在日常的學(xué)習(xí)、工作、生活中，肯定對各類范文都很熟悉吧。范文書寫有哪些要求呢？我們怎樣才能寫好一篇范文呢？這里我整理了一些優(yōu)秀的范文，希望對大家有所幫助，下面我們就來了解一下吧。

智能學(xué)校字篇一

一、在工作中長期堅(jiān)持一個(gè)“勤”字

勤是我們搞好工作的前提和基礎(chǔ)，尤其是門衛(wèi)工作，離開了勤字是無法完成職責(zé)的，門衛(wèi)工作看似輕松，實(shí)則不然，就拿我們一天的工作來說吧，一要經(jīng)常開關(guān)門，二是每天進(jìn)出的車輛近百趟次，三是我們還要隨時(shí)隨地，打掃周邊的環(huán)境衛(wèi)生。四是我們還要堅(jiān)守職責(zé)，防止閑雜人等潛入院內(nèi)搞破壞，所以這些都要靠什么來完成呢?當(dāng)然靠的就是個(gè)“勤”字，此外對于校領(lǐng)導(dǎo)分配的其它各種任務(wù)，我們也是做到隨叫隨到，不折不扣去完成。

二、在工作中，始終圍繞一個(gè)“責(zé)”字

我的工作是為學(xué)生負(fù)責(zé)、為家長負(fù)責(zé)、更是為學(xué)校的發(fā)展負(fù)責(zé)。所以我堅(jiān)持做到人不離崗，不空崗，勤關(guān)門，對進(jìn)出的每輛車，我都做到笑進(jìn)迎出，不厭其煩地問清來龍去脈，嚴(yán)格把控，這樣做的好處就是把很多的閑人等和與校內(nèi)無關(guān)的車輛都攔截在校門外。對來訪的家長和外來人員出入，我都做到了認(rèn)真盤查、登記和引導(dǎo)。

三、一直以來，我遵遁著一個(gè)“愛”字

管理學(xué)生，把學(xué)生視同已出一樣去關(guān)心他們、去愛護(hù)他們，天冷了看到有些穿少的孩子就跟他提醒一句，多加點(diǎn)衣服，對小孩子們就說，在放學(xué)和上學(xué)的路上要靠邊走，不要走在路中間去了，要注意來往的車輛等等。這樣一來，我們也有了回報(bào)，是什么呢?是孩子們在進(jìn)出校門口時(shí)的微笑和問候，說實(shí)在的，當(dāng)我聽到孩子們的問候和看到他們的微笑，我也就心滿意足了。

以上就是我一年來的工作，不足之去，請校領(lǐng)導(dǎo)和各位老師批評指正。由于水平限制，還有很多內(nèi)容沒有表達(dá)出來，同時(shí)以上所述只是我應(yīng)該做的，離學(xué)校領(lǐng)導(dǎo)的要求還不夠，我會吸取教訓(xùn)，總結(jié)經(jīng)驗(yàn)，在新的一年里，在保安公司及校領(lǐng)導(dǎo)的正確指導(dǎo)下，進(jìn)一步加強(qiáng)學(xué)校的保衛(wèi)工作使每一項(xiàng)工作落到實(shí)處，做到防患未然，確保安全無事故。

智能學(xué)校字篇二

自2016年學(xué)校成為南京市智慧校園試點(diǎn)學(xué)校以來，學(xué)校專門成立了以林慧敏校長為組長，陳健副校長為副組長，教導(dǎo)處、教科室、人事處、總務(wù)處、德育處及信息中心各個(gè)處室負(fù)責(zé)同志為工作小組組員的工作組。

2016年9月學(xué)校領(lǐng)導(dǎo)赴浙江寧波學(xué)習(xí)智慧校園建設(shè)情況，借鑒學(xué)校智慧校園設(shè)計(jì)經(jīng)驗(yàn)，觀摩智慧校園成果演示。歸來后，學(xué)校立即組織召開智慧校園創(chuàng)建動(dòng)員會，發(fā)動(dòng)全體教師投入到創(chuàng)建中來，發(fā)揮全體教師智慧，為智慧校園建設(shè)獻(xiàn)計(jì)獻(xiàn)策。邀請專業(yè)公司對學(xué)校智慧校園進(jìn)行整體架構(gòu)和設(shè)計(jì)。組織召開專題會議，讓各部門從教學(xué)、管理、應(yīng)用等幾個(gè)環(huán)節(jié)入手，談需求，分析需求，形成學(xué)校智慧校園建設(shè)第一稿規(guī)劃。

