中心问题

ML/AI 能像人类一样理解不完整的结构吗？

人类在生活中是否有一些固有的经验使人工智能无法执行[人类智能的某些能力]？

文学和电影的理解

今天是否存在能够像人类一样理解的软件，这不是公众可以知道的。迄今为止，尚未有任何军事或商业组织向公众发布此类系统。然而，这样的成就不一定是政府或商业实体想要在实验室及其管理层之外披露的东西。

反恐单位可能已经实现了对全部或部分演讲的更深入理解，因为这项工作已经获得了十多年的资金，但某些地方的某些软件也不太可能阅读或扫描一本书的部分内容并执行会产生及格分数的读书报告。

确定一部电影是否会在票房上收回投资可能已经由大型制片厂的研究人员完成，但这并不需要像理解他们最喜欢的电影那样理解。标题问题的答案是“还没有”。

会发生吗？

计算机科学、机器人技术和人工智能领域的大多数人都说“是的”。出于宗教原因，有些人说“不”。我不在这两个阵营中，也没有看到无可争辩的数学严谨性证明人工大脑的必然性或不可能性。根据最近的技术趋势或迷信的恐惧做出积极的声明在科学上是不负责任的。

人类是什么样的？

“像人类一样”这句话对研究人员和工程师提出了很高的要求。人类可以做的不仅仅是处理缺少信息的数据集（在这种情况下是视听），统计学家称之为稀疏矩阵。

软件能否实现人脑的更高成就尚不得而知，这种能力的可预测性存在很大困难。考虑这些人类能力。

• 写一个剧本，用人造角色塑造它，指导它，然后制作它。
• 像艾萨克·牛顿或拉瓦锡一样，开创并部分发展一个新的科学分支。
• 爱超越表面的爱

相反，人类通常做得不好的是区分可靠的投影和毫无根据的猜想。大多数人都容易沉思技术幻想、宣传、营销、谣言、影射和八卦。软件有一天很快会在这方面变得更聪明也就不足为奇了，但这只是因为人类文化把标准定得如此之低。

人脑还有其他一些特殊的能力，甚至在考虑用软件实现的方法时也存在巨大的困难。这些可能是十万年 DNA 精炼的结果，产生了显着的复杂性和精确性。在人类大脑中存在一种违背科学研究的因果关系也不是不可能的。

不可能的可能性

没有人能证明所有存在的事物都是可以测量的。海森堡实际上证明了与大多数理论物理学家的满意度相反。

根本无法测量的现象无法进行科学研究。选择现象是否是一个独特的条件，即使是在问题形式中也有待理解，因此迄今为止禁止出现正确的答案。

与工业化一样重大的变化迫在眉睫

尽管如此，人类智能的重要能力已经被模拟，其他能力正在出现。这些现在是世界经济的一部分，不太可能消失。阿西莫夫很可能会像机器人和人类共存并以更像人类的方式交谈的场景。

当这种情况发生时，自动驾驶汽车和步行机器人将开始拥有类似于人类体验的体验，我们将能够直接观察它们在智力和情感方面的行为与人类的相似程度。

关于提到的具体能力

这些是问题中提到的功能。

• 预测图像
• 预测图像中的对象
• 了解音频
• 理解口语句子的意思
• 从前半部分理解一部电影
• 从部分内容中理解电影

这些是陈述研究产生可用系统方法的前四种能力的更规范的方式。

• 学习区分图像类别
• 学习从图像中区分对象类别
• 将音频解析为音符、声调和瞬态声音
• 从发声中提取语义足以在某些时候做出智能响应

这些是对后两者的更准确的认知科学描述。

• 猜测比随机猜测要好得多
• 从电影的声音和框架集的部分填充角色和故事拱细节

鉴于有足够的研究时间来开发这样的系统和足够的数据来训练，没有明显的理由为什么不能通过软件来完成和做得很好。当然，还需要大量的计算资源，并且可能需要一些重要的时间段。

我相信人工智能可以比我们理解更多的电影。正如你所说，有时电影开头的一个细节是理解最终结果的关键。问题是故事情节分散了我们的注意力。如果是人工智能，他只会等待电影完成，因为他随时掌握所有细节。

想象一下，一个 AI 在你身边看电影。他不会像你一样感受到情绪。他只是在分析图像、颜色、配乐、主要角色，并尽可能地从台词中提取来理解这部电影。在你眼里，理解是什么？为了能够产生一个概要或将电影与某些现实进行比较或批评人类的生活？

人工超级智能的任务是战胜我们。我们可以通过一部电影，让她解释为什么我们看电影哭了，因为我们很惊讶，以及一切。由于人工超级智能的作用是不会被电影分心，而是分析所有可能的内容，试着分析人类的反应并吐出一个分析，让你反思几天的生活。

但这是一种人工的超级智能，我想它可能有一天会存在，但我相信它还很遥远。

真实的东西，我们可以构建的是一个人工智能，它可以从电影中提取类型，甚至可能生成一个带有剧透的概要，比如“X角色死亡”。

另一个让我们更容易理解电影的因素是我们庞大的电影基础。我们看了这么多美国套路的电影，大部分都已经很可预测了：“主角通常不会死”，“当反派接近杀死主角时，会发生一些令人惊讶的事情，他被阻止了”……

这里为您一窥。

根据第二段所说的；

在人类中，当我们开始看电影中途时，我们仍然了解整部电影（尽管这可能归因于电影中的未来事件与过去事件有联系）。但是，即使我们通过在中间跳过很多位来观看电影，我们仍然可以理解这部电影。

我们将此称为“记忆回忆/检索和对当前情况的认识”，因此将其归因于记忆，这可以被认为是一种创造性的重新想象的行为，仅仅是因为人类记忆被有效编码和存储的方式.

注意：记忆是由生物神经网络（神经元）触发的。

那么机器学习人工智能可以做到这一点吗？

• 记忆检索和存储的吸引子神经网络 (ANN) 模型中的召回和识别。这篇论文由 E'Ruppin 于 1996 年 10 月 23 日在特拉维夫大学发表。

它提供了关于机器学习算法（ANN）如何应用的见解，上面指出的可以用于重新访问以前编码和存储的过去的事件或信息位，就像人脑是如何做到的一样。

但是，如果您也想实现这样的概念，这里是另一篇解释上述算法实现的论文

“神经记忆网络”对神经网络中记忆的简单实现提供了一些见解。

还是人类在生活中有一些与生俱来的经验，使得 AI 无法完成这样的壮举？（这个问题有点像双面）。

在某种程度上，人类不是固有的经验，而是过去的信息是由他们确实面临的某些情况触发的，例如；我自己在很久以前就经历过一些音乐节奏，当我试图重新播放我的旧即兴演奏时，我会回想起当时的情景和记忆。

希望这可以让您深入了解“吸引子神经网络中的召回和识别”（ANN）。