13、人工智能时代：数字、理解与未来展望

人工智能时代：数字、理解与未来展望

理解的内涵

在探讨人工智能与理解的关系之前，我们需要明确理解的含义。理解常常是一种潜意识的心理状态，多数时候它是定性的，但也有定量的一面，量子计算便与此相关。在物理和化学领域，理解通常蕴含于理论和解释性模型中，即通过分析可观测现象背后可能的物理或化学机制（原因、基本作用），并评估它们的贡献来实现。

理解还具有很强的教学属性。真正的理解可以用文字、概念或方程传授给聪明的学生。我们常以此来审视那些热衷于机器学习或神经网络的同事，询问他们从计算中获得了哪些可以传授给他人的知识。

我们的起源

两位理论化学家对人工智能持怀疑态度，这源于他们在量子化学领域的背景。大约90年前，P. A. M. 狄拉克指出，大部分物理和整个化学的数学理论所需的基本物理定律已完全知晓，但精确应用这些定律会导致方程过于复杂而难以求解。因此，需要开发近似实用的量子力学方法，以便在不过多计算的情况下解释复杂原子系统的主要特征。

多年来，他们尝试构建框架来形成解释，并将量子力学的见解与化学家关于原子共享电子能力和原子核束缚电子倾向的定性观点相联系。微扰理论在这方面发挥了重要作用，它是一种从只能近似求解的方程中获取物理见解（理解）的传统方法。

他们擅长进行近似数值计算，解释这些数字对实际结果的影响，并构建解释。化学家可以通过制造分子来验证他们的定性预测，从而实现理论与实验的良性互动。

机器能理解吗？

机器学习和神经网络作为新的模拟引擎出现，似乎取代了他们的工作。虽然他们仍需精确计算一组包含相同元素的分子的能量，作为“训练集”。理论学家还可能设计人工智能机器用于关联的指标，然后程序