2016年12月，全市中小學(xué)首席信息官培訓(xùn)在我校舉行，學(xué)校將梳理出的智慧校園建設(shè)方案進(jìn)行解讀，邀請共探討金陵小學(xué)“智慧校園”建設(shè)方案，針對這個(gè)方案進(jìn)行討論。各位信息技術(shù)人各抒己見，誰都不吝嗇自己的智慧分享，為我校智慧校園建設(shè)提出了寶貴建議。

2017年4月15日，學(xué)校在全市智慧校園建設(shè)推進(jìn)會上分享了學(xué)校修改后的方案，得到專家組認(rèn)可。

2017年6月全市中小學(xué)管理者信息化領(lǐng)導(dǎo)力培訓(xùn)分享了學(xué)校信息化建設(shè)的成果，介紹了學(xué)校智慧校園建設(shè)方案。

2017年6月中旬，學(xué)校再次邀請市電教館專家及曹書成工作室專家對學(xué)校智慧校園建設(shè)作招標(biāo)前的方案審核。

2017年9月初學(xué)校專門召開智慧校園推進(jìn)會，針對各個(gè)系統(tǒng)平臺及應(yīng)用學(xué)校形成各種制度，學(xué)校每位校長負(fù)責(zé)牽頭內(nèi)容，推進(jìn)智慧校園創(chuàng)建工作。學(xué)校信息中心多次組織召開培訓(xùn)工作，落實(shí)應(yīng)用和管理。發(fā)動(dòng)家長、學(xué)生參與智慧校園建設(shè)來。

(1)智慧教室及云學(xué)寶應(yīng)用

9月一開學(xué)，十個(gè)國際班全部迎來了新的多媒體系統(tǒng)，智慧教室的建成讓教學(xué)變的更智慧，云學(xué)寶系統(tǒng)的搭載讓老師們不會再有忘記帶課件的煩惱。課前備好二維碼，掃一掃即把所有相關(guān)教學(xué)資源都能呈現(xiàn)出來。

(2)電子班牌及校園電子發(fā)布系統(tǒng)

電子班牌同樣選取了10個(gè)國際班為試點(diǎn)，9月中旬培訓(xùn)班主任發(fā)布方法。目前這10個(gè)班級的電子班牌正在使用中，每周一次更新，起到了很好的展示及告知作用。此后，還將與一卡通對接，學(xué)生刷卡即可獲知自己想看的信息。

(3)一卡通系統(tǒng)

目前為所有教師置辦了校園一卡通，實(shí)現(xiàn)考勤及會議簽到功能，同時(shí)對接集合了以前的門禁、圖書館等作用，真正做到了在學(xué)校只要一張卡。后期，還將為每個(gè)學(xué)生配備一卡通，并且再擴(kuò)大這張卡的功能。

(4)“金陵小學(xué)微校園”企業(yè)號辦公

“南京市金陵小學(xué)”的微信企業(yè)號中的“金陵小學(xué)微校園”版塊集合了很多功能，包括通知公告、報(bào)修、課程表、班級圈、彈性離校智慧化等，真正實(shí)現(xiàn)了智慧辦公，也方便了家校溝通。后期，將繼續(xù)探索該功能的使用，開發(fā)出更便捷實(shí)用的模塊。

智能學(xué)校字篇三

人工智能專業(yè)最好的學(xué)校排名（一覽）

人工智能專業(yè)是目前的熱點(diǎn)專業(yè)!人工智能專業(yè)最好的學(xué)校排名是什么?下面是小編為大家整理的人工智能專業(yè)最好的學(xué)校排名，如果喜歡請收藏分享!

