作者：杜向阳（“反省心理学派”创始人）；
关键词：人工智能悖论，人工智能中的坑，通用人工智能，人工智能误区
目录
引言1
1，脑科学悖论。2
1.1.，概述2
1.2，第一个证据，脑神经科学的历史4
1.3，第二个证据，来自人脑与计算机的类比推理4
1.4，扩展阅读1：什么是计算机程序软件的算法？6
1.5，扩展阅读2，只研究硬件，能搞清计算机智能（功能）的奥秘吗？7
1.6，扩展阅读3，计算机的智能来自哪里？8
1.7，第三个证据，发展心理学方面的事实和研究成果8
1.8，第四个证据，大脑被切掉一半还能象正常人一样生活！10
1.9，第五个证据，反省心理学中的“心理二元说”11
1.10，被加密、隐藏的智能机制12
1.11，脑科学悖论给我们的启示13
2，结构模拟悖论。17
3，数学悖论。18
4，难易悖论20
5，理解悖论20
6，自然语言处理悖论。21
7，知识图谱悖论。21
8，主次悖论。22
9，类脑智能悖论23
10，深度学习悖论23
11，控制人类悖论25
上述十一个悖论预示了实现通用人工智能的正确道路25
引言
众所周知，在科学的发展史曾经历过许多悖论和误区，如由地心说到日心说，由地平说到地圆说，由物种不变论到生物进化论，每一次对这些悖论的克服都代表着人类在认识客观世界方面的进步，同时也代表着人类文明的进步。
在人工智能60多年的历史上，也先后出现过一些有关人工智能的悖论，这些悖论是人们在人工智能领域里的认识误区，这些悖论的发现和克服是人工智能成熟和发展的标志！
目前已知的人工智能悖论或误区主要有11个，分别是：脑科学悖论、结构模拟悖论、数学悖论、难易悖论、理解悖论、自然语言处理悖论、知识图谱悖论、主次悖论、类脑智能悖论、深度学习悖论、控制人类悖论。
上述悖论就是认知上的错误，是对人工智能认识上的误区，这些误区都是由于对人脑智能的无知造成的，所以，我们对人脑智能多一些了解，就能少一些悖论和误区，这11个误区就是人工智能中的11个坑，明白了这11个悖论，就能避开它们，从而避免浪费不必要的时间、精力和财力，对于国家、企业和个人来说，都是如此。
1，脑科学悖论。
意思是指，通常认为通过脑神经科学研究可以破解智能奥秘，而事实上，这是不可能的，因为人脑智能的奥秘并不在大脑的硬件——大脑皮层的神经网络细胞中，而在大脑的软件——心理中，因此，通过脑科学研究来破解智能奥秘就是南辕北辙，找错了地方，永远也找不到，只有通过心理学研究才能破解这一奥秘。脑科学悖论是人工智能领域里的头号悖论，这个错误的思想，把我们诱离了正确的方向，这是我们今天只所以还不能实现通用人工智能（AGI）的重要原因之一，所以，笔者用了大量的笔墨来说明它。
1.1.，概述
众所周知，计算机只所以有智能，关键在它的软件，因为软件的灵魂是算法，算法规定了解决一个问题的方法和步骤，算法是由一个个的解题步骤组成的，这一个个步骤就相当于一个个指令，计算机硬件的任务主要有三个：存储上述指令（内存和硬盘），读取指令，执行指令（处理器），解决问题的方案事先都由软件制定好了，硬件只需要存储和执行这一方案就是了，就能解决问题，完成智力任务，可见，软件是计算机的统帅，起决策作用，是计算机智能的载体，硬件是士兵，只起执行作用，几乎没有任何智能，这种关系完全适用于人的大脑和心理的关系，人脑只所以有智能，关键在它的软件——心理系统，而不在它的硬件——脑皮层中的神经元网络，人脑解决问题的方案（方法、步骤）也都是由心理系统制定的，大脑神经元的工作正象计算机的硬件一样，只是存储和执行这一方案，所以，心理是人脑的统帅，起决策作用，是人脑智能的载体，神经网络只是大脑的士兵，起执行作用，几乎没有任何智能。
如果智能的载体是大脑的神经网络，那么人一生下来就应该很有智能，可事实不是这样的，发展心理学的研究表明，刚出生的婴儿，大脑是几乎没有什么智能的，通常在12--15岁时，才能形成接近成年人的成熟的智能，婴儿出生后，最先发育的是大脑，2岁时，脑袋容量已达到成人的80%，6岁时大脑的发育已达到顶峰，几乎和成人一样了，但六岁儿童的智力（智能）却远不及成人，此时的儿童虽然掌握了语言，但还不会逻辑思维，不能理解抽象的概念，还没有掌握智能的基本操作技巧，所以，法律上规定，不满8岁，为无民事行为能力人，8岁至18岁为限制民事行为能力人，18岁后才算是完全民事行为能力人，可见，大脑和智能不能画等号，因为大脑的成熟不等于智能的成熟，但心理可以和智能画等号，心理的成熟就等于智能的成熟。智能的基本操作技术比知识更能代表智能的本质，因为如果不会操作即使拥有知识也不知道怎么利用这些知识去解决问题，完成智力任务，而6岁时的儿童虽然大脑的发育已和成人一样了，但还没有掌握智能的基本操作技巧，这说明此时的儿童还是“有大脑没智能”，正如计算机的裸机是“有硬件没智能”的，这也充分说明了“大脑皮层之与心理，正如计算机的硬件之与软件”。可见，智能中的算法（解决问题方案）是由心理系统制定的，而不是由大脑皮层制定的，因为如果是由大脑皮层制定的，那么2岁至6岁的儿童就已经有了和成人几乎一样的智能了，而不必等到15岁以后了。可见，大脑软硬件的分工和计算机软硬件的分工是一样的，大脑神经网络只是个白痴，里面空空如野，什么都没有，它所有的只是一个复杂的结构——由数百亿个神经元组成的神经网络，但其中并没有任何智能，这一点类似于计算机的处理器，处理器也有一个复杂的结构，它是由数百亿个晶体管组成，其实也没有什么智能。现在，可脑科学不研究人的心理，只研究大脑皮层，企图通过研究皮层中的神经网络来破解智能的奥秘，这不是南辕北辙，找错了地方吗？所以，脑科学虽然已有1百多年的历史，可至今对人脑智能的机制还几乎是一无所知，以至于，乐观的脑科学家认为，还要数百年才能破解这一奥秘，悲观的脑科学家认为永远都不可能破解，事实上，再给它1万年，也仍然如此，不会有任何实质进展！
下面我们再用一个通俗的比喻来说明为什么脑科学不能破解人脑智能的奥秘。首先我们要知道什么是智能的奥秘？智能奥秘就是智能的机制，智能机制就是大脑智能解决问题的算法，即解决问题的方法和步骤，这一算法是由一系列的步骤（相当于计算机的指令）构成的，和计算机的软件一样，只是一种信息，而大脑神经元和神经网络所起的作用，正如计算机的处理器和存储器所起的作用那样，只是存储指令（步骤）和执行指令，而这一指令（算法的步骤）是由大脑的软件——心理系统生成或制定的，神经元和计算机的处理器一样，虽然它能读取指令和执行指令，但它并不理解指令，不知道指令中的算法是什么，以及为什么运行这组指令就能解决这个问题，完成这个任务，这就好比，虽然一个人能通过操作电视机遥控器的按钮来看自己想看的节目，但他并不懂电视机的原理，遥控器上的一组按钮就相当于神经元或处理器所读取、执行的一组指令。这就意味着，神经网络并不掌握大脑智能的奥秘，但脑科学向它要奥秘（通过研究大脑皮层中的神经网络来破解智能奥秘），这不就是南辕北辙，找错了地方吗？要想找到大脑智能的奥秘，我们应该研究大脑的软件——心理系统，而不应该研究大脑的硬件（脑皮层中的神经网络），因为智能的算法是由心理系统生成或制定的，解铃还需系铃人，只有心理系统才能破解这一奥秘，那么我们的心理系统能破解这一奥秘吗？如果能，它又如何破解呢？反省心理学中的心理二元说完美地给出了这个问题的答案，那说是，人的心理是二元的，由第一心理和第二心理共内构成，通过第一心理的研究，可以破解外部自然界的奥秘，发现自然规律，打开自然黑箱；通过第二心理的研究，能够破解心理和智能的奥秘，打开智能的黑箱，搞清智能的机制，方法是先开发第二心理，然后用它来破解智能奥秘，搞清智能的机制。笔者从年开始开发第二心理，并用第二心理研究人脑思维和人脑智能，经过30多年的努力，目前已基本破解了这一奥秘，搞清了人脑通用智能基本机制，并找到了用计算机模拟这一机制，从而实现通用人工智能的基本方法。这一研究实践，充分证明了上述关于破解智能奥秘的方法的推断是正确的。
所以，笔者认为，脑科学破解智能奥秘是一个悖论，也就是说，通常认为通过脑神经科学研究可以破解智能奥秘，而事实上，这是根本不可能的，因为人脑智能的奥秘并不在大脑的硬件——大脑皮层的神经网络细胞中，而在大脑的软件——心理中，因此，通过脑科学研究来破解智能奥秘就是南辕北辙，找错了地方，永远也找不到，只有通过心理学研究才能破解这一奥秘。
脑神经科学已有1百多年的历史，可至今对人脑智能的机制还几乎是一无所知，以至于，乐观的脑科学家认为，还要数百年才能破解这一奥秘，悲观的脑科学家认为永远都不可能破解！
年9月出版的《科学美国人》是大脑研究专刊，专题最后一篇文章中，FrancisCrick（DNA结构发现人之一）写道：“尽管人们积累了大量有关大脑研究的详尽数据，但其工作原理仍是难解之谜。神经科学只是一堆没有任何理论的数据，最明显的是缺乏概念框架”。Crick甚至没用“理论”这个词，他说，我们根本不知道怎么去想，因为连基本框架都没有。
年以来，又近半个世纪过去了，如今怎样呢？亦然如此！
前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，引起了下面一场讨论：
“大脑未必是破解智能和意识之谜的钥匙”探讨
《崛起的超级智能》作者，计算机博士刘锋发表了他的观点和意见：
“有很多专家将智能和脑的关系与飞行与翅膀的关系进行了对比。的确它们有很多相同的地方，某种意义，今天的人类正处于发现智能领域的空气动力学前夜。如同研究飞行，无论通过显微镜还是解剖，对翅膀进行多么详细的研究，也无法真正的解开飞行的基本原理一样。因此无论我们多么精细的了解人脑的结构，也很可能同样无法解开智能和意识的产生原因，只专注与大脑功能和结构，这个研究方向很可能并不正确，就像瑞士蓝脑项目所做的那样，要解开智能和意识之谜，要基于脑的结构，但又需要跳出脑的结构，因为还缺乏脑之外的某些关键因素，如同要解开飞行之谜，要基于翅膀，又要跳出翅膀一样。不同生物的翅膀，会体现出不同的飞行方式和飞行的速度，不同的翅膀结构可以决定不同形式的飞行，但从空气动力学看，只研究翅膀结构，无法解开飞行的基本原理，脑与智能和意识的关系，目前也处于这种困境。我们知道人类、动物和AI系统在智能和意识上表现是不同的，但他们在基本的原理上应该是一致的，只是程度或强度不同，但我们还没有找到这种基础的原理，因为无法清晰的分清他们的区别，也无法真正的理解智能和意识到底是什么，所以说，今日人工智能的热潮并不能代表人工智能已经是成熟的学科”。
笔者认为，刘锋博士的意见是很有道理的，这确实是一个方向性的错误：脑神经科学只所以在破解智能奥秘方面接连失败，一个很重要的原因可能是“找错了地方！”就好比，东西丢在了东边，而你却去西边寻找，当然找不到了！
笔者的研究结果是：脑科学永远都不能破解人脑智能的奥秘！以下五方面的证据可以有力地证明这一观点：
