轉個帖子, 不廢話, 直接轉
三、精確思考模式
為什么人工智能不會取代人類，一句話來講就是，機器的精確思考模式同我們這個開放式環境的世界不匹配。要解釋清楚這個問題，就會有許多新名詞出現，精確思考模式，混亂思考模式，封閉式環境，開放式環境，無界隨機等，理解新名詞這種事總是讓人很煩惱，不過不使用新名詞又解釋不清楚，把這些概念搞明白了，其中蘊含的道理才能搞明白，人工智能領域才算入門了。
精確思考模式簡單的說就是數字化的，體現絕對準確的思考模式，由于絕對準確，還會帶來高思考速度。
一般我們要機器去做什么事，它們都會忠實的按照它內部的程式去完成，不會出現程式運行到一半，突然想去干點別的事情這種情況。也不會出現運行原程式中不存在的代碼，或者生成原程式中不存在的代碼這些情況。最終我們看到的就是機器作業下來，哪怕程式寫的不完整，或者程式前后矛盾，機器也不會自己糾正一下，原程式寫的是啥，就怎么去執行。也就是說，機器是絕對忠于其執行的程式的。
這里有個小彎，對于沒有接觸程序式以及機器怎么運行的人來說，可能不太好理解。但是機器們確確實實就是這么作業的。我們從最簡單的計算器說起，不管是單獨一個計算器，手機里的計算器APP，或者電腦中的計算器程式，你讓它算一加一它就只算一加一，輸入二乘二它就只算二乘二，它會按照輸入的命令，以及計算器的內部程式來作業。
更加高級的機器也都是這樣，我們讓它們做什么，它們就做什么，程式怎么編的，它就怎么運行，它們和我們的作業方式不太一樣，復制檔案的時候，選定100個檔案，從甲檔案夾復制到乙檔案夾，復制完了，還是這么多個檔案，而且，一個位元組都不會錯。如果是我們自然人來搬東西，比如搬家或者整理抽屜，有時候搬著搬著就會發現，咦什么東西沒有了，從此再也找不到了，機器不會出這種事，哪怕復制一萬個檔案，甚至一億個檔案呢，說復制多少就復制多少，不會復制完了多出幾個，或者丟掉幾個。
但是有時候它們又確實會出錯，比如一運行某程式，就卡住死機了，或者一點某個圖示直接重啟了。這實際上也是機器在忠于運行程式的結果，程式是人編的，是人就會出錯，程式少寫了什么代碼，或者沒有考慮到和其他程式同時運行可能帶來的沖突，機器在運行這些缺胳膊少腿的程式，考慮不周的程式時，就也要出問題了。所以，機器如果出錯了，那錯誤一定來源于人，它們只是忠實的再現了人們的錯誤。
機器最底層是01010011的情況，俗稱二進制，至少目前我們能接觸到的機器都是這樣，如果是三進制機器，或者其他進制機器，那情況會有所變化。但不變的是，這都是數字化的東西，數字化是一種精確的處理方式，是把某些精確的點拿出來，只運行在這些精確點上的作業模式。這就要求有一個精度，會帶來界限，機器的本質就在于此。
我們有時候用：“精確到個位”這種描述方式。精確到個位，意味著我們數完1，就是2，之后是3，比個位更精細的1.1，1.2，2.1，2.9什么的就不去考慮了，這就只拿出某些點來做事情，這樣做簡化了某些情況，于是也就帶來了界限。實際上1和2之間是無限的，有1.1，1.2，1.8，1.9也有1.01，1.02，1.38，1.99，還有更小的1.001，1.999什么的，可以一直小下去，沒有止境，這是實際情況。但是我們一般考慮問題的時候，為了簡單方便，只把問題限定在某個范圍，這叫追求有限。
計算機便是一種追求有限的結果，也始終運行在有限狀態下。我們可以要求它們精確到個位，也可以要求它精確到小數點后10位，也可以要求它精確到小數點后10000位，但是總要告訴它精確到多少，它才知道要怎么去作業，之后就作業在這個狀態，作業在這個范圍。這是因為，機器本身是以數字化的方式來作業的，數字化是只把我們無限世界中的有限個點拿出來，只作業在這些點上的作業模式，目的是為了準確，同時也就有了界限。
當然并不是所有的機器都作業在數字狀態下都有界限，也有無界的機器，比如老式模擬收音機。以前的模擬式收音機，調臺的時候，我們去轉那個旋鈕，扭到哪就是哪。假如廣播頻道是FM93.1，我們用旋鈕調節的時候，只能扭到接近93.1的位置，可以非常接近，但不會恰好就是93.1，不論我們怎么努力把它調的更清晰，甚至聽起來也已經最清晰了，但模擬旋鈕都不會恰好等于93.1，機器也不會恰好作業在93.1，也許是93.0928…，也許是93.10003103…，省略號表示后面還有無限位小數，模擬方式只能無限接近這個頻率，不會直接等于。數字調節就不同了，不管是旋鈕還是按鈕，假設精度是0.1，只要狀態變動，每次就增加或者減少0.1的幅度，這個是精準增減，調到93.1后，就是93.1這么多，小數點后只有一位，沒有更多的小數了，它恰好就等于這么多。如果非要把后面的更多小數寫出來，寫到小數點后三位，那就是93.100，或者寫到無限位就是93.1000000000…，這里的省略號代表無限個0。
我們上面說的數字，并不只是說機器顯示出來是多少，而是它們實際就作業在這個準確的條件下。這是模擬和數字的區別，模擬式總是不那么準確，哪怕想要準確都做不到，數字式總是作業在精確狀態，哪怕想要不準確都做不到。
這有點像是臺階和緩坡的區別，上下臺階的時候，每上下一階就都是這么個高度，沒法踩到兩個臺階中間位置，到了緩坡，每次上下不的高度不一定，也可以上下到任意位置，它是個連續的東西，不是一階一階的。
收音機有模擬的，功放也有模擬的，功放是把聲音功率放大的機器，一般的聲音，不管來自江河湖海也好，來自鳥獸魚蟲也好，還是來自我們男女老少也好，聲音都是連續的，都是中間沒有斷點的那么一種資料。模擬功放收到這些聲音后，也是用一種沒有斷點的方式把聲音放大，輸出的仍舊是沒有斷點的聲音。曾經我們還用磁帶，磁帶也是這么一個方式，把聲音記錄下來的時候，記錄的是個連續的無斷點的資料。
如果用1到2來說明的話，模擬功放是把1到2之間所有的狀態全部進行處理，磁帶是把1到2之間所有的狀態進行記錄，不會丟掉某些東西。
到了數字方式，這個情況從本質上發生了改變，光碟或者電腦記錄聲音的時候，不會再把一段聲音中所有的東西都記錄下來，只會把其中的一部分記錄，具體記錄多少，要看我們打算讓它記錄到什么程度，或者也可以說，讓它精確到什么程度。
用1到2來說，模擬方式我們把1到2之間所有的東西都記下了，不論小數點后幾位，這里邊有無限多個數，全部都記下了。到了數字狀態，由于作業模式的緣故，我們不可能記下所有的數，必須丟掉某些東西，所以看我們打算記錄多少，如果精確到0.1，那就會記下從0.1到0.9一共是9個數，如果精確到0.01，那就會記下從0.01到0.99一共是99個數。更細的分法，就會記錄更多的數，但不會是無限個，總會有個上限，有個總數。
這是因為，光碟或者電腦，在設計的時候，就是數字化模式，它的基礎，就是有界限的作業方式。在這種方式下，作業的時候，才能精確，才能恰好調出93.1這樣的頻率。在這種情況下，我們記錄了些什么，它們都以數字的方式存在，還原的時候，才能精確還原，才不會出現偏差。
我們現在都在用數字化記錄方式，是因為數字化記錄聲音，再播放的時候，可以一對一絕對還原，假設一首歌一共用了三萬個數字來記錄，復原播放的時候，回來的還是這三萬個數字。跟前面的復制一樣，原來是10000個檔案夾，復制過來還是這10000個，不會有差錯。模擬式記錄方式，受外界影響較大，也許磁帶被磁化了，或者時間長，磁性減弱了，那聲音就變了。雖然模擬式存盤記錄的資料更完整，但是還原的時候比不上數字式準確，不能把原資料絕對再現，于是模擬被淘汰掉了。
數字化的缺點在于記錄的時候，總會先丟掉一些東西，記錄曲子并不能把一首曲子中所有的聲音都記錄下來，記錄影像并不能把影像中每個細節都保留下來。不過我們人類并不是數字化的作業方式，所以對于有些東西，哪怕它不是那么精確，但是我們本身更加不精確，于是并不能察覺到，所以，數字化的時候，只要記下足夠多的資料，記下足夠關鍵的資料，讓我們察覺不出其中略掉的部分，我們也就不會在意了。
現在還有數字功放出現了，許多人不喜歡數字功放，認為在功率放大程序中，先把聲音轉成許多數字，之后再變成模擬資料輸出給音箱，丟掉了許多東西，導致聲音不好聽了。我一直都很佩服這些人，耳朵可以這樣靈敏，能聽出其中細微的差異。不過我們現在的聲音資料大都是數字格式的，都存在光碟或者電腦中，哪怕是所謂的無損格式，也都以數字為基礎，在記錄的時候就已經丟掉許多東西了。所以如果要真正無損，應該從更源頭的記錄方式入手才行。
不僅僅記錄和還原資料是這樣的情況，像電腦手機這些東西，它們都是基于二進制的，二進制是數字化的一種模式，由于我們在開始設計它們時，就使用了數字化模式，于是在各個方面的表現就也都是精確的了。不管機器發展到什么程度，只要基本原理還是數字化的，就要被數字化相關的一系列法則制約。所以如果出現了能夠思考的數字思維式機器，它處理問題的時候就也不會是連續的，而是一階一階的，中間有斷點，斷點處缺失有多少，取決于精度要求有多高。思考時的表現也會跟最簡單的計算器一樣，是絕對準確的，這個叫做精確思考模式。
精確帶來的好處自然是不會出錯，因為它的出發點是一個臺階一個臺階的，處理程序也是一個臺階一個臺階的，所以結果也就是一階一階的。階跟階都一一對應，也就不會出錯。這里的臺階是個比喻，并非所有的程序都是臺階狀的，為了讓大家容易理解，用了臺階這個詞。
由于不會出錯，帶來的直接好處就是處理速度可以很快，計算器算加法時，哪怕是一萬加一萬，在它的最底層，它也都是一個一個數出來的，但是它卻比我們算的快，快許多倍，這是因為在精確作業模式下，一階跟一階對應的時候，本身就是精確的，不需要考慮是否足夠精確了，于是就比我們更快的得到結果。
到了復雜的計算程序也是一樣，不論是計算，還是邏輯推理，還是記錄資料還原資料，由于本身是精確的，都不需要考慮因為不夠精確帶來的修正的問題，所以就可以以非常快的速度處理問題。更復雜的時候，到了數字式思維出現的時候，那么自然的也就具備這種天然優勢。
但是精確了，不會出錯，也就需要承擔不出錯帶來的后果。在我們這個世界，出錯又是那么至關重要的事情，于是機器也就有許多事情做不到了。
四、混亂思考模式
機器們都是精確思考模式，而我們這些自然人則都是混亂思考模式。首先我們都是模擬方式的，和老式收音機是一樣的作業模式，我們一直都作業在一個差不多的狀態下，哪怕有時候我們必須精確的做事情，也只能接近精確，無法真正精確。
比如打籃球，在投球的時候，我們就只是大概估計一下，然后投出去，沒有經過長期訓練的人，一般投不進是非常正常的。經過長期訓練的人，也需要反復練習投籃，才有可能比較準確一些，反復練習的程序，是一個不斷修正的程序，是一個不斷否定或者肯定我們的投籃感覺，讓這個感覺盡可能地接近精確投進籃筐的程序，但是不論我們怎么去訓練，都不可能達到真正的精確，只能接近精確。
