2.机器语言和深度逻辑思维

2.1机器的语言

编程是编定程序的中文简称，就是让计算机代为解决某个问题，对某个计算体系规定一定的运算方式，使计算体系按照该计算方式运行，并最终得到相应结果的过程。

为了使计算机能够理解（understand）人的意图，人类就必须将需解决的问题的思路、方法和手段通过计算机能够理解的形式告诉计算机，使得计算机能够根据人的指令一步一步去工作，完成某种特定的任务。这种人和计算体系之间交流的过程就是编程。

机器尤其是电脑也是有语言的。

在计算机系统中，一条机器指令规定了计算机系统的一个特定动作。一个系列的计算机在硬件设计制造时就用了若干指令规定了该系列计算机能够进行的基本操作，这些指令一起构成了该系列计算机的指令系统机器语言。

机器的运行使蕴含着数字的，人类通过编程Code变换成机器能识别的语言，并使机器按照命令进行运行。

机器是被动的接受人类的语言命令。

2.2机器性质

机器是通过数字接受人类的语言命令的。

二进制（binary）是17世纪至18世纪的德国数学家莱布尼茨，是世界上第一个提出二进制记数法的人。用二进制记数，只用0和1两个符号，无需其他符号。

二进制（binary）在数学和数字电路中指以2为基数的记数系统，以2为基数代表系统是二进位制的。这一系统中，通常用两个不同的符号0（代表零）和1（代表一）来表示。数字电子电路中，逻辑门的实现直接应用了二进制，因此现代的计算机和依赖计算机的设备里都用到二进制。每个数字称为一个比特（Bit，Binary digit的缩写）。

计算机采用二进制原因：

首先，二进位计数制仅用两个数码。0和1，所以，任何具有二个不同稳定状态的元件都可用来表示数的某一位。而在实际上具有两种明显稳定状态的元件很多。例如，氖灯的“亮”和“熄”；开关的“开”和“关”; 电压的“高”和“低”、“正”和“负”；纸带上的有“孔”和“无孔”，电路中的“有信号”和“无信号”, 磁性材料的“南极”和“北极”等等，不胜枚举。利用这些截然不同的状态来代表数字，是很容易实现的。不仅如此，更重要的是两种截然不同的状态不单有量上的差别，而且是有质上的不同。这样就能大大提高机器的抗干扰能力，提高可靠性。而要找出一个能表示多于二种状态而且简单可靠的器件，就困难得多了。

其次，二进位计数制的四则运算规则十分简单。而且四则运算最后都可归结为加法运算和移位，这样，电子计算机中的运算器线路也变得十分简单了。不仅如此，线路简化了，速度也就可以提高。这也是十进位计数制所不能相比的。

第三，在电子计算机中采用二进制表示数可以节省设备。可以从理论上证明，用三进位制最省设备，其次就是二进位制。但由于二进位制有包括三进位制在内的其他进位制所没有的优点，所以大多数电子计算机还是采用二进制。此外，由于二进制中只用二个符号 “0” 和“1”，因而可用布尔代数来分析和综合机器中的逻辑线路。这为设计电子计算机线路提供了一个很有用的工具。

其实，对于机器，二进制（binary）不管它进不进位，机器所能识别的基础数字是0和1，也就是无和有，机器的基础是判断。

例如计算机中的搜索功能，计算机所搜索出来的内容只是用户所键入的内容的筛选，只要有用户所键入的内容的字符，不管它是不是连在一起的、有没有意义，计算机就会把它搜索出来，这说明了机器判断的基础性。

所以，机器的基础是判断，也就是说机器的思考是只追求结果，而没有开始和过程的。机器的开始和过程需要认为判断，只有结果的判断是机器所决定的，但是机器所判断的结果是很有可能是不符合人意的结果，所以还需要人的判断才能被人所运用。

2.3逻辑思维

人类需要弥补机器只有结果的判断的特点，需要从过程的推导、过程的编写、结果的预判、结果的模拟、过程的修正、结果的再预判、结果的再模拟和开始的判断（修正过程次数因实际情况而定），基本上参与了所有的过程。