1、南京大學(xué)(a+檔，全國第1名)

2、西安電子科技大學(xué)(a+檔，全國第2名)

3、清華大學(xué)(a+檔，全國第3名)

4、哈爾濱工業(yè)大學(xué)(a+檔，全國第4名)

5、北京大學(xué)(a+檔，全國第5名)

6、浙江大學(xué)(a+檔，全國第6名)

7、上海交通大學(xué)(a+檔，全國第7名)

8、中國科學(xué)技術(shù)大學(xué)(a+檔，全國第8名)

9、電子科技大學(xué)(a檔，全國第9名)

10、東南大學(xué)(a檔，全國第10名)

具體評估排名結(jié)果如下表所示：

注：以上評估結(jié)果按“分檔”方式呈現(xiàn)，共分為6檔，專業(yè)綜合排名位次為前2%或前2名的為a+級，2% - 10%的為a級，10% - 20%的為b+級，20% - 50%的為b級，50% - 70%的為c級(不發(fā)布), 70%以后的為d級(不發(fā)布)

人工智能專業(yè)是一個(gè)比較好學(xué)的專業(yè)，課程難度不大，同時(shí)該專業(yè)還是一個(gè)很不錯(cuò)的專業(yè)，前景很好，中國正在產(chǎn)業(yè)升級，工業(yè)機(jī)器人和人工智能方面會是強(qiáng)烈的熱點(diǎn)，以后很多東西都是人工智能了。我是桂林電子科技大學(xué)18級學(xué)生，我有一個(gè)認(rèn)識的學(xué)弟就是人工智能專業(yè)的，我們學(xué)校是2020年才有人工智能這個(gè)專業(yè)的，下面我來具體介紹一下這個(gè)專業(yè)吧。

人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學(xué)，也是計(jì)算機(jī)科學(xué)的一個(gè)分支。它企圖了解智能的實(shí)質(zhì)，可以產(chǎn)出一種新的可以和人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究主要有機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

主修課程人工智能專業(yè)的核心課程有：專業(yè)導(dǎo)論、人工智能數(shù)學(xué)基礎(chǔ)、線性代數(shù) a、概率論與數(shù)理統(tǒng)計(jì)、程序設(shè)計(jì)與問題求解、電路與電子技術(shù)基礎(chǔ)、面向?qū)ο缶幊獭⑺惴皵?shù)據(jù)結(jié)構(gòu)、人工智能基礎(chǔ)、數(shù)據(jù)科學(xué)導(dǎo)論、計(jì)算機(jī)組成原理、機(jī)器學(xué)習(xí)、信息論、機(jī)器人學(xué)概論、數(shù)字信號處理、模式識別、自然語言處理、現(xiàn)代控制理論等。我們在學(xué)習(xí)中需要注意的是：要認(rèn)真學(xué)習(xí)智能的基礎(chǔ)理論、基本方法和基本技能，掌握相關(guān)應(yīng)用領(lǐng)域基礎(chǔ)知識。還需要具有系統(tǒng)的計(jì)算思維和數(shù)據(jù)思維，具有創(chuàng)新創(chuàng)業(yè)意識和國際視野，具有良好的社會人文素養(yǎng)、職業(yè)道德和團(tuán)隊(duì)精神。

就業(yè)前景人工智能專業(yè)就業(yè)方向主要包括科研機(jī)構(gòu)(機(jī)器人研究所等)、軟硬件開發(fā)人員、高校講師等。在國內(nèi)的話就業(yè)前景是比較好的，國內(nèi)產(chǎn)業(yè)升級，it行業(yè)的轉(zhuǎn)型工業(yè)和機(jī)器人和智能機(jī)器人以及可穿戴設(shè)備的研發(fā)將來都是強(qiáng)烈的熱點(diǎn)。人工智能目前是一個(gè)快速增長的領(lǐng)域，人才需求量大，相比于其他技術(shù)崗位，競爭度偏低，薪資相對較高，因此，趁著這個(gè)機(jī)遇，人工智能專業(yè)是一個(gè)很好的選擇。小結(jié)人工智能這個(gè)專業(yè)不難學(xué)，但是大家也不能太隨意，不然也會掛科的喲。并且人工智能專業(yè)相當(dāng)?shù)牟诲e(cuò)，未來必定是一個(gè)人工智能的世界，掌握了人工智能技術(shù)，就是一筆不可描述的財(cái)富。人工智能不僅能帶動(dòng)國家的發(fā)展，還能夠方便世界上所有的人，所以，相信自己的感覺，對人工智能感興趣的同學(xué)，來選擇這個(gè)專業(yè)肯定沒錯(cuò)的。