再比如射擊，許多運動會都有射擊比賽，比一比看大家誰打的準，到了戰場上，那就更是要打得準了。但是我們生來就是打不準的，我們身體的這個作業模式就是個差不多的作業模式，所以正常狀態下打不準才是正常的，想要打得準，也必須經過反復練習，不斷修正我們的這部分感覺，但不管怎么修正，也不可能絕對精確。
這個模式用1到2來說就是，我們一直處在既不是1也不是2的狀態下，我們總是處于一個中間狀態，一個不那么準確的，后面帶有無數位小數的狀態，在需要得到整數的時候，并且在我們非常努力的情況下，可以接近一個整數，但是無法精確的作業在恰好整數的狀態下。
于是我們在做所有的事情的時候，就都只能的到一個差不多的結果。我們要端平一碗水是無論如何都端不平的，總會有些歪斜；要在墻上打個洞掛空調，是無論如何都打不到恰好的位置的，總會有些偏差；想在紙上畫一個圓是無論如何都不能畫的圓的，總會有某些部分凸出來一點或者凹下去一點；甚至走個直線我們都是走不直的，總會走的歪歪扭扭的。不管我們打算停在哪個位置，我們都不能恰好停在這個位置，只能停在比較接近的位置上。這都是我們的模擬作業方式帶來的各種差不多的結果。
這樣的結果，導致我們做事情的時候，每次做下來結果都不完全一樣，只能在大方向上保持一致。同時，由于我們做事情的時候無法得到真正的精確值，只能比較接近精確值，就導致我們必須時不時停下來，甚至在每個步驟都停下來，確定已經做了的事情是不是足夠準確，不夠準確時，還需要對這個步驟進行修正，于是也就出現了作業程序中只能以較慢的速度來處理問題的情況。
這些情況本質上是模擬思考模式導致的，也可以說成是連續思考模式導致的，那標題又為什么叫混亂思考呢？
有時候我們會出現這樣的情況：走神。越是無聊的事情，我們就越容易走神，哪怕是很有趣的事情，進行程序中，我們也時不時的會走神。比如看電影，經常聽到這樣的講法：這場電影我基本上就是睡過來的，或者：太沒意思了看著看著就睡著了。我們實際上并不能像老式收音機一樣作業，收音機可以一直保持收音狀態，而我們不能一直保持某個狀態，不管我們做什么事情，都會逐漸變得偏離初始狀態。哪怕有些事情很有意思，我們也會時不時的走一走神，思緒跑到完全不相干的事情上去。如果我們強制自己保持某個狀態，很快就會變得疲倦，然后就又回歸成一個游離狀態了。
還有一種表現，就是沒有條理邏輯混亂，甚至出現一些考慮不周的矛盾。我們做起事情來，經常是沒有條理的，丟東西是最常見的事情了，忘記什么也是家常便飯。有些時候說著說著話，突然就想不起來了，我打算說什么來著？甚至還有這樣的時候，前言不搭后語的，或者前后矛盾的時候。矛盾這個詞的出處就是這樣，賣兵器的人說他的矛是最鋒利的矛，又說他的盾是最堅固的盾，于是就矛盾了吧。
到了我們遇到壓力的時候，這些走神、矛盾、沒條理的情況都會集體放大，上臺講話就腦子一片空白，遇到喜歡的異性緊張到慌不擇言，被狗追著跑看見死胡同還會跑進去，都是混亂思考模式的結果。
我們大腦在作業的時候，以模擬方式為基礎，在這個本身已經不精確的基礎上，還會自發的無意識的，就趨向游離的和發散的思維狀態，這是比模擬更進了一步，這樣就會產生大量各種奇奇怪怪的混亂的結果，我把這種作業模式叫做混亂思考模式。
這些游離和發散是我們大腦作業更本質的狀態，是更自然的狀態，也是更舒服的狀態，所以我們總是會從緊張和集中的狀態自覺不自覺的趨向于游離發散。如果不能發散，就會出現嚴重的問題，比如有些人會失眠，便是由于精神無法放松，游離發散的程度不夠造成的。發散程度足夠，就會進入睡眠狀態，睡眠是休息，休息時我們還會做夢，是因為那時候我們的大腦處在一個極度發散和游離的狀態下，在這種狀態下，記憶和想法都更加不受控制，控制部分在休息，于是各種亂七八糟的資訊都會莫名其妙的跑出來，混在一起，就形成了我們毫無邏輯的夢。有些人熱衷于空白冥想，訓練自己讓大腦放空，控制大腦什么都不去想，認為這樣可以放松，但這實際是另一種集中精神，是在跟發散的本質對著干，真要想放松就去睡覺吧。發散的時候，我們總會想到某些東西，各種無關緊要的，七七八八的東西，各種東西揉合在一起，而我們又不是刻意想到它們的時候，才是最放松的時候。除了放松以外，游離發散也是使我們更強大的狀態，當然還要和主動思考以及知識儲備結合起來，不能只是被動，后面再來解釋這個強大，我們先把缺點說完。
我們總是不那么精確，就導致了我們因為缺乏精確而對精確的向往，很早很早以前，就出現了音樂這種東西，音樂的基礎模式和數字化模式十分相似，都是把連續音的某些關鍵點提取出來，只在這些關鍵點上展開作業，當然并不是音樂本身作業，而是我們來組合它們，通過不同的排列組合，同時也要加入藝識訓的考量，形成由一階一階的音組成的，間隔了一些距離的，包含一定藝術感覺的聲音作品。唱歌的時候，我們平時說話的發音都不好好發了，硬要扯到音階所在的特定位置去發，這樣做下來就很好聽，而且大家都覺得挺好聽。如果某些人唱的時候，不能足夠精確，不能達到特定音階的位置，那他就跑調啦，也就不好聽了。所以可以說，音樂都是數字與模擬的結合，需要足夠精確，才能把音樂演繹好。
我們的漢字也是追求精確的結果，它們都是一塊一塊的，可以寫成大小形狀大致相同的樣子。西語系的字母符號就不是一樣的大小，也不是一樣的長度，高的高矮的矮，長的長短的短，所以，他們的東西更模擬化一些，我們的東西更數字化一些。在輸出模式上也是，我們有四聲，其中一二四是對應的0、正、負，第三聲沒有可以對應的了，所以它拐了個彎。但都是聲音的關鍵點，說話的時候，必須達到這個關鍵點，不然輸出就會出現錯誤，同時，我們在說話的時候，前后音節都清楚的分開，大部分都不粘連。西方語系沒有提取出這樣的關鍵點，而且他們總是喜歡把前后音節都連在一起來說，甚至有時候恨不得把一句話中所有的音都連成一體，中間便有許多的過度狀態。這就好像我們說話要么是1，要么是2，他們說話把1到2之間的各種小數都加入進來。所以中國人在學西方語言的時候，往往也會把其中的關鍵音節分開成一個一個的來說，聽起來就非常中國特色。同時，西方人學中文的時候，也受不了把音節都分開，經常都還粘在一起，不夠精確也不夠分階，聽起來就怪腔怪調的。
生活中的許多事情，我們都在追求精確，生活中的許多物件，我們都喜歡把它們做的精確，比如蓋樓，多數大樓都是筆直筆直的，體現精確而不體現模擬特色，做個手機，做出來也是橫平豎直的，加上的圓角也是對稱的統一的，不鼓肚子不凹腰。
但是由于我們作業在模擬方式，本身非常的不精確，加上我們會自發偏離狀態，會總是沒有條理，會經常考慮不周，于是，我們就必定會出現各種混亂，出現這些混亂就自然導致許多事情做不好了，甚至做不成了，于是我們便發明了許多工具，幫助我們解決這些問題。我們發明的工具中，有相當一部分都是幫助我們更加精確的。
最簡單的就是尺子了，直線畫不直，靠著尺子，一下就直了，還有圓規，圓規畫的可真圓啊，這都是幫助我們得到精確結果的工具。許久許久以前還有繩結記事，是幫助我們理清記憶的工具。我們也發明了數字，也發明了文字，都幫助我們記住該記的情況，幫助我們不要漏掉某些情況，幫助我們剔除記憶混亂帶來的虛假情況。微電子技術出現以后，就有計算機出現了，前一段說過，這東西的發明就是建立在數字基礎上的，把我們世界中的某些關鍵點提出來，這些關鍵點都是精確的點，只在這些關鍵點上去展開作業，就可以得到每一步都精確的結果。
之所以發明這些工具，就是因為我們不能精確，同時我們又需要在某些方面精確，只有精確了，許多事情才能完成，才能做好，而且精確的時候，還可以帶來高效。如果不精確，那就會出錯，老祖宗有句話叫：失之毫厘，謬以千里，不管哪一步出錯，都會導致最終結果出錯。所以，想要的到正確結果，就必須每一步都保證足夠精確，對于我們的模擬甚至混亂的作業模式，就必須不斷的停下來仔細檢測是不是足夠精確，是不是可以繼續了。正是由于有著這許多由作業方式帶來的問題，我們才追求精確，才發明了這許多的幫助我們精確各種工具。
五、模擬與混亂
我們是模擬的，也是混亂的，畫不出直線，總是丟東西，時不時就走神，前言不搭后語，我們為什么會是這么個德行？其實原因很簡單，因為我們所在的這個世界就是這個德行的。
我們這個世界，不僅僅是地球，也不僅僅是太陽系，而是我們整個宇宙都是個作業在模擬連續狀態下的宇宙，而且到處都充滿了混亂。
首先是以模擬為基礎，有句話叫自然界中是沒有直線的，雖然這句話太過絕對，并不是完全正確，但包含了一定的道理，模擬的道理。宏觀世界中，自然形成的東西，比如河里的石頭，比如路邊的小花，比如河流山川，乃至行星銀河，都是一些不規則的形狀，甚至是一些亂七八糟的形狀。
之所以不規則，之所以亂，就在于我們的世界和我們自然人的作業模式一樣，也基于模擬模式，而且不斷的在趨向于游離發散。當然同時也有一些力量不斷的把發散的東西整合起來，這個部分我們人類不具備。
模擬很容易理解，就像之前我們舉過臺階和斜坡的例子，自然界一般都只形成斜坡，而且是不規則的斜坡。山谷到山峰，海灘到深海，只要時間足夠長，那就會形成一些斜坡式的連續式的變化，而不會形成臺階式的卡位式的變化。
有時候地質變遷，地層斷裂，會出現巨大的縫隙，會形成陡峭的山崖，但是這只是一時情況，不斷的雨水沖刷，不斷的日曬風蝕，也就會不斷的把陡峭的鋒利的部分分解，會把山崖逐漸改造成斜坡，這就是在往游離發散過渡。我們世界中有許多土，土都是哪里來的？地球形成初期是液態的，冷卻了應該是個大石頭，哪怕內核還有液態巖漿，至少表層應該都是巖石了，但是我們現在的地表都是土，這些土便是許多億年不斷發散的積累結果。
我們不精確，向往精確，我們的大自然一點都不向往精確，它把所有的東西都做個差不多就完事了，這里我們暫時不考慮微觀尺度，只說宏觀世界。河流沒有筆直筆直的，拐彎也沒有直角拐的，每個位置都不一樣，都是轉來轉去的，有些地方寬有些地方窄，有些地方深有些地方淺。還有句話叫一棵樹上的葉子沒有兩片是一樣的，確實如此并且不止如此，我們整個星球，也不會有哪兩片葉子是一樣的，同型別的葉子會長的差不多，但是細細看來，都不一樣。下雪了，雪花飄下來，也沒有哪兩片雪花是一樣的，它們都只差不多。
實際上不光是葉子雪花不一樣，我們世界上沒有哪兩樣東西是完全一樣的，同型別的東西都只是差不多。自然界形成的東西，都是不一樣的，哪怕我們想把它們變成一樣的，也做不到。在生產程序中，我們用各種機器生產，表面上看起來是一樣了，但只要看的足夠仔細，就會發現它們每個都不一樣。工廠里生產茶杯，制造的時候都是一個模子出來的，但是總會在某些細節處有差異。兩個乒乓球，大小形狀看起來也是一樣，但是更加仔細的去看，表面紋理也不一樣，材料厚度也不一樣。一個生產線下來的螺絲也沒有完全一樣的，如果拿顯微鏡來看，會發現螺絲們一個個都長的千差萬別。