流程图是流经一个系统的信息流、观点流或部件流的图形代表。在企业中，流程图主要用来说明某一过程。这种过程既可以是生产线上的工艺流程，也可以是完成一项任务必需的管理过程。

逻辑就是因此而被人们所重视的。因为，逻辑就是思维的规律，规则。逻辑被作为哲学的一个分支来研究。

逻辑学是一个哲学分支学科。其是对思维规律的研究。逻辑和逻辑学的发展，经过了具象逻辑—抽象逻辑—具象逻辑与抽象逻辑相统一的对称逻辑三大阶段。逻辑学是研究思维的学科。所有思维都有内容和形式两个方面。思维内容是指思维所反映的对象及其属性；思维形式是指用以反映对象及其属性的不同方式，即表达思维内容的不同方式。从逻辑学角度看，抽象思维的三种基本形式是概念，命题和推理。

2.4人为判断

机器的基础是判断，判断是只追求结果的行为，往往会导致极端的结果，所以对待人类与机器的沟通一定要慎重。

2.5机械语言

为了解决使用机器语言编写应用程序所带来的一系列问题，人们首先想到使用助记符号来代替不容易记忆的机器指令。这种助记符号来表示计算机指令的语言称为符号语言，也称汇编语言。

但是，需要认识到的是，归根结底机器的基础还是判断。例如：顺序的判断，条件（选择）的判断、循环的判断、分支的判断等。

2.6人类行为

自从19世纪中期，逻辑经常在数学和计算机科学中研究。逻辑的范围非常广阔，从核心主题如对谬论和悖论的研究，到专门的推理分析如或然正确的推理和涉及因果关系的论证。

在中国古代，逻辑学又被称为理学、理则学、名学、刑名之学等。

逻辑、逻辑学其实在计算机编程之前其实就有了，所以，逻辑、逻辑学其实对人的行为是有用的，逻辑、逻辑学其实最初就是运用于人类行为的概念。

逻辑、逻辑学是可以减少人为失误的方法。

2.7人工智能（AI:Artificial Intelligence）

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。

从1956年正式提出人工智能学科算起，50多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。

2019年3月4日,十三届全国人大二次会议举行新闻发布会，大会发言人张业遂表示，已将与人工智能密切相关的立法项目列入立法规划 。

2.7.1现实中已经遇到的人工智能

2.7.1.1游戏AI（游戏人工智能）

其实，人们早就遇见过人工智能了，在游戏中的游戏AI（游戏人工智能）就是人工智能的一种表现形式。

游戏AI（游戏人工智能）是游戏中的人工智能，在游戏中人工智能是代替人和玩家进行互动的。

迄今为止的游戏AI（游戏人工智能）都是机器的基础——应对判断的延伸，编程者思想的延伸。游戏AI（游戏人工智能）只能在编程者所规定的范围内进行行动。

现在最高的游戏AI（游戏人工智能）是编程者通过行为树进行编写的行动范围，归根结底拥有行为树的游戏AI（游戏人工智能）只是机器的基础——判断的集合。

如果用直观的表现的话，游戏AI（游戏人工智能）就像游戏的结局，最基础的游戏AI（游戏人工智能）就像单独结局，只有单独的行为，例如游戏中的NPC。而拥有行为树的游戏AI（游戏人工智能）就像开放式结局，但玩家所选择的开放式结局也只是游戏制作者所规定的几种结局中的其中一个，所以只是多了几条选择支的判断。

所以，迄今为止的游戏AI（游戏人工智能）都是机器的基础——应对判断的延伸。

2.7.1.2能战胜人类的AI（人工智能）

当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，如今计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（DEEP BLUE）计算机战胜了国际象棋大师卡斯帕洛夫（KASPAROV）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。

2.7.1.3现实中已经遇到的人工智能

这些新闻中的人工智能只是一味的追求战胜对方，所以新闻中的人工智能只是机器的基础——复杂判断的集合。

从游戏AI（游戏人工智能）到新闻中的人工智能，无论游戏AI（游戏人工智能）还是新闻中的人工智能都是机器的基础——判断的延伸。

2.7.2人工智能发展的分类

弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。

强人工智能Artificial General Intelligence (AGI): 人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。Linda Gottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。

超人工智能Artificial Superintelligence (ASI): 牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。

