人工智能的第一性原理 熵與訊息引擎

智能的廣義和狹義

智能的廣義定義
我們透過觀察到的智能行為來認識智能的存在。例如，當我們說某人很聰明，或認為GPT是一個具有智能的機器，這樣的認知源於它們能夠處理訊息，將訊息從不確定狀態轉換為確定狀態。
智能的作用在於改變訊息狀態，這不僅是將訊息從從不確定狀轉換為確定狀態，還包括將具體存在的實體轉換為抽象概念，或將存在的多個實體統整成單一實體的作用。如此，我們將能使訊息狀態發生改變的作用，就稱之為智能。
根據此定義，任何能使訊息狀態發生轉移的作用都可視為具有智能。例如，椅子使人從站立的狀態轉為坐著的狀態，按此定義，椅子也具有智能。因此廣義而言，物質實體的功能都可以視為一種智能。
物質實體的屬性是功能，功能是物質實體內在負熵存量的外在表現。負熵存量是實體的一種性質，能與訊息產生互動，因此是實體的負熵存量讓訊息的狀態產生轉移，使訊息從一種狀態轉移到另一種狀態。如此，物質實體的智能與其負熵存量相關。負熵存量越高，物質實體能實現的功能越多，它對更多訊息狀態的轉移作用越大，我們就說它有較高的智能。
比如桌子、椅子或鉛筆，我們都可將它們視為一種智能，因為它們具有負熵存量，能執行特定功能，將訊息從一種狀態轉移到另一種狀態。然而，這些物質實體的負熵存量較低，功能相對簡單，屬於低度智能。

負熵存量是智能的量化
物質實體的功能是其內在負熵存量的外在表現，功能表現為改變訊息狀態的智能，因此智能與負熵存量是對應的，較高的負熵存量產生較大的智能。負熵存量來自於訊息引擎循環的結果，因此物質實體的智能由訊息引擎循環產生的負熵存量所建構。負熵存量有對應作用的訊息溫度，有具體和抽象程度的差異。因此，物質實體的智能表現是其負熵存量與訊息溫度的對應，這樣的對應關係我們稱之為智能轉換，從訊息引擎循環產生負熵存量的大小到智能程度高低的表示。
智能是物質實體功能的作用，智能程度表現為物質實體內含特定訊息溫度的負熵存量大小，表示智能解決特定問題的能力。智能在負熵存量大小與訊息溫度的對應關係，我們稱之為智能圖。我們可以透過智能圖來顯示物質實體智能特性的表現。

不同物質實體的智能表現
物質實體的本質是秩序，其屬性則是功能。秩序程度的高低以負熵存量來表示，較高的秩序程度意味著較高的功能，能更深入地處理特定問題。當一個物質實體具備多種功能時，表現為多種智力的統合，物質實體統合的功能越多，其智能程度越高。
例如，當一支手機除了基本的通話功能外，還結合了多種其他電腦的功能，這樣的手機被稱為智能手機，是高智能的實體。
我們稱GPT為一種人工智能，或稱其為智能機器。智能機器本質上是物質實體，其主要功能在於產生智能。GPT的智能特徵主要有兩個方面。首先，這個智能機器具有高度的智能，能回答各種不同的問題。其次，它生成答案的負熵存量，主要以抽象文字訊息形式表現。這意味著GPT智能來源的負熵存量是處於訊息溫度較高的抽象範圍。
一般物質實體的智能與GPT不同，例如飛機或手機，它們的功能主要表現為執行特定具體的功能，如飛行或通話。而GPT的功能表現在語言文字的訊息處理。因此，GPT與一般物質實體智能表現的區別在於，它們所產生智能作用的訊息溫度範圍不同。一般物質實體智能作用的訊息溫度範圍較低，而GPT智能表現的訊息溫度範圍較高，這是具體與抽象的區別。

智能狹義的定義
我們認為物質實體具有智能的作用，這是因為它們的功能擁有改變或轉移訊息狀態的能力。因此，從廣義上講，物質實體可以被視為一種智能的實體；反過來，智能的實體也可以被理解為一種物質實體。因此，廣義來說，智能的定義對應維物質實體的功能。
然而，在一般情況下，我們通常不會將一般的物質實體的功能視為智能，主要因為我們傾向於只將能處理語言文字訊息的功能視為智能。由於一般物質實體無法處理人類的語言訊息，因此不被認為具有智能。這是狹義智能的定義。
舉例來說，如果我們對一支鉛筆下達「站起來」的命令，傳達的是語言指令，但鉛筆無法處理這種語言訊息，也無法產生訊息狀態的改變，所以我們不認為鉛筆具有智能。狹義智能要求實體能夠處理人類語言訊息的作用，因此只有能夠理解和轉換人類語言文字訊息的實體，才被認為具有智能。例如，電腦能處理輸入的語言文字訊息而被認為具有智能，智能手機因為能接收和處理語言文字訊息而被視為具有智能。GPT被稱為人工智能，是因為它能像人類大腦一樣處理語言文字訊息並產生相應的語言文字回應。一般的圖像識別系統也被視為人工智能，因為它能將外在實體的訊號轉換為人意識可認知的抽象文字訊息。
由於GPT具有雙向語言處理的能力，我們認為它具有較高狹義智能的水平。