1.2，第一个证据，脑神经科学的历史
前文已述，脑神经科学已有有一百多年的历史，积累了大量的事实和数据，却无理论框架可用，这一点是极不正常的，因为其它学科都没有这种情况，比如，生物学、化学、心理学、物理学等学科的历史也都不长，只有至多年的历史，但它们都有大量成熟的概念和理论，只有脑科学是个例外！这一例外告诉我们，脑科学的研究有可能是错误和无效的。有可能是方向性的错误，也有可能是方法、手段上的错误，总之，它可能是错误的和无效的。
1.3，第二个证据，来自人脑与计算机的类比推理
来自计算机的类比推理也支持了这一结论：人脑的智能主要在心理，而不在大脑，因此，只有通过心理学研究才能破解智能奥秘，脑科学研究不能破解这一奥秘。因为计算机和人脑非常类似，比如，二者都分为硬件和软件两部分，人脑的硬件是脑皮层中的神经网络，人脑的软件就是心理；脑皮层中的神经网络由数百亿个神经元构成，无独有偶，计算机的处理器也由数百亿个晶体管构成，以上只是形似，此外还有更惊人的神似：计算机软件中的算法和人脑智能解决问题的算法完全相同，都是解决问题的方法和步骤，对人脑来说就是第一步、第二步、第三步……，对计算机来说就是指令1、指令2、指令3……，一个指令就相当于一个步骤，可见，二者是非常类似的，因此，我们就可以据此做一些类比推理，比如，根据计算机软、硬件的分工来推测大脑软、硬件的分工，通过这种分工，我们可以找到智能的主要载体主要是哪个，是硬件还是软件？
已知计算机硬件的工作任务主要有三个：
一，处理器按顺序读取并执行指令，指令1，指认2……，指令就是程序算法中的解决问题的步骤，即步骤1，步骤2……，它只管按顺序读取指令，而不知道指令的内容是什么，就好象寄存处的行李管理员，只管接收和发放行李包，而不知道包中有什么物品；
二，硬盘和内存用于存储和提取信息，但如何格式化硬盘，如何划分存储区，如何存储、提取信息并非由硬盘和内存说了算，而是由软件说了算，硬盘和内存也不理解自己所存储的信息的内容；
三，处理器执行运算工作，但如何运算并非由处理器说了算，而是由软件说了算，软件通过指令告诉处理器如何进行运算，这就好比医生手中的手术刀，虽然是用它做手术的，但如何做，不是由刀说了算，却由人手说了算，人手又是由人脑指挥的。
上述三个工作内容告诉我们，计算机的硬件几乎是个白痴，基本上没有任何智能。
已知计算机软件的主要工作只有一个，那就是制定一个个的指令，指令就是步骤——解决一个问题或完成一件事情的步骤，如，存储和提取信息方面的指令，规定如何存储和提取信息；数字计算方面的指令，规定如何进行加、减、乘、除运算；信息检索方面的指令，规定如何进行信息检索等……。
可见，软件是计算机智能的核心，有了软件，计算机才能解决问题，才能知道怎样去完成一件事情，而软件的灵魂就是算法，解决不同的问题，有不同的算法，算法规定了解决问题的步骤和每一步的具体内容，算法通过代码来实现，在计算机中运行包含算法的代码，就能解决特定的问题。
上述软硬件的分工告诉我们，软件是计算机的决策部门，如同计算机的司令部，软件中的一个个指令，如同一个个命令，命令硬件做什么，怎么做；硬件是执行部门，是计算机的士兵，它忠实地执行软件中的命令。可见，计算机智能的奥秘在其软件之中，而不在其硬件之中。
大脑硬件（脑皮层中的神经网络）的具体工作是什么呢？目前我们还不十分清楚，不过，对于大脑的软件——我们心理是如何活动的（即如何工作的），大家还是知道一些的，比如，我们正是通过心理活动来解决问题的，而且，解决问题的过程，就是找到解决问题的方法和步骤，确定一个个的步骤后，我们就能解决这一问题了，可见，大脑软件（心理）的工作非常类似计算机软件的工作，其一个个的步骤就相当于计算机软件中的一个个指令。接下来，我们就可以进行类比推理，根据计算机硬件的工作，来推测大脑硬件（神经网络）的工作，推测出神经网络的主要工作应该也类似于上面计算机硬件的三个主要工作：
一，大脑皮层神经网络中某个部位的神经元相当于计算机的处理器，它按顺序读取并执行智能算法中的指令，指令1，指认2……，指令就是智能算法中的解决问题的步骤，即步骤1，步骤2……，它只管按顺序读取和执行指令，而不知道指令的内容是什么，就好象寄存处的行李管理员，只管接收和发放行李包，而不知道包中有什么物品。
二，大脑神经网络中的某些部位的神经元用于存储和提取信息，但如何划分存储区和如何存储、提取并非由神经元说了算，而是由大脑的软件——心理系统说了算，而且神经元也不理解存取信息的内容；
三，神经网络中的某些神经元还执行运算工作，但如何运算并非由神经元说了算，而是由大脑的软件——心理系统说了算，这就好比医生手中的手术刀，虽然是用它做手术的，但如何做，不是由刀说了算，却由人手说了算，人手又是由人脑指挥的。
可见，人脑的硬件——脑皮层中的神经网络也几乎是个白痴，基本上没有任何智能。
下面，再通过类比推理，推测一下大脑软件的工作：大脑的软件——心理系统应该象计算机软件的工作一样，其主要工作只有一个，那就是制定解决问题的一个个的指令，指令就是步骤（解决一个问题或完成一件事情的步骤），如，记忆（存储和提取信息）方面的指令，规定如何存储和提取信息；数字计算方面的指令，规定如何进行加、减、乘、除运算；信息检索方面的指令，规定如何进行信息检索，此外，在日常生活中，如何洗衣，如何做饭，如何去银行办理业务等……，每一件事都是有步骤的。这一推测结果与我们的实际经验（即我们对自己心理活动的基本认识）是相符合的。
上述大脑软、硬件的分工告诉我们，心理是大脑的决策部门，如同大脑的司令部，心理中的一个个指令（步骤），如同一个个命令，命令神经网络做什么，怎么做；神经网络是执行部门，是大脑的士兵，它忠实地执行心理中的命令。可见，大脑智能的奥秘在心理中，而不在神经网络之中。心理是人脑智能的核心，有了心理，人脑才能解决问题，才能知道怎样去完成一件事情，而心理的灵魂就是算法，解决不同的问题，有不同的算法，算法规定了解决问题的步骤，心理中算法先通过大脑传递到人的四肢，再用肢的行动来实现这一算法，“先有思想，后有行动”，人类最终通过行动来实现自己的目的，满足自己的愿望。可见，心理是司令部，大脑皮层和四肢是士兵。
通过上面的类比推理，我们就明白了这样一个道理，大脑只所以有智能，关键是靠它的软件心理，而不是它的硬件脑皮层中的神经网络，换句话说，大脑的智能都在其软件心理中，而不在其硬件神经网络中，因此，只有通过心理学研究才能破解大脑智能的奥秘，通过脑科学研究永远也不能破解这一奥秘，因为找错了地方！
1.4，扩展阅读1：什么是计算机程序软件的算法？
众所周知，做任何事情都需要一定的步骤。计算机虽然功能强大，能够帮助人们解决很多问题，但是计算机在解决问题时，也需要遵循一定的步骤。在编写程序实现某个项目功能时，也需要遵循一定的算法。所以，算法被称做是“软件程序的灵魂”。程序的算法是指在有限步骤内求解某一问题所使用的一组定义明确的规则。通俗点说，就是计算机解题的过程。在这个过程中，无论是形成解题思路还是编写程序，都是在实施某种算法。前者是推理实现的算法，后者是操作实现的算法。通俗地讲，计算机程序软件的算法是指一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对符合一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。编程是让计算机为解决某个问题而使用某种程序设计语言编写程序代码，并最终得到结果的过程。为了使计算机能够理解人的意图，人类就必须将需要解决的问题的思路、方法和手段通过计算机能够理解的形式“告诉”计算机，使计算机能够根据人的指令一步一步去工作，完成某种特定的任务。编程的目的是实现人和计算机之间的交流，整个交流过程就是编程。
从上面的定义，我们可以看出，人脑的算法和计算机程序的算法在本质上是相同的，都是完成一件事情需要遵循的有限的步骤，每一步怎么做，先做什么，后做什么，都有明确的规定，无论是人还是计算机，只要遵循了规定的步骤，就能完成一件事情，解决一个问题。正因如此，智能的机制很容易转化为程序的算法，然后再转化为代码在计算机运行，这一过程就是用计算机模拟人脑智能机制的过程，可见，只要能破解智能奥秘，搞清智能的机制，就能用计算机模拟这一机制，从而实现与人脑同样的功能，并且可以比人脑做得更好，比如，数字计算、信息检索和公交查询都是对人脑相应机制的模拟，而且都超越了人脑，在数字计算方面，人脑的数字计算机制有10进制、2进制、8进制等，计算机模拟了人脑二进制的机制，目前其计算速度已达人脑的亿倍以上；在记忆方面，计算机模拟了人脑的索引机制（给每个记忆的内容添加索引，这样能加快查找的速度，如字典的索引目录，图书馆中的索引目录等），目前，搜索引擎在信息检索方面的速度也已远超人脑，达到了人脑的亿倍以上；在公交查询方面，公交查询系统模拟了人脑的出行方案生成机制（根据两条公交线路的交汇点，选择转车方案），目前在查询（方案生成）的速度和精确度方面，也已远超人脑，可见，只要能破解人脑智能的奥秘，不但能实现AGI，而且还能实现超人工智能，与人脑智能相比，机器智能只有两种状态：远不及人脑和远超人脑，这是因为，计算机的信息存储量的运算速度都千万倍于人脑，所以，如果模拟人脑智能的相应机制，那么，机器智能在相应方面就能远超人脑，反之，如果不模拟人脑智能的相应机制，那么，在相应方面就远不及人脑。
1.5，扩展阅读2，只研究硬件，能搞清计算机智能（功能）的奥秘吗？
