的食物。

    也就是说我们必须要用定量的语言表述。例如距离在3公里范围内，大众点评食物味道和环境因素大于或等于4星，停车位不少于50个，平均候餐时间不长于15分钟。这样，机器人才能够做出类似于人类的判断。但是算法之间确极有可能存在矛盾。”

    虽说现在华夏技术高度发达，但人工智能这一方面还没有完全掌握精髓。

    如果仅仅是说商的话，那根本就没有什么好讲的。

    毕竟商是系统所赋予的东西。

    就算是现在陈渊还想再弄 出一个商来，压根就不可能，甚至说非常的困难。

    例如在经典的哲学问题上——“你是一辆快速行走的列车上的列车长，列车的刹车已经坏了无法使用，你发现前方轨道上有5个修路工人，向左拐的轨道中有1个修路工人，此时你可以选择向左拐或者是继续向前行驶。这时候你应该怎么办？”

    我们的无人驾驶汽车遇到这种情景应该如何处理？

    这种情况下无论如何都要违背阿西莫夫的机器人三大定律。这种情况下，我们无法用清晰的逻辑算法描述应该如何处理，因为作为人类本身，我们都无法说明哪一种情况才是真正正确的选择。

    但是，我们回头想一下，把所有逻辑关系都清晰列举出来让机器人执行的这种模式是否正确。回头看一下，我们对小孩的教育，难道我们是把所有的规矩都列出来，然后再每一个小孩子去执行的吗？

    显然不是。

    人类一生里面的学习，有理论知识的学习，也就是说确实有各种成形的方法和理论，告诉我们一步一步应该怎么做，但是这是不多的，完全不变通的理论应用是少之又少的。其实人类的学习过程中，更多是感知活动。

    例如，小孩子学说话的过程，其实就是不断地从视觉口型和听觉声音上，去不断地感受，其大脑通过无数次情景数据的收集，最后归纳出不同的情景应该说什么话，并在之后的应用中不断地修正。过程，就是现在我们所说的大数据应用的过程。

    所谓大数据，就是数量得足够大，把数据的偏差能基本消除，得到一个相对规律的趋势。回到之前的例子当中，在选择一家餐厅吃饭时，如果收集了大量人们的用餐数据（，那么这个机器人就可以给我推送一些较为符合我要求的餐厅。

    也就是说，这个机器人不再需要完整地了解我为什么这么选择，不知道了解我整个思考的逻辑过程，也不需要输入一套完整的不矛盾的算法规则，它就可以为我推荐一些合适的餐厅。它收集的用餐数据越多，那推荐餐厅的准备性就越高，出现偏差的可能性就越小。

    又如在刚刚的哲学桉例中，我们也不需要告诉机器人，是应该直行撞向5个修路工人，还是应该向左转撞向1个修路工人。它会收集相关的数据，知道这种情况下大多数人是怎么选择的，从而做出自己的决定。

    当然我们不能保证大多数人的行为就是正确的，但是我要说的是，这种大数据的应用，恰恰是人类通过感知行为来进行学习的过程，具有这种学习模式的机器人才能真正称之为智能机器人。

    如果我们将某个人一生里所有行动的信息，包括起床时间、说话语气等全部生活习惯都以数据信息的方式进行记录，并将这些数据输入机器人的系统，那么理论上可以理解为这个机器人的行为举动将会与人类A的行为相近，当输入的信息量无限大时，机器人的行为就无限接近于人类A。

    尽管收集的人类A的行为数据当中必然会存在矛盾之处，但是当数据足够大时，这些偶然的偏差性就会被排除掉，使得机器人的行为无限接近于人类A。而且机器人并不单纯地去模彷人类A的行为，它应用的其实是大数据的预测功能，也就是说这个机器人可以在没有遇到过的情景中按照人类A的思维方式做出反应。<-->>

本章未完，点击下一页继续阅读