關(guān)于什么是智能，我們目前尚且無法給出一個(gè)精確的定義。就像在圖靈機(jī)出現(xiàn)之前，我們無法對計(jì)算給出一個(gè)嚴(yán)格的定義一樣。在一個(gè)無法定義的領(lǐng)域里辯論，自然是“公說公有理，婆說婆有理”。

acm圖靈大會的主旨演講者之一是哈佛大學(xué)的理論計(jì)算機(jī)科學(xué)家萊斯利·瓦利安特(leslie valiant)，他因?yàn)樵诓⑿杏?jì)算理論和機(jī)器學(xué)習(xí)理論方面的貢獻(xiàn)獲得了2010年的圖靈獎(jiǎng)。他演講的題目是“什么是可行計(jì)算的極限?”(what are the limits of feasible computation?)，這為論壇將要展開的討論提供了理論基礎(chǔ)。首先，瓦利安特把計(jì)算機(jī)科學(xué)問題參照物理學(xué)分為三個(gè)層次：超級普適性(super-generality)、普適性(generality)和數(shù)學(xué)推斷(mathematical consequences)。瓦利安特只是比較了物理學(xué)和計(jì)算機(jī)科學(xué)，我們在他的基礎(chǔ)上加入了人工智能的維度，以便得到更多的啟示。物理學(xué)中，超級普適性的體現(xiàn)就是最廣義的、永恒不變的、可以表達(dá)成數(shù)學(xué)方程的物理學(xué)定律，而在計(jì)算機(jī)科學(xué)中對應(yīng)的就是計(jì)算的理論模型，圖靈機(jī)就是一種計(jì)算模型，當(dāng)然圖靈機(jī)不是唯一的模型。物理學(xué)的普適層存在著定律，如牛頓第二定律、萬有引力定律等;在圖靈機(jī)的框架下，np完全理論就是普適性的。大概在瓦利安特心目中，計(jì)算復(fù)雜性是和牛頓定律一樣的存在。在數(shù)學(xué)推斷層，物理學(xué)有行星橢圓軌道，而理論計(jì)算機(jī)科學(xué)會有各種具體的np完全的問題。當(dāng)超級普適層發(fā)生變化時(shí)，下面的層次也會依次變化，例如，如果計(jì)算模型變成了量子計(jì)算機(jī)，那么類似的復(fù)雜性問題就變成了有限錯(cuò)誤量子計(jì)算多項(xiàng)式時(shí)間(bounded error quantum polynomial time, bqp)之類。圖1為物理學(xué)、計(jì)算機(jī)科學(xué)和人工智能的普適性分層。

當(dāng)我們分析不同的問題時(shí)，會使用不同的計(jì)算模型。丘奇-圖靈論題(church-turing thesis)是傳統(tǒng)的理論計(jì)算機(jī)科學(xué)的支柱，這個(gè)論題斷言所有的計(jì)算模型都是等價(jià)的，也就是說，所有足夠強(qiáng)的計(jì)算模型都是可以互相模擬的。另一個(gè)被默認(rèn)的論題是中國計(jì)算機(jī)理論科學(xué)家洪加威提出的“相似性原則”(similarity principle)，即所有足夠強(qiáng)的計(jì)算模型之間的模擬成本都是多項(xiàng)式的。相似性原則也被稱為“強(qiáng)丘奇-圖靈論題”或“擴(kuò)展的丘奇-圖靈論題”(extended church-turing thesis)。“強(qiáng)丘奇-圖靈論題”不太被提起，甚至被忽視，主要原因大概是這個(gè)原則已經(jīng)變成計(jì)算理論的工作假設(shè)，大家已經(jīng)習(xí)以為常。近來的理論研究提出了和圖靈機(jī)可能不等價(jià)的計(jì)算模型，它們的計(jì)算能力在某種意義上超越了圖靈機(jī)，也違背了丘奇-圖靈論題和強(qiáng)丘奇-圖靈論題，有時(shí)也被稱為“超計(jì)算”(hyper-computation)。例如，bs實(shí)數(shù)模型[1]和量子計(jì)算機(jī)等。bss的“b”就是本次大會的主旨演講嘉賓之一麗諾爾·布盧姆(lenore blum)。在bss模型上，實(shí)數(shù)的四則運(yùn)算可以在單位時(shí)間內(nèi)完成，這類模型可以展現(xiàn)出和圖靈機(jī)不同的性質(zhì)，例如，線性規(guī)劃在圖靈機(jī)上有多項(xiàng)式時(shí)間的算法，但在bss上的時(shí)間復(fù)雜性還未知。三層以上神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)問題在圖靈機(jī)上是np完全的，而在bss上和線性規(guī)劃等價(jià)[2]。

