人体运维:人和机器没什么区别

诗书塞外 Python程序员
人体运维:人和机器没什么区别
大数据时代降临了,智能机器人的时代也降临了。悲观主义者们隐忧四起:机器人是否会取代人类,战胜人类,统治人类?

战胜人类、统治人类还太遥远,取代大量人类工作确实是近在眼前的事情了。

自己的工作被机器人取代,未免太刺激人类的自尊心了。作为自然界的杰作,人类是否有机器无法取代的禀赋?作为如此复杂的高等的生物,人类是否上天注定与众不同,有着不可替代的存在价值?如果从理论出发,是否能在人类和机器之间找到一个边界,而这个边界机器注定无法逾越?
人体运维:人和机器没什么区别
这些问题的答案,在我心里全部都是否定的。我的知识与过往经历告诉我:人与机器并无本质差别,唯一的区别是复杂度。人的结构极其复杂,而机器相比之下太过简单。改变复杂度需要时间和材料。给予无限的时间和材料,人类一定能制造出一种机器,和人类一样高级,能思考和探索,能自主繁衍,形成自己的社会。这样的机器,我们也可以称之为一个物种。

一定有人会反驳:人类是有情感的,情感使人类区别于机器,情感无法被制造。

嗯,情感确实是很复杂的东西,难以被制造。但是也只是比较难,并不是无法制造。如果弄明白了情感的原理,就会觉得,为机器人添加一个“情感机制”并非不可完成。

我们回想一下我们的初中生物课程。最简单的单细胞生物草履虫碰到食物的刺激,就会向食物游动;碰到盐水的刺激,就会远离那块水域。这就是最简单的生物原理,也是最基本的情感原理:趋利避害。人类做出趋利避害的反应是不需要经过大脑的,草履虫也一样,因为它没有大脑。

人类自出生以来,就会不断地接受各种各样的刺激,同时也不断地经历着各种各样不同的感受。对于带来好的感受的刺激,人类的大脑会把它记录下来,并主动创造这样的刺激;对于带来不好感受的刺激,人类的大脑同样会把它记录下来,并尽量避免再次遭受这样的刺激。如果你很喜欢某样东西,那么就说明这个东西的某个特质匹配到了你的大脑中对好的刺激的某条记录,它认为这样东西能够带来好的感受。如果你很讨厌某样东西,相反的,就是匹配到了坏刺激的某条记录。

好刺激_感受_记录 = {}坏刺激_感受_记录 = {}def   处理刺激(刺激A):         if   刺激A   in  好刺激_感受_记录:               return "喜欢"         if   刺激A   in  坏刺激_感受_记录:               return "讨厌"   return None

更复杂一点的是爱情。爱情不是后天学习得到的,而是先天就具备的一种特性。如果我们是能够造人的上帝,我们当初的设计思路应该是这样的:“我创造了一个能够自我繁衍的物种,这个物种在繁衍时需要一对雄性和雌性协作完成。为了加强物种繁衍的能力,我给他们创造了一个机制,让雄性和雌性相互靠拢,增加繁衍的几率。这个机制我给它取名为‘爱情’。”

通过举一反三,我们渐渐地发现,各种各样的情感都是自然在创造人类时所设置的一种特性。我们完全可以在制作机器的时候也做一个类似的特性设置。所以,情感并不能成为人类相对于机器的优势。
人体运维:人和机器没什么区别

更加令人悲观的是,机器的起点比人更高

作为一个无神论者,我相信人类是演化出来的,而不是被创造出来的。证据就是人体上其实有很多不够良好的设计,以及完全无用的组件。因为大自然造人的过程就是不断尝试,直到成功,也可以说是“瞎蒙”的过程。人体的结构,并不是通过仔细考量研究设计出来的。

比如,人类的情感就是一个不够优良的系统。在危机出现的时候,人体没有一个开关可以暂时关闭情感上的应激反应,来遵从理智的选择。导致经常“感性冲垮了理性”,结果对自己造成了更大的伤害。

另外,像“阑尾”这样的器官,除了能得阑尾炎,让我们经受疼痛以外,再没有其他的作用了。

机器则不同,人类在创造机器的时候,可以进行充分的考量,让每个组件都达到相当优化的程度,并且可以迭代优化。当然人体也有迭代优化,只不过太慢了。从这个角度讲,机器的起点要比人类更高一些。

YY

为什么自然演化的结果人类是两性繁殖,而不是单性繁殖?

因为两性繁殖带来的基因重组能够创造更大的多样性,增强物种的适应能力,以便在自然选择中更好地存活。

您有什么想要表达的观点,欢迎在评论区评论哦~

更多相关文章

  1. 外行人都能看得懂的机器学习,错过了血亏!
  2. 2: Zabbix5.0使用钉钉机器人报警
  3. 看见有人发帖“php能做什么”,我不得不也发帖了(继陪聊机器人后再
  4. 如果机器安装了oracle (oci8和/或pdo_oci),如何使用php检测?
  5. Javascript日期/时间函数是否依赖于客户端机器?
  6. 机器学习、Python和数学学习资料汇总
  7. 机器学习教程之2-k近邻模型的sklearn实现
  8. 人工智能和机器学习领域开源项目
  9. 建模分析之机器学习算法(附python&R代码)

随机推荐

  1. XML标记语言的基本概念及语法的入门教程
  2. 具体介绍XML与Web服务和SOA有何关联?
  3. 详细介绍XML中的文档与声明用法
  4. XML中的标签与元素的使用具体介绍
  5. XML中的命名空间的示例代码详解
  6. 详细介绍XML中的属性学习方法
  7. 浅谈XML文档的阅读与编辑
  8. XML中的代码注释书写方法的详解
  9. XML中的模式Schema代码详细介绍(图)
  10. 深入理解XML中的字符实体与字符数据