弟，其中最出色的曹奇峰现在是祐城机械设备维护部的主管，徒弟们只有搞不定的时候才会呼叫师父支援，他因此有了大把的时间精研自动化相关科目。

设备的硬件不容易改，涉及到方方面面，控制系统优化是第一选择，即在硬件不变或无法进行根本变更的情况下将控制系统优化到极限。控制系统灵活，可以降低零配件和附件的要求，节省维护成本；在使用同样质量的零配件和附件的情况下，可以提高加工效率和加工质量。想要控制系统灵活，程序必须尽可能地智能化。

将现有框架内的程序设计改进到极限后，李庄仍不满意。此外，自动化设备的设置非常繁琐，很耗时间，不喜欢重复劳动的他终于下定决心要研究真正的人工智能，不再像过去那样小打小闹。

在大部分人看来，人工智能即ai是典型的前沿，但它实际上不是什么新鲜玩意，如果从性格孤僻的同性恋老头图灵发表论文的时间算起，迄今已有六十年的历史。老头认为，如果第三者无法辨别人类与机器反应的差别，就可以论定该机器具有智慧。他的标准似乎不高，但想通过图灵测试不容易。

ai是自然学和社会学的交叉学科，涉及到哲学、认知学、数学、心理学、计算机学、控制论、决定论和不确定性原理。“人工”好理解，也不容易起争论，“智能”问题就多了，比如意识、自我、心灵等。人类对自身的了解有限，不同的观念带来了不同的流派，主要有三个，心理学派即符号主义，主要原理为物理符号系统假设和有限合理性原理；仿生学派即连接主义，主要原理为神经网络及神经网络间的连接机制及学习算法；控制论学派即进化主义，其原理为控制论及感知－动作型控制系统。

怎样才能使计算机具有智能或者说表现出智能行为，迄今仍是个未解决的问题。各流派以认知心理学、神经生理学、人类社会学及生物进化论为模拟基础提出了知识处理与符号处理、人工神经网络、层次化的智力社会模型及基于生物进化的智能系统等理论。不管怎样，ai的核心问题是推理、知识、规划、学习、交流、感知、移动和操作物体的能力。

此外，ai还有强ai和弱ai之分，连ai的定义大牛之间也一顿好吵，因为涉及到自主意识，短期内无法理清。虽然弱ai领域的成果一直没断过，但强ai仍是ai领域的长远目标。

上个世纪八十到九十年代是智能机研发的高峰期，诞生了不少有指导意义的理论和工程实现方案。ai研究者前赴后继，逐一验证猜想，最后只剩下两种方案。第一种，工程学方法，即采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。第二种是模拟法，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相似。换句话说，一种是纯软件，即在冯。诺依曼型计算机系统上用软件实现ai；一种是软硬结合，通过硬件和软件相配合来实现ai。

和软件实现相比，软硬结合由于相关学科的研究没跟上，智能技术在很多方面也没有取得预期的成功，五代智能机研究不出意外地失败了。与此同时，计算机技术在网络和信息处理等领域蓬勃发展，智能机研究陷入低潮，由热门学科变成了偏门的前沿学科，甚至连大部分it从业人员都不了解，只有少数人进行基础研究。

冯。诺依曼型计算机系统能产生真正的人工智能吗ai界的争论非常激烈，但大部分人还是认为不可行，因为两个单纯的一维符号无法完美呈现非此非彼经常出现的物质和社会现象。人的想法经常是非线性的，比如很常见的虚伪，说一套做一套，中间的调整甚至是双向无级的，思维跳跃性很大。如果用传统计算机模仿人的思维方式，非得被数据给噎死不可，就算有技术手段可以辅助，最多减少数据冗余，绝对做不到像人类一样思维如电。

李庄的观点与主流科学家的看法一致，他相信在我们这个物质世界，思维方式由运行底层决定，在线性运作的冯。诺依曼型计算机系统上产生非线性运作的人工智能绝无可能，运行机制不一样，即使勉强实现，也是低能儿。那些信奉纯软件实现的研究员要么是在玩虚拟机，要么是在玩火。依靠虚拟机实现的ai与真正的人类相差甚远，略聪明的人便能识破它们的身份。互联网发展到今天已不可或缺，先不说能不能点起火来，就算能点，也不能点。相比之下，有运行底层的软硬结合智能机研究要实际得多。

ai学科一直在革新中，新思想新观念层出不穷，但真正靠得住的不多，大多没有验证过，因为验证需要钱，或多或少。理论归理论，工程是工程。智能机研究同时涉及到ai理论和工程实现，两者相辅相成，理论不完善，工程实现难度大增。工程实现如果做得好，可以弥补理论的缺陷。虽然很多时候都是理论先行，但生活中很常见的是先有现象，再总结推导出理论。

符号处理与知识处理是目前研究的主流，但李庄对人工神经网络更感兴趣。实际上这种仿生学实现方案也是大公司研究的重要方向，诞生了大批的成果，广泛应用于语言识别、图像识别与理解、计算机视觉、智能机器人故检测、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专家系统、智能接口、神经生理学、心理学和认知学研究等领域。

人工神经网络ann源自于神经生理学的研究成果，即用大量相对简单的处理单元人工神经元通过复杂的互连构成神经网络计算机。这个实现途径强调大规模并行、分布式的表示与处理、非线性的动力学系统行为、系统的训练与学习以及模拟量的处理等等，本质上是一种仿生学设计方案，经常与符号处理和知识处理配合使用。

李庄相信这种方案，也有信心能玩出点花样来，但觉得纯粹的仿生学设计只会死路一条，因为物质基础不一样。人类使用生物网络，而智能机使用硅光网络，两种网络的运行方式有别，不能生搬硬套。

信心归信心，没人知道用ann能否设计出真正的智能机，不但智能本身定义不明确，而且也没人完全清楚智能产生的真实原因。智能机研究的沉寂跟巨额投资无法短期内见到成果有关，当然不乏科学界忽悠势力阶层的成分在内，这些年科学家们没少做这种事。

李庄不能赌，他要吃饭，还要赚钱买房子；也没有必要赌，他最喜欢的是自动化和精密加工，连承接的软件订单也跟这两个领域有关，用不着冒进，因此选择逐步理清。

首先是纯软件实现，计算机领域都是相通的，站在巨人的肩膀上才能更进一步，前提是能站上去。发达国家在纯软件实现上做得比较好，李庄替工厂维护进口高级自动生产线时经常碰到类似的系统，改进了四五次，觉得这种方案最多能做到心目中的三级智能，当然以他目前的水平，最多能做到比国外大厂稍微好一点，也就是他自己分类中的一级智能。自