人工智能

人工智能逻辑的产生来源于人们在打算机中实现知识处理的探索。
为此必须建立实现知识处理的形式理论。
至少在根本研究或者在理论重修的层面上，利用当代逻辑的各类方法和成果来建立上述形式理论成为必要。
处理知识又称知识处理，内容紧张包括知识表示、知识反思、知识改动、知识推理。
知识推理除了传统意义上的演绎推理、归纳推理和类比推理，还包括知识推理。
知识推理是人类日常生活中获取新知识的最主要手段之一，具有非单调性和信息不完备性。
人工智能逻辑即重点在研究知识推理的形式化及刻画。

数据的意义毋庸置疑，没有数据就不可能进行数据处理，自然不可能发展出人工智能。
但是，数据再多，如果没有能力挖掘出数据的能力，那么就难以发挥代价。
一片地皮，没有可以播撒的种子，那就只能任其荒漠。
上好的种子，没有可以耕种的地皮，同样不可能孕育生命。
数据和算法的关系类似于地皮和种子，大数据是人工智能的土壤，而算法是产生人工智能的直接工具。
如果有人问你，地皮和种子，哪一样才是植物的根本？我相信答案还是显而易见的，那便是种子。
由于种子才是生命真正的源头。
人工智能的产生，依赖的紧张工具便是算法，而大数据发挥了类似土壤的功能。
种子携带生命，土壤孕育生命。
算法让人工智能涌现，数据让人工智能落地，以是数据和算法是人工只能逻辑中缺一不可的。

经由多年景长人工智能逻辑发展了许多种类，比较完善的有缺省逻辑、非单调模态逻辑、限定逻辑等！
此外，还有一些谈论相似问题，并且在形式上与上述逻辑密切干系的逻辑，如正常条件句逻辑、相信改动逻辑、认知逻辑。
还有一些谈论类似问题，但在形式上与上述逻辑的关系更为疏松的理论。
例如逻辑编程理论、相信改动理论。
上述分类并不十分严格，例如逻辑编程理论可以嵌入非单调模态逻辑。
由此也可看出人工智能逻辑是一类严格意义上的逻辑和一类不严格意义上的逻辑的稠浊。
最早研究人工智能逻辑的是约翰·麦卡锡，他提出采取逻辑方法来形式化人工智能须要办理的问题。

我们正处在人工智能第三阶段的初期。
在大数据的支持下，也便是在海量数据的支持下，去演习人工智能的逻辑、推理水平；包括“荡漾效应”都是数据的不断增加，才使得人工智能的准确性，精确率不断的提高——荡漾中央起伏大，输入的数据量小，运用时缺点率高；荡漾的边缘起伏小，输入的数据量大，运用时缺点率低；也便是说人工智能在运用之前是有大量外部源输入的（类似基因库，须要大量乃至全部的基因个体样本），并且处在逻辑推理的左脑思维阶段。

人工智能目前的“进化”是准确率，即便是打破，也并不是完备智能或是具有创新能力，包括把人工智能与人类神经相连的设想与实验，还是把人工智能定位在赞助地位。
——也便是说，人工智能是在被动的接管大数据的根本上，对目标事物进行剖析推理，得到答案的。

用左脑思考为主的人创造的“左脑思考”的人工智能，也便是在已有知识、逻辑下去学习程序输入的天下上的事物信息，这样的“人工智能”能走多远，当然前面要加一个“人”字…

任何事物不论有无生命都是有生命周期的——不会逃离形成、发展、消亡/转化的过程。
即便是“AI”看完了人类写的所有内容，他也不会超越人类本身；即便是有人由于“AI”而失落去事情，他也不会是人类末日的根源。
如果有，那便是“人工智能”消亡与转化的开始——真正的认知与创新。

没有真正意义上的认知，使得人工智能缺少灵魂，这个灵魂才是人工智能终极的进化方向，会真正意义上的思考，从认识自身开始…

小时候最先打仗到的事物之间的观点便是——前后、旁边、高低、男女、黑白等等，这些事物与空间等特色正式这个天下最根本的“属性”——两面特性。
通过事物“两面”的特性，与人工智能“左脑思考”模式对应的是“右脑思考”，这种思考办法最主要的贡献便是“创造性、跳跃式思维，全局不雅观，并且在某些人身上，乃至还具有一种预知未来变革的能力”。

旁边脑“两面”的结合才是符合自然运行的规律与法则，人是如此，机器必将如此。

从“属性”出发，找到准确的“一体范围”，在“一体”内利用“两面”寻求认知与创新，并能理解与预知到事物的三段式发展与组成，形成“协力形式”。

“一体、两面、三段”的大循环模式——相对付打算机措辞模式，可以称为一种自我学习、发展与增强模型，可以很透彻的看清这种变革与发展，并且在循环回“属性”时，又影响到原来“属性”的功能与代价。

设想，如果“一、二、三”是最基本的思考方法，把这种思考模式转换为底层的机器措辞（硬件部分可以更快速的读取、实行），成为机器的核心运算法则，那么打算机也便是程序本身将与人类一样可以真正的主动学习，认知天下，并且能利用“协力形式”去真正的创新、创造。
现有的人工智能部分，估量在未来将成为赞助“创新”的一小部分，而“创新”部分哀求的海量打算与速率将是现有人工智能所无法企及的。