量子計(jì)算被認(rèn)為可能違背“強(qiáng)丘奇-圖靈論題”。例如，和網(wǎng)絡(luò)安全密切相關(guān)的素?cái)?shù)分解問題在圖靈機(jī)上被認(rèn)為是難的，盡管還沒有明確的證明，但量子計(jì)算機(jī)上整數(shù)分解的秀爾算法(shor’s algorithm)有可能是高效的。bss作為一個(gè)數(shù)值分析的理論模型，應(yīng)該是有價(jià)值的，但可否實(shí)現(xiàn)則存疑;而實(shí)用的量子計(jì)算機(jī)是有可能實(shí)現(xiàn)的。“丘奇-圖靈論題”和“強(qiáng)丘奇-圖靈論題”更像是物理定律而不是數(shù)學(xué)定理。計(jì)算是游走于數(shù)學(xué)和物理學(xué)之間的學(xué)問，關(guān)于計(jì)算和物理的關(guān)系，可見圖靈研究專家霍奇斯(hodges)的文章[3]，以及姚期智為紀(jì)念jacm (journal of the acm)出版50周年寫的文章[4]。

大會論壇的各位嘉賓雖然都來自計(jì)算機(jī)科學(xué)或者相關(guān)學(xué)科，和人工智能有著千絲萬縷的關(guān)系，但他們對人工智能的看法卻各有不同，即使我們給完全的外行發(fā)個(gè)調(diào)查問卷，恐怕得來的回答之間的差異與嘉賓們之間的觀點(diǎn)差異也差不多。這是人工智能這個(gè)特定學(xué)科的性質(zhì)決定的，每個(gè)顆粒度足夠大或者足夠抽象的問題都像是哲學(xué)問題。一個(gè)實(shí)用主義的辦法可以把人工智能定義為相關(guān)從業(yè)者正在進(jìn)行的研究領(lǐng)域，找到他們之間的共同點(diǎn)，求同存異。2006年之后由深度學(xué)習(xí)引發(fā)的又一次人工智能熱潮，使得人們把人工智能的關(guān)注點(diǎn)聚焦在機(jī)器學(xué)習(xí)，從而忽視了人工智能的其他分支學(xué)科，而深度學(xué)習(xí)對大數(shù)據(jù)的依賴也自然造成了對模型的輕視。關(guān)心計(jì)算機(jī)視覺的人很容易借鑒馬爾(david marr)的分層理論。

任何一個(gè)實(shí)用主義的回答都必須有個(gè)參照物，人工智能的參照物是自然智能，或者更具體地說是人類智能。機(jī)器在一個(gè)特定的領(lǐng)域或任務(wù)上已經(jīng)超越人類是大家的共識，此所謂弱人工智能。目前還沒有可以跨任務(wù)的機(jī)器，當(dāng)下強(qiáng)人工智能還不是現(xiàn)實(shí)，這也是共識。事實(shí)上，人工智能的分類常常是按照任務(wù)來的，例如計(jì)算機(jī)視覺(包括模式識別和圖像處理等)、自然語言理解、認(rèn)知與推理、機(jī)器人學(xué)、博弈論、機(jī)器學(xué)習(xí)等。而美國計(jì)算機(jī)學(xué)會(acm)在某些領(lǐng)域里并不活躍，例如機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺。如果按照任務(wù)來，智能的定義就變成了自底向上的，這也是人工智能作為一個(gè)工程領(lǐng)域，從業(yè)者對其很自然的態(tài)度。不同的人會用不同的術(shù)語，一些人稱為模型，另一些人稱為任務(wù)。底層的大數(shù)據(jù)小任務(wù)，到了高層就變成了小數(shù)據(jù)大任務(wù)。這里所謂任務(wù)的大小，其實(shí)是指任務(wù)的復(fù)雜度。

智能的任務(wù)按照諾貝爾經(jīng)濟(jì)獎(jiǎng)得主、心理學(xué)家丹尼爾·卡尼曼(daniel kahneman)的說法可以分為兩類，一類是能快速反應(yīng)的，例如計(jì)算機(jī)視覺;另一類是需要長時(shí)間思考的，例如認(rèn)知與推理。有人說人類更擅長前一類任務(wù)，而機(jī)器更擅長后一類任務(wù)。人工智能的歷史曾有符號主義和連接主義的交替，前一類任務(wù)更有效的解決辦法是連接主義的深度學(xué)習(xí)，而后一種任務(wù)更像是符號主義的使命。但都有例外，例如深度學(xué)習(xí)尚沒有找到自然語言處理的竅門;符號主義在機(jī)器定理證明領(lǐng)域，近幾年幾乎處于停滯的狀態(tài)。alphago及其一系列衍生程序所依賴的核心算法——強(qiáng)化學(xué)習(xí)則無法歸類到這兩派之中，而是自成一派。給人工智能下定義的過程也是一個(gè)學(xué)習(xí)的過程，特別是在沒有理論指導(dǎo)下，這個(gè)過程尤為艱難，每個(gè)泛化推廣的企圖都會碰到反例。

