智能就是算法吗？

通常，这些问题的答案遵循某种模式，如果您愿意，便可以使用算法。当我们的分析左脑侧工作时就是这种情况。然而在我们的行为中也存在一些因素，其中智能似乎遵循更难以实现的路径，这不能简单地表征为特定的步骤序列。例如，我们的情感和直觉无法用结构特征和功能的本体论来描述。
本书提供对智能的洞察力，因为它在自然界中起作用，如人类或动物智能，但也揭示了人工智能领域的现代发展，为创建所谓的全球Webmind提出了进一步的架构解决方案。
 

然而，本书不仅会试图让你洞察智能，因为它在自然界中发挥作用，如人类或动物智能，同时也将揭示人工智能领域的现代发展。本书还提出了进一步的架构解决方案，用于创建所谓的全球Webmind。关于这方面，本书将继续解决我在前一本书《Technovedanta》（技术吠檀多）［1］中留下的一些尚未解决的问题。
从本质上讲，我将尝试绘制一条线，并找出智能算法的位置以及智能在哪里我们将其称为“整体”（holistic）。
将分析智能分解为可理解的步骤的优势在于，如果我们意识到这些步骤，就可以有意识地实施它们，避免逻辑谬误并制定快速的解决方案策略，而不需要评估所有可能的途径。这种策略被称为启发法。
虽然有很多关于设计启发法主题的书籍，但这通常是在特定的背景下完成的。G.Pólya在他的优秀著作《How to Solve It》（如何解决它）中阐述这并不是最不重要的，这本书与数学问题有关。本书提供了任何性质问题的一般策略。
我希望这次尝试能够取得成功并为你提供一个工具包，该工具包允许通过更快的模式识别和更集中的策略来找到问题的解决方案。我最终希望实现的是增加你的智能，因为它可以让你更自由地与周围的世界打交道，并且这是幸福的秘诀。
Steemit
《智能就是算法吗？》出现的方式是奇特的，需要一些解释。如果你愿意，可以跳过前言的这一部分并跳转到第1章，因为它超出了《智能就是算法吗？》主题的框架。但它可以为你提供一些了解我如何得出一些解释的某些想法。
2016年11月，我开始在博客网站Steemit上写博客。Steemit是一个非常奇特的网站。它不仅仅是发布文章和其他创意产品的平台，完全不是，它是一个奖励你的贡献的平台。是的，你听得很清楚，你可以因为你的艺术混合物而得到报酬。
你的付款方式为Steem，这是一种所谓的加密货币，就像比特币一样。这不是假币，你可以通过另一个名为Poloniex的平台将Steem兑换成比特币，然后将比特币兑换成美元。
这笔钱来自哪里？加密货币在计算机网络中以电子方式被“挖掘”。从本质上讲，计算机因解决困难的数学问题而获得奖励。这个处理能力用于验证事务，因此需要进行数字运算才能使加密货币正常工作。用户提供计算能力来验证和记录加密货币交易到所谓的“区块链”。
根据维基百科解释，区块链“是一个分布式数据库，它维护着一个不断增长的有序记录列表，称为区块。每个区块包含时间戳和前一个区块的链接。根据设计，区块链固有地抵抗数据的修改，一旦记录，区块中的数据就不能逆动地改变”。
在Steemit上，区块链的一部分涉及挖掘Steem和Steem交易，另一个重要部分是关注内容创建者提交的帖子。
每天，被开采者挖掘的所有Steem都会在内容创建者中被重新分配。
内容创建者的每个帖子都可以全天候开放进行投票。如果人们拥有很多投票权，通过投票他们将Steem的价值归因于帖子。在投票周期结束后，收集的Steem的主要部分支付给内容创建者，而次要部分则分配给投票的人。一个职位的投票被称为策展，策展人因此也获得一点奖励。
拥有巨大投票权的人就是所谓的“鲸鱼”。如果鲸鱼为你的帖子投票，那么价值会突然增加大约10美元或更多。拥有中等投票权的活跃成员称为海豚，可以贡献相当于几美分到几美元的价值。
