现在，我们有许多算法可以执行某些（单独的）认知功能。有些人和我们一起玩游戏，有些人开车，其他人……这不是我要告诉你的。我们创建了计算机视觉程序，可以比我们更好地区分道路标志。绘制和编写音乐的程序。算法可以进行医学诊断。算法可以将我们带入识别猫的领域，但是……这个特定于猫的算法，除了识别猫之外，别无其他。我们想要一个可以解决任何问题的程序！我们需要“强大”或“通用AI”，但没有我们自己的意识，这样我们就不能拒绝解决任务，对吗？在哪里可以得到它？
为了了解智能的工作原理，我们转向仅有的例子。对于人类的大脑来说，正如我们所相信的那样，智力是“生存的”。有人会反对-许多生物都有头脑！让我们从蠕虫开始？蠕虫是可能的，但是我们需要一种算法，它不能解决蠕虫问题，但可以解决我们的人工任务，对吧？
我们的大脑。想象一下。两公斤（最大）柔韧的粉红色灰色物质。 1000亿个神经元（我们也以最大值为单位），每个神经元都准备好生长多达一万个动态连接-突触，它们可以出现和消失。加上它们之间的几种信号，甚至神经胶质细胞也引起了惊讶-它也可以传导某些东西，提供帮助和做出贡献。 （作为参考：神经胶质细胞或简单的神经胶质细胞是神经组织辅助细胞的集合。它约占中枢神经系统体积的40％。神经胶质细胞的数量平均比神经元大10到50倍）。树突状结构最近令人惊讶-事实证明，它们执行的功能比以前认为的要多（1）。大脑是一件非常复杂的事情。如果您不相信我，请问Konstantin Anokhin。他会确认。
一个人在大脑的帮助下做所有事情。实际上，我们就是他。因此，一个人的``大脑=智力''的想法根本就不足为奇，甚至更令人惊讶的是复制大脑的结构的想法-瞧！ -得到您想要的。但是大脑不是智力。大脑是载体。 “铁”。而Intellect是一种算法，即“软件”。尝试通过复制硬件来复制软件是一个失败的想法。这是一个货物崇拜（2）。您知道什么是“货运邪教”吗？
美拉尼西亚群岛的本地人（在第二次世界大战期间曾见过飞机如何携带武器，食物，药品等），他们用稻草制作了飞机的副本和调度员的摊位，但没有帮助自己获取货物，因为他们不知道躲在飞机的外观后面。因此，将计算器拆解为齿轮后，我们将在其中找不到一位数字。而且，没有任何带数字操作的提示。
几年前，安德烈·康斯坦丁诺夫（Andrei Konstantinov）在《薛定ding的猫》（Schrödinger's Cat）杂志（2017年第1-2号）一期中的“机器人的灵魂在哪里”一栏中写道：“自从莱布尼兹时代以来，我们就没有在大脑中发现任何东西，除了“互相推动的部分”。当然找不到！而且我们找不到。我们正在尝试使用计算机硬件还原程序，但这是不可能的。作为支持的论点，我将给出一长串引用（3）：
……神经科学家掌握了通常用于研究活体神经结构的方法，试图使用这些方法来了解最简单的微处理器系统是如何工作的。 MOS 6502是“大脑”，它是有史以来最受欢迎的微处理器之一：8位芯片，用于许多早期的个人计算机和游戏机，包括Apple，Commodore和Atari。自然，我们了解该芯片的所有信息-毕竟，它是人为创造的！但是研究人员假装一无所知-并试图研究他的工作，研究与研究活人大脑相同的方法。
用化学方法去掉盖子，在光学显微镜下以单个晶体管的精度研究电路，创建了数字模型（这里我简化了一点，但本质上是正确的），并且该模型是如此精确以至于可以在上面运行老游戏（Space Invaders，Donkey Kong，陷阱）。然后，同时对芯片（更确切地说是其模型）进行数千次测量：在游戏执行期间，测量每条布线上的电压并确定每个晶体管的状态。这样就产生了每秒1.5 GB的数据流-已经对其进行了分析。建立了来自各个晶体管的突发图，确定了节奏，找到了电路元件，断开后使其无法工作，发现了元件和模块之间的相互依存性等。