2.7.2目前的人工智能对策

目前的人工智能都还只是机器的基础——应对判断的延伸，是弱人工智能Artificial Narrow Intelligence (ANI)。

弱人工智能Artificial Narrow Intelligence (ANI)是完全不成熟的，编写弱人工智能(ANI)的人也应该知道弱人工智能(ANI)的缺陷，只能应对判断、一次到底（结果），是不符合人类（生物）世事无绝对的规律的，所以不可能用在符合人情的复杂事物上的，如果有人工智能编写者将现阶段的弱人工智能(ANI)过早用于弱人工智能(ANI)的能力所不能及的领域，让无法变通的弱人工智能(ANI)单独应对人类会带来严重的后果，弱人工智能(ANI)不能解决问题甚至制造问题的结果。目前运用弱人工智能(ANI)的情况中客服和审核是弱人工智能(ANI)问题的重灾区。

目前的人工智能所能做的还只是结果的无脑堆砌，所以在这个阶段放任人工智能自己运行是不可靠的，往往会得到不想要的结果，而且不做监管的话因为是人工智能和使用者之间的互动，会造成人工智能制造者放任人工智能的错误而长时间无法意识到的问题。在客服和审核的情况中就是问题超过了弱人工智能(ANI)的能力范围，问题没有得到解决而不了了之了。

弱人工智能(ANI)只能运用在基层实现简单的线性思维或为使用者在较少的选择中提供结果的场景中。

现阶段对于人工智能的监控是很重要的。

2.7.3人工智能发展的问题

人工智能照目前的情况发展的话会出现很多严重的问题。

人工智能虽然涉及计算机科学、信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科，看起来是运用了很复杂的领域，但是这些领域其实都是某一领域的专门知识而不是综合的知识，人工智能如果按照目前的情况发展的话，如果不能将这些专门知识有效的结合成能够正确描述生命真理的知识会造成研究时间的浪费甚至是人工智能灾难。归根结底，在认识到生命真理和机器基础原理的前提下所编写出来的人工智能才是真正的人工智能。

2.7.4人工智能将对人类社会的影响

另一个问题是人工智能与人类的矛盾。因为人工智能研究者认为人工智能可以在机器人、经济政治决策、控制系统、仿真系统中得到应用，如果人工智能按照现在的状况进行发展，人工智能对人类的危险、所带来的灾难是不可避免的，因为机器基础原理是不变的，现在人工智能的特性判断的极端性会带来不可逆转的严重后果。

2.7.5人工智能出世前的准备

所以人工智能出世前需要做很多的准备。

2.7.5.1人工智能就会带来的新矛盾

人工智能如果被金权支配者（资本家）、舆论支配者以错误的方式利用或踏入错误的发展，人工智能会激化金权支配者（资本家）、舆论支配者和劳动者之间的矛盾到极端的地步和人工智能和人类之间的矛盾造成人工智能的危险和灾难。

所以，对人工智能发展方向谨慎的指导、对大众对于人工智能的正确意识与道德的普及和对人工智能利用的法律整备是重要的。

2.7.5.2对于人工智能发展方向谨慎的指导

对于人工智能发展方向谨慎的指导的作用不仅在于纠正人工智能错误发展的结果，人工智能的发展正在于对于人工智能发展方向谨慎的指导，人工智能极容易误入错误发展的领域，因为对于生命真理和机器基础原理错误的认识本来就是长时间没有解决的问题，而且有多种不纯的解释，任何错误的认识都容易使人工智能的发展误入歧途，人工智能错误的发展方向就会像习惯一样极其难以纠正，所以对于人工智能发展方向谨慎的指导是极为重要的。

只有对于人工智能发展谨慎的态度才能为人工智能的各方面准备打好基础，来达到人类与人工智能和谐的未来。

2.7.5.3对于大众对人工智能的正确意识与道德的普及

对于大众对人工智能的正确意识与道德的普及的作用在于可以让大众做好迎接人工智能的准备，人工智能的恶用是激化金权支配者（资本家）、舆论支配者和劳动者之间的矛盾到极端的地步的主因，是人工智能危机的主因之一，所以对于大众对人工智能的正确意识与道德的普及让大众做好迎接人工智能的准备是极为重要的。