到了我們這，也沒有哪兩個人是一樣的，最多只能比較像，只能差不多。雙胞胎都是有差別的，多胞胎也都有各自的特點。哪怕我們克隆一對人，出來之后也只能非常非常的相似，在生長程序中，兩個個體遇到的情況就會有所不同，得到的結果也就不同了。
我們的大自然是非常的隨便，有時候可以說是隨便到讓人哭笑不得的程度。比如我們上一代人到下一代人，遺傳物質傳遞的時候，是怎么進行的？父親出一半基因，母親出一半基因，雙方對上成為一對基因，一共四種堿基組成遺傳基因來記錄我們的資訊，A腺嘌呤、T胸腺嘧啶、G鳥嘌呤、C胞嘧啶。在這個程序中會出現這樣的情況，傳遞著傳遞著，某個堿基，比如G鳥嘌呤會莫名其妙的被丟掉，丟掉了，那就缺了一個堿基，對不上了怎么辦呢？很簡單，隨便抓一個補上，抓到的這個，也許還是個G鳥嘌呤，那就正常了，但是這隨便一抓，不可能每次都抓到原來的那種堿基，有時候就會抓到其他三種，抓到誰就是誰，完全不管是對是錯。
我們的大自然在許多地方都非常的隨便，都只產生差不多的結果，有時候甚至強制我們也要差不多，不能精確。前面說我們發明了許多工具幫助我們做事情更加精確，但是只能更加精確，無法做到真正的精確。無法精確這個問題，在某些領域是非常令人畝訓。工業生產的時候，有些地方需要非常精確，比如造飛機，比如造機床，比如造芯片，某些零件如果我們不把它造的足夠精確，就沒法實作制造目的，飛機會飛不上天，機床會不好使，芯片會無法作業。
但是把它們造的精確又是如此的困難，所以有時候在一些博覽會交易會之類的活動上，某些廠商展示自己的技術高超，這些展示多數都是在告訴大家，你看我們可以這么精確。然后就會吸引大量的訂單。
芯片行業這些年可以說是突飛猛進了，芯片是把許多元器件整合在一起的做法，要整合越多的元器件，在不增加芯片體積的情況下，就要把元器件做小，但是元器件越小，制造起來就越困難，因為做小意味著必須足夠精確，又到精確這里了，我們無法絕對精確，在接近精確的程序中，越接近完美精確，阻力就越大，我們的自然界一直在阻止我們更加精確，強制我們作業在差不多的狀態下，強制我們不能得到精確的結果。
所以我們是模擬的，是混亂的，同時我們生活的這個環境也是模擬的，是混亂的，并且環境強制我們模擬，強制我們差不多，強制我們遠離精確。
uj5u.com熱心網友回復：
六、錯誤、意外與新情況為什么要我們要差不多，為什么我們不能精確，為什么我們這個世界也是這樣？難道精確不好么？
我們在基因傳遞中總是會出錯，某個堿基丟失了，隨隨便便就補一個過來，這樣就會出現錯誤，之所以出現這樣的錯誤是因為我們需要這樣的錯誤。
我們這個世界上，有那么一種生物叫阿米巴蟲，是一種單細胞原生生物，沒有固定的形狀，結構非常簡單，就只是細胞質細胞器包裹在細胞膜中，它非常小，需要用顯微鏡才能觀察的到。這種阿米巴蟲的繁殖方式是分裂繁殖，也就是復制自己，把一個拷貝成兩個，兩個拷貝成四個，從而產生更多的個體，有點像《黑客帝國》里的史密斯，這樣理論上可以把自己的生命永遠延續下去。曾經的我們也是可以復制自己的，只是我們后來放棄了這種拷貝式繁殖法。
從早期地球生命形成，隨后的許多億年時間里，地球的主宰們都是各式各樣的單細胞生命，這些生命形式都是這么作業的，通過復制自己來產生更多的個體，不像我們現在，從父親那里拿一半基因母親那里拿一半基因，都只一半一半的傳遞，那時候沒有父親母親，自己拷貝自己。問題來了，如果每個個體都能非常精確的復制自己，復制程序都不出錯的話，那么要怎么從單細胞生命變成多細胞生命呢？要怎么獲得更高級的功能呢？要怎么能贏得過別的物種呢？
如果真正精確，從來不出錯，那就不能變成多細胞，會一直都是單細胞，世界上現存的單細胞生命還有許多種，都像阿米巴蟲那樣處于食物鏈的最底端，隨時會被更高級的物種吃掉，它們都是在自我復制這個程序中忠于前體，沒有出過什么重大錯誤的個體。
往更早一些去想，單細胞生命是怎么出現的？如果我們的自然界是個精確的自然，是個不會混亂的自然，不把各種亂七八糟的力量溫度壓力水分石頭空氣等都胡亂揉在一起，而是各自分門別類的放好擺整齊，那又怎么會產生單細胞生命呢？
我們的世界之所能夠這么物種豐富花樣繁多，都基于自然界模擬混亂的作業狀態，只有足夠混亂才能出錯，出錯才能有單細胞生命，才能有多細胞生命，才能有我們今天在這里思考這些問題，出錯是前進和突破的基礎。
錯誤會出現在整個世界的各個角落。我們為什么有眼睛這種神奇的器官，單細胞生命一定是沒有眼睛的，這個器官在最初出現的時候也一定不是現在這樣的。
這樣的功能來自于變異，變異就是基因傳遞出現了錯誤，也是進化法則的體現，進化法則是在混亂基礎上起作用的事物運行規律。進化法則非常簡單，一共兩個步驟，第一步產生盡可能多的結果，第二步消滅不適應環境的結果。這個法則是實作突破的基本法則，不僅僅在進化程序中起作用，在我們世界的各個角落，只要涉及到前進突破，都是它在起作用，包括我們做科學研究，為什么地球基礎科學這么多年都還在徘徊不前，只能修修補補，很大程度上是由于我們違背了進化法則，這個后面章節會專門解釋。
用基因傳遞來說明進化法則是這樣的，首先第一步產生盡可能多的結果，從上一代那里獲得遺傳基因，正常情況下不出錯，但是由于世界作業在混亂模式下，有一定幾率會出錯，出錯了，就意味著下一代可以出現一些新功能，是出錯導致新的基因出現。出錯的這些基因中，有些會顯現出新性狀，新功能，比如新基因產生了可以感光的細胞，帶有感光細胞的個體在大海中就知道了有些地方是黑暗的，有些地方是光明的，光明的地方更溫暖，也有更多的食物，黑暗的地方會更冷，更不適宜生存。在沒有感光功能的時候，自然就只能隨便亂游，游到沒有食物的地方，也就餓死了，或者游到溫度低的地方也就凍死了，感光可以分辨方向，就能帶來更大的存活幾率。當然感光還需要配合趨光功能一起使用才會有效。
理論上，感光這個能力一定變異出來過很多次，不會第一次變異出來的個體，具備了感光功能就知道有光的地方是有利的地方，也必須有其他的基因變異了，變異出了趨光功能，在能感光的情況下，也能總是往有光的地方走，才能有效的提高生存幾率。這是兩種規則的疊加。當然也可能變異出避光功能，可以感光了，但是同時不喜歡光，就往大海深處黑暗的地方游，這么玩就不容易找到食物，于是就會遇上進化法則的第二個步驟：消滅不適應環境的結果。
由于世界是模擬而混亂的，就會不斷的有各種遺傳錯誤產生，就會不斷的有類似感光的這種功能被進化出來，也會有趨光和避光這樣的功能被進化出來。我們的眼睛進化到今天，最初也許就只是個可以感光的細胞，之后不斷疊加了各種有利的規則，有些規則包含了感知亮度，有些規則包含了感知形狀，有些規則包含了感知顏色，有些規則把我們的眼睛變成兩只，有些規則包含了通過視線角度進行測距，也就是感知距離。也有其他物種變異的時候一下生出許多只眼睛，就成了蒼蠅蜜蜂那個樣子。種種有利的規則變異出來，疊加起來，才變成現在的模樣。當然這個程序中一定也疊加過各式不利的規則，也許某個人基因變異，眼睛就出現了看不清的情況，在環境中就不能很好的生存，哪怕他沒有被自然環境消滅掉，哪怕他很幸運的把自己的基因傳給了后代，后代們攜帶這種看不清的功能，也遲早是要被大自然消滅的。進化法則不總是立即就起作用，有時候會有一定時間的延遲，有可能會延遲幾百年上千年，也有可能延遲更長的時間，但最侄訓是會起作用。
基因變異的原理是堿基傳遞時丟失，重新再補上，補了一個不同的，于是出現變異，這樣的做法，我們一般都認為它是錯誤，也有些人把生命的出現稱為美麗的錯誤，這都是從我們人類的主觀角度出發去看這個問題得到的觀點，如果我們從稍微客觀一點的角度去看這個問題，這個不同基因實際上并不是錯的，而是在傳遞程序中，產生了意外，一般的傳遞并不出意外，這是特殊情況，是一不小心出現的，這個一不小心可能是多種情況導致的，也許某個細胞在作業的時候恰好死亡了，也許某個細胞傳遞出資訊時受到了外界影響，比如遇到了輻射。我們整個世界就是個混亂的世界，各種因素都在綜合起作用，意外這種事自然就會時不時的發生。
意外的發生，是我們世界的常態，到了基因傳遞程序中，就可能會導致變異的結果，這些變異在絕大多數情況下，都是不利于在環境中存在的，所以又可以看成是錯誤。對于錯誤，尤其是比較離譜的錯誤，比如某個兔子變異出來沒有腿，那它是立即就會被執行第二步驟的，但是有些錯誤不是那么離譜，比如某個兔子比其他兔子跳的近一些，這種情況下就要看它的運氣好不好了。
意外會發生這種事從生命誕生起就一直伴隨我們，在生命誕生前也在起作用，正是在生命誕生前就一直在發生各種意外，才有了生命這種意外結果。這是世界最底層的混亂模式帶來的進化法則在起作用，因為是法則，所以它一直都在起作用，哪怕某天生命都消失了，進化法則也不會消失，它也一直都在那，不管什么東西遇到進化法則相關的情況，都會開始按照進化法則的作用顯現結果。這個法則實際上更應該叫進步法則，或者突破法則，不過因為它在進化程序中起的作用最明顯，也最容易理解，我這里就把它叫做進化法則。
進化法則第一步是產生意外，這樣做可以帶來突破，但是需要付出極大的代價，在分裂繁殖時期，代價要大的多，某個單細胞個體，如果在分裂程序中出現意外，獲得了A功能，但是這個A功能是個缺陷，假如它比較幸運一直沒有被執行第二步驟，那么它之后分裂出來的個體，就都會帶有A缺陷，要想去掉A缺陷，必須再次遇到意外，而且要是個正好反向A缺陷的意外，這種情況的幾率非常非常的低，所以在相當長的時間里，這一大群個體就都要帶有A缺陷了。
所以就有第二步驟來滅掉這些缺陷，并且可能會通過第一步驟出現更加符合第二步驟的意外來幫助滅掉這樣的缺陷，我們世界上的許多個體，尤其是高等級強功能個體，大多都是兩性模式，產生后代的時候，雌性雄性各自拿出一半資料來，合在一起，就有非常大的幾率可以讓某個缺陷不能傳播下去，而且同時也可能獲得其他個體的比較優秀的功能。兩性模式是意外產生的，同時這種模式也更能處理好意外情況，應用這種模式的物種就能更好的適應環境，就有更大幾率生存下來。除了兩性模式外，我們這個世界上還存在著某些雌雄同體的個體，或者可以自己轉換的個體，這些也都是通過第一步驟的產生盡可能多的結果而出現的，只不過經過許多億年的競爭，兩性模式最能適應環境，最能體現好第二步驟，所以應用這個模式的個體都功能都更高級，在食物鏈中占據的地位也都更高層。
一般情況下，個體不適合參加種族進化的時候，都是外部環境來執行第二步驟，也許跑得慢被老虎吃掉，也許看不見掉到水里淹死，也許身子弱生了病沒挺過來。但如果出現了外部環境不能消滅這些個體的情況，因為第一步驟是產生盡可能多的意外，理論上還應該會有自毀模式出現，某個體不適合參加進化，檢測到自己的狀態不合適傳播基因，于是啟動某個機制把自己消滅掉，這樣來執行第二步驟。我沒有做過這方面研究，通過進化法則推理，應該有這種機制，功能越高級的物種，社會性越強的群體，就越有可能具備。