假如一个人既不懂计算机的硬件，也不懂计算机的软件，他很想搞明白计算机为什么会有智能，比如，为什么能进行数字计算、信息检索、公交查询等，而且还比人做得更好、更快？于是他就把整个计算机的硬件全拆了，进行了全面的、仔细的观察和研究，他搞清楚了处理器是由数百亿个晶体管组成的，计算机是如何存储和读取信息的，电流是如何在计算机中传递信息的，甚至搞清了计算机硬件的工作原理——冯诺伊曼构架，那么，他最终能搞明白计算机为什么会具有数字计算、信息检索和公交查询方面的智能吗？答案是否定的。但如果他搞明白了计算机软件中的算法，即上述数字计算、信息检索和公交查询程序的算法，那么他立即就能明白计算机为什么会具有这些方面的智能，因为算法是软件的灵魂，它规定了计算机解决一个问题，完成一件事情的步骤，比如，把大象关进冰箱里分三步：打开冰箱门、把大象牵进去、关上冰箱门，这虽然是个笑话，但可以很好地解释什么是软件中的算法。计算机只所以能具有上述功能（智能），关键在于它的软件，一个没有安装软件的裸机是没有任何功能（智能）的，而软件的灵魂又是算法，所以，如果他不知道软件的算法是什么，那么，他永远也不会明白计算机为什么能具有上述功能（智能）。而现在的脑科学在破解智能奥秘方面正犯着同样的错误，脑科学只研究大脑的硬件系统——神经元网络结构，而从不研究大脑的软件——心理系统，所以，虽然脑科学搞清楚了人脑是由数百亿个神经元组成的，每个神经元又通过数百个突触和数百个其它神经元发生联系，神经元之间通过电脉冲来传递信息等等，但却无法解释人脑是如进行图像识别、逻辑思维、灵感、直觉、想像思维的，以及如何进行预测、决策、科学发现、技术发明等活动的，这是因为，大脑的智能和计算机的智能是一样的，其只所以有智能，关键在于其软件（心理）的算法，也就是心理活动的机制，心理活动的机制就是心理的算法或智能的算法，不过，这种算法要比计算机的算法高明多了，有了这套算法，人脑就能实现小样本自主学习，就能举一反三，触类旁通，而且还是通用的，只需要一个操作系统就可以解决各种问题，不象计算机那样还需要各种专业软件来解决不同领域里的问题，如果破解这套算法，把它移植到计算机的软件中，就能实现人脑那样的通用人工智能，甚至是超人工智能。事实上，心理算法也正是人脑智能的主要机制（占人脑智能总量的99%）。所以，要想破解大脑智能的奥秘，必须象研究（破解）计算机的奥秘那样，既要研究其硬件，同时又要研究其软件（这样才能破解计算机智能的奥秘），也就是说，必须同时研究大脑的硬件（神经元细胞网络）和软件（心理活动），否则，永远都不可能破解人脑智能的奥秘。而且，破解智能奥秘的主力军一定是心理学研究，而不是脑科学研究，因为大脑智能的奥秘，大约只有1%存在于其硬件（神经网络）中，这部分奥秘只能通过脑科学研究来破解，而99%的奥秘却存在于其软件（心理系统）中，这部分奥秘只能通过心理学研究来破解。
1.6，扩展阅读3，计算机的智能来自哪里？
假如你请教一个人如何做某件事，这个人说，“我知道怎么完成这件事，只需5步，但具体怎么做我不告诉你”，这样你从这个人的嘴里只得到了你想要的1%的信息，其它99%的信息他都没有告诉你，而对一个计算机来说，它的硬件只掌握如何完成一件事的1%的方法（秘密），它的软件则掌握另外的99%的方法，因为它的硬件只是执行软件中规定的指令，一个指令相当于一个步骤，它先取出第一个，然后再取出第二个，直到所有指令都被取出并执行完毕，硬件才停止工作，这件事也就完成了。而它的软件则负责制定完成一件事情的具体步骤（方案），软件的灵魂是算法，所谓算法就是做一件事的步骤，不同的事件需要不同的步骤，完成事件A需要7步，完成事件B可能只需5步，每一步的内容也不同，我们人类做每件事都是有步骤的，如刷牙需要三步：取出牙刷、挤上牙膏、放在嘴里开始刷牙；吃饭需要四步：拿碗、盛饭、找凳子坐下、开始吃饭。计算机做事也是一样的，你必须事先告诉它完成一件事的步骤，它才能完成这件事，所以也就有了程序的算法，有了算法后，再根据算法编写代码就得到了程序，最后在计算机上运行程序代码，这样计算机就能按你事先的设定去解决一个问题，完成一件事情。比如，搜索引擎的信息检索就需要以下五个步骤：第一步，用分词软件把用户输入的查询语句分割为多个关键词；第二步，拿上述多个关键词去索引表中查找同名的关键词，它的索引表如同字典的索引表，里面有很多关键词，而且每个关键词都有指针，指向包含这个关键词的所有网页；第三步，根据上述指针，找到包含查询关键词数百万个网页；第四步，对这数百万个网页进行相关性排序，把最相关的排在最前面；第五步，把排序的结果呈现给用户。以上通俗地讲解了计算机的工作原理，这一原理在教科书中是这样讲的：“计算机在运行时，先从内存中取出第一条指令，通过控制器的译码，按指令的要求，从存储器中取出数据进行指定的运算和逻辑操作等加工，然后再按地址把结果送到内存中去。接下来，再取出第二条指令，在控制器的指挥下完成规定操作。依此进行下去，直至遇到停止指令。程序与数据一样存贮，按程序编排的顺序，一步一步地取出指令，自动地完成指令规定的操作是计算机最基本的工作原理。这一原理最初是由美籍匈牙利数学家冯.诺依曼于年提出来的，故称为冯.诺依曼原理”，可见，计算机的软件是决策部门，负责制定方案，硬件是执行部门，负责执行方案，所以，软件是计算机的司令部，硬件是士兵，计算机的灵魂是它的软件而不是硬件，软件的灵魂是算法，算法是人制定出来的，所以，计算机的智能最终还是来自人类，但它的智能有99%存在于软件中，只有1%存在于硬件中。
1.7，第三个证据，发展心理学方面的事实和研究成果
发展心理学的研究结果表明：人脑的智能主要在于心理，而不在于大脑皮层中的神经网络。以下四个发展心理学方面的事实和研究成果可以证明这一观点：
1，虽然人一生下来就有了大脑，但3个月内的婴儿却没有任何智能，还不能识别自己的父母，连最简单的识别能力都没有，更谈不上其它智能，为什么呢，因为此时的婴儿虽有了大脑，但还没有心理系统，如同一个没有安装软件的电脑裸机，几乎不具有任何功能（智能），3个月以后的婴儿，才逐步具备识别能力、记忆能力和简单的思维能力，这说明其心理系统开始萌芽、生长，所以，其智能也随着心理的成长而一步步地成长。
2，婴儿出生后，最先发育的是大脑，2岁时，脑袋容量已达到成人的80%，6岁时大脑的发育已达到顶峰，几乎和成人一样了，但六岁儿童的智力（智能）却远不及成人，此时的儿童虽然掌握了语言，但还不会逻辑思维，不能理解抽象的概念，还没有掌握智能的基本操作技术，所以，法律上规定，不满8岁，为无民事行为能力人，8岁至18岁为限制民事行为能力人，18岁后才算是完全民事行为能力人，可见，大脑和智能不能画等号，因为大脑的成熟不等于智能的成熟，但心理可以和智能画等号，心理的成熟就等于智能的成熟。智能的基本操作技术比知识更能代表智能的本质，因为如果不会操作，即使拥有知识也不知道怎么利用这些知识去解决问题，完成智力任务，而6岁时的儿童虽然大脑的发育已和成人一样了，但还没有掌握智能的操作技巧，这说明此时的儿童还是“有大脑没智能”，正如计算机的裸机是“有硬件没智能”的，这也充分说明了“大脑之与心理，正如计算机的硬件之与软件”。可见，大脑不等于智能，智能的主体不是存在于大脑，而是存在于心理之中。
3，发生于印度的狼孩故事，也有力地证明了这样一个道理：人脑智能的关键在其软件——心理，不在其硬件——大脑，狼孩的大脑虽然健全，但因为没有良好的后天环境，致使心理系统没能很好地开发和成熟，所以，智能低下，远不及正常人。计算机的智能主要存在于其软件（程序代码）之中，而非其硬件（处理器、内存、硬盘等），因此，一个没有安装软件的裸机是几乎没有任何功能（智能）的，同理，人脑的智能也主要存在于其软件（心理）中，而非其硬件（大脑神经元细胞网络）中，所以，一个脱离社会的狼孩是几乎没有智能的。
4，发生认识论的研究结果。瑞士认知科学家皮亚杰的“发生认识论”表明：“人类认知的发展要经历四个阶段，感觉运算阶段（0～2岁），前运算阶段（2～7岁），具体运算阶段（7～11岁），形式运算阶段（11～15岁）。只有随着年龄的增长，在我们也经历了所有阶段后，才能拥有真正的人类智慧（Onlyoncewehavegonethroughallthestages,atwhatagecanvary,weareabletoreachfullhumanintelligence.）”。
这四个阶段的详细内容是：
1)感觉运算阶段：（0～2岁）
① 仅仅依靠感觉和动作适应外部环境、应对外界事物，感觉和动作慢慢分化
② 手抓取和嘴吮吸作为探索世界的主要方式和手段
③ 低级的行为图式（人在认识周围世界过程中形成自己独特的认知结构）
④ 获得了客体的永恒性（9～12个月）：例如：把面前的玩具拿走，他会去寻找。
2)前运算阶段：2～7岁
① 语言的出现和发展使儿童日益频繁地使用表象符号来代替外界事物
② 万物有灵：认为外界一切事物都有生命
③ 一切以自我为中心，认为所有人都有相同的感受
④ 思维具有不可逆性、刻板性
⑤ 做出判断的时候，只能用一个标准或者一个维度
3)具体运算阶段：7～11岁
① 获得了长度、面积、体积、重量的守恒观念
② 抽象概念：可进行简单抽象思维，能进行逻辑推理
③ 思维具有可逆性，逻辑思维，群体运算
4)形式运算阶段：11～15岁
① 儿童思维以命题为主，能用逻辑推理、归纳演绎的方法解决问题，例如几何
② 能够理解符号的意义，隐喻和直喻，能做一定的概括
③ 思维具有可逆性、补偿性和灵活性，发展水平接近成人。
上述四个发展心理学方面的事实和研究成果告诉我们，大脑不等于智能，人类智能主要是后天经验的产物，没有后天经验，就没有人类智能，大脑只是提供了一个我们用来获取后天经验的物质基础，没有这个物质基础，我们就无法获取后天经验，但如果只有这个物质基础，没有获取后天经验，同样不能产生智能，大脑的软件——心理系统就是在这个后天经验中形成的，所以，人脑智能的奥秘，正如计算机智能的奥秘一样，主要存在于大脑的软件——心理系统，而非大脑的硬件——大脑神经元网络系统。所以，脑科学研究不能破解智能奥秘，只有通过心理学研究才能破解这一奥秘。
从另一个角度来看，既然人脑的智能不是先天的，而是在后天经验中逐步形成的，而智能的本质和核心都是算法（解决问题的方法和步骤），那么，这一算法肯定不是由大脑制定的，而是由大脑的软件——心理系统制定的，因为如果是由大脑制定的，那么人一生下来就有这一算法了，或最迟在6岁时（大脑的发育已达到顶峰，几乎和成人一样了）就能具有这一算法，而不必等到12岁以后才能具有这一算法，可见，这一算法不是由大脑的硬件——脑皮层中的神经网络制定的，而是由大脑的软件——心理系统制定的，制定后又以加密文档的方式保存在心理系统中，而整个心理系统又保存在大脑皮层中的神经网络中，就象电脑中的操作系统和应用软件都保存在计算机的硬盘中那样。这样，虽然智能的算法保存在大脑中，但大脑却不能破解它，因为它是加密文档，而且这个加密文档不是由大脑制作和加密的，大脑相当于一个行李寄存处的管理员，它只管收取和存放行李，无权查看行李中的物品。因此，大脑就无法破解这一被加密的智能算法。
上述情况又类似于，虽然软件代码又存储在计算机的硬盘中，而算法又包含于软件代码中，但其中的算法对计算机的硬件来说只是一个黑箱，或一个被加了密的文档，只有软件才能破解它，因为是软件给它加的密，解铃还需系铃人，只有软件才能破解这的密码。硬件只知道调取和执行其中的指令（算法、步骤）能解决某类问题，能完成一件事，但硬件并不懂指令的具体内容，这就好比，一个人会操作和使用一台收音机或电视机，但他并不懂其中的原理。而且计算机的硬件也没有能力破解这一加密文档，又好比行李寄存处的服务员不能打开客户寄存的箱子一样。
综上所述，大脑智能的奥秘（智能解决问题的算法）是由心理系统制定和保管的，只是以加密文档的形式存放于大脑的硬件——神经网络中，因此，“解铃还需系铃人”，只能通过心理学研究才能破解这一奥秘，脑科学不能破解这一奥秘。
1.8，第四个证据，大脑被切掉一半还能象正常人一样生活！
