状态机、混沌状态、机器学习和智能设备

1.机器和状态机

        机器，英文名字为machine，是指具有某种功能和结构的系统（这是我个人基于系统论和结构-功能主义的定义）。机器的外部属性是具有某种功能，机器的内部属性是具有一定结构，从而帮助一定功能实现。机器可以代替和扩展人的功能。而且，一定意义上来说，机器通常是自动化或者自动完成某些事情的，这让机器有别于一般工具。

      机器可以是看得见的，也可以是看不见的；可以有物理结构，也可能没有物理结构。

      而计算机，本身是代替人类计算的一种机器。随着计算机的体系功能扩充，计算机可以实现计算、存储、记录和传播等各种功能。

       计算机是一种非常常见的状态机。机器可以分为状态机和非状态机。状态机的特点是每时每刻的状态都是确定的；而非状态机则每时每刻的状态则是不确定的。       

2.混沌状态和模糊状态

       关于不确定性，不少学者有过不同研究。最著名的不确定性，是有关薛定谔的猫的解释。从不确定性的程度来讲，不确定性大致可以分为：完全不确定性、相对不确定性和确定性。有关不确定性的学科是：概率和统计（大学数学会学，相信很多理工科出身的人对这门学科心有余悸）。

       有关不确定性的延伸是模糊学和混沌学。模糊学研究可能性和大致状态，得出一个事物的大致状态和可能性。混沌学认为很多事物是随机的，研究在随机情况下的发展。

       模糊状态和混沌状态是相对于确定状态，是指：大致状态与可能发展。

3.机器学习

       机器学习（Machine Learning），是一门交叉学科。学习是指：自己根据过去的经验和反应，从而得出某种方法；当有新的情况出现的时候，可以根据自己的方法进行判断的过程。机器学习，是指让机器接受某些经验和数据，并得出某些学习方法，从而当有新的数据出现的时候，可以得出判断。

       机器学习的过程为：1）让事物数据化，并进行数据采集和统一；2）运用分类器进行数据处理；3）评价和应用分类器。可以说，让机器学习的关键是：得出较好的分类器。然而，机器学习的大部分常规工作是：让一切数据化，并对数据采集、清洗和结构化。

       值得注意的是：计算机是状态机，而要得出的分类器却是模糊和混沌的；但这种模糊和混沌的分类器，恰恰是现代人工智能的基础。

4.智能化、图灵测试与智能设备   

       关于智能化，有几代的发展。人工智能最开始是模拟人脑，分析语言的字词、语法和语义，以及专家系统。但这些都没有让计算机的人工智能得到长足发展。人工智能近几年的发展和机器学习息息相关。而在第3节我个人讲到了机器学习是获得分类器，从而让计算机具有智能；而分类器的学科基础由于其不确定性、模糊性和混沌性，实际是概率统计学。诺贝尔经济学奖获得者萨金特关于人工智能的核心是统计学的观点，可谓一语中的。

      丘成桐认为机器学习取得很大进步，但数学理论基础较差。我个人认为，丘成桐的观点说出了机器学习并未真正实现传统意义上的智能化（就是如何类人脑工作）。但计算机的人工智能，其实是有标准的。

       计算机的人工智能标准是图灵提出的图灵测试。图灵测试的定义是：当你和计算机进行交互，当你无法判断该回复来自于人还是机器，就认为计算机具有了人工智能。严格意义上讲，机器学习没有那么强的数学力量基础，但却相当程度可以通过图灵测试这个标准。（本人亲自测试过几台中国自助生产的机器人，发现有的没有通过图灵测试；但如果数据充足，通过的可能性相当大）

       目前的智能设备，就是通过通过机器学习，并可以通过图灵测试的设备。这些机器，也许不能完全代替人，但会给人极大方便。而如何提高机器学习相关的分类器的精度，则是学界和业界研究的方向。

  PS：这篇文章，动念头于2016年，但只到2019年我才完成；因为，当初的知识储备和分析方法是不够的。人类也应该不断学习，提高并充实自己！

                                                                                                                                                 2019年08月24日