拐個彎說點有意思的吧，第二步驟里的消滅，并不是只把有利的情況保留，而是只把不利的情況去除，除了有利的和不利的情況外，還有個中間狀態，不屬于有利范圍也不屬于不利范圍的情況。用正負來規定一下可以看得更清楚一些，假設某些情況對適應環境有利，帶來這種情況的就是正基因，某些情況不利，帶來這種情況的就是負基因，中間還那些既不算有利又不算不利的，帶來這種情況的叫0基因，為了討論方便，我們暫時這么規定一下。
我們為什么長了5根手指頭？如果只長4根，是不是就無法適應環境，就會被淘汰掉？好像并不是，現實生活中某些人不小心斷了個手指頭，如果不是大拇指，是其他4根斷了某一根，剩下4根也是能正常作業的，甚至只剩3根手指好像也能把東西抓起來。同時，有些人會長出6根手指頭，如果是他的基因變異使他長出6根指頭，在生存程序中，并不會對這個人產生無法適應環境的影響，這樣的6指頭基因我在這里就把它們叫做0基因。
0基因一般從兩種途徑出現，有些是變異得來的，變異出的某些基因一出現，就不帶來有利功能也不帶來不利功能。有些是原本的正基因退居二線來的，比如曾經我們有尾巴，現在沒有了，那么表現尾巴的這些基因還在我們身體里么？會被剔除掉么？從法則推理，直立行走以后，并非有尾巴的人就一定會被第二步驟消滅，有沒有尾巴都不會影響我們的生存，攜帶這些基因的個體是可以把這些基因傳遞下來的，所以尾巴基因應該還在，只是我們用不到它們了，這些基因應該是進入了某種不再發揮作用的模式，類似于在休眠。
如果是這樣的話，我們身體里就可能還保存著我們的整個進化路線圖，從最早的基因形成開始記錄，后來我們變成了水里的魚，怎么長出了鰭，再后來上了岸，怎么進化出了手和腳，之后怎么爬到樹上去，又怎么下了樹來，這程序中的許多正基因，在我們不使用它們了之后，也許都會降級為0基因，再轉為休眠狀態。當然由于世界是混亂的，進化程序中必定會丟掉一部分，但也應該留下許多蛛絲馬跡，以后隨著我們對自身基因含義的了解，我們也許就能分析出我們變成直立雙足動物前，曾經經歷過哪些形態。
同時，假如我們一共有25000個基因，這其中也許很大一部分都是0基因，也許曾經起過作用，現在退役了，也許變異出來就是個0基因，自從出現就一直在坐冷板凳，從來沒有起過作用。所以，真正起作用的基因，應該遠遠少于25000個，其他物種應該也差不多。科研人員們發現，有些生物的基因數量遠遠超過我們，但是它們外形結構又非常的簡單，身體功能又非常低級，這個用進化法則來解釋，應該是在進化程序中，它們所產生的基因只有負基因被淘汰掉了，曾經的有效基因轉化成的0基因，和變異直接產生的0基因都沒有被淘汰掉，積累了比我們更多的0基因，所以總量比我們更多，但是真正有效的正基因應該遠少于我們，所以，如果能夠解讀這些0基因，也許也能發現這些生物們都經歷過一些什么歷史程序。
我們為什么有23對染色體，貓為什么有19對染色體，狗為什么有39對染色體，這也可以用進化法則來推理，不過我們已經跑題太遠了，就不瞎扯了，回到意外和錯誤上來。由于進化法則的存在，我們可以通過意外獲得各種新功能，雖然需要付出巨大的代價，雖然多數變異個體都會被第二步驟消滅掉。但站在他們的犧牲之上，我們已經積累了無數的有利規則，無數的有利變異，無數的意外，無數的錯誤，所以，也可以這樣說，我們每個人都是各種錯誤的集合，從最開始出現在地球上就是錯誤，一路錯到現在，集成了各種正確的錯誤，才成就了我們這些人。
到這里，可以看出說成是錯誤已經完全不合適了，更溫和一些的來表達，可以說是各種意外的集合，但那都是站在我們的角度上，若是站在自然界的角度上來說，說成是意外也是不合適的。因為我們的世界本來就是這么個作業模式，是個在模擬基礎上的混亂作業模式，其表現就是產生各種意外，我們換個更準確的詞，應該說是新情況。我們世界的作業模式就是在模擬基礎上，通過混亂產生新情況的模式，這些并不是意料之外的情況，而是這種作業模式帶來的必然結果。自然界一邊產生盡可能多的新情況，一邊處理這些新情況，把不能適應環境的新情況去除，保留其他情況。
進化法則的作用最終是實作各種前進，先往各個有可能的方向都走一步，看哪一步走的好能繼續下去，就往這個方向走，其他方向舍棄，然后繼續在這個基礎上再往各個方向走一步，回圈往復。這樣做的好處是可以前進，壞處是需要付出極大的代價，也需要浪費非常多的時間，效率非常的低，但不管是成本還是時間還是速度，都沒有前進那么重要。于是為了前進，為了產生新情況，為了產生意外，為了產生錯誤，我們拋棄掉了許多讓我們喜歡，讓我們高興的東西。
拋棄掉的東西里面就包含了精確，在精確模式下，我們做事情會更加順利，更加高效，但是精確帶來的后果是不能產生錯誤。如果我們作業在精確模式下，一階一階的處理問題，就不會涉及各種階之間的狀態，就會有條理，也就不會混亂，也就不出錯了，但是不出錯意味著原地踏步，意味著無法產生意外，無法出現新情況。
我們時時刻刻都在不斷的出現新情況，我們注意到的一般都是一些不利的新情況，比如匆匆忙忙出門，想用手機的時候才發現，包里裝著空調遙控器，手機忘在家里了。但是我們并非只能產生不利的新情況，產生新情況這種事情太常見，太自然，我們反而會把它們忽略掉，比如我們看到某個圖案，中間是一個圓圈，周圍有許多呈放射角度的直線，我們就把它認作是太陽，但是它難道不就是一些線條么？我們為什么把認成太陽了？如果我們是精確思考的個體，就只會把圓圈認作是圓圈，直線認作是直線，不管它們怎么組合排列在一起，都仍然只是圈和線，這才是精確思考應該得到的結果，即原本是什么，就是什么。把原本應該是圓圈和直線的東西變成了另一種東西，這是新情況產生了，是混亂造成的結果。換句話說，我們的想象力就基于混亂思考模式，正是由于我們可以混亂，才把一些簡單的幾何圖案和現實中復雜的物體等同起來。同時也可以說，精確思考是無法產生想象力的。
當然有些人會舉這樣的例子，人工智能可以作曲，人工智能可以畫畫，難道不是想象力的體現么？在做這些事情之前，人工智能需要先做一些準備作業，比如先把同型別的曲子大量輸入給它，讓它掌握其中的模式，然后才能獲得新曲子，畫畫也是一樣，要先給它一些畫作，讓它摸清其中的模式，根據模式才能得出結果，這種方式也能產生新東西，但并不是突破式的產生，只能算模擬式的產生，缺少了源頭，也多了界限。另外也有一些方式，比如窮舉是在某個界內把還沒有出現的東西擺出來，這樣也可以讓人工智能產出新情況，但是窮舉也必須有界限，同時也缺少突破源頭。這是目前的人工智能應用已經出現的兩種模式，根據法則推測，精確思考個體應該還存在一種排他作業模式，目前還沒有相應的應用出現，不曉的以后會不會有。
所以，我們在設計機器的時候，把它們設計成了絕對精確的作業模式，絕對精確帶來的是高速度高效率，但是魚翅與熊掌不可兼得，精確了就不能出錯，就不能產生意外，就不能出現新情況，不能出現新情況也就意味著不能前進，不能有所突破，只能復制和模擬現有結果，或者只能在現存框架下列舉結果，這些都不是突破，突破只能在混亂思考模式下出現。所以，精確是好的么？
對于一直不能精確的我們來說，精確可以提高速度效率，確實是好的，但換一個角度，精確無法產生新情況，不能突破前進，又確實是不好的。數字化機器是為了彌補我們自身的低效不精而發明的東西，這樣的機器無法前進，認為它們只是擁有速度快，記憶準確這樣的功能就可以取代我們，是對我們自身了解不足，對環境了解不足，對機器的作業本質了解不足而導致的。
七、開放式環境
機器無法取代人類，不能產生新情況是原因之根本，也是表現，更嚴重的表現則是面對新情況無法應對的問題。
我們的世界，以模擬基礎上的混亂模式來運行，模擬本身會帶來各種不確定性，不精確性，不確定的模擬狀態，加上各種元素的揉合，就產生混亂，導致各種意外，出現各種新情況，這些新情況會出現在我們世界的每個角落。
前段我們用基因傳遞舉了例子，基因傳遞有時會出現意外，實際上這只是意外出現的一個地方，其他地方也會不斷出現各種意外。比如說有時候好好的皮膚，就莫名其妙的長出個黑痣來，這顯然不是皮膚的正常狀態，是有黑色素聚集了。還有囊腫這種奇怪的東西，可以長在人體表面，也可以長在內臟里，這也不是一般應該有的情況，但是總會出現。
身體各處都有可能自己出現各種意外，如果是外來原因，那可能性就更多了。吹風著涼感冒了，病毒入侵感冒了是最常見的情況。遇到了某些細菌，遇到了某些花粉，某些地方就開始過敏。甚至曬太陽曬的多了，皮膚也會被灼燒，發紅甚至脫皮，所以才有防曬霜這種東西被發明出來。還有更厲害的，比如遇到輻射了，那就更是身體各處都會開始出現意外，意外太多，我們應付不過來，身體就崩潰了。
日常生活中，我們做事情時也在時時的出現意外，打字會打錯，說話會說錯，走路會走岔路，不走岔路也會莫名其妙扭到腳，當然也有走著走著遇到地上躺著五塊錢這樣的意外。我們自己在不斷的產生各種意外，同時我們也生活在一個到處充滿意外的世界中，各種意外里，有好的意外，也有壞的意外，多數時候這些意外都是我們曾經遇到過的情況，有些時候也會遇到從沒遇到過的新情況。
新情況我們給它正式下個定義，對于我們來說，無法通過邏輯推理來預測的，也從來沒有遇到過的情況，就是新情況。如果基于環境來看待新情況，環境中產生的從前沒有出現過的情況，叫做新情況。
新生個體剛剛來到這個世界，遇到的情況都是新情況，在這個世界生活的時間長的個體，曾經遇到過許多情況，再遇到新情況的機會就稍微少一些，但是因為我們這個世界會不斷的產生新情況，所以只是稍微少一些，我們只要還在這個世界中存在，就會持續不斷的遇到各種新情況。
基于新情況，我們現在可以說明什么是開放式環境了，條件很簡單，能夠出現新情況的環境，就是開放式環境。
我們的身體就是個開放式環境，因為它能出現新情況，基因傳遞的時候，丟掉一個堿基，隨便補一個，與原來不同，產生的后代于是也與原來不同。這種不同，無法通過邏輯推理來預測，我們根本沒法知道某個堿基把他換掉會是個什么結果，只有下一代出生的時候，才會明了，這便是新情況出現了。當然歷史上也許出現過其他個體也在同樣位置的基因變異，但對于現在產生變異的個體來說，這是頭一遭，所以對于現個體，這是個新情況，對于我們這個世界來說，是個舊情況。
我們有時也會遭遇某些新病毒，這些病毒我們從來沒有遇到過，現在侵入了我們的身體，那就也是新情況出現了。如果這種病毒已經存在了很久，也許500年前就已經造成許多個體死亡，期間一直在蟄伏狀態，那么對于剛剛感染病毒的個體來說，這是個新情況，對于我們這個世界來說，是個舊情況。我們發明了疫苗，就是為了讓我們的身體把某些新情況變成舊情況，這樣應對起來就更從容一些。如果是新出現的病毒，剛剛變異出來的病毒，那么對于我們這個世界來說，就也是新情況了。