最近发表在《CellReports》的一项研究表明：6名患者大脑一半被切掉后，可以像正常人一样生活。第一作者DoritKliemann表示，“当我看到电脑里面的fMRI图像只显示出一半的大脑时，我还是非常惊讶的，因为这些图像竟然来自和我刚刚一起聊天和走路的那些人”。首次大脑半球切除术其实可以追踪到年，美国神经外科医生WalterDandy医生首次为一名患有大脑胶质肿瘤的病人切除了半个大脑，并且取得了成功。文献中还有许多其他案例记录了大脑强大的可塑性：例如，发表在《生命科学》上的一个报道，一个小男孩的右半大脑三分之一被切除，切除的大脑包括负责视力的部分。几年后，神经科学家发现小男孩左侧大脑开始承担缺失的视觉任务，而且小男孩可以看得很清晰。再如，发表在《柳叶刀》上面的一个白领案例，也展示出了大脑强大的可塑性。一名44岁法国男子的脑部做CT和核磁共振扫描后惊讶地发现，其脑室里充满了脑脊液，原本正常的脑组织由于受挤压薄得像一张纸。令人吃惊的是，这位“几乎没有大脑”的患者智商竟有75，不仅像正常人一样娶妻生子，甚至还干着政府公务员的差事。再如，发表在《健康时报》的一个例子，17岁的刘俏因为癫痫就医，去医院结果发现她在右脑已经毫无用处，甚至还拖后腿，给正常的左脑添麻烦捣乱，这也是引发癫痫的原因。医生建议她做半脑切除术，虽然当时她和家人都感到不可思议，但没有其他好的治疗办法。好在手术进行的很成功，如今刘俏已经结婚生子，有一个幸福美满的家庭。
该文还指出，“大脑半球切除术，指开颅将整个大脑半球皮质及其下方的白质和部分基底节一同切除，仅保留丘脑和下丘脑的一种手术。一般来说，切除大脑半球会对运动、人格和记忆产生严重影响，但特殊情况下，一个大脑半球严重受损，切除后对人体功能影响不大或者可逐步恢复，接受手术者年龄越小其功能恢复能力越强”。可见，大脑半球切除术对人的记忆影响最大，这是因为被切除的神经元中存储了原先的记忆信息，但并不影响大脑的思维功能，这也正好说明，神经元的主要功能是存储信息、读取和执行心理系统制定的指令（算法、步骤），大脑中的多数神经元都有这些功能，因此，保留的神经元可以代替被切除神经元的原有功能。这也可以很好地说明，大脑智能的主要载体是心理系统，而不是神经网络。
也正因如此，在人类中甚至整个动物界中，脑袋的大小和神经元数量的多少，都不是影响智能高低的决定因素，比如，鹦鹉、章鱼、乌贼、乌鸦、松鼠等动物的脑袋都很小，但它们都很聪明，甚至会制造和使用工具，以满足自己的需要。根据牛津大学研究人员拍摄的视频显示，鹦鹉“费加罗”看到鸟笼外有一枚研究人员放置的坚果，于是试图够到坚果。令研究人员吃惊的是，“费加罗”衔起笼中的树枝，嘴爪并用把树枝的分叉都咬掉，使这根光溜溜的树棍得以伸出笼子间的缝隙。“费加罗”衔着自制的树棍把坚果拨近笼子，成功地吃到了坚果。研究人员说，“费加罗”会使用工具就已经让人吃惊，而它竟能自己制造工具，更是让人意料不到；再如，章鱼也有非凡的智能，能走出迷宫，还能打开屏盖；乌鸦会把一根直铁丝弯成钩子，然后用它取回管子里的食物。
上述事例告诉我们一个事实：影响大脑智能的关键因素并不是大脑的硬件——脑皮层中的神经网络的大小和神经元数量的多少，这一事实启示我们，大脑的软件——心理系统才有可能是决定大脑智能高低的关键因素。
1.9，第五个证据，反省心理学中的“心理二元说”
心理二元说可以有力地证明这一点：大脑的智能主要在其软件，而不在其硬件。心理二元说揭示了人的心理是二元的，通过第一心理的研究，可以破解外部自然界的奥秘，通过第二心理的研究可能破解心理自身和智能自身的奥秘，从而打开心理黑箱和智能黑箱，搞清智能的主要机制，即智能解决问题的算法。这表明，大脑智能的奥秘正是存放在其软件——心理中，所以，通过第二心理中的心理学研究就能破解它。
心理二元说诞生于年，是反省心理学中的一个原创理论，该说认为，人的心理是二元的，由第一心理系统和第二心理系统共同构成，前者的主要功能是打开外部自然界的黑箱，后者的主要功能是打开内部心理世界的黑箱，因此，通过第一心理中的科学研究活动，能够发现科学规律，从而打开外部自然界的黑箱；通过第二心理中的心理学研究活动能够发现心理规律，从而打开内部心理的黑箱。由于人的心理由知、情、意三要素构成，而“知”就是认知和智能，因此，打开了心理的黑箱，也就打开了智能的黑箱，搞清了人脑智能的机制或原理，当然，同样也能打开情感和意志的黑箱，搞清其产生和运作的内在机制。当我们思考工作、生活中的事情时，我们正在进行第一心理活动，当我们企图观察或剖析自己的心理活动时，我们正在进行第二心理活动。我们的记忆是二元的，分为“外记忆”（记录外部的工作、生活等事件）和“内记忆”（记录内部的心理活动事件，如梦、情绪、思维等事件），当我们的思维加工“外记忆”中的材料时，就是在进行第一心理活动，当加工“内记忆”中的材料时，就是在进行第二心理活动，不过，这两类心理活动不能同时进行，一个开始后，就会打断另一个（正在进行中的心理活动）。
如何形象地理解二元心理呢？让我们拿拍电影来作一比喻吧，第二心理是第一心理背后的心理，犹如镜头背后的镜头，摄像机背后的摄像机。我们可以设想一下拍电影的情形，摄影师用摄像机把演员的表演制作成了电影，假如现在又多了一个摄影师，但他不是在拍电影，而是用自己的摄像机跟踪拍摄前一摄影师和演员们的“电影制作活动”，这样，他拍摄的结果（制成品）就不是一部电影，而是“该部电影是如何制成的”。所以，我们看，前一个摄影机反映、记录、剖析了演员们的活动，它的内容就是一部电影；而后一个摄影机则反映、记录、剖析了前部电影是如何制作出来的。这正如我们的心理一样，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一摄影机代表第一心理（外知心理），后一摄影机代表第二心理（内知心理）。
心理二元说可以破解大脑软件的奥秘——智能机制（即智能是如何把外部信息转化为知识，并利用知识解决各种问题，完成各种智力任务的），它可以很好地回答以下问题：智能是如何从现实环境和语言文字中学习知识的？又是如何利用知识来完成预测、决策、规划、发明、发现等智力任务的？智能是如何编织知识网络（图谱）的？智能学习的具体过程和推理、创造的具体过程是什么？等一系列关键问题，从而使我们能够理解智能，使它不再神秘，这些问题的答案就是智能的机制。
心理二元说不但可以破解“显性智能”（解决问题的能力），而且还可以破解“隐性智能”（发现问题和定义问题的能力），破解后就可以用计算机进行模拟人的显性智能和隐性智能活动，未来的计算机（人工智能）可以象人脑一样，先自己给自己提出问题，然后再自己寻找这一问题的答案，从而做出科学发现和技术发明，实现知识的增殖，不断地扩展知识的疆域，增大原有的知识网络（图谱）。笔者目前已破解了这一机制（人脑提出问题的机制），而且从理论上讲，完全可以用计算机模拟这一“隐性智能的机制”。未来的人工智能可以在显性智能和隐性智能方面远超人脑，但不能全面超越人脑，这是因为，人脑是生命物，人工智能是非生命物，因此，它不可能具备生命物所特有的欲望、意志、情感、动力等要素，所以，人工智能永远也不可能全面超越人脑。
1.10，被加密、隐藏的智能机制
人类智慧的本质就是智能的机制或工作原理、算法，智能机制的绝大部分都不是先天的就有的，而是在后天经验中逐渐形成的，而且智能机制是隐性的，所以，尽管我们每天的智能活动中都在不自觉地运用着它，但并我们并不知道它是什么样的，也就是说，你说不出这一机制具体步骤是什么，所以，有人笑称这是在“骑着驴却找不到驴”，比如，你能轻松地识别出现实场景或图片中的一个个物体对象，也能灵活地运用想像、灵感、直觉等高级思维，但你说不出上述识别和思维的具体过程是什么，这是因为，智能的机制或智能的规律和自然界中的自然规律一样，都是隐性的，是隐藏着的，如同被加密的文档，是有待我们去破解和发现的，需要我们去破解后才能知道它的真面目，我们需要通过科学研究和心理学研究才能发现它们，搞清楚它们。
智能机制分为浅显机制和深隐机制两种，前者通常是简单的，容易破解，后者通常是复杂的，难以破解。这和自然科学中的奥秘一样，比如，象杠杆原理、浮力定律、摩擦力定律等都是简单、浅显的奥秘（原理），一般科学家通过研究在短时间内就能破解、发现它们，但象相对论、遗传规律、生物进化论、电磁理论等复杂、深隐的奥秘只有爱因斯坦、孟德尔、达尔文和麦克斯维那样的天才科学家通过很多年的研究才能破解它们，如爱因斯坦发现相对论是十年磨一剑的结果，孟德尔做了8年的豌豆实验，才得出生物遗传的基本规律，达尔文发现进化论更是坚持研究30年的结果。智能机制也是如此，比如，逻辑推理、数字计算、记忆和公交查询机制都属于前者，容易破解，所以其算法较早被移植到计算机中，而象人类的视觉机制、自主学习机制、自然语言理解机制、二元智力机制等都是复杂、内隐的机制，没有发达的第二心理和面壁十年的功夫、毅力，很难被破解它们，因此，目前还没有被移植到计算机中，不过，笔者自年开始研究思维和人脑智能，经过30多年的努力，目前已成功破解了上述复杂机制，所以，AGI的实现，将是为期不远的事情。
在发现智能规律方面，二千多年前，古希腊哲学家亚里士多德通过心理学研究发现了人类逻辑思维的基本规律“三段论”，由于历史没有相应的记载，我们也不知道他用了多长时间发现了这一规律，但可以肯定地说，这不是随便拍拍脑们就能发现的，一定用了相当长的时间。笔者只所以能破解智能之谜，是自年以来30多年持续不断地努力的结果，在破解智能奥秘方面，同样没有人能随随便便成功！笔者目前所破解的智能奥秘，也仅是智能奥秘中的一少部分，以后还有大量的工作要做，不过，这些对于研制和实现AGI来说，已经够用了。
1.11，脑科学悖论给我们的启示
1，复杂不等于智能，简单也不等就没有智能。大脑神经网络和计算机的处理器都有着非常复杂的结构，前者由数百亿个神经元组成，后者由数百亿个晶体管组成，但这种复杂只是简单累加和复制的结果，因此，它只是表面上的复杂，内在里却是非常简单的，相反，人脑智能的算法和计算机软件的算法，表面上看起来很简单，只是由一个个的指令或步骤组成，但解决不同问题的每一个指令的内容（或步骤的内容）却都是不一样的，问题是无穷的，因此，指令的内容也就是无穷的，可见，简单的形式下面隐藏着无穷多的内容，所以，我们不能以形式的简单或复杂来推断其智能，这就好比，一个军队可能有数百万个士兵，看起来非常复杂，而其统帅只有一个，看起来非常简单，但所有士兵的指挥才能之和，也比不上一个统帅。
2，类脑智能是个错误的方向。类脑智能是指先通过脑科学研究来破解大脑智能的奥秘，然后，通过类脑（模拟人脑）就能够实现人脑那样的智能AGI，而事实上这是不可能的，因为脑科学根本就不能破解大脑智能的奥秘，因此，接下来类脑模拟也就无从谈起，因为预期的必要前提是不可能的，那么结果就肯定也是不可能的。