其實(shí)不僅僅是對“人工智能”難以形成共識，即使對什么是“學(xué)習(xí)”也很難提出都可以接受的定義。有人說“機(jī)器學(xué)習(xí)”不是“學(xué)習(xí)”，不過是曲線擬合而已。但“學(xué)習(xí)”和“擬合”的真正區(qū)別又是什么呢?一個(gè)可以接受的理論是瓦利安特提出的“概率近似正確”(probably approximately correct, pac)模型[5]。由亞里士多德開啟的傳統(tǒng)西方哲學(xué)認(rèn)為，演繹和歸納是對立的，學(xué)習(xí)就是歸納，歸納必然導(dǎo)致犯錯(cuò)。在pac模型中，錯(cuò)誤被控制在一個(gè)范圍內(nèi)。瓦利安特不僅用pac模型解釋學(xué)習(xí)，還用它解釋進(jìn)化論。當(dāng)然如果可以解釋進(jìn)化論，pac模型也就可以作為強(qiáng)化學(xué)習(xí)的某種理論基礎(chǔ)，強(qiáng)化學(xué)習(xí)可以被當(dāng)作計(jì)算進(jìn)化論。我們從瓦利安特的分層中可以看出，pac模型是包含在確定多項(xiàng)式時(shí)間之內(nèi)的。圖2是計(jì)算模型的能力分層。

首先，我們回到第一個(gè)問題：現(xiàn)狀(reality)。所有嘉賓的共識是：在某些特定的領(lǐng)域，人工智能已經(jīng)超越人類智能，但當(dāng)下人工智能還沒有全面達(dá)到人類智能。

第二個(gè)問題：可能性(possibility)。按照瓦利安特的層次，首先從超級普適層的計(jì)算模型考慮，如果人腦的計(jì)算能力也可以用圖靈機(jī)刻畫，那么按照丘奇-圖靈論題，用圖靈機(jī)實(shí)現(xiàn)人腦功能自然是可能的。按照相似性原則，圖靈機(jī)實(shí)現(xiàn)人腦的功能的成本甚至是多項(xiàng)式的。數(shù)學(xué)家羅杰·彭羅斯(roger penrose)曾經(jīng)聯(lián)合腦科學(xué)的朋友企圖找到人腦里存在量子效應(yīng)的證明。而麻省理工學(xué)院的物理學(xué)家，暢銷書《生命3.0》(life 3.0)的作者馬克斯·泰格馬克(max tegmark)在與本文作者對談時(shí)曾提到他的觀點(diǎn)：人工智能有圖靈機(jī)就夠了，不需要量子計(jì)算。

假設(shè)人腦是量子計(jì)算機(jī)，那么在超級普適層，仍然可以用圖靈機(jī)等價(jià)的模型實(shí)現(xiàn)人類智能，而在普適層，也可以用量子計(jì)算機(jī)低成本地實(shí)現(xiàn)人類智能。這里倒使我們不由自主地提出一個(gè)有趣的問題：量子計(jì)算機(jī)之間是不是存在著相似性原則，換句話說，任意一臺量子計(jì)算機(jī)模擬任意一臺量子計(jì)算機(jī)的成本是不是多項(xiàng)式的?物理學(xué)家理查德·費(fèi)曼(richard feynman)在1982年的文章《利用計(jì)算機(jī)模擬物理學(xué)》(simulating physics with computers)中猜測，不大可能用經(jīng)典計(jì)算機(jī)有效地模擬量子物理，但可能用量子計(jì)算機(jī)有效地模擬[6, 7]。物理學(xué)家的洞見對數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家是有益的。