某種情況在某個環境中發生了，在這個環境中以前沒有發生過，便是新情況，其他環境可能已經經歷過，便是舊情況，這樣就有了兩種不同的角度。新情況有可能由我們自己產生，也有可能是外部進入的，只要環境能夠出現新情況，那么這個環境就是個開放式環境，所以我們的身體是個開放式環境。
我們去上班，來到辦公室，在這里也有可能出現新情況，比如有人上門推銷，比如有人來找人，比如有人來吵架甚至來打架，比如有人來偷東西，比如下雨辦公室被淹了，比如地基沒打好導致辦公樓墻體開裂，比如地震把辦公室震塌了。有些情況我們通過加強管理可以避免，有些情況我們通過預防可以繞過，但這個環境總還是會出現一些我們無法預測的，也從來沒有出現過的情況，所以，這也是一個開放式環境。情況不一定要發生，有發生的可能，就是開放式環境了。
開放式環境不一定必須是個實際存在的環境，也有可能是個抽象領域。比如社會，在社會中，可以發生各種事情，正常情況是人民安居樂業，但是有時候總會出些意外，比如某地發洪水了，或者某地火災了，導致許多人無家可歸，這是意外發生，屬于天災型，也有可能社會富裕了，外族入侵了，這是人禍型。這都是經常出現的情況，對于社會有時也會有從沒出現過的情況，比如秦王統一六國，原本是封建制，被他改成郡縣制了，這便是新情況出現了。對于社會這樣的復雜而笨拙的環境，新情況的出現一般都會有一定的鋪墊。
繼續放大到我們所在的這個宇宙，它也是一個開放式環境，也會不斷的有各種新情況出現，宇宙形成最初是沒有各種天體的，許多物質聚集在一起，天體出現了就是新情況，各種物質聚集在一起，聚集的太多，輕物質被擠壓成重物質，并且開始發出能量也是新情況，發出的光和熱溫暖了我們的地球，讓我們有了不同于其他行星的環境也是新情況，這個環境中，生命出現了也是新情況，生命分化成了許多許多種類也是新情況，這些種類中，有些東西脫離了植物范疇，能跑能動了也是新情況，動物們可以發出聲音也是新情況，聲音可以用來互相交談也是新情況。新情況太多，在每個角落發生，所以說我們這個宇宙是個開放式環境。
兩個環境互動的時候，最容易出現新情況，比如某個人學習用電腦，人是一種環境，電腦是一種環境，兩種環境中的各種規則都大相徑庭。拿著滑鼠點一下檔案夾，它完全沒有反應，這對于我們來說，就是新情況發生了，點了兩下，檔案夾打開了，也是新情況發生了。 電腦用的差不多了，智能手機出現，作業系統與電腦不同，使用方法也不同，剛剛學習的時候，便是兩種環境互動的時候，我們也會遇到手機上的各種新情況，而且不僅僅是我們會遇到新情況，手機也可能遇到一些新情況，比如手機用著用著沒電了，我們隨便抓了個充電器，就給它充電，結果電壓不一致，原來要求5v，現在接入6v，高出了1v，并非手機設計所要求的充電電壓，那便是手機遇到情況了。
手機遇到的這種情況，對于手機來說有可能是新情況，也有可能不是。如果設計者沒有考慮過這些問題，電壓接入范圍不夠寬，不能覆寫6v電，就有可能造成某些部分損壞，這便是遇到了新情況沒有應對好。但是如果設計者提前預測到這種情況，設計時已經做出了超出電壓范圍的應對策略，那就不算新情況了。新情況是無法預測且從未經歷的情況，這里的應對策略通過邏輯推理得到，已經預知可能出現此類情況，所以對于擁有了這種應對策略的手機，電壓高出標準值1v是不算新情況的。
對于沒有預置高電壓應對策略的手機，高壓來了的情況無法應對，便會造成損毀。造成損毀有可能是兩種原因，第一種：遇到的情況是新情況，沒有預測到，無法預測到，也從沒出現過，無法得到應對經驗，于是機器內也就不會包含相應的應對策略；第二種：情況可以預測到，或者情況曾經發生過，但是由于某些原因，也許設計師人太懶，也許制造成本制約，沒有將相應的應對策略包含進機器，導致機器無法應對。
簡單到手機應對不標準電壓是這樣的，復雜到數字思維面對我們這個世界，基本原理也是這樣的：對于以數字思維為基礎的機器來說，它必須要包含應對某些情況的應對策略，才能應對這些情況。策略可以通過邏輯推理獲得，也可以通過曾經經歷過，預先內置策略來獲得。
只是這兩種途徑都不是真正解決問題的途徑，尤其不是面對新情況，需要應對新情況時的有效途徑。因為新情況無法通過邏輯推理而知曉，第一條推理之路就斷掉了，而且新情況是從未遇到的情況，第二條經驗之路也就斷掉了。于是機器就面臨著一個無法應對新情況的問題。
uj5u.com熱心網友回復：
在這里，不管是什么等級的機器，簡單到計算器也好，復雜到數字思維體也好，因為它們都作業在數字化基礎上，作業方式是精確思考模式，精確思考模式是把現實世界中的各個精確的點提取出來，使它們只在這些精確的點上作業，這樣的提取就產生了一個界限，機器只能在這些界限內作業，不能超出界限。在不能超出界限的情況下，要應對某些情況，就必須把應對情況的界限預先擴展到能覆寫情況的范圍，情況在范圍內才能應對，要使情況在范圍內，就必須通過上段的兩種途徑，要么推理出情況，就使應對范圍擴大了，要么曾經經歷過，就也使范圍擴大了。機器要應對某些情況，必須把應對范圍擴大到能應對情況的程度，那么我們自然人也是這么作業的么？
當然不是啦，我們的應對模式比機器要高明的多。在遇到某些情況的時候，需要我們解決掉某些問題的時候，想想看我們都是怎么做的？
比如走著走著發現地上有5塊錢，假設我們從來沒有想過這種情況，假設我們也從來沒有經歷過這種情況，我們的做法是遇到這5塊錢后，立即產生某個應對想法：撿起來揣兜里，然后心里美滋滋。
類似的情況我們隨時都可能遇到，比如現在要給手機充電，突然發現資料線插不進充電寶了，仔細一看，資料線介面的地方不知什么時候被擠了一下，插口變形了對不上了。我們也許從來沒考慮過會遇到這種情況，也從來沒有遇到過，我們的應對方式是，在發現介面變形的當時，新產生一些應對策略，比如換一根線，或者找個工具把變形的介面矯正回來，這是兩種應對策略，都是在遇到這種情況之后，新產生的策略。
上面說的是情況明了的時候，在情況不明的時候，我們也會產生新策略幫助我們應對情況解決問題。比如上著上著網正高興，頁面突然卡住不動了。我們不清楚是什么原因造成的，這種情況下，我們會產生一大堆新生策略，也許電腦死機了，那么重啟一下試試看？也許網卡罷工了，換手機試試能不能上網？也許路由器掛掉了，那就要新買個路由器了？或者沒有交網費斷網了，那就必須繼續交錢了。
所以，我們是怎么應對各種情況的？通過遇見情況之后產生專門用于應對該情況的策略來應對這些情況。這樣就不需要把應對情況的各種策略先行置入我們的大腦，也就不會有應對范圍這個問題，沒有應對范圍的話，那么不論是舊情況還是新情況也就都能應對了。
新情況出現的時候，雖然我們沒有經歷過，沒有邏輯推理出來過，但我們可以通過產生新策略來應對新情況，往更底層來說，就是用新情況來應對新情況。新策略本身也是一種新情況，是由我們在需要的時候自身產生的，之所以能夠產生，是因為我們是混亂思考模式，我們在模擬作業方式的基礎上，把各種亂七八糟的因素都揉合在一起，于是可以產生各種新情況。
新情況在這里不等于意外，更不等于錯誤，但是只有能夠產生錯誤，能夠產生意外，才具備這種產生新情況的能力。到了遇到某些情況，需要我們產生新策略這種新情況的時候，我們才可以主動的自發的，像產生錯誤一樣產生出不同于錯誤的新策略，來應對當時的情況。
當然這并不是唯一的應對方式，我們如果經歷過某些事情，已經做過一次或者多次，就會有相應的應對經驗，或者說應對策略已經存在于我們的大腦中，也有些時候，我們可以通過邏輯推理，推測出可能遇到的情況，這兩種途徑，和機器的應對途徑相同，都是預置策略的方式。但是面對新情況的時候，預置策略的途徑無效，只有當時產生新策略這種途徑才有效。也就是說，我們比機器多了一種選擇，多了一種萬能應對法：產生新策略。
不過有些時候，哪怕已經預置了應對策略，我們也可能會重新產生一些新策略，比如上學學了幾何這門課，老師布置了家庭作業，某一題要證明三角形這個角等于那個角，班長已經做好啦，我拿來看一看吧，看過發現，哦他原來是這么證明的，于是這個策略在我看別人作業的時候，就置入了我的大腦，但是我發現，他的證明程序太繁瑣了，完全可以更簡單一點，于是我沒有按照他的策略來寫，自己開創了其他證明方法，也就是重新產生了一種策略。新老策略都出現的時候，我們會作出比較，選擇更有利的策略。這種方式叫改良式創新，到了后面應用章節的時候，我們會更詳細的討論。
也有些時候，我們明明已經內置了應對策略，但是又不得不重新產生新策略。比如老師上課講到某一題，當時聽明白了，到自己一做題，又莫名其妙了，于是就不得不絞盡腦汁自己再推導一遍。這也是在產生新策略，以應對忘記了解題方法這種情況。
在幾種應用策略的途徑里，跟機器相同的兩種，我們都比不過機器，機器的邏輯推理能力比我們強大的多，人工智能圍棋程式下棋的時候，可以推算到后面幾十步，計算能力強的話還可以更多，我們能推個五六步就已經頂天了。機器一旦預置了某些應對策略，它一定不會忘記，只要它記憶模塊不損壞也不洗掉這些策略，就會一直記著。我們可不是，某些事情之前做過做的挺好，再來一遍的時候就忘記怎么做了，做下來也沒有之前完成的好，這是再正常不過的事情了。不過這兩種途徑都只能應對一部分情況，不能應對所有情況，尤其是不能應對新情況，只有隨時產生新策略這種方式，才能應對所有情況。
產生新策略的方式覆寫的情況全面，要更有效，也更重要，所以，預置策略就只成為我們進化程序中的輔助發展方向，產生新策略才是主力進化方向。新策略是否好用，是否能應對好面對的情況，取決于我們產生新情況的能力，從最開始的那個生命誕生起，我們就在不斷提高我們的這種能力。產生新情況的能力越強，在遇到各種情況的時候，就越有足夠的能力，越可以產生出應對這些情況的新策略，越能適應好環境，產生新情況的能力越弱，產生的新策略就越不好用，遇到某些情況的時候就越會吃虧，環境適應能力就越差。
最初的生命到現在，我們已經分化成各式各樣的動植物，植物們太笨啦，我們就不說它們了，拿動物們來說。為什么是我們把老虎關在籠子里，而不是老虎把我們關在籠子里，我們明明打不過它們。原因我們都知道，是我們比它們更聰明，聰明體現在是不是有辦法，這個辦法，就是各種新策略了，新策略是新情況的一種，得到策略需要我們有產生新情況的能力，產生能力越強，新策略就越好用。
大家都遇到了火這種東西，我們和老虎們都面對這種新情況，所能產生的新策略是不同的，由于我們產生新情況的能力更強，也就能產生出可以駕馭火的高級策略，我們不怕它還能運用它，火就成為了我們的大法寶，而老虎們產生新情況的能力比較弱，所產生的新策略，只能是躲開火不要被燎到毛這種低級策略，無法駕馭火而且還會怕火，火就成為了它們的大魔頭。火鷹們介于中間，它們已經產生了用火的策略，也就不會怕火，但仍然無法出現生火的新策略。
