算法|Martin Davis最新访谈：机器学习是一个收敛的过程，背后理论并不高深( 二 )

Q3：如何更好地定义“可行”？
目前还不清楚是否有一个非常精确的概念。定义的方式可能就像“有些算法比其他算法更难”，只有一个范围。
此外，什么是可行的，部分要取决于你有哪些可用的计算机设备。在我写的《通用计算机》（The Universal Computer）中，我想用数字 π 来解释关于收敛的想法。所以我用莱布尼茨的数列 π/ 4 = 1 - 1/3 + 1/5 - 1/7…写了一个程序，并计算出这个数列大约有 20,000 项。
但最近，又感觉通过将莱布尼茨级数中的 20,000 项相加来计算 π 的想法似乎是非常愚蠢的。不过，这只是一个业余爱好者可以轻松地使用家里的电脑和计算机编程知识的表现罢了。
Q4：在《通用计算机》的 2018 年版本中，您添加了一些关于机器学习与人工智能的新内容。机器学习最让您感到惊喜的是什么？
这些神经网络模型非常有用，而且它们的功能非常强大。多年来，我一直对神经网络抱有怀疑的态度。最初的想法是，神经网络是在模仿大脑。然后我想，“这只是另一种模式，没有什么特别的优点。”但事实是，对于某些问题，例如围棋比赛，神经网络的效果出奇地好。在这一点上，我的直觉是完全错误的。
Q5：目前没有理论解释为什么机器学习这么有效。您认为会出现这样的理论吗？
我不认为机器学习有多神秘。机器学习就是一个收敛过程，一个逐次逼近，已经在分析中应用多年。如果在构建多层神经网络时选择正确的函数，那么它就会迅速收敛，所以我不认为机器学习涉及到了特殊的深层理论。我甚至怀疑神经网络是在模仿自然。
如果你要成为钢琴演奏家，你每天要练习七个小时。那么，为什么你不能只读一本手册，上面告诉你“你必须要成为一名钢琴演奏家”？因为这行不通。你坐在钢琴前，去请教一位老师，他也只会看着你做的事情，然后说：“你这不对，你的小指放的位置偏离了一点点。” 这就是一个收敛过程。
Q6：目前，人工智能的研究成果与社会应用正呈爆炸式增长。这是一件好事，还是一件需要警惕的事？
我是这样想的：我们有没有可能制造一台自动机，可以帮我们做所有事情，甚至做得更好？比如围棋和国际象棋之类难度极高的游戏。是的，我们可以。在这些方面，人类已经不能打败机器。
这就涉及到我们自己如何做这些事情，但我们真的不了解。大脑真的会执行算法吗？大脑确实会一些。当我们制造一台自动机器去执行算法时，我们也会使用算法。我们的大脑显然会进行搜索。我们试图记住一条信息，它不会立即弹出来，但我们等一会，它就会突然弹出。当然，我们知道，通用计算不需要太多。Stephen Wolfram 几乎把通用计算机搞成了一种邪教，称通用计算可以在非常小的实体中使用。事实上，如果大脑要通过执行算法来完成所有奇妙的事情，那么我们也肯定能够制造出做同样事情的计算机。
莱斯大学有一位学者讨论过这个问题。他的名字是什么...？
Moshe Vardi?
是的。看，你刚刚在电脑上搜了他的名字！他说，在一个时代后，我们将可以拥有一台能做人类做的任何事情的机器。这个说法可能有点过于乐观了。
如果你看这些神经网络的惊人成就，你会发现，他们无法产生新的想法。问题是，我们的大脑中在多大程度上产生一些更高级的想法，就像完全不同的技术一样。不过，我的看法不同，我怀疑，在另一个层面上，这些技术是完全相同的。毕竟，我们要通过研究大量的数学知识，才能成为优秀的数学家。
Q7：那么您如何解释伟大的数学家在感知新结构、或将两个看起来非常不同的事物联系起来时所产生的洞察力或想象力的飞跃？您在研究 H10 问题时就是这样的，当时您认为递归可枚举集和丢番图集可能是相同的。