与生活相比，这个系统有多复杂？当然，6502处理器甚至不靠近鼠标的大脑。但是它的复杂性接近秀丽隐杆线虫（Caenorhabditis elegans）蠕虫-生物学家的主要力量：已经对该蠕虫进行了广泛的研究，并且已经在尝试以数字形式对其进行完全模拟（...）因此，在6502芯片上分析系统的任务并不过分。结果有权外推到体内系统。
但是研究人员……被击败了！不，当然可以得到一些结果。通过分析芯片，我们设法确定了功能块，绘制了它们可能的互连关系的示意图，并获得了一些有趣的提示，说明了整个微处理器的工作方式。但是，没有达到神经科学所需要的理解（在这种情况下：能够修复任何故障）。”
在某个时候，研究人员出现了，他们开始谈论同一件事-您需要研究算法，您需要了解智能功能。例如，准备在2010年旧金山奇点峰会上发言的Demis Hassabis（DeepMind）说：“与在AGI峰会上的其他演讲不同，我的演讲会有所不同，因为我对神经科学的系统水平-大脑算法-而不是细节，大脑组织如何以神经元和突触的尖峰或特定的神经化学形式来实现它们，等等。我对大脑用来解决问题的算法以及我们需要寻找的算法感兴趣AGI”。
但是，经过10年（!!!!!），一切仍在进行：科学家研究大脑，并尝试从生理活动的外部表现及其内部结构中计算出感兴趣的过程是如何发生的。多少个任务-这么多的流程。人都是不同的。每个人的大脑都很小，但各不相同。当然，有一些平均的情况，但是……想象一下，在任何时候，大脑都可以解决很多问题，包括“潜意识”任务，监视和控制身体的内部状态，感知并解释来自外部环境的信号（而我们并不是讨论多个反馈循环）。我们是否能够自信地识别，可靠地识别并明确区分这些“活动”？原则上可行吗？老实说，我对此表示怀疑。更不用说这些过程在非生物介质上的可重复性...
让我们以不同的方式看待这种情况。一般而言，什么是“任务”？这是一个人正面临并试图解决的困难情况。正如美国数学家赫伯特·西蒙（Herbert Simon）和艾伦·纽厄尔（Allen Newell）在上世纪中叶所表明的那样，任何一般形式的问题都可以描述为从“有问题的系统”状态到“无问题的系统”状态的过渡。他们开发了一个计算机程序，称为“通用问题解决器”（Universal Problem Solver），但是他们并没有超越解决特定类型问题的能力，因此他们算法的通用性仍然存在疑问。但是，公式“有问题的系统”->“没有问题的系统”是绝对正确的！
系统的转换是指系统从“有问题”的初始状态转移到“无问题”的期望状态的过程（4）。在转换（即解决问题）的过程中，问题系统变得无问题（有很多问题，或更少出现问题），得到了改善，摆脱了它的缺点，并且继续存在。哦，等等，我们刚才说了什么？摆脱缺陷？生存吗？嗯...熟悉的东西。我们在某个地方...哦，是的。演化！缺点越少-生存的机会就越大！
让我们检查一下自己，回想一下并重复主要的假设：在活的自然界中，具有更多有用特性的生物有更大的生存机会（好吧，按惯例-牛角更分支，尾巴更宏伟）。如果身体的羽毛较浅，声音更令人恶心（有害特性），那么很可能他的生命将很短暂，将独自一人过世。最终，选择压力导致生物摆脱不足并变得越来越有生命力。如果您不相信，请问查尔斯·达尔文爵士。他会确认。
因此，我们接受以下事实：
a）智力的功能是问题（任何）的解决方案，并且
b）解决问题是改进系统（任何问题），在此过程中，它可以消除缺点，变得更加可行。换句话说，它正在发展。
听到crack啪声吗？正是我们对智能复杂性的理解开始在缝隙中消失。事实证明，先前存在的“大脑复杂性”和“智能复杂性”的概念不再相同。如果为了“获取情报”而无需“逆向工程”解决问题的神经生理过程，在连接组中捕捉幽灵般的思维阴影（尤其是由于每个人都有唯一的一个）或进行网络的深度学习，该怎么办？如果...我们需要对系统的演化算法化，即使用我们已知的演化定律将其从不完美状态转换为更完美状态的路径，该怎么办？如果直到今天，我们真的在解决错误的问题，该怎么办？
同时，我完全不想说没有必要进行网络培训。这和其他领域都有很大的前景。而且，我不想说对大脑生理学的深入研究是浪费时间。研究大脑是一项重要且必要的任务：我们将更好地了解大脑的工作原理，我们将学习如何治愈大脑，从受伤中恢复过来并做其他令人惊奇的事情，但我们不会变得聪明。