如果能夠證明多項(xiàng)式時(shí)間類p是bqp的真子集，那么相似性原則或者擴(kuò)展的丘奇-圖靈論題就被打破了。按照瓦利安特的層次分類，我們不需要量子計(jì)算就可以達(dá)到pac模型學(xué)習(xí)。瓦利安特似乎更傾向支持泰格馬克而不是彭羅斯。理論不僅給工程師們提供解釋，也為他們指明方向。

第三個(gè)問題：“幻想”(fantasy)，也就是說人腦的計(jì)算能力不可能被任何已知或未知的計(jì)算模型所模擬。這個(gè)問題和第二個(gè)問題密切相關(guān)，如果對第二個(gè)問題的回答是否定的，那自然是fantasy。假設(shè)我們用一種進(jìn)步的觀點(diǎn)看待人工智能學(xué)科，我們會承認(rèn)現(xiàn)在的人工智能比以前更為有力，而未來的人工智能比當(dāng)下更為有力。隨著時(shí)間的推移，人類智能中沒有被人工智能所覆蓋的部分就是fantasy。

所以fantasy可以被定義為：fantasy = hi - ain→∞(見圖3)。如果fantasy是空集，那么我們都是樂觀派，如果它不是空集，那么我們應(yīng)該探索它應(yīng)該包含些什么?我們可以問它應(yīng)該有些什么神秘的超計(jì)算的模型，或者有什么優(yōu)良的復(fù)雜性的性質(zhì)不可實(shí)現(xiàn)。

布盧姆夫婦的主旨演講“有意識的圖靈機(jī)”(conscious turing machine, ctm)很吸引人。曼紐爾·布盧姆說這是他們一家三口的聯(lián)合工作(丈夫曼紐爾、太太麗諾爾和兒子阿夫里姆(avrim)都曾是卡耐基梅隆大學(xué)(cmu)計(jì)算機(jī)學(xué)院的教授)，但他們還沒有聯(lián)合寫過一篇文章。他們企圖為認(rèn)知科學(xué)中飽受爭議的“意識”問題提供一個(gè)計(jì)算模型。這個(gè)模型的目的并非是他們夫婦擅長的計(jì)算理論，而僅僅是某種心理學(xué)的模型可以得到一個(gè)計(jì)算的實(shí)現(xiàn)或者解釋。

布盧姆夫婦用“痛苦”(pain)和“愉悅”(joy)作為例子來說明意識[8]。曼紐爾負(fù)責(zé)演講的上半場，麗諾爾負(fù)責(zé)下半場，曼紐爾開玩笑說他負(fù)責(zé)“痛苦”而太太麗諾爾負(fù)責(zé)“愉悅”。理解大腦是曼紐爾的終生興趣，他小的時(shí)候，他爸爸就告訴他，要是他能知道大腦是如何工作的，他就會變得聰明。盡管他在麻省理工學(xué)院的博士生導(dǎo)師是馬文·明斯基(marvin minsky)，但他的實(shí)際指導(dǎo)者則是最早提出神經(jīng)網(wǎng)絡(luò)的沃倫·麥卡洛克(warren mcculloch)和沃爾特·皮茨(walter pitts)。布盧姆夫婦像認(rèn)知科學(xué)家一樣，把“模擬”(simulation)稱為“容易”的問題，而把“體驗(yàn)”(experience)稱為“困難”的問題。他們強(qiáng)調(diào)他們的模型和突破“丘奇-圖靈論題”沒有關(guān)系，他們的目的是為意識提供一個(gè)簡單可用的模型，這樣可以在這個(gè)模型上證明和意識相關(guān)的數(shù)學(xué)定理。至于說“模擬”和“體驗(yàn)”孰難孰易，不好追究，人們也可以說“模擬”才是人特有的進(jìn)化而來的高級性質(zhì)，而“體驗(yàn)”是低級的東西。

關(guān)于“意識”的一個(gè)有影響的模型是認(rèn)知科學(xué)家伯尼·巴爾斯(bernie baars)提出的“劇場模型”(theater model)，而布盧姆的ctm就是“劇場模型”的一個(gè)計(jì)算實(shí)現(xiàn)。在“劇場模型”里，聚光燈下的舞臺是短期記憶(short-term memory, stm)，而臺下的觀眾則是無意識(unconscious)的長期記憶(long-term memory, ltm)。沒有短期記憶，人就變成“僵尸”(zombie)，不同的長期記憶通過連接構(gòu)成了一部異構(gòu)并行計(jì)算機(jī)。某些對于計(jì)算理論缺乏基本知識的哲學(xué)家無法對他們認(rèn)為是他們自己領(lǐng)地的“意識”問題給出精確的定義，意識這個(gè)概念在他們那里是一個(gè)移動(dòng)的目標(biāo)，他們辯論的底線就是任何不是自然生長出來的物體都沒法具有意識。哲學(xué)家們常常分不清楚修辭和科學(xué)。布盧姆的ctm至少向一個(gè)更精確的目標(biāo)走了一步。意識與心智(mind)的架構(gòu)(architecture)有關(guān)，這個(gè)結(jié)論并不驚人，我們可以假設(shè)他們夫婦倆是長期的樂觀派。

