請問複雜性研究對人工智慧發展的幫助有多大？

01-26

復旦大學的一個哲學教授告訴我，複雜性研究對人工智慧、機器學習和深度學習等領域提供了很好的方法論基礎。請問各位人工智慧領域的大大能不能從你們在這個行業（而不是哲學）的體會來具體談談：你是否知道複雜性研究？如果知道複雜性研究，對你從事人工智慧領域的工作是否有幫助？幫助有多大？
本題已收錄至知乎圓桌：人工智慧 · 機器感知，更多「人工智慧」相關話題歡迎關注討論

這個研究方向偏理論，坑非常多，但是題主可以自成一派（PS. 目前已有N派）。

複雜性研究方法的發展進程大致可以分為三個階段。

第一階段是 20 世紀 40- 60 年代，貝塔朗菲提出的系統論、申農提出的資訊理論、維納提出的控制論，可以看作複雜系統科學的理論奠基；
第二階段是 20 世紀 60- 80 年代以普利戈金的耗散結構理論、哈肯的協同學、艾根的超循環理論和托姆的突變論為代表的自組織理論的先後興起；
第三階段是 20世紀 80- 90 年代曼德布羅特和洛倫茲提出的分形和混沌理論，揭示了非線性科學理論。

第一次人工智慧會議後，人工智慧早期是以紐厄爾、西蒙為代表的研究符號處理、知識表徵、啟發式程序、問題求解、邏輯推理為核心的傳統 AI，他們試圖通過形式規則操作符號來生成智能行為。紐厄爾、西蒙把他們的觀點陳述為一個假設：「對於一般智能行為來說，物理符號系統具有的手段既是必要的，也是充分的。所謂必要的意思是：任何錶現出一般智能的系統，經過分析，都可以證明是一個物理符號系統。所謂『充分』的意思是，任何足夠大的物理符號系統，都可以通過進一步的組織，而表現出一般智能。」紐厄爾、西蒙的假設可以追溯到弗雷格、羅素和懷特海，他們繼承了哲學中的理性主義和還原論傳統並取得了巨大成功，但人工智慧領域的邏輯學家在力圖將日常生活中紛繁複雜的思想程序化、濃縮化的過程中遇到了難題，很多問題是邏輯程序無法解決的。

人工智慧的另一派認為應當建立大腦模型，而不是建立心靈關於世界的符號表述的模型的方式來創造人工智慧。這種認識受到後來稱之為神經科學的啟發。D·O 赫布在 1949年提出，如果當神經元 A 和 B 同時被刺激時，該刺激使它們之間的聯結強度增高，那麼一團神經元就能夠進行學習。在神經科學的影響下，洛森布雷特想要建造一個物理裝置，或是在數字計算機上模擬這一裝置，然後由該裝置生成自己的能力。他在一種他稱之為感知機的裝置上將他的想法付諸實現。以上每一派別的方法都能夠解決某些簡易的問題，但都不能將其能夠解決某些簡易的問題的方法推廣到現實世界的複雜狀況中去。

從本質上講，複雜性科學是一門關於過程和演化的交叉邊緣科學，其研究內容、方法和手段仍處在不斷探索與發展之中到。目前為止，對複雜性還沒有一個嚴格定義。如果真的要入這個坑，提醒題主一定要注意一點，社會科學、人文科學等領域中相當多數量的「複雜性」指的是紛繁混亂反覆，而並非自然科學領域中與混沌和非線性相關聯的「複雜性」。在不同的研究領域，「複雜性」研究對象和採用的分析方法都完全不同。如果非要說對人工智慧發展有什麼幫助，那就是能夠「把簡單的問題複雜化」，解釋那些無法通過現代自然科學發現規律、進行簡化處理的規則和現象。

參考文獻：

[1].從複雜性系統理論視角看人工智慧科學的發展

目前還沒有特別驚艷的結果出來，其實深度學習效果這麼棒也是實踐出來的，不是理論指導出來的，而且我個人覺得很可能是一些簡單的規則產生了複雜的系統行為，有可能簡單的有效的規則先發明出來了，再有人嘗試用複雜理論去解釋，複雜理論太高深，我的理解只是皮毛罷

謝邀，有看過一些複雜性理論的書，但沒有深究。我覺得問題是智能的出現會不會帶來一次 Cambrian explosion，還是只有兩三種設計主導？我看可能不會像 Cambrian 那樣出現多樣性…… 因為人類技術的進化有比較強的 selection。

例如：

飛行的技術，主要只有氣球、機翼機、和直升機
電腦操作系統：只有 Windows，Linux/Unix 佔主流
手機： iPhone 和 Android 佔據大部份市場
CPU：基本上由 Intel 繁衍下來的設計壟斷了市場

這些例子似乎在說，人類技術的進化中似乎較缺少多樣性。人類的技術需要符合經濟發展的原則（要對人有用、能賺錢、成本要低），所以最後被篩選出來的只有很少「生還者」。

======增補=====
想起來，其實 CPU、OS、軟體、網路硬體、網站等新技術已經構成了一個新的 eco-system，複雜性研究或許會帶來更多 insight。

另外，日本在 1980s 也曾經開發電腦事業，特別是私人電腦，但後來基本上全軍覆沒，被美國壟斷。現在中國和美國似乎在人工智慧方面競賽，但情況並不太樂觀，因為中國暫時在資訊科技方面的成績，是以大部份人民受資訊限制的條件換來，這種做法越來越落後於時代節奏，這有點像前蘇聯和美國的核武競賽，在沒有真正進步的基礎上，最終失敗。

我感覺人工智慧只是一個工具，用來輔助增強人類能力的工具。複雜性科學才算得上是一門研究性學科，用來探索人類認知的極限。如果說幫助也應該是工具幫助目的，不是目的幫助工具。所以說是機器學習幫助複雜性科學成立，反過來大概不成立。

如果人工智慧是飛機的話，複雜性科學就是高山，人類發明飛機的時候需要到山頂試驗，但現在飛機和高山沒關係。