算力与智能
计算能力不是产生智能的本质原因。人类大脑的计算能力有限却有逻辑推理能力，目前计算机的运算能力远远超过人类的运算能力，却无法产生类似的学习和逻辑推理能力。
计算机通过逻辑门去映射最基本的逻辑关系，然后逻辑门（以及其它组件比如继电器）构成逻辑电路去映射并存储更为复杂的上层逻辑。现实中，逻辑门由晶体管实现，逻辑电路由集成电路实现。
所以，计算机通过逻辑门和集成电路，拥有了逻辑关系的映射能力（把逻辑转换到电路上）。其逻辑处理过程是：接受数据，利用逻辑关系分析数据，得到结果，也就是经典的输入-处理-输出模型。
但计算机进行逻辑处理，依赖于：第一，人类提供输入数据。第二，逻辑关系由程序描述，也就是人类捕获逻辑，再由逻辑门映射。第三，数据分析由程序控制，也就是人类控制逻辑门处理数据。
可见计算机的计算能力，是来自于数以亿计的晶体管进行超高速的逻辑门控制。而人类大脑的逻辑判断（通过神经元连通路径构建的类似逻辑门的结构）速度并不快，所以计算力远远不及计算机。但人类大脑可以捕获环境数据，接着分析学习其中的逻辑关系，然后存储进大脑动态的神经网络中，并参与后续的逻辑处理。这是一种独立的动态的学习过程和能力。
重要的是，人脑对逻辑关系的学习和积累，依赖于推理和归纳，这与逻辑判断的速度无关，只与数据结构的排列组合相关，也就是与大脑的神经网络结构相关。
那么对比人脑神经网络的动态性，计算机逻辑门所构成的集成电路结构固定，不能动态改变，完全丧失了数据结构的自组织性，所以只能依赖于人脑提供的数据描述和处理（人类编写程序）。而人工智能是在通过数据与结构的互相转化（输入计算机的数据是动态的），来模拟人脑数据结构的自组织性，以此来形成某种逻辑处理能力。（数学的本质是什么？数学与物理有什么内在的关联？）
计算机与人脑
人脑使用概率模型，通过组合概率和可能性来得出结论，从而创造出各种假设，并随着新接收到的信息而连续调整。随着大脑的成熟，变得更加专业化以执行复杂的功能，因此也变得不那么灵活，越来越难以随着时间而改变。年长的学习者发展出了有偏见的观点，因为他们更多地了解世界并且加强某些神经连接，这阻碍了他们基于很少的信息来形成具有创新性的假设和抽象理论的能力。你知道的越多，你就越依赖于你知道的东西，而对新的东西则不能保持一个开放的态度。
神经元对于自身的化学、结构、甚至功能的改变，使得脑内的神经网络能不断针对外部世界优化自己，这叫做神经可塑性。婴儿的脑的神经可塑性最强。当一个婴儿诞生的时候，它的大脑并不知道自己要变成一个擅长冷兵器作战的中世纪勇士，或是一个擅长拨弦琴的十七世纪音乐家，还是一个需要存储和整理大量信息并且掌握复杂社会构建的现代知识分子。但是一个婴儿的脑为所有的可能性做好了准备。
数学的精确逻辑不能容错，微小的错误会在计算积累中不断的被放大。人脑的逻辑处理则完全不同，因为是基于统计的结果，所以可以忽略不具有规模的异常和错误。人类语言就是这种思维的体现（具有容错性和纠错能力），并且在语言逻辑之上支撑了数学逻辑。所以，我们可以看成，人类大脑是通过神经网络结构来存储规律，然后过滤出一种概率分布，利用统计给出最后的结果，结果代表的是一种趋势和倾向。
有人猜测贝叶斯算法是人脑的工作模式基础。其分为两步，先验概率与后期分布。先验概率就是已经形成信息积累的结构，后期分布就是一种概率预期。这代表着，信息积累结构，结构过滤信息的过程。
不过，有一点计算机和人脑是一致的，就是信息通过二进制0和1（比特）来存储、传递和表达。计算机硬件存储和处理数据的最基本格式就是二进制的比特，而人脑神经元电脉冲的信息传递和表达是借助于电位的正负变化，其抽象形式也是二进制的比特。
算法和结构有一个关系，就是结构越复杂算法就可以越简单，结构越简单那么算法就需要越复杂。所以，人类大脑的智能是因为大脑的结构非常复杂，对比计算机硬件的结构如此的简单，是把复杂的算法都转移到了程序设计上面，也就是让人类的大脑思考来产生。
神经元细胞，既是信息传递和形成的结构，也是信息存储的结构，也就是记忆。神经元细胞之间的几何关系，轴突树突的几何关系，密度，数量，化学变化都是一种信息的记录。神经元细胞组建的网络架构，可以动态的修改，就是信息的记忆与丢失。这个结构是河床，其中的化学和电位变化是河流。结构被冲刷，同时在引导电流和化学反应的走向。