除了要面對外部世界出現的各種新策略外，我們自己也在時不時的產生各種新情況需要我們來應對。比如說錯了話，有時候我們提前想好了，說錯了話怎么辦，那就是預置了說錯話的應對策略，多數時候我們都沒有想好，也就需要隨機應變。或者走岔了路，我們提前查過地圖，在走岔的時候，也許就能走回來，或者我們對這個地方非常了解，那么相當于地圖早已預置在我們記憶中。但有些時候我們去一個新的地方，不了解這個地區，又走岔了路的話，那便是新情況出現了，這時候，我們就必須產生全新的策略來應對這種錯誤。
產生出的新策略是不是好用，還跟我們的感知能力和知識儲備有關，感知能力越強，得到的可以用于產生新策略的元素就越多，知識儲備越豐富，預備的可以用于產生新策略的元素就越多，可以利用的元素越多時，產生新策略的條件就越好。不過，各種元素都夠多夠好的情況下，最侄訓是要由思維最底層的產生新情況的能力來起作用。在我們人類社會中，每個人產生新情況的能力都各有不同。大家硬體配置都是一樣的，都有四肢有手腳，有眼睛有鼻子，哪怕知識儲備差不多，在面對相同情況的時候，大家各自產生的策略也是不一樣的。
比如有個人叫韓信，他打過一個背水之戰，敵方守住驛道，居高臨下，而且人比他多，韓信手下人少，正常情況下攻城一方必須人多，否則打不贏，但是他把大軍背水列陣，使大家無路可退，用置兵士于死地的方式，來激發兵士們的戰斗力，敵方看他背水，認為韓信不懂兵法，輕敵出陣，同時漢軍無路可退不得不拼命，于是人人奮勇，最終打贏。
他這個策略十分厲害，本來敵人是守方，有地利和工事可以借助，但是他產生的策略讓敵人放棄了地利優勢，同時己方的不利條件，背后有河，居然被他變成了有利條件，用來激發士兵潛力。同樣的一塊地，大家都在這里打仗，所產生的新策略不同，就導致了占據有利條件的人反而打輸了，占據不利條件的人打贏了。這樣的情況當然是新情況，韓信從來沒有在這里打過仗，所以，并不會預置各種應對策略，在沒有到達這個戰場之前，也不可能憑空推測出戰場環境，以及怎么應對，是到達具體地點之后，根據當時條件，所產生的新策略，這些新策略專門用來應對當時環境的各種新情況，由于他在征戰這個方向產生新情況的能力高于一般人，產生的新策略也就比其他人更好用。
有些人的新情況產生能力強一些，有些人的新情況產生能力弱一些，能力弱的人面對能力強的人，正面沖突的時候，吃虧就是大概率事件了。除了各人能力強弱有差別以外，我們每個人在新情況產生方向上，都各有不同，韓信的例子說明他的新情況產生能力主要表現在征戰方向，于是也就經常會有比較好的戰術策略。但是他在其他方向上，新情況產生能力比較弱，于是最后被人玩死啦。
觀察我們的日常生活就會發現，新情況產生的能力，每個人的強弱都不同，每個人的方向也都不同。有些人邏輯思維能力很強，能很輕松的理解高等數學這種奇怪的東西，有些人藝術感知能力很強，能設計出各種賞心悅目的令人愛不釋手的產品，有些人制衡能力很強，能借力打力，知道什么時候該進什么時候該退，有些人無界屬性很強，對于一般人都只會原地踏步的情況，能很容易就實作突破。除了強項以外，我們各人都還有各人的弱項。各種方向的新情況產生能力，都來源于以模擬為基礎的混亂思考模式。
每個人能力強弱不同，能力強項也不同，都由進化法則的第一步驟決定，即產生盡可能多的結果。于是，我們在生長程序中，就出現了各種不同方向的新情況產生能力，也在某一個方向出現了各種不同強弱的能力。如果某些人的新情況產生能力太弱，弱到了他產生的新策略無法幫助他適應環境，進化法則的第二步驟就會出來干涉，把這個個體消滅掉。
對我們的作業模式，以及我們應對開放式環境的做法足夠了解之后，我們來看看人工智能們會面對什么情況。首先機器都是基于精確思考的個體或者合體，不管它們以什么形式存在，只要作業基礎是數字化，就會一直準確，一直準確就不會犯錯誤，就不會出現意外，就不能產生新情況。不能產生新情況只是第一步遇到的問題，即不能前進的問題，因為前進的基礎是能夠產生錯誤，是能夠產生意外，是能夠產生新情況，機器不能犯錯于是就不能前進，那么如果不打算前進的話，是不是就不需要產生新情況了？當然不是。
哪怕不需要前進，也仍然需要應對開放式環境，開放式環境是能夠產生新情況的環境，在開放式環境中，比如我們這個世界，總會一直不斷的產生各種新情況，新情況產生的時候，需要應對的時候，自然人通過當時產生新策略來應對。機器的應對方式一是邏輯推理出應對策略，二是預置應對策略，只有策略范圍可以覆寫所遇見的情況時，才有相應的策略來應對這種情況，范圍不覆寫所遇情況時，就無法應對。這兩種途徑都無法應對新情況，新情況的無法推測和沒有經歷過，導致新情況不會存在于機器的應對范圍內，也就沒有相應策略可用，所以，機器遇到新情況的時候就會出現問題。
這個結果是機器的作業模式決定的，或者也可以說是機器的本質決定的。并不會因為技術水平提高了，就能夠應對新情況了，不管技術水平多高，突破了能源枷鎖也好，突破了感知局限也好，自己能長出零件來也好，代碼能撰寫完美也好，都改變不了機器以數字化為基礎的本質，都改變不了機器精確思考的作業模式。所以，不論技術發展到了多先進的程度，只要本質還是數字化思維的精確思考模式，就必定受到精確思考模式的制約，所以，這個問題并不是一個技術層面的問題，也不可能通過技術進步來解決掉。
假設機器現在的認知范圍是1、2、3、4、5、6、7、8、9…這些整數，現在出現了7.2這么一個小數需要機器來處理，不在范圍內的情況要怎么處理？從各家大公司撰寫作業系統的例子來看，它們是沒法處理的，需要打補丁，需要把之前沒有覆寫到機器處理范圍內的情況覆寫進去，然后它才能具備相應的應對策略，才能正確處理這些情況。不僅僅是作業系統，各種軟體甚至硬體都會時不時的需要打補丁，到了一定程度還需要更新換代，這里面的主要原因就是現有機器不能處理某些更新的情況。
比如原來我們電腦里用的記憶體，現在新一代記憶體發明出來了，雖然速度更快，容量更大，但是機器里沒有這個能插新記憶體的插槽要怎么辦呢？而且不同代級的記憶體，大家還故意把它設計成不一樣的插槽，目的之一就是防止新一代記憶體被插在舊一代插槽上，為什么不設計成一樣的？那多么簡單。對于我們是簡單了，但是機器受不了啊，它們在出生的時候就沒有使用新一代記憶體的功能。有時候我們通過變更軟體來覆寫新范圍，但軟體并不是萬能的，舊硬體在設計的時候就是粗笨的，需要更精細化的結果時，它完全做不到，也就必須要被淘汰掉了。軟體也會被淘汰，硬體也會被淘汰，這個根源，就是機器無法產生新情況。
我們的這個宇宙是個開放式環境，能夠產生新情況，也不斷的在出現新情況，所以不論什么個體，在我們這個宇宙中生存，都必須能夠應對新情況，否則就不能適應環境，不能適應的時候，進化法則的第二步驟就要出來消滅不能適應環境的個體。進化法則是法則，我們無法改變只能適應，所以，不能產生新情況的機器，也就無法產生新策略，也就無法適應我們這個世界，它們的存在與開放式環境不匹配。
機器們也確實一直在被淘汰，需要應對的領域越復雜，新情況出現的越多越快，被淘汰的速度也就越快，最簡單的計算器我們可以一用幾十年，甚至如果它不壞，也許可以用上幾百年，幾千年，幾萬年，計算器所需要應對的情況很簡單，就是算數，我們需要它作出反應的情況，它都能覆寫，所以它可以長久的存在下去。
比較復雜的機器，比如電腦或者手機，淘汰速度就快的多了。它們需要應對的環境更加復雜，而且這個環境中，還不斷有新情況出現，比如新的記憶體技術發明了，比如新的通信技術發明了，它們不能應對這些新情況，哪怕沒有壞掉，因為需要適應的環境發生了變化，也就不得不退作歷史了。
對于更復雜的機器，也會是這么個情況，人工智能們，我們一直試圖讓它們干這個也干那個，想把它們用在所有我們能想到的領域，不管以后它們在哪些領域出現，這些領域都屬于我們這個宇宙，都基于開放式環境，在開放式環境中，就會不斷的有新情況出現，在它們所能預置的策略不能應對新情況的時候，就會出問題。所以，我們必須提前內置各種應對策略給這些機器，但是哪怕我們把這個世界上所有的情況都內置進機器，讓它們能夠應對了，只要經過一定的時間，更新的情況就會產生，應對范圍和其中的應對策略就無法覆寫新出現的情況，也就要出問題了。
而且因為人工智能也是在我們這個開放式環境中出現的，環境就會使機器本身也出現各種需要應對的情況。它們雖然作業在精確模式下，但精確的機器都是由各種不精確的部件組合起來的，我們前面說過沒有那兩片樹葉是一樣的，一臺機器里，也沒有哪兩個電阻是一樣的，本來應該一樣的部件都會存在一些差異，這些差異就會帶來各種情況，比如某一排電阻阻值有差異，造成某個電阻的作業負荷特別大，時間長就被啥訓了，機器就要出問題。或者緩沖橡膠老化了，或者芯片中出現電子遷移，都是需要面對的問題。也就是說，精確思考模式的硬體基礎，是從屬與開放式環境的，在開放式環境中，零件本身會出現問題，會不斷的趨向游離和發散，趨向程序中，就會出現錯誤，或者說意外，也可以叫做新情況。它們也必須要面對自己的底層基礎所產生的各種新情況。
有些人會覺得，機器不能產生新情況這個太絕對了，通過隨機演算法，不就能產生新情況了么，比如我們讓機器從1到10000隨機，出現了一個4096，這個數字在這臺機器上從來沒有出現過，難道不算它產生了新情況么？
我前面隱約也提到過，這個屬于范圍的問題，從有界無界的角度來看，就可以更清晰一些，而且到了無界這個程度，可以說就比新情況要更底層一些，也更接近我們自然人的作業模式核心。
如果是1到10000來進行隨機，那這就是一個范圍了，有這個范圍存在，無法隨機出10000以外的情況，也無法隨機出負數或者0，想要隨機出這些東西，就必須擴大應對范圍。擴大范圍之后，比如，從負10萬到正10萬，那才能夠隨機出0。機器的隨機，始終都會有那么個范圍存在，根本原因在于它作業在數字模式下，是把我們這個世界中的有限個點拿出來，就只作業在這些點上，它只能恰好停在這些點上，不能停到點外去，如果想停在某個沒有納入范圍的點，就必須先把這些點加入范圍之內。
隨機演算法也好，窮舉演算法也好，其他各種奇妙的演算法，都是作業在這種模式下的，這種模式就是個先確定作業在哪些位置的模式，換句話說，是先確定作業范圍的模式，所以，它總會有個界限，界限可以很大，大到無限接近于無限，但終歸是有限的。
然而我們這個世界是一個無限的世界，無限體現在各個角落，1到2之間有多少個狀態？現實世界中，1到2之間有無數個狀態，機器模式下，精確模式下，1到2之間有多少個狀態要看精確度到什么程度，但不管我們把精確度放到小數點后多少位，只要確定精確度，范圍就確定了，范圍確定了，界限也就出現了，界限以外的東西就觸及不到了。
我們在模擬模式下，可以停在任意位置，1到2之間所有的位置我們都能到達，當然我們并不準確，無法停在指定位置，但是我們有能力可以停在這個位置。機器沒有這樣的能力，它們是一階一階的，各階之間是斷開的，并不是連續的，所以也就總會有個界限。