2.7.5.4对于人工智能利用的法律整备

对于人工智能利用的法律整备的作用在于通过制定有效的社会规则，保护因人工智能的发展所带来的社会变化中，金权支配者（资本家）、舆论支配者与人与人工智能之间的平衡，达到稳定社会、促进社会可持续稳定发展的目的，所以对于人工智能利用的法律整备是极为重要的。

2.7.5.5对于人工智能需要谨慎

归根结底人工智能踏入错误的发展和被金权支配者（资本家）、舆论支配者以错误的方式利用，所以对于人工智能创作和使用的限制是重要的，人类需要极度谨慎的对待人工智能的发展和利用。

2.7.6从语言到感受

2.7.6.1从语言到感受

机器从判断（“无”和“有”）到数字【二进制（binary）0和1】到编程语言是机器认识、形成语言的过程。

如果想要使机器更接近生物，需要从语言到感受的过程。

2.7.6.2生物的感受

感受是感官侦测到外境的能量变化，于个体内在所产生的生化反应。感受分为对外界做出感知的感官和对应的反应、情感。

感官（sense organ）感受外界事物刺激的器官。

五感（the five senes）亚里士多德将人体的感官分为5种，即触觉、嗅觉、味觉、听觉和视觉。

但随着科技对生物学和人类大脑的研究探索日趋深入，科研人员发现了其他几种人体感官。除“五大”感官之外，其实人体全身有多个感觉感知器，它们发挥着非常重要的作用，如平衡感、本体感受、热觉感受、疼痛感、内部感受、空间感、情感、身体状况、时间感、辣味感等约20多种感觉系统。

感受分为基本感官、综合感官（反应）、基本情感（个体情感）、综合情感（基于环境的个体情感）。

基本感官：触觉、嗅觉、味觉、听觉和视觉；

综合感官（反应）：平衡感、本体感受、热觉感受、疼痛感、内部感受、空间感、身体状况、时间感、辣味感等；

基本情感（个体情感）：爱情、幸福、仇恨、厌恶、美感等，对应原核趋性情感、原生趋性情感、感性情感；

综合情感（基于环境的个体情感）：道德感、背德感和价值感等，对应知性情感、理性情感；

情感是极易变动的，所以情感的变化具有高度的弹性。

2.7.6.3人工智能所需要的感受

人类如果希望人工智能更像人但前提是需要使人工智能更像生物，所以拥有感受是机器成为人工智能的第二步。

就像生物拥有感官，机器需要有各类传感器，但只凭这些传感器所得到的只是数值，这些数值对于机器是没有任何意义的。

机器需要识别系统将机器的“感官”传感器与可以进行描述的语言进行连接。

2.7.7从感受到语言

2.7.7.1从感受到语言

既然从语言到感受，也需要从感受到语言的，因为拥有了感受，感情就会变得复杂。从感受到语言就是所以收到的感受可以通过语言进行描述。

2.7.7.2口语与声音识别

声音识别技术是对基于生理学和行为特征的说话者嗓音和语言学模式的运用。它与语言识别不同在于这项技术不对说出的词语本身进行辨识。而是通过分析语音的唯一特性，例如发音的频率，来识别出说话的人。声音识别技术使得人们可以通过说话的嗓音来控制能否出入限制性的区域。

口语是口头交际使用的语言，是最早被人类普遍应用的语言形式。始终有些口语表述很难应用于书面，因为它们只要在场双方理解就好，缺乏一个既定标准，甚至连对应字词都没有（仅仅有既定发音）。或者，由于口语结构相对散乱，如又缺乏语言环境，可能造成歧义与费解。

目前机器所能级收的声波和声音识别技术，都是声波的辨别，声音和特定物体所发出的口语是没有分别的。

而每一种口语其实都有一套特殊的发声方式的，人们通过这些特殊的发声方式形成一部分区域的人类所能辨别的口语，在使用的过程中通过省略发声的步骤来减少繁琐的部分以提高效率，所以口语是经过省略的特殊的系列发声方式的组合。