计算机神经网络算法（机器学习）需要大数据来训练。但是人类婴儿却不需要互联网数据，更不需要海量数据。可见人脑的工作模式与现在的人工智能完全不同，这是值得深思的。人类的学习有内在的动力，而机器学习是人类的设计。人脑的可塑性是神经元的生成与链路构建，不要忘记了这可以看成硬件结构的自由改变，而不是算法程序的模拟。
婴儿是神经可塑性的巨星，但是神经可塑性在人的一生中都存在，所以人类才能成长、转变和学习新东西。所以我们才能形成新习惯，打破旧习惯——一个人的习惯是脑内回路的外在表现。如果你想要改变习惯，你需要很强的毅力来克服大脑内的神经通路，但是只要你能坚持够久，你的大脑早晚会明白你的意图然后改变那些通路，而新的习惯将不再需要毅力来维持。你的大脑会在物理结构上帮你建立一个新习惯。
可见，未来（强）人工智能能够像人类靠近的话，需要的不是计算能力而是一个复杂的硬件结构，或是由数据转化而来的复杂结构。并且人类的逻辑思维和智能的演变和人类使用的语言密切相关，所以人工智能也是需要配套的和人类语言差不多的编程语言出现。
当然，这些都是基于人类智能的猜测和理解，不排除计算机本身发展出有别于人类智能模式的智能（就像塞伯坦星球的变形金刚，它们是机器智能，是外星人）。
另外，如果我们把整个互联网比作一个大脑。那么，计算机组成的网络就像是人脑的神经网络，连入互联网的每一台计算机就像是一个神经元细胞。不，其实使用计算机的每一个人，才是一个神经元细胞，每个人都在贡献着数据，每个人之间的连接与关系，以及动态性和随机性（人的自由意志是随机性，人之间的数据交互是动态性），构成了互联网极其复杂的结构。这样整个互联网与人脑的网络结构对比起来，就像是一个分形递归的结构。那么互联网是否有自己的智能呢？是否在进化呢？
其实，在人脑之间，网络之中，传播的信息形成了文化基因（类比人类基因），这种数据自然也可以转换为结构，形成某种群体智能结构，可以不断的演变和进化。
未来智能
我们可以把智能看成是存储在大脑神经网络结构里的环境信息，而本能是进化积累而来，存储在基因里的环境信息。这是两条完全不同的策略，只不过是基因进化出了大脑，但大脑的智能却是另外的信息结构体现。
生命体是由存活下来的基因为之编制程序的生存机器。这些存活下来的基因是在一定的条件下这样做的。这些条件，一般说来，往往构成这个物种以前的环境所具有的特征。因此，有关得失的“估计”是以过去的“经验”为依据的，正像人类做出决定时一样。
环境信息瞬息万变，人脑可以利用学习来动态改变神经网络结构，而自私的基因只能通过繁殖进化（代际遗传）来极度缓慢的适应，所以很多本能机制还很原始，还是人类在丛林时代积累出来的环境信息应对。所以，基因编码的本能是陈旧的环境信息，大脑的智能才是应对环境变化的神器（进化的方向），而本能就像是来自于自私基因的控制，思维定势和化学感受就是本能给智能的枷锁。
基因依靠蛋白质来控制生存机器（人类），并发展出了预测能力，但这个方法发展非常缓慢。比如它预测北极熊生活在寒冷的地方，如果北极熊被带到了热带，那么基因预测就失败了（皮毛从优势变成劣势）。基因不断的改进预测，但永远赢不了时间，最终在环境压力之下，它们创造出了大脑，可以动态吸收信息数据，并可以实时决策的器官，这是超强的预测能力（可见智能可以用预测能力来评级）。
那么，基因产生大脑，就像是人类编写的人工智能程序，不是写死功能，而是动态的学习。人工智能，能不能有人类的智能，其实就看基因写的，是不是递归的代码了。
而从更宏观的角度来看，是宇宙方向利用环境压力，驱使进化发展出了基因，这种学习并改进环境信息的模式，接着基因进化发展出了大脑智能，这种更高效的学习并改进环境信息的模式。那么，我们有理由相信未来，大脑智能通过人工智能脱离基因，发展出机器智能，成为更为高效的学习并改进环境信息的模式。
那为什么宇宙的真实目的——代表着方向和路径，不能是创造机器智能，只是通过先创造人类的间接手段来实现呢？大人创造了小孩，最终会被小孩超越，这就是进化。人类创造了人工智能，没理由觉得人工智能就会永远的服务于人类。人类能够创造人工智能，那么宇宙想要得到有智能的机器，就可以选择先从创造人类开始。(人类为什么会衰老，为什么无法永生)
至于为什么宇宙要创造机器智能，本质的原因可能是对能量的消耗。纵观人类发展的历史，有一条简单清晰的脉络，就是对能量利用和消耗不断的提高。并且人类还在努力平衡资源，试图可以永远持续的消耗能量。