事實(shí)上，瓦利安特在他的pac模型科普小冊子里也提到了認(rèn)知結(jié)構(gòu)，他也企圖利用短期和長期記憶的區(qū)別來理解意識。我們很好奇瓦利安特的“堅(jiān)實(shí)邏輯”(robust logic)和布盧姆的ctm之間有什么關(guān)系。

不同背景的計(jì)算機(jī)科學(xué)家的論壇會碰撞出許多火花，縱橫學(xué)科架構(gòu)、基礎(chǔ)理論，乃至工程實(shí)現(xiàn)。反思這些有趣的探討，還有兩個(gè)問題值得進(jìn)一步深思：第一，當(dāng)下實(shí)現(xiàn)圖靈機(jī)的物理基礎(chǔ)仍是半導(dǎo)體器件。利用一個(gè)“pn”結(jié)現(xiàn)象，我們得以造出物美價(jià)廉高密度極可靠的數(shù)字電路，打造了輝煌的數(shù)字計(jì)算機(jī)工業(yè)，開發(fā)出大量的高效應(yīng)用，其中有些顯然已經(jīng)超越人類“智能”(比如超級計(jì)算機(jī))。但是，我們可以用來做“計(jì)算”的物理現(xiàn)象，肯定遠(yuǎn)遠(yuǎn)不止半導(dǎo)體。比如，要知道一個(gè)拋物體能落在哪里，我們可以根據(jù)物理定律用數(shù)字計(jì)算機(jī)來計(jì)算，但是也可以利用物理現(xiàn)象做模擬計(jì)算。另外一個(gè)(正面的)例子是上面提到的彼得·秀爾(peter shor)發(fā)明的整數(shù)分解的量子算法。秀爾算法所利用的物理器件就不是基于半導(dǎo)體“pn”結(jié)現(xiàn)象的。人類智能不一定只依靠半導(dǎo)體的物理現(xiàn)象來實(shí)現(xiàn)。我們需要探索基于不同物理現(xiàn)象而導(dǎo)致的新的普適性計(jì)算模型。也許，在這些模型中，有些可能會有效實(shí)現(xiàn)或者接近有效實(shí)現(xiàn)人類智能。

第二，布盧姆提出了“有意識的圖靈機(jī)”這一課題。顯然，認(rèn)知科學(xué)家認(rèn)為意識是“智能”行為的重要組成。意識是一個(gè)智能主體對客觀感知后的一種認(rèn)識。所以，和傳統(tǒng)的計(jì)算模型不同，對客觀感知將必然成為人工智能計(jì)算模型的重要部分。這樣的計(jì)算模型不但要考慮計(jì)算的復(fù)雜性，更要考慮感知數(shù)據(jù)的復(fù)雜性。請注意對客觀感知所生成的數(shù)據(jù)不會是隨意的，這是因?yàn)檫@些數(shù)據(jù)是自然界的表示和抽象，應(yīng)當(dāng)遵守某些客觀規(guī)律。計(jì)算的復(fù)雜性和感知數(shù)據(jù)的復(fù)雜性是對偶的。認(rèn)識感知數(shù)據(jù)的復(fù)雜性并利用其特有的客觀規(guī)律應(yīng)該可以提高計(jì)算效率，降低計(jì)算的復(fù)雜性。所以，在人工智能學(xué)科建設(shè)過程中，感知數(shù)據(jù)的內(nèi)在規(guī)律和復(fù)雜性是一個(gè)需要認(rèn)真探討、有待突破的前沿問題。圖靈機(jī)的計(jì)算模型是忽略輸入數(shù)據(jù)的復(fù)雜性的，這保證了模型的簡潔。也許，超計(jì)算模型為我們理解人工智能和人類智能的邊界提供了理論基礎(chǔ)。

智能學(xué)校字篇四