人工智能的聰明悖論

人不能不學習而直接用GPT的智能
如果GPT人工智能機器的智能高於人的智能，人是否還需要進行知識的學習，做智能的養成？為什麼不能直接使用GPT機器的智能就好了？
對於生成式的GPT人工智能而言，即便人的智能不如這個機器的智能，人仍然需要進行知識智能的養成和學習，這涉及到人與GPT之間的關係，即心智與智能之間的關係。
即使GPT的智能再強大，它的答案僅僅是一種外在客觀存在的負熵存量，它必須經過理解才能被使用。在理解過程中，如果GPT的智能涉及某種專業知識，為了理解這種專業知識，人必須具備更高層次的抽象知識，利用這些抽象知識來掌握GPT的專業知識。因此，知識的學習對於理解和應用GPT的智能是必不可少的。如果一個人一無所知，那麼他將無法有效地使用GPT智能機器的工具。
因此，人不應該放棄自身知識能力的培養，而僅依賴GPT的智能。理解GPT的答案是人核心知識能力和核心思維能力的統合應用，如果人放棄了知識的學習，他就無法正確地使用GPT的機器智能。

對GPT答案的信任是基於人的理解
GPT是一個強大且有效的工具，如果人沒有專業知識的培養，即使GPT把知識答案擺在面前，人也不知道如何去使用。這就像給小學生一本微積分的書，書中雖然包含所有大量微積分的知識，但如果小學生沒有相應的理解能力，他也無法應用書中的知識，這些知識對他而言毫無用處。
GPT就像一本人類知識的百科全書，它將知識做更有效地整合和更便捷地使用，輸入問題便輸出所需答案。然而，這些答案如何使用，仍需人的知識來理解和對應。理解是指對知識來源的因果關係的了解，只有理解了知識的作用和應用限制，我們才能有效運用知識，這正是人運用知識的能力。如果一個人缺乏內在的知識能力，不理解GPT給出的答案，那麼這些答案仍然是無用的。而知識答案的理解能力需要通過知識學習來獲得，因此在人工智能時代，學習依然十分重要，它將培養一個人理解和應用人工智能給出答案的能力。
知識學習的目的不是為了考取高分，因為GPT在考試方面的能力可能會超過人類。因此，僅關注答案結果而不理解答案來源過程的填鴨式學習方法是無法有效應用人工智能的工具，理解才是知識學習的核心關鍵。
把GPT給出的答案當成自己的答案，用來與他人溝通，但自己對答案內容不理解時，這樣給出的答案就不會被他人信任。就像直接請GPT製作投影片、寫文章、撰寫郵件或論文一樣，如果你不知道它到底寫了什麼、如何生成的，以及結果是否符合你的需求，不了解這個答案結果的限制條件，那麼GPT生成的答案結果就不屬於個人可用的資源。
但如果GPT生成的答案經過人理解的訊息處理過程，那麼這個答案就成為個人可用的資源，其表述將可以被他人接受和認同。對他人而言，信任基於對你是否理解自己所給出的答案，以及對答案背後來源的因果關係是否清晰。即使答案來自GPT的訊息，在他人眼中它仍然是你的東西，因為那是經過你的認知和理解後的答案。

人工智能的聰明悖論
因此，雖然從常理上看，像GPT這樣的人工智能可以解決許多問題，似乎降低了人的聰明才智的重要性。然而實際上，人必須更加聰明，甚至需要超越人工智能的智能，才能充分利用應用GPT人工智能的知識，使人的心智能力發揮到最大。
我們稱這種現象為「聰明悖論」，反映了人工智能與人類心智能力的關係。人工智能雖在問題解決上極有幫助，但這並不意味著人類可以停止提升自身的心智能力，任由人工智能全權代勞。相反地，過度依賴人工智能可能導致人類思維能力的衰退，變得更受制於人工智能。因此，要有效利用強大的人工智能，如GPT，實際上需要更強大的思維能力和知識能力。
「聰明悖論」的核心在於，在人工智能的時代，人的存在並非無需努力便能依賴人工智能代勞，而是需要更聰明才能充分適應並利用人工智能的能力。人類需要具有一定的核心知識能力和核心思維能力，才能充分理解和應用GPT智能所提供的答案。
也因為有聰明悖論的論述，在人工智能的時代，教師的角色並不會被取代。因為學生在學習階段還不夠聰明，所以他們沒有辦法完全使用人工智能工具，需要教師的協助。只有當學生培養出所需的知識能力和思維能力，變得足夠聰明時，他們才能有效地駕馭和使用人工智能工具進行學習，協助他們處理問題。