其余的Steemit人群被称为米诺鱼（Minnows）。他们没有足够的投票权来贡献价值。随着你每个帖子获得奖励，你的声誉指数便会增加。你的声誉越高，人们投票给你的可能性就越大。
你可以将你的Steem转换为Steem Power，这是投票权，此交易也可以反向操作。你还可以以Steem Dollars的形式存钱，这是一种比Steem本身更稳定的货币，Steem容易受到通货膨胀的影响。
该系统的优点是鼓励人们提供有趣的内容并获得奖励以刺激他们继续。从某种意义上说，它也是一个开放系统，可用的货币总量不固定。不知何故，钱是凭空创造的，但由于对它的信任，该系统运行得非常好。
正是在这里我开始了我的博客，自从我的“智能就是算法吗？”系列蓬勃发展并获得了相当多的关注和奖励后，我意识到这是人们真正感兴趣的信息，这就是为什么我觉得将它汇总在一本书中会很有用的原因。当然，你不需要在本书上花钱，因为你可以完全在区块链上阅读，但你必须搜索不同的章节。
在这里，你将它们组合在一个方便的格式中，我已经完全引用并交叉引用它的奖励。
资质
你可能想知道我写本书的资质是什么。我既不是心理学家，也不是神经科学家。相反，我是一名生物化学家，是欧洲专利局（EPO）的专利审查员。然而在EPO，我对人工智能、启发法和搜索引擎感兴趣。毕竟，专利审查员必须搜索具有与要求保护的发明相似或优选相同内容的现有技术文件。此外，专利审查员必须评估本发明提出的方式是否能明显地解决给定问题。为此，EPO开发了一种算法，称为“问题解决方案—方法”。从所有这些概念中我意识到，实际上可以从中提取出来的一种模式就是一种智能算法。在我开始写作几周后，Joe Tsien博士发表了一篇文章［发表于《Frontiers in System Neuroscience》（系统神经科学的前沿），第10卷，第95篇，2016年11月15日］，表明智能确实遵循“神经网络”类型算法（不是传统的冯·诺依曼式算法）。我将在本书的第11章中讨论这个问题。然而，我还将尝试展示智能在何时何地遵循一系列步骤，这些步骤可以在传统的冯·诺依曼式算法中被模仿，从而超越了神经网络更加“黑匣子”式的方法。我将使用来自各个领域的类比，如生物学、心理学、化学、物理学甚至精神领域。我还将自己的经验用于抽取和组织信息到很小的区块中，我多年来一直在收集这些，这让我成功地通过了一项令人生畏的考试—欧洲专利律师资格考试（EQE）（也可以由专利审查员考取，虽然这不是强制性的）。EQE比你在大学时可能必须通过的任何考试都要难。它包括四个测试，这些测试是关于发明的非常复杂的难题。你必须起草一项发明的要求，你必须修改要求以克服因现有技术冲突而产生的异议，你必须准备反对案（这就像一场诉讼）并建议用户如何处理第三方的权利，它可能妨碍他们开展业务。考试持续4~6h。有时你最终会密密麻麻写满30页。 显然，你需要组织信息的技能；显然，你需要启发法。最后但并非最不重要的是，我近几年来一直是专利学院的讲师，我有四个孩子，每个孩子都有着截然不同的学习曲线。 这也促使我找到解释问题和解决方案的方法，设计助记符和信息组织工具。因此，我开发了我的“智能工具箱”，它可以推广到任何类型的领域和问题，我在这里呈现给你，这样你也可以从我在这个过程发现的技巧中受益。我并没有声称就心理学家和神经学家对智能的看法向你提供了详尽的条约。相反，我建议采用有用的途径来组织信息、解决问题并从中创造性地生成新信息。本书附有一个附录，其中包含了我最初编写的第1章的其他一些元素。当我意识到我是以一种过于复杂的方式开始时，我重写了第1章，以便与本书的其余部分完全契合。由于我不想失去我在最初的第1章中探讨的丰富概念，因此我将其中一些内容作为附录。我希望你会喜欢我的书。