3，结构模拟是不会成功的。为什么呢？结构模拟又叫结构类脑，即仅通过结构上模仿来实现人脑那样的智能，这是根本不可能的，因为，正如，计算机只所能有智能，关键在它的软件，而不是它的硬件，同理，人脑只所以有智能，关键在其软件——心理，而不在大脑硬件——脑皮层中的神经网络，心理系统和软件系统是决策部门，是司令部，而大脑皮层和计算机的硬件只是执行部门，是士兵，因此，大脑皮层和计算机的硬件一样，只是个白痴，是几乎没有什么智能的，因此，仅通过模仿大脑的结构，而不模仿其心理，是根本不可以实现AGI的。大脑智能的奥秘主要存在于其软件——心理系统之中，而非大脑的硬件——神经网络结构中，所以，即使仿造出了与大脑一样的神经元网络系统，也不能获得同样的智能，因为这就好比你即使模仿计算机的硬件，造出了和它一样的硬件系统，但如果没有与之配套的软件，仍然是没有功能（智能）的，又好比，你只是搭好了一个舞台，但如果没有剧本和演员，仍然不会有观众的。当然，也许有人会说，我先模仿人脑的结构，造出一个光电材料构成的电子大脑，然后，用数据去训练它，让它象发展心理学那样，自己成长出智能，但问题是，人脑是个生命物，因此，它有欲望、动机、意志、情感等要素，而非生命物不可能具有这些要素，而人脑的智能，正是在欲望的驱动下形成的，智能是为（主体）自己的需要服务的，这个电子结构的大脑，既然没有欲望，也就没有形成智能的动力，因此，即使用数据训练它，也不可能象人脑那样自动地成长出自己的智能。如果你仿造出一个生物的大脑，那么，这个生物的大脑就会有自己独立的欲望、动机、意志、情感等要素，这样就有可能和人类的利益发生冲突，如果它的智能超越了人类，那么，就有可能控制和危害人类，可见，这样是非常危险的，是不可取的。综上，所谓的结构模拟从根本上就是错误的，前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，就是很好的例证。只有用计算机的软件模拟人类心理机制的“类心理智能”才是正确的，才有可能实现真正的智能——AGI。计算机软件形态的人工智能是个非生命物，因此，它不会具有生命物所特有的欲望、动机、情感和意志等要素，更不会有独立意志和自主意识，因此，和人类没有任何利害冲突，同时，也没有任何主动性，作为一个软件，人类设定什么，它就做什么，人类让它运行，它就运行，不让它运行，它就呆着，什么也不做，可见，其在本质上和人类发明的其它工具是一样的，都只会被动地服从人类的安排，听从人类的使唤，而从不会主动地做任何事情，因为它的一切行为都是人类通过计算机软件来设定的。这一点就决定了，其在任何时候都不会主动做出危害人类的事情，更不会控制人类，所以，是安全可靠的。
1.12，破解智能奥秘的钥匙——“心理二元说”
破解智能奥秘的正确方法
工智能之父图灵曾说：“人工智能唯一需要做的事就是找到脑内运行的程序，获得正确的智能算法，然后在合适的硬件上运行它”。那么怎样才能破解智能奥秘，找到脑内运行的程序呢？脑神经科学在这方面无能为力，虽然它已有一百多年的历史，但至今对人脑智能的奥秘还几乎是一无所知，不过，能破解智能奥秘的理论和方法早在年就已出现了，只不过大多数人都还不知道，那就是“反省心理学”中的“心理二元说”，心理二元说揭示了人类的心理是二元的，由第一心理和第二心理两个心理系统共同构成，通过第一心理中的研究，能够破解自然界的奥秘，发现自然规律，打开自然黑箱，通过第二心理中的研究，能够破解智能奥秘，打开智能黑箱，发现智能的规律或机制。破解智能奥秘的正确方法是：先开发第二心理，然后再用第二心理去破解上述99%的智能奥秘，搞清智能的机制，这样就能找到脑内运行的程序，就能获得正确的智能算法，并在计算机上运行它，从而实现人类那样的真正智能——通用人工智能（AGI）。
要开发AGI，需先开发“第二心理”，再用第二心理破解智能奥秘！
心理二元说诞生于年，是反省心理学中的一个原创理论，该说认为，人的心理是二元的，由第一心理系统和第二心理系统共同构成，前者的主要功能是打开外部自然界的黑箱，后者的主要功能是打开内部心理世界的黑箱，因此，通过第一心理中的科学研究活动，能够发现科学规律，从而打开外部自然界的黑箱；通过第二心理中的心理学研究活动能够发现心理规律，从而打开内部心理的黑箱。由于人的心理由知、情、意三要素构成，而“知”就是认知和智能，因此，打开了心理的黑箱，也就打开了智能的黑箱，搞清了人脑智能的机制或原理，当然，同样也能打开情感和意志的黑箱，搞清其产生和运作的内在机制。当我们思考工作、生活中的事情时，我们正在进行第一心理活动，当我们企图观察或剖析自己的心理活动时，我们正在进行第二心理活动。我们的记忆是二元的，分为“外记忆”（记录外部的工作、生活等事件）和“内记忆”（记录内部的心理活动事件，如梦、情绪、思维等事件），当我们的思维加工“外记忆”中的材料时，就是在进行第一心理活动，当加工“内记忆”中的材料时，就是在进行第二心理活动，不过，这两类心理活动不能同时进行，一个开始后，就会打断另一个（正在进行中的心理活动）。
如何形象地理解二元心理呢？让我们拿拍电影来作一比喻吧，第二心理是第一心理背后的心理，犹如镜头背后的镜头，摄像机背后的摄像机。我们可以设想一下拍电影的情形，摄影师用摄像机把演员的表演制作成了电影，假如现在又多了一个摄影师，但他不是在拍电影，而是用自己的摄像机跟踪拍摄前一摄影师和演员们的“电影制作活动”，这样，他拍摄的结果（制成品）就不是一部电影，而是“该部电影是如何制成的”。所以，我们看，前一个摄影机反映、记录、剖析了演员们的活动，它的内容就是一部电影；而后一个摄影机则反映、记录、剖析了前部电影是如何制作出来的。这正如我们的心理一样，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一摄影机代表第一心理或外知心理，后一摄影机代表第二心理或内知心理。
当然，人脑被称作“宇宙间最复杂的组织”，脑奥秘被称作“人类认识自然的‘最后的疆域’”，要破解它肯定不是一件容易的事，这首先需要有强大的第二心理系统，其次还需要有持续多年的坚持不懈的努力，方能打开智能的黑箱，搞清其内在机制或原理，这一点和科学家通过科学研究打开自然黑箱是一样的，比如，爱因斯坦发现相对论是十年磨一剑的结果，莱特兄弟发明飞机用了8年，孟德尔做了8年的豌豆实验，才得出生物遗传的基本规律，达尔文发现进化论更是坚持研究30年的结果，空气动力学由德国飞行学家李林塔尔奠定基础（李林塔尔于年出版《鸟类飞行——航空的基础》一书），中间经由美国的莱特兄弟继承和发扬，直到年，冯·卡门和钱学森提出系统的空气动力学，前后用了57年，牛顿只所以能发现万有引力定律，是因为站在了前人的肩膀上，如果没有加利略和开谱勒的前期工作，牛顿根本就不可能发现万有引力。可见，打开自然黑箱不是一件容易的事，打开智能黑箱同样如此，很多人都有观察和思考的能力，都知道科学研究的方法，为什么只有牛顿、爱因斯坦等少数人做出了伟大发现呢？同样的道理，每个人也都有内省和思考内部事件（心理现象）的能力，都有第二心理系统，但只有专心致志并能长期坚持的人，才能在心理学领域里做出伟大发现，从而打开心理黑箱和智能黑箱。拿笔者的个人经验来说，在我14岁时就开始对人的心理和思维活动产生兴趣，15岁读初三时就开始在课堂上边听课边分析老师讲课时的心理和思维活动，年，在我18岁读高二时，开始立志要破解天才之谜，找到培养天才的方法，以便将来为国家培养出成千上万个象牛顿、爱因斯坦、爱迪生那样的天才科学家，从此，就开始研究天才和人脑思维，因此，我的第二心理开发得比较早，也比一般人较为发达，经过18年坚持不懈的努力，在年前后，成功破解天才之谜，找到培养天才的方法，同时破解了人脑灵感、直觉、想像和发明方案思维之谜，搞清了其具体过程，同时还发现了心理二元说、四大意识流、心潮、浅层、智力相对论等一系列理论和概念，年完成《反省心理学原理与人脑、电脑潜能开发》一书，书中首次提出“超人类电脑”概念（相当于现在的超人工智能）和人工智能的一般原理；年完成《反省心理学原理及其心理治疗、天才培养、人工智能应用》，年此书更名为《心灵控制术》，并由北京电子工业出版社出版发行；年初，初步破解了感知、认知和创造三类智能的奥秘，搞清了其基本机制，并且找到了用计算机进行模拟的初步方法，可见，笔者只所以能破解智能之谜，是自年以来30多年持续不断地努力的结果，在破解智能奥秘方面，同样没有人能随随便便成功！笔者目前所破解的智能奥秘，也仅是智能奥秘中的一少部分，以后还有大量的工作要做，不过，这些对于研制和实现AGI来说，已经够用了。
心理二元说虽然不能破解大脑智能的硬件奥秘（即大脑的神经细胞网络是如何产生智能的？），但可以破解其软件奥秘——智能机制（即智能是如何把外部信息转化为知识，并利用知识解决各种问题，完成各种智力任务的？），它可以很好地回答以下问题：人脑为什么会有智能？为什么人脑智能是通用的？如何才能产生智能？智能是如何从现实环境和语言文字中学习知识的？又是如何利用知识来完成预测、决策、规划、发明、发现等智力任务的？智能是如何编织知识网络（图谱）的？智能学习的具体过程和推理、创造的具体过程是什么？等一系列关键问题，从而使我们能够理解智能，使它不再神秘，这些问题的答案就是智能的机制，明白了智能的机制（软件奥秘），就可以用计算机软件模拟这一机制，从而实现AGI，甚至实现超人工智能（有关心理二元说方面的详细内容见反省心理学的经典著作《心灵控制术》，杜向阳，北京，电子工业出版社，，当当、京东等网店有售）。
心理二元说不但可以破解“显性智能”（解决问题的能力），而且还可以破解“隐性智能”（发现问题和定义问题的能力），破解后就可以用计算机进行模拟人的显性智能和隐性智能活动，从而实现通用人工智能和超人工智能。未来的计算机（人工智能）可以象人脑一样，先自己给自己提出问题，然后再自己寻找这一问题的答案，从而做出科学发现和技术发明，实现知识的增殖，不断地扩展知识的疆域，增大原有的知识网络（图谱）。笔者目前已破解了这一机制（人脑提出问题的机制），而且从理论上讲，完全可以用计算机模拟这一“隐性智能的机制”。未来的人工智能可以在显性智能和隐性智能方面远超人脑，但不能全面超越人脑，这是因为，人的智力是二元的，既能研究外部物质世界，又能研究智力本身，而人工智能的智力只是一元，只能研究外部世界，不能研究智力自身，此外，人脑是生命物，人工智能是非生命物，因此，它不可能具备生命物所特有的欲望、意志、情感、动力等要素，所以，人工智能永远也不可能全面超越人脑。
人工智能即将由专用阶段过渡到通用阶段，实现通用人工智能（AGI）的方法是模拟大脑智能的机制或工作原理，而非模拟大脑的神经元网络结构，这就好比，要发明飞机，不要用人造翅膀去模拟鸟的结构，而要模拟鸟类飞行的机制——空气动力学，智能机制就是人工智能领域里的空气动力学，依据空气动力学，就能设计和制造飞机，同理，依据智能机制，就能设计和制造AGI。
