人工智能迅速发展，国家也已经开始实施，人类进化的下一个目标会是AI吗？

　　科大讯飞是国内甚至世界上最值得去发展的人智能，很多人因为她是一家上市企业，为了二级市场投资股票获得收益，出现认可和不认同等不同声音，但是，所有国人应该明白，科大讯飞代表了人工智能的未来，不管你相不相信，无论你是否认可！

　　原创思想，恕本人直言，现在的AI不过是新一轮的炒作而已，与上世纪80年代比，并未突破性的进展，原因是AI的核心是人脑的研究，但无论是听觉模式感知，视觉模式感知，自然语言理解，大脑思维上均未取得突破性进展。所以，AI的突破需要高智商的人耐得住寂寞，甘愿坐几十年的冷板凳。问题是，在急功近利的今天，中国还有这样的人才吗？中国支持这样原始创新的人才吗？

　　弱人工智能，实际上讲的就是自动化。AI讲的是强人工智能，就是能够模仿人脑的一些功能。包括人工智能专家在内的科学家，生物学家和人脑科学家，以及计算机专家和数学家。都认为从理论上讲，人工智能还没有突破“意识”这道关。发达国家，在以往的实践中，屡次拨款，都是无功而返。作为国家投资和提倡，首先要在理论上有所突破。爱因斯坦发表相对论，并不是靠国家计划来实现的。所以国家的支持和提倡，应该是对自动化行业的鼓励，对弱人工智能的辅助。基础理论上的突破，范围太广，无法把握，有很大的偶然性。某些机构和企业，过分渲染人工智能的美好前景！回避存在的致命问题。比如，手写文字的识别，相比较人，差的很多。这次的人工智能热，主要是由阿尔法狗引起。仅仅是人工智能很狭窄的一个领域。相对于手写文字的识别，市场小得多。

　　手写文字识别，蕴含着视觉识别的关键技术。由于关键技术的卡壳，使此领域的专家不受待见。其实他们的理论深度，最接近真相。

　　可以试想一下，爱因斯坦的广义相对论，在现在的舆论环境下，会不会被埋没？突破性的理论，往往难以理解。如果通过同行评议，才能发表，有谁愿意花精力去深入研究。其下场！必然是被埋没。相对论有几个人懂？要不是普朗克的极力推荐，只有可能被埋没。更何况现在的理论已经泛滥成灾，尤其是人工智能方面的文章，几十万上百万的积累。人们看文章，只能首先看名气。被忽略的新观点，肯定不计其数。

　　大脑为什么有意识？因为，神经元不仅需要信息刺激，还需要能量辅助。所以，人体内有激素分泌。激素就像集成电路的电源，但不同的是，集成电路的电源，像灌溉系统的漫灌方式。而人体的激素，是通过大血管，到毛细血管，精准定位定量定时，相当于滴灌。所以，血管有伺服神经。而伺服神经产生的兴奋，就是意识。而神经系统的信息传递，是递质在触角之间的传递。而激素， 是通过提高细胞膜电压的压差，提高神经细胞的灵敏度。 这样就能把注意力集中在，部分概念神经元，也具有分类功能。人脑为什么会无中生有地产生思维？就是由于神经细胞膜电压提高到临界状态。人为什么会做梦？就是因为睡觉，也能让神经细胞的膜电压提高。

　　信息神经网络，是通过结构的变化来记忆信息。血管的伺服神经网络，也是可以改变结构，来记忆意识类的概念。意识类的神经网络，相当于阿尔法狗的评价系统。

　　大脑为什么有注意力？注意力就是激素的管控能力。蚊子苍蝇，都有注意力。所以，意识也是注意力。现在的人工智能研究，完全忽略了意识的存在！只有尔法狗的评价系统，有些许突破，立刻引起了轰动。如果我们能把，集成电路的电源，进行精细化分类控制。不就相当于用很多GPU，代替CPU吗？最简单的gpu，就是一个神经元的数学模型。不同的组合，产生不同的功能。对大脑而言，每一个神经元就是gpu，这样才能产生，分布式计算，分布式记忆。

　　可以肯定的说，每个人的神经网络，都是各不相同。结构本身也能记忆信息，而不是，结构相同，递质的多少决定权重，继而记忆信息。不信，请拭目以待。

　　弱人工智能和强人工智能的第一个区别：神经网络是先天遗传，还是后天塑造？

　　学过硬件电子线路的同学，都知道译码器。比如老式计算器上的8字显示器，下面有一个三八译码器芯片电路驱动。输入端是三位二进制码。输出端是八段显示条，相当一个图像。如果把逻辑反过来使用。输入不同的图像，就能得到不同的二进制码。这个网络的逻辑清清楚楚！只不过是人为设计的。

　　大脑的神经网络是怎么设计的呢？大脑科学家用核磁共振仪器，观察带荧光的新生神经元。发现，老年人也有新的神经元产生。也就是说，新的神经网络，是由神经干细胞的触角，连接起同时兴奋的传感细胞，也包括神经细胞。这样的神经网络结构，就不同于现在普遍公认的神经网络，也就是说，连接网络的结构，是非标准的。所以，结构本身具有记忆信息的功能。这就像，4-16译码器和3-8译码器在线路结构上不同一样。注意，这是弱人工智能和强人工智能，第一个根本的区别。

　　与译码器电路不同的是，每个神经元上的电源，是通过毛细血管分泌激素来实现。毛细血管又是由伺服神经控制，它可以将大脑的注意力，限制在一定范围，这个范围通常是按概念的分类划分。信号刺激的是神经元的触角，激素刺激的是触角周围的细胞膜。这有什么作用呢？它可以给神经元逐步提升电压。只让在同类神经元中，相似度最高的神经元，产生兴奋。假如，8-3译码器的输入图像有一段坏了，也能触发一个神经元冲动。这就是模糊识别。这就解决了，非一模一样的图像不认识的难题。只要通过相似的图像，总能找一个概念，来回忆和识别。

　　从生理学角度看，这种神经网络不同于现在普遍采用的深度学习的神经网络。他不是黑箱，有完整的逻辑可以推理演绎。