一步，用逻辑算法清晰地描述出来，并且这套算法不可以存在任何矛盾，把这样逻辑算法输入到机器人系统当中，这样机器人才能按照这套算法进行相应的人类活动。但是人类的活动千变万化，而且我们有所谓的直觉、第六感，这种判断其实是有一定的逻辑依据，但目前我们都很难用算法却一一描述出来。”

　　“举一个人类思考简单的例子，选择一家餐厅吃饭，我们会考虑距离、食物味道、环境、停车位、候餐时间等因素。如果我们将其变成一套可以让机器人执行的算法，但机器人是不能理解什么才是合适距离，什么才是满意的环境，什么才是好吃的食物。

　　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

　　请收藏：https://m.leke9.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）