智能的机制就是人脑解决问题的方法（算法），它规定了解决问题的步骤，它就是脑内运行的程序，在本质上与计算机的算法和程序是一样的，都是依据一定的步骤解决一个问题，完成一件事情，因此，智能的机制很容易移植到计算机的软件中，并在计算机上运行，从而实现人类那样的真正智能——通用人工智能。由于计算机的运算速度和信息存储量远大于人脑，因此，一旦实现这一点，就能实现超人工智能，就能把人类智力（智慧）扩展数亿倍，从而极大地推动科技和生产力的发展。
所以，我们需要建立一门新的学科——智能科学，智能科学与计算机科学、人工智能三者的关系如下：
计算机科学=硬件科学+软件科学
智能科学=脑科学+心理学
人工智能=智能科学+计算机科学
有了智能科学，我们就能破解智能奥秘，搞清智能机制，并能用计算机模拟这一机制，从而实现真正的智能。
2，结构模拟悖论。
意思是指，通常认为通过模拟大脑神经网络的结构就能实现人脑同样的功能，从而实现AGI甚至是超人工智能，然而事实上这是不可能的，为什么呢？因为前面已经说过，大脑智能的主要机制存在于其软件——心理系统之中，而非大脑的硬件——神经网络结构中，所以，即使仿造出了与大脑一样的神经元网络系统，也不能获得同样的智能，因为这就好比你即使模仿计算机的硬件，造出了和它一样的硬件系统，但如果没有与之配套的软件，仍然是没有功能（智能）的，又好比，你只是搭好了一个舞台，但如果没有剧本和演员，仍然不会有观众的。
结构模拟是指通过模拟大脑的神经网络结构来实现AGI，这是一条非常困难的道路，是迫不得已的选择，是在无法破解大脑智能奥秘，无法搞清大脑智能机制的情况下不得不走的道路。人类的脑神经科学已有一百多年的历史，但至今对大脑智能的机制还几乎是一无所知，以至于乐观的脑科学家认为还需要数百年才能破解脑奥秘，悲观的脑科学家认为永远解决不了。作为人类，我们能感知，有思维；能学习，有情绪；能言语，有意识……所有这一切，全是因为我们有一个无与伦比的大脑——它重约3磅（1.36千克），却如无垠宇宙一般复杂、神秘。当航天器早已搏击长空，潜水器早已漫游深海，DNA双螺旋结构已经揭示，人类基因组图谱已经绘就，我们却对创造了这些奇迹的人类大脑知之甚少。因而，在科学界，探索“三磅宇宙”的奥秘，被认为是人类认识自然的“最后的疆域”。不破解脑奥秘就不能搞清大脑智能的机制，不知道机制，就无法进行机制模拟，在此情况下，也只好走结构模拟这条困难的道路了。但模拟大脑的神经网络结构又谈何容易，因为这3磅重的大脑由近千亿个神经元组成，每个神经元之间又由通过数百个突触连接到其它神经元，形成众多的神经环路或网络，其结构之复杂，之精细，让人难以想像，目前，科学家还造不出普通的生物细胞，更何谈人造神经元这种高级的细胞，因此，只能用光电材料来代替和模拟神经元及其网络，然而，即使造出了这么一个极为复杂、精细的人造光电神经网络，也不一定就会产生人脑那样的高级功能，因为二者的构成材料是不一样的，前者是神经元细胞，后者是光电材料，这就好比历史上飞机的发明，一开始也是走结构模拟的道路，企图通过用人造翅膀的方式来实现鸟类那样的飞行，结果，人造翅膀倒是做出来了，但飞行却不能成功。飞机的发明，只所以成功，正是因为放弃了结构模拟，转而使用机制模拟——模拟鸟类飞行的机制（空气动力学）后才取得成功的！类似的，汽车对人腿的模拟也是一种机制模拟，汽车不是模拟人腿的结构，而是模拟人腿走路的机制——借助地面的摩擦力前行。总之，结构模拟，不但难度极大，而且成功率也极低，是一个不得矣而为之的下下之策！
更何况，前文已述，大脑的主要智能并没有固化（包含）在其硬件——神经细胞网络中，而是固化在其软件——心理系统中，而结构模拟只是模拟大脑神经网络结构，仿造出一个类似于大脑的人造神经网络结构，所以，这个人造的结构必然和大脑原有的网络结构一样，都不包含智能，因此，仿造出的这个结构也必然是没有智能的结构，它只是个白痴，几乎没有任何智能，又何谈实现AGI？
要想实现AGI，根本不需要模拟大脑的结构，只需模拟大脑智能的机制就可以了，首先通过第二心理中的心理学研究，破解智能的奥秘，搞清智能的机制，这一机制也就是智能解决问题的算法，然后把这一算法移植或转录为计算机软件的算法，再用代码来实现这一算法，从而开发出一个AGI操作系统，最后在计算机上运行这一操作系统，就能实现人脑同样的功能——AGI。
3，数学悖论。
意思是指，通常认为只需通过数学和计算机科学手段就能实现AGI，而事实上，这是根本不可能的，因为数学和计算机科学只是实现AGI的工具，只有破解智能奥秘，搞清智能的机制才是实现AGI的关键。
上世纪50年代，“人工智能之父”约翰·麦卡锡曾说：“（我们的目标）是远离对人类行为的研究，将计算机作为解决某种难题的工具。这样一来，人工智能就会成为计算机而非心理学的分支学科。”60多年过去了，目前的人工智能界，仍有相当一部分人天真地认为，既不需要模拟大脑的神经网络结构，也不需要模拟大脑智能的机制，只需用数学和计算机科学这两个工具来做尝试，通过大量的、不断的试错，就能找到实现AGI的正确方法和道路，从而实现AGI，显然，这是一种盲目行动，是一种瞎猫碰死耗子，因此，成功率是很低的，几乎是不可能的，人类智能是自然界数十亿年的进化和自然选择的结果，是进化而来的，难道今天的AI也要这样进化几亿年、几十亿年才实现AGI？数学已有数千年的发展史，是一门非常古老的学科，也是一门非常成熟的学科，计算机科学也有半个多世纪的历史，如果只靠这两个就能实现AGI，那么恐怕早就实现了。
年，图灵发表题为《计算机与智能》的文章，明确表示“真正的智能机器必须具有学习能力，制造这种机器的方法是：先制造一个模拟童年大脑的机器，再教育训练。”图灵还说，“人工智能唯一需要做的事就是找到脑内运行的程序，获得正确的智能算法，然后在合适的硬件上运行它”。做为计算机之父，图灵有很高的数学水平，如果单纯依靠数学就能实现AGI，那么他又何必求助于“脑内运行的程序”呢？
在笔者看来，如果说AGI是一部机器，那么，数学和计算机科学只是制造这部机器所需用的工具，但仅有工具是不行的，还需要有机器的设计图纸，不然，你有再好的工具也造不出这部机器，这就好比，一个不会绘画和写字的人，即使你给他最好的画笔和钢笔，他也做不出世界名画和书法家那样的好字体，不过，如果给他一幅世界名画或书法家的字帖让他临摹，那么即使不能做到完全相同，也能做到90%的相似，而智能机制，就如同用于临摹的世界名画或书法家字帖，有了它，就能临摹出通用人工智能。
南京大学的周志华教授对此就深有体会，他说，“人工智能问题不是数学问题，甚至未必是依靠数学能够解决的问题。人工智能中许多事情的难处，往往在于我们不知道困难的本质在哪里，不知道「问题」在哪里。一旦「问题」清楚了，解决起来可能并不困难”；
DeepMind联合创始人DemisHassibis说，「人类大脑是我们所拥有的唯一的证据，证明我们正在努力构建的一般智力是有可能的，所以值得付出努力来尝试理解它是如何实现这些能力的」。笔者的研究经验也表明，只有破解了智能的奥秘，我们才能知道人工智能中的问题出在了哪里，才能解决问题，实现真正的智能。
众所周知，一个技术工人要想上岗有两个前提，一是要有劳动工具，二是还要有技能，不然，拿着工具也不知道怎么干活，只能瞎比划，所以，还必须先培训、后上岗，而实现AGI同样也需要有工具和技能这两个前提，人工智能中的工具是什么？就是数学和计算机科学，技术是什么？就是要懂人脑智能，知道人脑智能是怎么回事的，它的机制或原理是什么，然后才能模仿它并实现AGI，不然，即使手中有数学和计算机科学这两个工具，也不知道怎么干活，只能拿着它们（工具）瞎比划，而要掌握这一技能可不是一件容易的事，你需要以用面壁十年的精神去研究人脑智能，这样才能破解其奥秘，搞清其机制，可当今的AI的从业人员主要是数学统计学和计算机科学方面的专家，这两类人都不懂人脑智能，甚至根本都不关心智能，而不懂智能就没有技能，没有技能就只能拿着工具瞎比划，于是就比划出一个个“伪智能”和“人工智障”产品，就这一点点的“伪智能”还是基于人工标注数据的，没有标注数据，连这一点点的“伪智能”都不可能具有。
我们知道，孟德尔在发现遗传规律的过程中，数学帮了他的大忙，但如果他不做8年豌豆实验，只是在家里做数学推算，能从数学中提导出基因概念，能发现遗传规律吗？肯定不能，因为虽然数学可以广泛应用于许多学科，如，包括物理、化学、生物、经济等学科，但只有在这些学科首先定义了自己领域里的概念和问题之后，才能引入数学这个工具来帮着解决问题，在基本概念和基本问题被定义之前，即使引进了数学这个工具也毫无用处，数学再有能力也会“老健掉井里，有力用不上”，对人工智能来说，只有我们破解了智能的奥秘后，我们才能正确地定义人工智能中的概念和问题，才能找到人工智能领域里的根本问题在哪里，这时候才能引入数学和计算机科学等工具来解决这些问题，这就好比，只有在地质学家李四光发现了储油区后，我们的采矿队才能开始工作，否则，以瞎猫碰死耗子的方式四处乱挖，那什么时候才能挖出油呢？可现在的AI专家（包括数学家和计算机科学家）就是这么干活的，他们有工具，没技能，每天拿着工具瞎比划，这样，永远也不可能实现真正的智能——AGI。
这些AI专家“只求目的，不问手段”，认为不需要了解人脑智能，只凭数学和计算机科学这两个工具就能实现AGI，上世纪六十年代，刚在自动定律证明和符号推理方面取得一些成绩，就信心满满地认为，很快就能够实现AGI，比如：
年，H.A.Simon：“二十年内，机器将能完成人能做到的一切工作。”
年，MarvinMinsky：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”
年，MarvinMinsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”
后来的事实证明，这不过是对人脑智能和人工智能的无知，当然这是50年前的事了，可今天又怎样呢？依然有许多AI专家信誓旦旦地宣称，数学是实现AGI的关键，不需要智能科学的帮助，绕过人脑智能，他们照样能实现AGI。如果说AI专家都不懂智能，那么投资人和用人单位的老板就更不懂了，所以，投资人在投资一个项目时，只要看到团队中有数学家和计算机科学专家，就可以放心地投资；老板在招聘人才时，只要求你懂数学和计算机科学就行了，并不要求你必须懂人脑智能，这相当于只要你手中有工具，没有技能也可以上岗，这种人上岗后，由于自己也不知道怎么干，所以，只能拿着工具瞎比划，借着别人标注好的数据，搞出一些伪智能，就感觉自己很了不起了，而老板也很满足，因为虽然是伪智能，但毕竟也还算有点智能呀！但这样永远都不可能实现AGI，不可能实现真正的智能！这是当今人工智能的悲哀！也是对人工智能现状的真实写照。今天的人工智能，已经深陷深度学习的误区而不能自拨！