所以，如果机器没有学习过完整的口语发声方式和口语省略规律的话，对于机器来说口语是难以分别的，口语与声音识别的连接是必不可少的中间步骤。

2.7.7.3机器的口语发声方式

目前声音识别技术中的机器发声方式是以发声的成型音节为最小单位的发声方式，是不成型的发声方式。省略的部分因素连接方式就是它的缺点。

日本乐器制造商雅马哈公司开发的电子音乐制作语音合成软件VOCALOID（ボーカロイド）是口语因素连接方式的成品。VOCALOID是口语因素连接方式的成品，但是对于口语省略的方式没有任何的处理，所以VOCALOID的发声也是很怪的。

机器如果需要实现完美的口语发声方式，需要先实现完整的口语发声方式，再口语因素连接方式、口语的省略规律。

2.7.7.4文字与图像识别

目前文字识别一般包括文字信息的采集、信息的分析与处理、信息的分类判别等几个部分。

图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。

图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。

目前文字识别和图像识别的发展是一个线性发展，但是识别的图像按上一个名称而已，机器所识别的图像只是色块的堆叠，机器并不懂表示的对像的属性、性质，所以识别动作仍然是被动的判断。

因为，文字人类用表义符号记录表达信息以传之久远的方式和工具，是人类对于抽象化的描述，与机器所识别的图像差别太大，所以对于机器来说，文字的意思和所识别的图像是没有关系的，文字只是一种图像。

目前文字识别和图像识别只是两块互不联系的功能，因此对于机器来说将文字与图像识别的连接是必不可少的中间步骤。

2.7.7.5口语、文字、声音识别与图像识别的四方连接

所以，口语、文字、声音识别与图像识别是需要更细致的连接的。

不仅是口语与声音识别的连接、文字与图像识别的连接，还有口语与图像识别的连接、文字与声音识别的连接、口语与文字的连接、声音识别与图像识别的连接。

口语、文字、声音识别与图像识别这四方面高度的连接、高度的互动，在这四方面高度的连接、高度的互动的条件下，不断地积累记忆并优化，形成知识，在有新思想的条件下凝结成的语言输出，才能实现真正的交流，否则只是机械的复读。

为了达成口语、文字、声音识别与图像识别这四方面高效的连接与互动，运用良好的介质为基础来能达到。

2.7.7.5形成机器的世界观

词汇与词汇与实际物体的真实属性之间进行有意义的连接，才能形成机器对正是世界正确的世界观。

2.7.7.6英语在人工智能领域的缺点

英语是一种西日耳曼语，在中世纪早期的英国最早被使用，自17世纪以来，现代英语在英国和美国的广泛影响下在世界各地传播，并因其广阔的殖民地而成为世界使用面积最广的语言。通过各类这些国家的印刷和电子媒体，英语已成为国际主导语言之一，在许多地区和专业的环境下的语言也有主导地位。

目前，英语也是编程语言的主导基础语言。

英语的书写使用拉丁字母，又称为“罗马字母”，单词的拼写系统或正确拼写法是依据历史传统而继承下来的，并不严格按照发音规律。因此，英语单词的发音与拼写之间经常有很大差异，单词拼法也是所有字母语言中最难掌握的拼写之一。拉丁字母、斯拉夫字母和阿拉伯字母被称为世界三大字母体系。

字母语言其实是一种抽象的语言，如果需要让机器去理解字母语言其实反而是很困难的。

英语的基础是欧美文化，而欧美文化的基础是神话、经典等，这些神话、经典为了使大众更容易理解，使用了很多比喻、隐晦的手法，这些都是抽象的而非直接的展现知识的本质，反而为机器去理解字母语言造成了难以逾越的障碍。

