一理论成立，那么大概就可以理解为相适应的算法将是机器的意识。
要从理论上解决这个问题，最困难的步骤就是要解决一个哲学上的命题，非还原主义。具体到他现在所考虑的人工智能领域，大概描述就是要证明这个世界类人高级智能活动过程能否全部或绝大部分还原为计算过程。
如果可以，需要给出具体推导过程；即便不是所有人类智能活动过程都还原为计算过程，理论上也要给出尽可能多的高级智能够还原为基本计算过程的原理，因为这是强人工智能数学理论中最重要的部分。当然，如果可以还要尝试论证被摒弃的那一部分是无用智能……
比如对于人类来说，其实并不需要给为你辅助的智能设备添加审美功能。毕竟不能说以后某位长得过于抽象的客户买了一部最新的智能手机，智能手机还能因为摄像头感知到主人长得太丑而长期以低效的模式提供智能服务，这就是属于给自己找麻烦的高级智能还原。
这是宁为正在做的东西。
他需要将一系列人类需要的智能反应过程，转化为计算过程提供出有力的理论证明，并结合大数据证明机器可以拥有主动学习能力，并为实现更精确的计算机视觉、听觉甚至触觉提供一个更简单更精准的理论指导。
说起来简单，但真的做起来却是极为复杂的过程。在制作数学模型的时候需要充分考虑到其可扩展性，包括每个计算单元、每个算符，想要实现一个很简单的能力可能都需要多级程序语言调用的多级编译或解释系统。这一点是从构建三月主体程序得到的经验。
以三月为例，现在三月就具备了一定的程序感知能力，跟对基本语义的识别能力，这些都是建立在主动学习基础之上的。但实际上就目前的三月来说，相对于她审核那些可公式化的数学稿件，在识别人类基础语义这块消耗的算力要更多。
想要让机器如同人类一样去识别语言语义，尤其是识别一些不同环境下能表现丰富情绪的语义，往往还需要机器对情绪的洞察力。
而这一切都是人工智能理论构架的基础，其难度自然是极大的，宁为能做的便是将所有的问题分解成一个个小问题，然后一
本章未完，请点击下一页继续阅读！