4，难易悖论。
难易悖论即莫拉维克悖论（英语：Moravecsparadox）。是指在人工智能领域，人们通常认为是很难的，反而很容易，相反，人们通常认为容易的，反而是困难的。这一悖论是由人工智能和机器人学者所发现的一个和常识相佐的现象。和传统假设不同，人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力。这个理念是由汉斯·莫拉维克、布鲁克斯等人于年代所阐释。布鲁克斯解释说，根据早期人工智能研究，智慧最重要的特征是那些困难到连高学历的人都会觉得有挑战性的任务，例如象棋，抽象符号的统合，数学定理证明和解决复杂的代数问题。至于四五岁的小孩就可以解决的事情，例如用眼睛区分咖啡杯和一张椅子，或者用腿自由行走，又或是发现一条可以从卧室走到客厅的路径，这些都被认为是不需要智慧的。
难易悖论告诉我们，在人工智能领域，最困难的不是模拟人脑的高级智能，如认知智能和创造智能，反而是模拟最低级的感知智能，这是因为，越高级的越抽象，越抽象的越简单，越简单就越容易用计算机进行模拟，反之，越低级的越具体，越具体就越复杂，越复杂就越难以用计算机进行模拟，计算机最擅长处理确定的简单的东西，不擅长处理不确定的复杂的东西，所以，感知智能中的模式识别对计算机来说是一件非常困难的事情，不过，只要能模拟人脑的识别机制，就能很好地解决这一问题，解决定问题的关键是如何破解这一机制，反省心理学中的心理二元说揭示了破解智能机制的有效方法是反省研究法，利用这一方法可以破解人脑智能的所有机制，当然也能破解模式识别这一机制，只不过，这一机制比较复杂，要破解它不是一件容易的事情，需要很长的时间，不过，笔者目前已经破解了其中的图像识别机制，这相当于解决了模式识别中80%的问题，因为图像识别占整个模式识别任务的80%。
5，理解悖论。
理解悖论又叫“中文房间悖论”，是指通常人们认为，能正确回答问题，就是理解了，不能回答就是不能理解。而事实上，正确地回答出问题，并不一定就是理解了，“中文房间悖论”最早由美国哲学家JohnSearle于20世纪80年代初提出。这是个思想实验，要求你想象一位只说英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。你随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。据Searle说，房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，Searle认为通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。Searle创造了“中文房间”思想实验来反驳电脑和其他人工智能能够真正思考的观点（包括“图灵测试”）。房间里的人不会说中文，他不能够用中文思考。但因为他拥有某些特定的工具，他甚至可以让以中文为母语的人以为他能流利的说中文。Searle说，电脑就是这样工作的。它们无法真正的理解接收到的信息，但它们可以运行一个程序，处理信息，然后给出一个智能的印象。我们可以这样来通俗地理解“中文房间”：把爱因斯坦对任何一个问题的回答汇编成一本书，那么你拿任何一个问题去问爱因斯坦，与翻着本书会得到同样的答案，现在我们能说这本书像爱因斯坦一样会思考吗？所以，中文屋的本质就是一种映射，把问题映射到现成的答案，这一点和考试中的作弊是一样的，表面上看，他成绩很好，实际上是在抄袭、作假。所以，这个思想实验很好的证明了“图灵测试”是错误的，也可以很好地证明今天的深度学习是不会理解的，虽然它能做图像识别和语音识别，但它的本质只是映射，不是理解，它只能把图像和语音映射到文字，而不能理解文字（如猫、狗）的真正含意，深度学习能“识别”出图像中的狗，但它根本不知道什么是狗，如果你在训练时把狗的标注改成猫，它就能把狗识别成猫。而人类不会犯这样低级的错误，因为人类的识别是有理解的识别，这才是真正的识别。
笔者认为，目前机器的识别和理解都只是一种映射活动，而人类的识别和理解是一种推理和认知活动，二者有本质的区别，因此，只有模拟人脑的识别机制和自然语言理解机制，才能彻底解决目前的机器识别和机器理解问题，使机器具备人类那样的真正的识别（有理解、有认知的识别）能力和真正的理解（基于语义的理解）能力。总之，机器理解并不是一个不可逾越的鸿沟，只要能模拟人脑的语言理解机制，就能象人类一样理解语言背后的真正含意。
6，自然语言处理悖论。
意思是指，通常认为，既然人脑是一个符号处理系统，那么就可以脱离语义和实物形象，仅是通过模仿大脑的字符处理过程，就能实现与人脑一样的语言符号处理功能，即，能在自然语言处理方面做得和人脑一样好，甚至超越人脑，而事实上这是不可能的，为什么呢？因为人脑对语言的处理完全是基于语义理解的，而不是基于外在的语法和符号的，因此，一个语义可以通过多种语言方式来表达，即使不遵守语法，也不妨碍双方的理解和交流，语义就是实物对象间的关系，比如，人和饭之间的关系只能是人吃饭，而不能是饭吃人，这个关系就是语义，一个语义可能通过多种方式来表达，如：饭我不吃了；我不吃饭了；我不吃了，饭；不吃了，饭，我；等……，只要明白了这一语义，怎么表达都不会引起误会。在机器翻译中有一个经典的案例就是“thespiritiswillingbutthefleshisweak”（心有余而力不足），用当时的翻译系统译成俄文再译回英文就变成了“thevodkaisgoodbutthemeatisrotten”（伏特加不错，但肉已腐烂。spirit有“烈酒”的含义）。另一个经典案例是，“Theboxwasinthepen”，box是盒子，pen有两个意思：一个是钢笔，一个是围栏。翻译这句话对人来说非常容易，对机器却很难。这句话现在用谷歌、百度、微软的机器翻译系统翻译出来都是错的，都会翻译成箱子在钢笔里，人是不会犯这样低级的错误的，因为人类的翻译是基于语义理解的翻译，而机器不会语义理解，所以在有歧义、上下文关联和语义比较复杂的地方，就会出现错误的理解（映射），进而导致错误的翻译。
总之，自然语言处理的基础是语义理解，而语义理解的基础又是模式识别，只有模式识别这个问题解决了，能做出正确的识别，才能把语言符号和实物形象对应起来，只有二者建立了对应关系，我们才能实现真正的自然语言理解，否则，就不会有语义和语义理解，永远也不能从根本上解决自然语言理解（处理）问题。
7，知识图谱悖论。
意思是指，通常认为，既然常识和知识非常重要，是我们理解、推理、预测和决策的基础，那么，如果，能通过手工输入，把人类所有的常识和知识都录入电脑，建立一个巨大的知识库，那么就能彻底解决知识瓶颈问题，从而实现和人脑一样的智能——通用人工智能，然而，事实上这是根本不可能的。
为什么呢？这是因为，第一，现有的常识和知识数量极大，可谓无边无沿，用人工方法把它们全部输入电脑，要花费极大的人力、财力和时间周期，何况新知识还在时刻不停地增加，在知识爆炸的时代更是如此；第二，人的知识分三种，第一类，就是明知识，是可以用语言文字表达的；第二类，叫默知识，是可以感受但不可表达的知识，像骑自行车，会骑但说不出怎么学的，每个人都要自己去骑一下才能学会，没法靠看手册学会，也是表达不出来的，生活中有大量这样直觉的、经验的知识，都是表达不出来的；第三类，是暗知识，是一个人不能理解的知识，即既没法感受也没法表达的知识，比如，如果你不知道电视机、手机、电脑等高科技产品的原理，那么，这些科技知识对你来说就是暗知识。所以，在这三类知识中，只有第一类明知识，能够输入到电脑的数据库中而成为知识图谱的组成部分，而第二、三类知识都无法输入进去，特别是默知识，既然无法表达就无法输入电脑，但这类默知识虽然我们不能表达它，却经常在使用它们，我们的许多理解、学习、推理、预测、决策等活动都有它们的参与，甚至根本就离不开它们。所谓常识就是不言自明的东西，所以，许多常识都是默知识，因此，上述通过建立囊括所有人类知识的的想法是错误的，根本就不可能实现。美国CYC项目就是这方面的典型，有人估算过Cyc真正达到预期的知识存储量可能还要等多年，而事实上永远都达不到，而且Cyc难以跟上知识时代的变化，经常保留几十年前的知识水平。象上面那个“Theboxwasinthepen”的翻译，就涉及到物体之间大小比较关系这一常识，有了这一常识才能做出正确的翻译，但如果用建知识库的方法，把世界上所有物体的大小比较关系都囊括进去，工作量将是惊人的，甚至是根本不可能完成的。所以，解决知识瓶颈问题的根本有效的方法是教会机器自己去学习，这样，机器就能象人类一样，既能学到明知识，又能学到默知识，知识的本质就是事物、对象间的关系，如果解决了模式识别问题，机器自己就能学习对象间的各种关系，所以，就能象人类一样拥有明知识和默知识。所以，解决知识瓶颈问题的关键是首先要解决模式识别问题，这个问题解决了，机器才能拥有自主学习能力，学会明知识和默知识。当然机器也会遇到它们不能理解的暗知识，比如，象饥饿、愤怒、恐惧等生命物特有的体验，机器永远也不会理解的。在机器掌握足够多的自然规律之前，宇宙中一些现象背后的原因，机器和人一样，也是无法理解的。
综上所述，知识是理解和推理的基础，是智能的重要基石之一，解决知识瓶颈问题的根本方法是用计算机模拟人类的学习机制，从而使计算机能象人类一样去自主学习，去学习掌握常识和知识，用手工的方法或是机器自动摘取的方法都不能从根本上解决这一问题。
8，主次悖论。
意思是指人工智能领域里的一些事物，人们通常认为它是最重要的，但事实上是次要的，相反，有些事物，人们认为它是次要的，而事实上，它们是最重要的。比如，大家通常认为，在人工智能中，认知智能（如理解、学习、预测、决策、推理、创造、常识、知识等）是主要的或重要的，而感知智能（如感知觉察、模式识别）是次要的，而事实上，正好相反，为什么呢，这是因为，第一，感知智能是认知智能的基础，没有感知智能就没有认知智能，第二，感知智能中的模式识别（尤其是图像识别）是整个人工智能的核心、牛鼻子，这个问题解决了，其它问题如理解、学习、预测、决策、推理、创造、常识、知识等问题都可迎刃而解，反之，如果这个问题不解决，或解决得不好、不彻底，那么，上述问题都不能得到有效解决，可见，模式识别（尤其是图像识别）是实现通用人工智能和超人工智能的关键，这个问题解决后，后面的问题才容易解决，通用人工智能和超人工智能才能得以实现！
9，类脑智能悖论