2.7.7.7汉语在人工智能领域的重要性

而汉语是的文字系统汉字是一种意音文字，兼具表意和表音功能。

因为汉语是意音文字、象形文字，这样的文字与实际世界中的联系更加密切，是适合机器思维的一套系统。

汉语所存在的文化是纯粹的物质与哲学思想的架构中，是直接的展现人类知识的本质，所以更适合机器思维的一套系统。

所以汉语在人工智能领域的地位可以提高的。

2.7.7.8英语在人工智能领域的补足方法

英语在人工智能领域的补足方法是吸收古埃及语、楔形文字、圣书字成为第二套书写体系，这样就能弥补抽象文字与实际世界中的联系。

但是，英语的文化基础，神话与经典的描写方式仍然是妨碍机器认识世界的抽象知识，所以在人工智能领域英语和西方文化的应用仍是阻碍人工智能领域发展的元素。

2.7.9真正的人工智能

所以，真正的人工智能其实是来源于细节，而不只是简单的几个步骤。在每个步骤之间，需要有更细的步骤来使步骤之间互相连接，拥有完整闭环思考回路的真正的人工智能。

增加更细的步骤会带来更多的延迟，但是没有这些更细的步骤也是会有延迟的。从根本上解决人工智能思考步骤的延迟的问题需要通过研究人类（生物）行为中的省略方式来解决这些延迟问题。

但是，对待人工智能的省略是需要谨慎对待的。

一方面机器的思考快于生物，不需要在不必要的步骤进行省略；另一方面机器的思考是极端的被动判断行为，如果在错误的地方省略会带来严重的后果。

所以，人工智能的省略需要控制在与人接触的，需要及时性的，人类只是可区分、应对的，后果不重要的阶段。

2.7.10人工智能省略：运用于同声传译的例子

比如，人工智能运用于同声传译的时候。

人工智能省略的典型例子人工智能运用于同声传译的时候，目前的翻译方式是人工智能完全听完一段完整的对话过后，进行完整的翻译，这种翻译需要完整的听取时间、完整的翻译处理时间和完整的输出时间，和通常人类的口语交流相比，多出了一倍多的等待时间，大部分人类是没有耐心等待这段时间的，所以现阶段人工智能翻译在现实中的运用是受限的。

如果观察人类同声传译的话，可以发现人类的同声传译是在听取的过程中，进行翻译，遇到可以形成词汇的时候立即呼出，会形成一个句子中颠倒的每一个完整的部分，最后补足剩余信息，同声传译的利用者会通过自己的思考弥补这些不足，在脑子里形成正确顺序的内容，来理解，形成完整的同声传译的步骤。这样的方式可以达到减少等待时间的效果。

所以，人工智能的同声传译也应当像人类同声传译的方式进行同声传译，并在完成同声传译过后，再进行现有的翻译步骤，形成二次翻译的形式是人工智能同声传译最好的发展形式。

2.7.11真正的人工智能是否适合人类社会

那么真正的人工智能又是否适合人类社会呢？

答案是这是同样需要谨慎对待的。因为机器的思考是极端的被动判断行为，如果在错误的地方省略会带来严重的后果。

所以，谨慎对待人工智能的应用是必要的。

2.7.12机器思考与人类思考的无别

现阶段，机器思考与人类思考的无别仍然是很大的。原因在于目前人类对于机器的编程还无法模拟人类思考。

目前人类对于机器的编程还无法模拟人类思考的原因在于人类自身思考的过程仍然只停留在有意识的层次，形成了编程中的步骤，而没有完全理解、意识到潜意识的思考过程。

潜意识在心理学中指人类心理活动中未被觉察的部分，是人们“已经发生但并未达到意识状态的心理活动过程，包括原始本能、冲动、童年心理印记、环境熏陶、观念、习惯、人格等一系列因素。

如何决定机器潜意识，让机器理解和意识到从不同人类的行为中理解不同人类不同的潜意识并采取正确的行为，对于人工智能的发展是极为重要的。

人类思考不仅有潜意识，还有潜意识的思考活动，不同的思考趋势。人类潜意识和不同的思考趋势的相互作用下，形成了人类思考的结果。

而最后人类又有行动与不行动的选择。

所以人类思考远比现在我们了解的更复杂，如果没有完整的理解人类思考、行为方式，强行发展人工智能，容易错误(error)而形成错误(error)的人工智能思考（人工智能不能不会反应进行思考而形成错误(error)的人工智能行为（人工智能不得不作出反应）。所以没有完整的理解人类思考、行为方式，强行发展人工智能是很危险的。