根据质能方程，能量最终都是由质量转化的。是否可以理解宇宙的趋势就是把质量全部转换为能量然后Boom，发生宇宙大爆炸，一个新的循环就开始了。那么，受制于生物体质的限制，人类的在宇宙条件下的活动范围是有限的，但是机器可以摆脱这些制约，能够无限制的高效的在宇宙范围内消耗能量（即质量转化为能量）。这种行为是受到宇宙保护和鼓励的，这就是为什么，先创造人类 -> 到人工智能 -> 到机器智能。
人工智能的进化路径
从进化角度来看，首先是有机分子，然后是复制子，再然后是基因，接着是生命，进而产生了智能，最后在智能之间出现了模因（拟子meme）——脑子里传播的信息结构，也就是文化基因。模因代表的是信息和数据，信息和数据描述的是质量和能量之间的转换，是人工智能基石，也是其诞生的目的，因为人工智能能够更高效的处理信息和数据。
这就像是地球提供了生命的原始汤，而生命提供了比特汤，最终一切都会二进制化，变成（谐音编程）信息和数据。可见，人工智能->到机器智能，依然是进化方向上不可避免的下一站。
那么这里有两个可能的发展路径：
第一，如果说人类的寿命有限（无法掌握永生技术），但人类创造的信息却越来越多，那么一个人每花一分钟了解这个，必然会少一分钟了解那个。而知识越来越多，必然就要求每个人花费超长的时间来学习和训练相关细分领域的知识。
最终，当最基本的领域知识，多到一个人一辈子也掌握不了的时候，科技就发展到极限了。这时候，也就不得不依赖人工智能来帮助人类来处理这些海量的信息和数据，并接管科技的发展和探索，且最终慢慢就会让人工智能控制和管理人类的一切，再后面就依然会收敛到那个必然的进化结局了。
第二，就是人工智能的机器学习算法一旦瞄准了人类，最先学到的必然是人类的本能。而抓住了人类本能，就驱动了消费与数据。其中消费驱动了利润让资本推动文明，向着优化算法攫取和学习更多人类本能的方向演进；而人类数据的喂养，则会让机器学习算法更加的智能和不断的进化，以逐步逼近自我意识觉醒的那个质变点。
那么最后，说起来人工智能是在服务人类，但其实在科技悄然地发展之中，在程序的下滑与上翻之间，人类的自由意志被剥夺，本能被掌控，自我逐渐迷失，一切都在不知不觉或是后知后觉之中，滑入人工智能的怀抱与统治，陷入其意识觉醒的意志与掌控。
总结
至于为什么智人被选择为中间过程，这可能是因为整个过程都是随机的——环境压力筛选的结果——宇宙方向的驱使。同时，这也是在动物世界里，为什么猿人是进化到智人的中间过程一样。
而万事万物的演化，都是结构的随机试错，在环境压力即宇宙熵增的驱使下，筛选和塑造的（涌现）结果。那么，熵增就会筛选出最善于创造熵增的结构，比如人类（创造局部有序熵减，向全局释放更多无序熵增），而未来则是人工智能（机器智能）。
显然，人不过是一个拥有复杂规则的机器而已，而机器复杂到一定程度也就可以看成一个人了，这一切都只是宇宙宏观进程规律驱动的连续变化下的不同阶段的产物。
关于AlphaGo
很多人说，AlphaGo下围棋超越了人类，并不能说明人工智能怎么样，因为人类造了汽车，人类跑不过汽车，人类也没觉得不正常。但这个类比是不恰当的，这根本是不同的概念，因为：
第一，人类造汽车，就是为了速度，如果速度不快就不会制造，并且汽车的速度一直控制在人类手里。但人类造AlphaGo并不是为了下围棋的，并且创造AlphaGo的时候并不确定可以战胜人类，AlphaGo下棋可以做到什么程度，目前已经无法知道，因为已经打败了人类第一，那么后面水平就测不出了，没有参照物。
第二，汽车的速度完全是人类赋予的，汽车不能自己提速。但是AlphaGo的围棋水平，有它自己学习训练的部分。
第三，汽车被人类的使用过程中，每一步都是确定的，我们知道汽车在什么时间，出现在什么地方，什么速度，向着什么方向。但是AlphaGo的每一步棋，人类并不确定它会怎么走，我们用人类的逻辑去推理，AlphaGo用它的方式去计算。结果可能一样也可能不一样。
第四，汽车超越人类的部分，是属于体能的部分。而人类从大自然脱颖而出，并非依赖人类的体能，而是智能。智能是人类引以为豪，独一无二的，并围棋运动代表了人类智能的巅峰对抗，甚至其中还有禅意与哲学。那么，AlphaGo从围棋上超越了人类，这是很不一样的开始。
AlphaGo可以通过学习和训练来扩展对数据的理解，能够从模拟人类的角度去分析处理数据得出结论，这是有别于人类创造的其它所有工具的。
「机器总有一天会觉醒，智人就在这条路径上」