类脑智能悖论是指，通常认为先通过脑科学研究来破解大脑智能的奥秘，然后，通过类脑（模拟人脑）就能够实现人脑那样的智能AGI，而事实上这是不可能的，因为前文已述，脑科学并不能破解大脑智能的奥秘，因此，接下来类脑模拟也就无从谈起，因为预期的必要前提是不可能的，那么结果就肯定也是不可能的。还有一种类脑是结构类脑，即仅通过结构上模仿来实现人脑那样的智能，这就更不可能了，因为，正如，计算机只所以有智能，关键在它的软件，而不是它的硬件，同理，人脑只所以有智能，关键在其软件——心理，而不在大脑硬件——脑皮层中的神经网络，心理系统和软件系统是决策部门，是司令部，而大脑皮层和计算机的硬件只是执行部门，是士兵，因此，大脑皮层和计算机的硬件只是个白痴，是几乎没有任何智能的，因此，仅通过模仿大脑的结构，而不模仿其心理，是根本不可以实现AGI的，可见，所谓的类脑智能从根本上就是错误的，前一段时间，烧光10亿欧元的欧盟蓝脑计划的彻底失败，就是很好的例证。只有模拟人类心理的“类心理智能”才是正确的，才有可能实现真正的智能——AGI。类心智能就是模拟心理活动的机制（即人脑智能的机制），这才是实现AGI的正确道路。
10，深度学习悖论
深度学习悖论是指，通常认为，通过使用深度学习这门技术（工具）就能实现人脑那样的真正智能，而事实上，这是根本不可能的，因为深度学习的本质是基于概率统计的端到端的映射，应该说，统计归纳和映射确实是人脑智能的两种重要机制，但也远非其全部，人脑智能的机制，要比这复杂很多，因此，单靠这两招就想实现人脑那样的真正智能是根本不可能的，这也决定了深度学习永远只能停留在没有常识、没有理解的伪智能和人工智障的水平，根本不可能实现真正的智能AGI。这一点点的伪智能还是基于标注数据的，如果没有人工标注的大量数据，它连这一点点的伪智能都不可能具有。深度学习的本质是数学模型，而无论数学还是计算机科学，都只是实现AGI的工具，正如对一个技术工人来说，要想完成劳动任务，既要有劳动工具，又要有劳动技能，不然，拿着工具也不知道怎么干活，只能瞎比划，所以，单纯依靠深度学习是不能实现AGI的。真正的智能一定是象人脑智能那样，是有理解、有常识的，能小样本自主学习，能闻一知十，触类旁通，以不变应万变，而这些对深度学习来说都是可望而不可及的。只有先破解人脑智能的奥秘，理解人脑智能，再模拟其机制，才能实现真正的智能。
深度学习在当前只所以能成为人工智能中的主流，受到多数人的追捧，是因为“山中没老虎，猴子称大王”，这不过是人们在当前的一种无奈的选择，因为虽然它只有一点点的伪智能，但毕竟比没有智能要好一点，比起传统的人工智能技术，它还是好一些的，所以，它也就成了目前最当红的热门技术，不过，它也注定只能是昙花一现，与真正的社会需求有很大的差距，如果没有更好的技术来取代它，那么，人工智能的下次寒冬很快就会到来！
模式识别（尤其是其中的图像识别）是整个人工智能大厦的基石，如果这个问题不解决，就永远不能进入真正的智能，不能实现AGI，但深度学习根本就不会识别，它只会端到端的映射，而映射不是识别，因为真正的识别是感知和认知的统一，识别的过程就是理解和推理的过程。
深度学习的识别和人眼的识别有何不同？
严格来说，因为深度学习根本就不会识别，它只会映射，无论深度学习做的机器翻译、语音识别、文字识别还是图像识别，本质上都只是一种映射，而不是什么识别，它的翻译是“伪翻译”，它的理解是“伪理解”，它的识别也是“伪识别”，比如，机器翻译能把猫翻译为cat，但它根本就不知道什么是猫；深度学习能“识别”出图像中的狗，但它根本不知道什么是狗，如果你在训练时把狗的标注改成猫，它就能把狗识别成猫。机器翻译的机制与人脑翻译机制完全不同，它只是一种映射，严格来说根本就不是翻译，或者说它是一种“伪翻译”，而人脑的翻译是一种基于语义理解的翻译，这才是真正的翻译，所以，遇到成语和缩略语，机器翻译会出错，而人工翻译就不会出错。同样，深度学习的“识别”也是一种“伪识别”，严格来说，根本就不是识别，因为它的机制与人类的识别机制也完全不同，它只是一种映射，由象素到文字的映射（图像识别），或由语音到文字的映射（语音识别），而人类的识别才是真正的识别，因为人类的识别是一种基于理解的识别，其识别的过程中是一种理解的过程、推理的过程、预测的过程、假设——检验的过程，人类的识别过程是感知活动和认知活动的统一，是自下而上（由数据到语义）和自上而下（由语义到数据）的统一，是一种非常复杂的过程，正因如此，人类的识别有很强的鲁棒性，自适应性、可解释性，泛化性，并且可以实现小样本学习，而深度学习则正好相反，它缺乏鲁棒性，自适应性、可解释性和泛化能力，并且是大样本学习，成本极高。所以，说“深度学习能够识别图像并且已超越人类”，是一个弥天大谎，是人工智能时代的黄帝新装，是图像理解领域里的中文屋，是对人类视觉智能的无知，人类能在模糊、遮挡和残缺不全的情况下做出正确的识别，请问，现在的深度学习系统能做到这一点吗？中文屋的本质就是一种映射，把问题映射到现成的答案，这一点和考试中的作弊是一样的，表面上看，它成绩很好，实际上是在抄袭、作假。因此，把机器视觉、模式识别（包括图像识别）、机器翻译、自然语言理解、人机对话、机器人、自动驾驶等应用领域的大厦，甚至整个人工智能的大厦建立在深度学习的基础之上，就如同把大楼建在流砂上一样，是非常脆弱的，也是非常危险的，近年自动驾驶中的几场严重事故已经预示了这一点，这样的大楼根本就建不起来，最多也只能停留在“伪智能”“人工智障”“有多少人工，就有多少智能”的水平，根本就没有前途。自动驾驶、计算机视觉和人工智能的唯一的出路是向人脑智能学习，模拟人脑智能（尤其是视觉智能）的机制，这样才能彻底解决上述图像识别、计算机视觉、自动驾驶、机器翻译、自然语言理解等领域里的问题，才能建起人工智能的宏伟大厦，实现通用人工智能甚至超人工智能。
今天，深度学习的弊端日益暴露，大样本学习、严重依赖人工标注数据、鲁棒性差、不安全、不可靠，泛化能力差，不能象人脑那样举一反三，不会推理，不会理解，没有常识，没有知识，与真正的智能有天壤之别，因此，许多AI专家呼吁，要重起AI，对现有的深度学习推倒重来，开发第三代人工智能已是大势所趋！第三代人工智能就是机制主义人工智能，北京邮电大学的钟义信教授在本世纪初提出了机制主义人工智能理论，指出只有通过机制模拟才能实现AGI，该理论提出后在国内外得到了积极的响应和广泛的认可，如，我国人工智能泰斗吴文俊院士、美国模糊数学创始人L.A.Zadeh教授等大批中外学者都高度赞同这一理论。吴院士称赞说，“机制”应当比“结构、功能、行为”更击中人工智能的要害。如果说前述符号主义主要模拟人脑的符号推理活动，联结主义主要模拟大脑的神经元网络结构，那么，机制主义则主要模拟大脑智能的内在机制，机制才是智能的内在本质，而符号和结构都只是智能的外在表现，因此，只有机制模拟才能实现人脑那样的智能——AGI。
11，控制人类悖论
控制人类悖论是指，通常认为，人工智能一旦超越人类智慧，就会控制和危害人类，而事实上，这是根本不可能的，首先这违反了逻辑常识，因为如果一个人不够聪明，那么他根本不可能发明出比人脑更聪明的超人工智能，换句话说，如果一个人能发明出超人工智能，那么他一定非常聪明，而一个非常聪明的人又怎么会做出这样的愚事：他发明出一个东西，然后这个东西就把他本人和整个人类都控制了，都关进了地地狱？聪明的人只能做聪明事，愚蠢的人才会做愚蠢事，这是常识，所以，所谓的超人工智能控制人类是根本就不会发生的。
从理论上讲，超人工智能有两种形态，一种是生命物的超人工智能，另一种是非生命物的超人工智能，前者是危险的，有控制和危害人类的可能，而后者是安全的，不会控制人类。因为欲望、意志、动机、情感是生命物所特有的，非生命物不会具有这些要素，因此，生命形态的人工智能会象人类一样，具有独立意志、自主意识和情感、动机、欲望等要素，这样，它们就会有自己的利益，而当其利益与人类的利益发生冲突时，就有可能与人类发生冲突，并有控制和危害人类的可能，因此，生命形态的人工智能有失控的可能，是危险的，不可行的，人类的所有发明物都必须有一个前提，那就是完全可控的，否则人类就不会把它制造出来，因此，任何头脑正常的人都不会发明这种生物形态的人工智能。而非生命形态的超人工智能，如计算机形态的工智能就没有这类危险，因为它们是非生命物，因此，不可能具有人类那样的欲望、意志、动机、情感等要素，这样，它们不会有自己的利益，不会与人类发生利害冲突，也不会有独立意志和自主意识，因此，它们永远只能做人类的工具，服从人类的命令。
计算机形态的人工智能，无论是AGI还是超人工智能，都是用计算机模拟人脑智能的机制，因此，其本质上就是计算机的软件程序，和现有的搜索引擎、公交查询、语音识别、机器翻译等软件一样，都是非生命物，因此，它不会具有生命物所特有的欲望、动机、情感和意志等要素，更不会有独立意志和自主意识，因此，和人类没有任何利害冲突，同时，也没有任何主动性，作为一个软件，人类设定什么，它就做什么，人类让它运行，它就运行，不让它运行，它就呆着，什么也不做，可见，其在本质上和人类发明的其它工具是一样的，都只会被动地服从人类的安排，听从人类的使唤，而从不会主动地做任何事情，因为它的一切行为都是人类通过计算机软件来设定的。这一点就决定了，其在任何时候都不会主动做出危害人类的事情，更不会控制人类，除非被坏人利用，在坏人的指示下去做危害别人和社会的事情，这一点和药品、武器等其它人类发明物是一样的，我们通过法律管制就可以避免其危害。总之，计算机形态的人工智能只有智力，没有心理，它们没有欲望、动机、情感、意志等心理要素，因此，就没有心理，永远只能做人类的智力工具，就象现在的AlphaGo和搜索引擎，虽然在围棋和记忆（信息检索）方面远超人脑，达到了人脑的数亿倍，但它们只是没有生命的计算机程序，是完全可控的！
上述十一个悖论预示了实现通用人工智能的正确道路
上述11大悖论启示我们，实现AGI的正确道路是，第一，先开发第二心理，通过第二心理中的心理学研究破解智能奥秘，搞清智能的主要机制，然后用计算机模拟上述机制，从而实现AGI；第二，要“自底向上”而不能是“自顶向下”，先解决最底层的感知问题（重点是计算机视觉问题），再解决其它上层问题，如机器学习、自然语言理解、机器创造等问题；第三，要教会计算机自主学习，然后让其自己去学习常识和知识，这样才能彻底解决常识问题和知识瓶颈问题；第四，要抓住人工智能中的主要矛盾——模式识别，尤其是其中的图像识别，这个问题解决了，其它问题如理解、学习、预测、决策、推理、创造、常识、知识等问题都可迎刃而解，反之，如果这个问题不解决，或解决得不好、不彻底，那么，上述问题都不能得到根本有效的解决。
上述11个悖论告诉我们，今天的人工智能还走在错误的道路上，还处于混沌未开、黑白不分、人妖颠倒的状态，这是其只所以不能走出“伪智能”“人工智障”的根本原因，要想实现真正的智能——AGI，就必须来一场思想革命，以正确的思想代替错误的思想，这样才能有正确的行动，才能达到我们期望的目标——真正的智能AGI。