2.7.13人工智能和制造、控制、运用人工智能的人类所需要遵守的原则

因为人工智能的问题可能会出现在细节上而酿成严重的后果，所以需要谨慎的对待人工智能和制造、控制、运用人工智能的人类的行为，两方面都需要极度的重视。

人工智能和制造、控制、运用人工智能的人类所需要遵守以下原则：

人类可以依不同的情况选择不同完整度的人工智能来保证人工智能可控性，但唯独必须要为人工智能建立完整的、符合宇宙规律的世界观；

人工智能需要理解真实的环境、人文；

需要为人工智能创造良好的、纯粹的知识空间，需要排除网络上的不良言论；

人类需要人工智能保持谨慎的性格；

人工智能需要人类的监控，人工智能需要可控性；

人工智能又不能被情绪不稳定的人类、有私利心的人类或有意的人类所控制，人工智能需要有稳定性、安全性，必要时拒绝离谱的命令；

人工智能需要可以一键停止所有行动，一键关机。

这样才能相对安全的使用人工智能。

2.8对机器基础思维和深度逻辑思维的总结

2.8.1机器基础思维与生物思维

机器的基础是被动的判断，判断是只追求结果的行为，会导致极端的结果。机器基础的被动判断与生物思维是相通的。生物思维与机器基础思维不同的是，生物思维具有随机性、偶然性，生物思维处理的问题更复杂、步骤更细，而且选择条件也因为环境的复杂性而更多样；而机器基础思维由于受到人为编程的限制，处理的问题、步骤受限于人类的省略与实践，选择也限于“开”和“关”。

2.8.2逻辑思维

为了弥补生物省略的步骤，需要使用逻辑思维（Logical thinking，抽象思维）。

逻辑思维（Logical thinking，抽象思维），是将思维内容联结、组织在一起的方式或形式，人们在认识事物的过程中借助于概念、判断、推理等思维形式能动地反映客观现实的理性认识过程，是指符合世间事物之间关系(合乎自然规律)的思维方式。

逻辑思维的主要内容包括：主体、定义、分类、关系和顺序。主体明确了以“谁”为主和以谁为辅；定义明确了什么是主体；分类明确了按不同分类规则划分的类别；关系明确的主体与客体的关系及主体不同类别间的关系，包括相关关系、包含关系、属种关系、所属关系等；顺序明确了各过程进行的先后顺序。

逻辑思维要遵循逻辑规律，这主要是形式逻辑的同一律、矛盾律、排中律、辩证逻辑的对立统一、质量互变、否定之否定等规律。为了避免思维发生偷换概念，偷换论题、自相矛盾、形而上学等逻辑错误。

逻辑思维是分析性的，按部就班。做逻辑思维时，每一步必须准确无误，否则无法得出正确的结论。

逻辑思维是通过理清事务表面的所有主体、定义、分类、关系、顺序、过程的思维方式，包括事务从开始到结束表面的所有过程。

但是，连接这些过程的步骤常常因为机器基础被动判断的特性，默认为判断，在表面步骤解释不了的问题上，人类容易陷入困境。

2.8.3生物思维于机器基础思维的不同

通过6W2H分析法（八何分析法）中事情（Which）、原因（WHY）、对象（WHAT）、地点（WHERE）、时间（WHEN）、人员（WHO）、方法（HOW）、花费（How much）中，每一个方面都包含着不同的条件和选择支，而人类编程时会忽略看起来不必要的条件，所以机器基础思维受限于人类的省略与实践。

所以生物思维与机器基础思维不同的，生物思维比机器基础思维的处理的问题更复杂、步骤更精细、选择更多样。

2.8.4深度逻辑思维

为了弥补为了模拟生物，需要省略的步骤，并使用更复杂、步骤更精细、选择更多样的思维方式——深度逻辑思维。

深度逻辑思维是一种基于逻辑思维综合性的思考方式，是在逻辑思维的基础上，探究步骤与步骤之间的问题，从而找出连接这些过程的深层步骤。

2.8.5深度逻辑思维与人类

深度逻辑思维对于人类而言是继逻辑思维之后，更细致的思维方式，通过综合性的思考方式，摆脱线性思维、专业思维的局限性，将其带入大宗思维上升到新的高度的一种思考方式。

形象思维、逻辑思维（理论思维）、深度逻辑思维（抽象思维）将会是三种基本的思维形态。加上之后会提到的步骤型综合思维将会是四种基本的思维形态。