对话加拿大工程院于非院士：寻找 AI 领域的「香农定理」(7)

紧接着是物理学到化学，也都有类似的一个个阶段进化的例子。

记者 ：那像您所说的，从物理、化学到生物，甚至未来虚拟世界，人工智能，都可以用一个逻辑来理解「智能」？

于非 ：可以用同样一个逻辑，这也是我思考的初衷，我想要用同一个逻辑来理解这个世界是怎么运转的。所以《智能简史》我选择的第一条名人名言，就是斯宾诺莎的「人类所能企及的最高活动就是为明白而学习，因为明白了就获得了自由」。能否用一个简单的道理来解释整个运转过程，这也是科学探索最高的境界。

science 和 engineer 不一 样， engineer 是「我想解决一个问题」 ， science 是「我想明白这个事情」 ，这二者最基本的一个区别。但在明白这个世界之后，它会告诉你怎么去解决这个问题。

因此我将《智能简史》里的「智能」定义叫做一种假说，这个假说从大爆炸开始到目前这个世界，从物理学、化学到生物，都是为了推动宇宙平衡稳定而造成的一种一一各种各样的自然现象。举个例子，我将水杯放在桌子上，往旁边挪它就会掉下来，掉下来可能是因为万有引力，那为什么跟万有引力相关？这是因为如果它不掉下来，那么系统就不稳定，而当它掉下来之后，这个系统就变成稳定了。

再例如烧开的热水，热水的热量在房间里不扩散时，它是一个不稳定的系统，因为杯内很烫、而外部很冷，这就造成了两者间存在一种梯度。当热量扩散时，两者趋于温度相同，系统也就变得稳定了。与此同时，作为一个稳定的过程，扩散并不是缓慢进行的，而是以一个最快的、最省力的情况来达成稳定。

记者 ：这种对智能的认识对您的研究有什么指导意义？例如说，在您自动驾驶相关研究里，这种最快、最省力达到稳定的原则是怎么得以应用的？

于非：非常好的问题。这有一个基本原则，就是关于「智能」的定义。智能的本质是什么？就是对信息耗散多少的量化。信息在不同的个体中存在差值，出现了梯度，造成系统不稳定。

自动驾驶也是如此，一个熟练的老司机和自动驾驶机器系统存在梯度，即使机器可以通过各种各样的算法去学习，但为什么还是学不好？究其原因，就是因为车和人的大脑存在梯度、「智能」没有量化，如果将智能度量出来，量化差值，有了科学的指导后，就可以很清晰地知道（自动驾驶）还需要在哪一些方面来提高。