主题：【原创】从《I, Robot》的话题谈俺对机器生命的认识 -- 你克我服

我觉得这要看你如何定义“智慧体”

究竟是指人类智慧，还是指人工智慧。

人类智慧的形成，当然是自然演化的结果，但不是自然演化的必然结果。也就是说在大多数自然环境下，智慧体不一定会被演化出来，或者说一定不会被演化出来。其次，在人类的智能当中，先天因素和后天因素同样重要。基因只是提供了一个可以充当思考工具的大脑。而这个大脑则要通过不断的学习和训练才能真正成为一个思考的工具。而不是由屁股决定脑袋。

人工智慧，目前大部分还是处于功能性研究的状态。也就是说，针对某些特殊的用途，譬如多媒体的自动识别，分类；自然语言理解；决策支持系统。你们所谈的人工智慧，比较接近的应该是最近很热门的一个分支“intelligent agent”。Intelligent agent的经典推理模型是BDI模型，也就是Belief,Desire,和Intention. 其中，你可以将Belief理解成Agent的知识库，也就是对现实世界和自身的认知。Desire是Agent的目标，也就是他的目的。换句话说，科幻迷们常说的阿西莫夫三原则可以用来充当Agent的Desire（这里只是为了方便大家理解。实际上，没有人用这个三原则在实际的Agent上面）。Intention就是Agent要执行的指令，也就是它根据他的知识（Belief)，为了达到目标(Desire)而进行推理得出的计划（Plan）的当前指令。这样一个Agent，因为他有自己的目标，独立进行推理，自主管理，并且通常有一定的学习能力来修正它的知识库。因此，从感官上来看，似乎有一定的人类智力的感觉。机器人足球赛的机器人，很多都是使用BDI体系控制的。但是即使是这样的智能，也是和生物智能完全不一样的。

至于演化，人工智能里面的分支叫做演化算法（Evolutionary algorithm)。其中最常见的是遗传算法(Genetic Algorithm)。他通过将解决方案代码化，并使用随机的变异，Crossover，和评估选择来模拟自然界的演化过程。这种方法是John H. Holland在1970年代早期提出的。基本上属于随机搜索的一个变种。编码方式和评估函数是GA应用的一个很大的问题。也就是说，不是所有的问题都能找到恰当的编码方式和评估函数。另外说一句，Holland本人现在是在圣塔菲研究所研究复杂性问题，而复杂性则正是自然环境和人工环境的最大区别。他写过几本很有意思的书

Hidden Order: How Adaptation Builds Complexity

Emergence: From Chaos to Order

这两本应该在国内都有中文版。国内中科院的数学与系统科学研究院的复杂系统研究中心也做相关方面的研究。该中心的副主任也在圣塔菲研究所工作过。人工生命，复杂性都是他们的研究课题。

无论是从机理上，还是效果上，人工智慧和人类智慧目前的差别还是巨大的。还有无数的实际的理论问题无法解决。人工智慧很多时候能够表现出一些出人意料的结果，但是总体来说，还是在人类控制范围之内。进化只是找出最合适环境的结果，而对于这个结果，智能并不是唯一的选择。在大多数情况下，智能甚至不可能是选择。所以说，进化不是包治百病的银弹。人类的诞生，偶然性多过必然性。