因為總會有個界限，隨機起來就會是有界隨機，有界隨機就只能出現有限個狀態。而自然人作業在模擬狀態下，如果隨機起來，就是個無界隨機，無界隨機可以隨機出無限個狀態。同時，我們整個世界都是這樣的，除了我們發明出來的精確思考的機器外，自然產生的東西都是模擬狀態，也都呈現出無限性。從北京到上海，中間有多少個位置？有無限個，從北京到天津，中間也是無限個位置，從桌子這個角到那個角，中間也是無限個位置，一把尺子1毫米到2毫米刻度之間，也是無限個位置。
我們思考問題的時候，也有無限種可能，我們在隨機的時候，就也會出現無限種可能，我們的作業模式沒有界限，所以我們思維產生的隨機，叫做無界隨機，機器的隨機是有界隨機。只有在可以產生無限種情況的時候，才能應對無限種情況。所以機器無法應對我們這個世界，我們的世界到處都是無限，機器如果要應對我們這個世界，必須具備無界隨機功能。
無界隨機是我們這個世界最底層的核心，整個世界都在不斷的無界隨機，正是無界隨機帶來各種五花八門的紛繁復雜的情況，我們也能夠無界隨機，有了無界隨機能力，才能產生各種策略，應對各種情況。
無界隨機最大的作用是突破，無界隨機并不只是隨機出已經存在的各種結果，還能隨機出從未出現過的結果。我們是各種錯誤的集合，我們的各種功能，眼睛也好，鼻子也好，耳朵也好，用來看的用來聞的用來聽的，這些功能都是無界隨機隨出來的。如果只能在某個界限內隨機，是不能隨機出從未出現過的東西的，這些東西也叫新情況，又回到這里了。
目前看來，對于我們這個無限的世界，宏觀尺度上好像只有一種東西是個例外：光。光的速度是不變的，它好像恰好卡在了某個位置，這應該是個數字化才能體現出來的特性。根據我們世界的無限本質，我來瞎猜一下，等到我們更加了解了光這種東西，把制約它的因素搞清楚，甚至能改變這些因素的時候，也許會出現慢速光，或者快速光，不等于現在這個速度的光。
扯遠了，我們繼續說機器，如果要機器取代我們，那么它們必須有應對這個世界的能力，要具備這種能力，就不能只通過預置策略來做到，必須能夠產生新策略，新策略是一種新情況，產生新情況，需要最底層的無界隨機功能，所以，如果哪個程式員靈光大顯，寫出了無界隨機的代碼，那么機器就過了最關鍵的一關：法則關。所以如果想要證明我基于法則匯出的這些結果不正確，把無界隨機演算法研究出來就可以了。當然如果機器可以無界隨機了，那也就意味著，機器取代我們只是時間的問題了。
世界的本質是模擬、連續、無限和混亂，我們的本質與世界相同，才能存在于這個世界中，那么是不是能設計出基于模擬作業方式的機器呢？如果機器與我們世界的作業方式相同，就不會出現不匹配的情況了，應該也就具備無界隨機功能，也就能產生新情況了吧？
理論上是這么回事，但是實際情況比較令機器無奈。假如我們設計出模擬作業模式的機器，甚至讓它們也能混亂思考，就會出現這么一種情況。
我們說：機器我交給你一個任務，你把我這100個檔案夾從A盤拷貝到B盤。
過了一會，機器說：我拷貝完了。
我們過去一看：嗯？怎么只有98個？
機器看了看：呃，不好意思丟了兩個。我重新拷。
又過了一會，機器說：拷完了。
我們一看：哦，這次沒錯，不過，我讓你拷到B盤，你怎么給我拷到E盤去了？
機器說：B和E長的差不多。
我們：要你有什么用，起開起開，我自己拷。
既然我們自己拷了，那么為什么要發明出這種機器來呢？作業在模擬模式下的機器，必然會出現各種不準確的結果，如果還混亂了，就會跟我們一樣，出現各種錯誤，能產生錯誤就能產生新情況，這對于前進是好事，但是只對于我們來說是好事，對于機器來說，如果它頻繁出錯，而且錯在它自己，并不是我們程式寫錯造成的，從一開始，我們就會無法容忍這種機器的存在，也就不會把它們發明出來了。
同時，作業在模擬狀態下，不僅僅是出現差不多結果的問題，無法做到準確，就必然會帶來速度的下降，高速度是建立在準確的基礎上的，如果機器不準確，那在執行每一個步驟時，就都必須確定精度是否足夠，才能繼續下一步，這樣跟我們就沒什么差別了。我們算的也慢，它們算的也慢，這樣的機器為什么會被發明出來？
還有更要命的，錯和慢是假設機器與我們有相同的思考能力得出的結果，但是我們制造出來的機器，不會直接就能在思考能力上同我們匹敵，開始的時候，它們的思考能力必定是非常弱的。我們現在的思考能力超過這個星球上所有其他物種，是由于我們經過了許多億年的進化，把思考能力弱的道友們都淘汰掉了，才形成我們現在的強。比我們弱的東西比比皆是，比如有人養狗，狗是挺高級的動物了，也在食物鏈占據比較高層的位置，可是它能知道該怎么烤面包么？模擬思考的機器也許比狗子們還弱些。樹上有蟲子，吃樹葉的也好，吃樹干的也好，蟲子們也是作業在模擬狀態下的，機器們的思考能力如果只能達到樹蟲們的水平呢？
這樣的機器對我們來說完全無用，我們專門去發明這種東西么？發明出來它們也和我們一樣很慢又經常出錯，真忙不過來，直接雇個人來做就好嘞。我們之所以需要機器，是因為它們不會出錯，不會出錯才能高速運算，才能用來彌補我們為了前進而放棄掉的那些精準和速度，要精準和速度，就必然需要把最底層的作業模式建立在數字化基礎上，必須是一階一階的，必須每個結果都能對得上前面的條件，才不會出錯，速度才能提高。我們本身就是模擬的機器，也就不需要再制造模擬的機器了。
關鍵的東西，大部分都在這一節，總結一下吧。我們的世界是個開放式環境，開放式環境是指能夠產生新情況的環境，新情況的產生需要模擬而混亂的作業模式，我們所在的這個宇宙就是這么個作業模式的，它在不斷的產生各種新情況。生存在其中的我們，也作業在模擬而混亂的模式下，也在不斷的產生各種新情況，而且在面對各種情況的時候，不論情況由環境產生，還是由我們自己產生，我們都可以通過產生相應的新策略來應對這些情況，這是應對開放式環境的終極方法。機器們不論是簡單的計算器，還是高級人工智能，都作業在數字模式下，都是精確思考模式，精確思考模式是把關鍵點提取出來，并且只作業在這些關鍵點上的模式，這種作業模式是有范圍有界限的，因而機器們在作業的時候就會被限制在某些范圍內，就無法產生超出界限的情況，更無法產生新情況，在面對沒有預置應對策略的情況時，由于范圍不能覆寫這些情況，機器就會無法應對。機器通過類似隨機演算法的方式所能產生的情況，都只能是既定范圍內的情況，如果真要擁有應對開放式環境的能力，需要真正的隨機模式：無界隨機。由于機器是基于精確思考模式來作業的，無法做到無界隨機，也就無法產生新情況，也就無法產生新策略，也就無法應對開放式環境。
uj5u.com熱心網友回復：
八、封閉式環境既然人工智能被各種基礎法則所制約，這也做不到那也做不到，那是怎么在下圍棋的時候戰勝各路九段高手的呢？
這個問題，實際上在計算器上就已經顯現出來了，計算器們在算數的時候，無論是加減乘除，還是乘方開方，都算的極快極準，遠遠超過我們的水平。根本原因是它作業在一個沒有新情況的環境下。計算器做算術題的時候，只面對各種預置策略能夠覆寫的情況，我們不讓它去處理范圍以外的情況。
開放式環境是有可能出現新情況的環境，封閉式環境是不能出現新情況的環境。封閉并不是指某個地方用鐵絲網攔起來了，大家進不去，也不是指掛了牌子顧客止步什么的，而是每個進入這個環境的個體都遵守環境中的規則，環境中的個體都不產生新情況，同時環境本身不產生新情況，這樣的環境就不會有新情況出現，叫做封閉式環境。
封閉式環境可以是具體的地方，也可以是抽象領域，可以隨時形成，也可以隨時消失。我使用計算器的時候，我同計算器之間就構成了一個封閉式環境，我是參與個體，計算器是參與個體，我懂得計算器的規則，計算器自然也懂，我按照計算器的規則來輸入各種條件，計算器按照它的內置策略來應對這些條件。在這個程序中，我和計算器都絕對遵守計算器相關的各種規則，我不破壞規則，計算器也不破壞規則，這便是由兩個個體組合成的一個封閉式計算環境。
如果我打算讓計算器干點別的，比如說計算器你給我唱個歌，那便是我不遵守規則了，便打破了環境的封閉性，使這個環境變成了一個開放式環境，因為這里有新情況出現了。
這里說的規則不是法則，法則不是人為定出來的東西，不管我們去不去了解它，它都一直存在，都一直起作用，只要我們遇到某些法則相關的領域，法則就自然發揮作用，不管我們想不想遵守，它都會發揮作用。規則有時候是法則，有時候不是，但一般都是人為定出來的東西。
對于計算器來說，它要符合加減乘除法則，要符合乘方開方法則，運用這些法則進行計算的時候，結果才可以正確。不過如果我們在制造計算器的時候，讓它把5+5算成18，就這么給它定下來，那這就不符合加法法則了，只是我們人為定出來的東西，只算是規則。如果我們就這么給計算器定下來，它就會這么去算，這便是規則，雖然結果不正確，但是它會遵守。
再比如說，我買了一塊電子表，時間不準，現在需要調時間，時間具體怎么調，這個調節方法是有一定的規則的，手表出廠的時候，由廠家設計這些規則，我需要閱讀手表說明書，或者通過實驗得知。我知道了調節方法后，按照調節方法，才能把時間調準。這些調節方法，就是規則。在我調時間的時候，和手表組成了一個封閉式環境，在環境中，我用了解到的手表規則去和手表互動，手表自然也用這些規則來作業，這里沒有法則，只有規則，我們倆都遵守規則，都不破壞這個環境的封閉性，都不產生新情況。這個環境存在時間非常短暫，我調好了時間，就離開這個環境，環境自然就消失了。
各種棋類都是封閉式環境，不管是軍旗也好，跳棋也好，象棋也好，圍棋也好，不管有多少個體參與到一個游戲里來，也不管是自然人參與，還是數字思維參與，進入某個棋類環境的個體都會遵守環境中的規則，都不在環境中做規則以外的事，更不在環境中產生新情況，這就形成了封閉式的互動環境。每種棋類都有各自的規則，這些規則都不是法則，都是人為定出來的。
環境是否是封閉的，跟各種基礎法則沒有必然的聯系，只看環境中是否產生新情況。新情況的來源一般有兩種，一種是進入環境的個體產生，另一種是環境本身產生。我們這個世界是開放的，我們自己在不斷產生各種新情況，環境也在不斷產生各種新情況。進入環境的個體和環境本身都不產生新情況，才叫做封閉式環境。
封倍訓境的特點是有限，由于環境與個體都不會產生新情況，那么在封閉式環境中，
規則的總量就是有限的，不管是人為定出的規則，還是某些法則在環境中起到規則的作用，這些規則的總量都是有限的，最終由這些規則所產生的結果，其總量也就是有限的了，這個總量也許會非常大，但總會有個總量存在。如果是開放式環境，一直有新情況產出，那就不會有個總量，總量會一直增加，那就無限了。
對于機器來說，只有有限結果的環境是非常理想的作業環境，總結果有限，就可以事先預置應對這些結果的策略，應對能力只跟覆寫范圍有關，不需要考慮新情況的出現。