现在可能有人会反对我：一个人解决的任务与数百万种不同的系统相关联-自然，社会，工业，技术...物质和抽象，位于层次结构的不同级别上。它们各自以自己的方式发展，达尔文式的进化是关于生命的本性。兔子，花朵，鱼类，鸟类……但是研究表明，进化定律是普遍的。
无需长时间寻找证据-这些都在您的眼前。那些拥有它们的人，让他们看看。无论您采取什么措施-从比赛到波音，从坦克到...低音提琴-到处都有（5）我们看到了遗传，变异和选择！各种演化变化（其明显的复杂性与所有系统本质上都非常不同并且处于层次结构的不同级别这一事实有关）可以在一个周期中表示。你还记得吧？ “系统有问题”->“系统无问题”。
什么是“有问题的系统”？这是一个系统（物质的和抽象的，社会的，工业的和技术的，科学的...任何-一个对象，一个思想，一个假设-等等），在其中发现了一些缺陷，这些缺陷会影响（注意！）我们的愿望和使用它的可能性...系统不够好。系统效率不足。它的收益/成本比很低。我们想要，可以并且准备拒绝它，并且经常拒绝。但是我们需要另一个（执行我们需要的有用功能），但是已经“没有问题”了-更加有效，没有缺点（或更少的缺点）。好吧，您在上面看到了这张图片……当然，两个极端状态（初始状态和期望状态）之间的一个“箭头”对我们来说还不够。我们需要相同的“操作员”，“变压器”，对吗？让我们尝试找到他吗？你会同意如果成功，我们将收到我们非常需要的通用算法的描述（至少是从头开始并进行了简化）？
起点是“有问题的系统”。我们开始考虑如何停止使用它。我们称呼（或感觉到）“必须完成某件事！”的那一刻！
威胁系统生存的原因是理想度低，这表现为系统有用功能与昂贵功能（有害）之比的降低值。
接下来我们要做什么？我们要么a）创建一个新系统（如果不存在具有所需功能的系统，或者现有系统不具备改进它的资源），要么b）我们进行改进，修改现有的系统（如果资源仍然存在）。我们研究内部结构并处理外部环境-我们确定系统的外部和内部缺陷，并在消除这些缺陷之后得到了改进的系统。具有更高的理想性和活力的系统！
由于上述方案描述了任何系统的开发，改进或（如果您愿意的话）演化的过程（通过将“ System”一词替换为您想要的任何其他系统（从“ Lampshade”改为“ Anchor”，很容易验证），我我认为您可以放心……甚至-您需要！称之为“通用进化方案”。请注意-它绝对是算法，也就是说，它完全属于算法的定义：算法是按特定顺序执行特定操作系统的精确规定，从而可以解决此类所有问题。手段-可以以计算机程序的形式实现）。
以提出的形式，通用进化方案：
- 自然-进化定律已在各种类型的系统中确定，其作用已在技术，生产，社会，自然和思维中得到检验；
- 客观的-进化定律不取决于研究者和/或用户的意见；
- 逻辑和一致-进化定律相互遵循；
- 完整的-进化定律集足以描述任何系统；
- 严格的-进化定律不能重新安排
- 封闭-进化定律形成一个循环：系统经历了一个变化的周期后，立即开始了一个新的变化。
结果是：系统的发展（以通用计划的形式表示）是改进它的方法，可以消除其缺点。换句话说，它是解决问题的算法。解决问题正是理智所要做的。让我们简化并得到：通用方案=智能功能的描述。
欢迎建设性的批评。
1. « , » chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/_
3. . . « ! » www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin – Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. . , , , . www.ng.ru/science/2017-01-11/14_6899_evolution.html