AI 是否需要随机性（真实随机性或模拟随机性）

这取决于您如何定义人工智能。如果您严格将其视为一种有意创建的展示实用性的构造，那么不会。（例如，Nimatron，可能是第一个功能强大的人工智能，在 NIM 击败了大多数人类竞争对手。但 Nimatron 是经典的人工智能，完全基于规则，没有学习。）也就是说：

• 随机性已被证明是机器学习中的一个有用组成部分，任何可行的 AGI 都可能需要 ML。

给定足够的计算能力，也就是时间和空间，绝对有可能暴力破解任何东西，包括 AGI，但生成的算法将是“脆弱的”，无法“计算”任何先前未定义的东西。学习算法在其知识领域之外提出问题，最初可能会降低性能，但它可以从这些结果中学习，并逐渐提高性能。

IBM 蛮力国际象棋与深蓝，但国际象棋是一个严格狭隘的问题，结果证明不需要通用智能。AGI 要求在人类从事的所有任务中表现出人类水平，即使它们可以分解为一组单独的狭隘问题，它也是一组不断扩大的问题。

这是否意味着“智能来自随机性”？

如果智能的定义植根于效用，则不然，因为确定性过程可以证明效用。

• 在统计人工智能中，智能来自随机搜索的分析或遗传算法的适应度，而不是随机性本身。

换句话说，如果你有没有分析的随机性，那么每一个决定都是一个不合格的猜测。

我的感觉是，自由意志会产生于随机性——与原因无关的结果——因为没有真正的随机性，宇宙和其中的一切都是纯粹的确定性的。

是的，为了在理论上实现普遍性，随机性是必要的。目前，我们拥有的人工智能是基于寻找模式并使用它们来预测未来的动作或结果。如果我们不在数据中包含随机性，那么机器可能会将其视为模式并根据该模式行事（这对我们来说将是偏见）。生成随机数本身就是另一回事，不能单独作为判断标准。虽然这可能是肯定的条件之一。

1. 这可能是太哲学的答案，但也许首先我们需要回答一个问题，人类的思维方式或他的创造力是否包含随机元素。例如，如果作者在写一本书时使用了一些随机性来开发一些支线或一些情节人物，我会说，是的——有时我们会想到一些随机的东西。

2. 一些算法在其基础上使用随机性，例如用于生成第一种群的进化算法。