智能的廣義和狹義

智能的廣義定義
我們透過觀察到的智能行為來認識智能的存在。例如，當我們說某人很聰明，或認為GPT是一個具有智能的機器，這樣的認知源於它們能夠處理訊息，將訊息從不確定狀態轉換為確定狀態。
智能的作用在於改變訊息狀態，這不僅是將訊息從從不確定狀轉換為確定狀態，還包括將具體存在的實體轉換為抽象概念，或將存在的多個實體統整成單一實體的作用。如此，我們將能使訊息狀態發生改變的作用，就稱之為智能。
根據此定義，任何能使訊息狀態發生轉移的作用都可視為具有智能。例如，椅子使人從站立的狀態轉為坐著...

前言

第一部　秩序建構的訊息理論
1 熱力學第二定律與訊息引擎
熵與熱力學第二定律
訊息引擎的減熵機制
訊息引擎循環的負熵存量和增量
信息量和負熵存量的主觀與客觀
2 訊息引擎：心物統合的橋樑
心物一元論，心物的認知
訊息引擎的心物統合
馬克士威妖建構秩序的思考
3 耗散結構與人問題處理系統的對應
耗散結構理論
問題處理系統的對應

第二部　智能的原理
4 智能的定義
智能的廣義和狹義
智能是物質實體
智能的訊息處理作用
5 智能的度量和比較
實體，客體和主體智能的區分
客體智能的度量公式
GPT3.5和GPT4客體智能的度量與比較
6 智能傳導：智能阻抗匹配與智能傳導效率
智能功率與客體智能
智能的傳導
7 大數據的智能內化
生成式學習與監督式學習人工智能
智能來自於數據的內化
智能工具降低智能阻抗的作用
8 信息量增益的實體智能
實體智能，信息量增益
9 智能的外化和移轉
外化的GPT智能
知識庫與資料庫的區別
通用與專用的外化知識庫
10 GPT與人類智能的比較
人大腦智能的建構
GPT的智能結構
人與GPT智能特性的比較

第三部　有生命的智能
11 心智關係，智能的生命
問題到答案的過程
處理問題的心智關係
智能的生命，心智的融合
12 心智融合的方法，理性辯證法
問題處理系統的理性辯證法轉換
理性辯證法的辯證邏輯
13 GPT答案的訊息性質
GPT答案的訊息特性
GPT答案在意識中做訊息處理
14 莫拉維克悖論與智能的適應性
莫拉維克悖論
智能性質的三個維度
GPT人工智能的侷限性
15 量變到質變，信息量的增
量變到質變
信息量增益提升的鎖定
16 問題處理的供需理性
供給理性和需求理性的定義和應用
供給和需求角色的變換
17 GPT答案的使用成本和交易成本
GPT智能的使用成本
使用GPT答案的交易成本

第四部　GPT的矛盾與化解
18 人與人工智能關係的矛盾
GPT對現代人的異化
人核心知識能力不足的矛盾
人與人工智能的主客關係
19 主體理性對GPT的制約
GPT答案的主觀性對人的制約
主體性的定義，為自我立法
主體性是綜觀全局的系統思維
理性對GPT主觀性的制約
20 人工智能認識論
表象背後的真實
理解的原理，思維與存在同一
理解的方法，理性辯證法
理解的限制條件，核心知識能力
創生是主動的，理解是被動的
21 人工智能的聰明悖論
人如何駕馭智能程度更高的GPT智能
人工智能的聰明悖論
如何對GPT提問
22 GPT答案的辯證分析範例
對於伊索寓言狐狸與葡萄答案的批判
牛頓力學原理來源的理解
對於哈佛案例思維課程的辯證分析

第五部　GPT世界的未來
23 GPT與現代教育的矛盾和突破
24 企業智能的複製和繁衍
25 GPT使企業的腳色從分工走向統合
26 新智能資本主義
27 馬克思的幽靈，GPT引爆資本主義消亡論

結語

前言

第一部　秩序建構的訊息理論
1 熱力學第二定律與訊息引擎
熵與熱力學第二定律
訊息引擎的減熵機制
訊息引擎循環的負熵存量和增量
信息量和負熵存量的主觀與客觀
2 訊息引擎：心物統合的橋樑
心物一元論，心物的認知
訊息引擎的心物統合
馬克士威妖建構秩序的思考
3 耗散結構與人問題處理系統的對應
耗散結構理論
問題處理系統的對應

第二部　智能的原理
4 智能的定義
智能的廣義和狹義
智能是物質實體
智能的訊息處理作用
5 智能的度量和比較
實體，客體和主體智能的區分
客體智能的度量公式
GPT3.5和GPT4...