預置策略的途徑上節說過有兩種，一是通過邏輯推理獲取，一是通過經驗獲取。谷歌制造的圍棋程式，在最開始的時候，用的是第二條路，通過經驗獲取預置策略。他們把最底層的圍棋規則編成思考核心，這樣機器就知道了圍棋是個什么東西，知道了基礎規則，比如每次落一子，黑白交替。核心功能完備后，機器知道游戲規則后，教給它具體策略，策略就是各種棋譜，告訴它怎么使用這些規則，輸入的棋譜越多，預置策略越完備，棋力越高。
后來用的是第二條路，通過邏輯推理獲得策略。先也是把底層的圍棋規則編成思考核心，在機器知道了圍棋的游戲規則后，不教給它具體的策略，而是把兩臺機器放在一起，讓它們對弈。開始的時候，它們棋力很低，是還不能充分應用規則的結果，隨著對弈場次增加，不斷失敗或成功幫助機器積累了經驗，這些經驗并不是事先預置的，只通過不斷應用各種推理策略，用場次積累。下棋場次越多，積累的經驗越豐富，或者說積累的應對策略越豐富，策略越豐富的情況下，應對范圍越廣泛，棋力越高。
棋力的提高建立在規則不變的情況下，如果圍棋規則改變了，那就必須根據新規則重新推理，或者重新預置策略。如果規則一直在變，那就完全沒法真正提高了。比如說，機器執黑先行，某人用白子應對，機器再來黑子，某人繼續應對，下著下著，這人不高興了，找個記號筆，把白子涂成黃子，落了個黃子進棋盤，這就是新情況出現了，也帶來了規則的改變，就把封閉式環境變成了開放式環境，如果機器必須應對，就要有相應的黃子策略，策略通過推理或者經驗取得，推理或者經驗基于圍棋規則，規則里沒有黃子，這就沒法下了，就會出現某些奇怪的計算結果。如果不是機器，而是兩個人在下棋，某一人出了個黃子，另一人在遇到了這種新情況時，會離開原有圍棋規則，重新產生一個新策略來應對這種新情況，比如掀桌子。機器如果想掀桌子，它必須要預置掀桌子策略才行，不能當時產生，因為它們精確思考，不能產生新策略來應對新情況。能夠應對的只能是不會產生新情況的，不會有規則變化的封閉式環境。
棋類游戲大約都是這么個情況，有些棋類游戲規則非常簡單，所產生的結果總量也就比較少，甚至不需要用到人工智能這么復雜的程式，只用普通應答程式就足夠了。
但是到了現實世界中，許多地方都是開放的，不管個體進入環境時規則有多簡單，如果一直有新情況產生，就需要不斷的調整策略覆寫范圍，自己調整覆寫范圍這種事機器做不到，必須有人工參預，所以機器自己也就無法應對這樣的環境。
有些人把某些畫作輸入進機器，讓它學習，然后可以作畫，有些人把某些曲子輸入進機器，讓它學習作曲，有些人給機器新聞稿，讓它們學寫新聞，這都是同一類應用，都是讓機器在大量資料中，識別出其中的規則，然后應用新素材在這些規則之上模擬出前作，這是只使用預置經驗的操作方法。這一類做法的目的并非應用規則，只是為了識別規則，模擬結果，所以無法用邏輯推理途徑來應對，白話來說，在不教它們怎么做的情況下它就不會，必須教了之后才能起作用。這個太簡單，不說了。
在我們的世界中，有許多封倍訓境，理論上，機器都是能夠發揮作用的，但是也有許多假封倍訓境，會誤導大家。
比如自古以來就有法律這種東西，法律規定了我們有些事情不能做，各種法律都是規則，用來把某些不好的情況隔離出去，讓大家生活在更美好的環境中，但是這種隔離只能起到一定的作用，并非每個進入這個環境的個體，都會像下棋遵守棋盤規則一樣的遵紀守法，總會有些人做規則不允許的事，也就會出現各種破壞環境封閉性的結果，所以，雖然有法律法規存在，法規管轄范圍內，仍然是開放式環境。
而且我們這個世界上還不斷的會有新技術出現，新技術一旦出現，法律法規是沒有那么快跟的上的，比如說，如果人工智能技術發展起來了，人工智能相關的法律在許多國家都會是空白狀態。新技術的出現是一種新情況，新情況能夠出現在開放式大環境中很正常，法規無法及時應對，必須擴大范圍，這個看起來有點像機器的運行模式了，不過法律體系不是機器，我們自然人會很快產生各種相應的新策略，把新情況們都包含到法規里來。
高速公路也是個假封倍訓境，為了安全起見，高速公路都是封閉的，封倍訓帶來安全和秩序，也有各種交通規則和懲處措施幫助維持整個環境的封閉性，但是由于公路這個東西是我們整個大環境的一部分，大環境是開放的，于是公路上也就會出現各種意外，各種新情況。有時候是外部混亂個體進入，比如有狗跑上高速了，還被嚇著了，在那里亂竄；有時候是進入環境的正當個體產生的，比如某車爆胎了，甚至翻車了，或者還有故意的時候，不該變道的時候瞎變，不主動保持車距等；也有高速公路這個環境自己產生的，比如路面塌陷了，出了一個大坑；也有外部環境產生了影響這個環境的，比如下雪了，路面結冰了。
雖然我們把高速公路封閉起來，并且嚴加管理，希望它盡可能的封閉，但是這仍然是個開放式環境，盡管它看起來像是封閉的，所以這個環境只能算是個假封倍訓境。如果機器進入這么個環境，自然就會遇到各種新情況。
現在許多人研究人工智能，都把人工智能駕駛汽車作為發展方向，主要是因為許多電影電視里出現過這么一種東西，但是編故事的人并不懂得人工智能，更不懂得人工智能在面對開放式環境的時候會遇到新情況這么一種法則層面的問題，只是想當然的從個人愿望入手去設計故事，所以許多人在打算往人工智能方向發展的時候，首選人工智能駕駛汽車，是被導演編劇們植入了思維定勢。
在研究制造人工智能駕駛汽車的時候，可能會遇到這么一些情況，先搭建好人工智能汽車的硬體部分，再寫好底層的識別應對程式，把所有我們能想到的情況都教給汽車，這是預置應對策略的途徑。
把我們的駕車經驗，把各種需要遵守的規則，把遇到問題怎么應對，都變成演算法，變成程式模塊，放進機器內，然后開始實驗。在實驗室狀態下，或者在實驗場地內，由于進入這些環境的個體都不會有意無意的制造新情況給汽車，于是汽車很快就可以表現出足夠的駕駛能力。
高高興興上路測驗的時候，就比較煩惱啦，走著走著就會遇到1情況，這個情況沒有預置進汽車，無法應對，也許撞車了，也許莫名其妙停車了，甚至可能稀里嘩啦翻車了，遇到問題解決問題，拉回實驗室，仔細分析當時的情況，把1情況變成演算法模塊，置入汽車。
再次上路，走著走著遇到2情況，也不在應對范圍內，再次回廠，教汽車應對2情況。再次上路，又遇到3情況，再次回廠，預置3情況。再上路還有4情況，解決后，再上路還有5情況，還有6情況，7情況，8，9，10，11……
設計師們，程式員們拼死累活的一直在解決各種情況，預置進越來越多的情況，看起來汽車的能力變的越來越強，但是問題在于，所有的情況都能預置進來嗎？汽車上路之后能應付所有的問題嗎？很遺憾，是不能的。因為汽車需要應對的是個開放式環境，不論我們預置了多少應對策略進去，哪怕把現今世界所有已經出現過的情況都預置了，開放式環境的本質是不斷產生新情況，只要汽車上路，只要路上跑的時間足夠長，就會遇到某些新情況，使它無法處理。
有人可能會說，不對，現在有些自動駕駛汽車已經上路了，跑的挺好的。那只能說明它們目前沒有遇到范圍外的情況，預置的策略足夠應對，但是只要它們在開放式環境中存在，那么遲早是會遇到應對范圍外的情況的，這只是個時間的問題。
我們十分希望有人工智能汽車這種東西，坐上就走了，想想都舒服啊。人工智能汽車的目的大概是兩個，第一，緩解駕駛疲勞；第二，應對危險情況。目的一比較簡單，它能夠正常運行，能把我們從一處載到另一處就可以了，要實作這個目的，只要能正常識別環境中的各種東西，能遵守駕駛規則就可以了，預置策略越多，就越能應對復雜的情況，當然要應對所有情況是做不到的。
針對目的一，人工智能汽車開發程序中會遇到這樣的情況，預置一些策略后，汽車上路，上路遇到新情況，返廠擴大策略范圍，再上路再遇到新情況，再返廠再擴大策略范圍，由于開放式環境中新情況會不斷出現，所以理論上，這個測驗通不過和需要不斷返廠的程序會一直持續。越是負責任的廠商，越是希望把所有情況都包含進應對范圍的廠商，就越無法正式發布正式上路。但是有些廠商不會仔細上路測驗，或者認為只包含部分策略就足夠了，那就可以先人一步搶占市場，當然這樣做，他們的車子也就只能應對比較少的情況，就會比較不可靠一些。
所以，不負責任的廠商，能應對的情況最少，可以很早發布產品；比較負責任的廠商，能應對的情況較多，只能很晚發布產品；絕對負責任的廠商，希望自家車子能夠應對所有情況的，產品永遠都無法發布。
目的二是不可逾越的難關，法則起作用的制約主要都在目的二。機器的運算速度很快，所以理論上，反應會非常快非常靈敏，機器的大局觀很強，理論上處理問題比我們要更合理完善，所以表面看起來，人工智能技術應該是能用來處理駕車遇險這種情況的。但遺憾的是，由于目前大家對人工智能還不夠了解，都沒有將機器運行的本質考慮進去。機器的反應速度比人更快，處理問題更具大局觀，是建立在機器已經了解了需要處理的情況的基礎上的，在已經學會下圍棋，且積累了大量應對策略的基礎上，可以下好圍棋，可以戰勝九段高手們。如果剛剛遇到圍棋這種東西呢？甚至圍棋玩法都還不明白的情況下呢？有沒有可能戰勝九段高手們？
所以到了汽車這，就會遇到這樣的問題，人工智能汽車上路開著，現在某種危險的新情況出現了，需要在0.5秒內作出反應。因為是新情況，汽車從來沒有遇到過，也無法邏輯推理得出結果，也沒有預置的應對策略，那會是個什么結果？老實說，我也不知道是個什么結果。想知道結果的人，可以自己做實驗，現在已經有許多自動駕駛汽車上路了不是？他們還不敢說自家車子是人工智能的，以后也許會有人工智能的。做實驗的時候，人在車外待著，讓車自己開，給它設計些意料之外情理之中的情況，我們是混亂思考個體，能產生各種新情況，產生一些出來給它，讓它經歷一下。總會有一些情況在汽車策略范圍之外，那應該就知道汽車會怎么應對了，實踐出真知么。
在需要應對新情況的時候，推理可知，我們應該比機器能做的更好，尤其是遇到危險的時候。開車遇到了危險，反應需要的是速度，并非精確，應對的時候只需要足夠快就可以了。在不需要精確性的時候，在只需要差不多的時候，我們和數字化思維是一樣快的，眼睛看到，大腦反應，手腳活動，都是神經信號傳遞，跟機器的電路作業速度差不多，機器只比我們多了精確性，但比我們少了新策略產出。情況出現了需要應對的時候，就要看機器的策略范圍是否覆寫需要應對的情況，如果是舊情況，也許機器能跟我們一樣好，或者稍微好些，如果是新情況，當然是我們更勝一籌。
所以通過機器的運行本質來推測，隨著技術不斷發展，人工智能汽車可以應對的情況會越來越多，但是由于有新情況這個大魔頭存在，遇到大魔頭的時候，需要隨時產生新策略這個大法寶來降伏它，那還是我們自己駕駛更安全。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/33124.html
標籤：人工智能技術
上一篇：r9s 刷回官方re