可以让机器人帮我做算法题目么？
error right
Wu Yin
--
滚滚长江东逝水，浪花淘尽英雄。
是非成败转头空。
青山依旧在，几度夕阳红。
白发渔樵江渚上，惯看秋月春风。
一壶浊酒喜相逢。
古今多少事，都付笑谈中。
----------
Email: wyw...@gmail.com
Gtalk: wyw...@gmail.com
MSN: wyw...@hotmail.com
风谷旅者
error right
Mikster.Z
rockeet
SQL语句的执行规划，只要不是很特殊的问题，一般总会比你自己写的程序快。
Mingli Yuan
维基百科的词条里的内容可以帮助我们理清楚一个概念框架。
http://en.wikipedia.org/wiki/Formal_methods
那么对应于你的原始陈述：算法问题自动变到解答程序。
在形式化方法的概念框架里，有如下的过程：
(1)提问题：给出系统的规范（Specification）
这要借助于规范语言，比如Z、B、Unity等。
(2)变出来解答程序：形式化的开发
有很多方法流派，比如基于精华（refine）的方法。
完全自动很难，要借助于人工指导的定理推理
(3)验证程序的正确：形式化的验证
这个领域成果相对多一些
http://en.wikipedia.org/wiki/Formal_verification
http://www.cerc.utexas.edu/~jay/fv_surveys/
形式的方法都已经如此之难，更别提自然语言的了
error right
red...@gmail.com
�� 2011/5/28 11:49, error right �:
�ǵġ�����һ�������ǣ� ������˼���� ��Ϊɶ����Ū������Լ������˼���ġ���Ū����������Ǻ�����ʽ���� ���Dz�����ʽ��������Ū����������Լ������˼���ģ�˼�������ʱ�����Լ����������ġ����ⷽ�棬�Ƿ���һЩ���ܡ�
carrie
这个机器人可以叫:柯南 期待......
error right
Wu Yin
Wu Yin
Shuo Chen
我认为人脑的计算模型是计算机计算模型的超集。
On May 28, 8:13 pm, Wu Yin <wyw...@gmail.com> wrote:
> 逻辑系统的描述能力只要稍微高一点, 其计算和推理的难度可能就会有很大的提升.
> 一阶逻辑能描述多少东西? 可是一阶逻辑的推理难度已经超越计算机计算模型 能力的顶峰了.
> 你想用计算机模拟人脑思考, 想法不错, 可是理论上几乎就已不可实现. 你首先要证明人脑的计算模型确实是计算机计算模型的子集
>
> 2011/5/28 error right <error.ri...@gmail.com>
>
>
>
> > 我也是数学专业，但数理逻辑也没学过。但感觉到，这是一个让人激动人心的领域。一只笔，一个脑袋，
> > 一个本子，基本的实事求是，加上一些天马行空的品质，就可以工作了。
>
> > 人工智能，众说纷纭。来这论坛，主要是期待牛人给一些意见了。
>
> > 2011/5/28 carrie <1113car...@gmail.com>
>
> >> 这个机器人可以叫:柯南 期待......
>
> --
> 滚滚长江东逝水，浪花淘尽英雄。
> 是非成败转头空。
> 青山依旧在，几度夕阳红。
> 白发渔樵江渚上，惯看秋月春风。
> 一壶浊酒喜相逢。
> 古今多少事，都付笑谈中。
> ----------
>
> Xiamen University Cognitive Science Department, Brain-like Intelligent
> System Labs
> Blog (all about mathematics & algorithms):http://wywcgs.wordpress.com.cn
> Email: wyw...@gmail.com
> Gtalk: wyw...@gmail.com
> MSN: wyw...@hotmail.com
> QQ: 346693733
> TopCoder Handle:
> wywcgs<http://www.topcoder.com/tc?module=MemberProfile&cr=22629546>
qiaojie
zhang3
Milo Yip
2011/5/28 error right <error...@gmail.com>:
--
Milo Yip
Twitter @miloyip
http://www.cnblogs.com/miloyip/
http://miloyip.seezone.net/
Wu Yin
Mingli Yuan
zhang3
Mingli Yuan
aking
另外张三先生的rationese语言不知道弄得怎么样了？
在 11-5-30，Mingli Yuan<mingl...@gmail.com> 写道：
>>>> wywcgs<http://www.topcoder.com/tc?module=MemberProfile&cr=22629546>
>>>>
>>>>
>>>
>>
>
zhang3
Yongwei Wu
2011/5/30 Mingli Yuan <mingl...@gmail.com>:
> 意识问题是多学科交叉的研究领域，维基百科的词条是：
> http://en.wikipedia.org/wiki/Consciousness
> 正文里面有几个有意思的发问，针对每个发问又有小的展开讨论。
> 我个人觉得有意思问题包括：
> * 意识与语言是什么关系？
> * 意识能用物理定律解释吗？
> * 意识、语言、世界究竟是什么关系？
> 我读过的几本普及性读物和教材涉及这个话题。
> 皇帝新脑
> http://book.douban.com/subject/1206206/
> 通向实在之路（头几章涉及这个题目）
> http://book.douban.com/subject/3144300/
> 整体性与隐缠序：卷展中的宇宙与意识
> http://book.douban.com/subject/1324825/
> 形而上学（关于宇宙中的理性栖居物的章节）
> http://book.douban.com/subject/2216279/
> 关于物理定律
> http://www.sfu.ca/~swartz/physical-law/
> 这个题目太大，还是自己多看看书吧。我在这里就不多评论了。
> 如果你觉得有有趣的书或者论文涉及这个题目，还请跟帖。
--
Wu Yongwei
URL: http://wyw.dcweb.cn/
error right
《通灵芯片》（希利斯）（翻译）上海科学技术出版社
《哥德尔、艾舍尔、巴赫——集异璧之大成》（侯世达）（翻译）商务印书馆
《心的概念》（赖尔）（翻译）上海译文出版社
《佛教逻辑》（舍尔巴茨基）（翻译）商务印书馆
《心灵种种》（丹尼特）（翻译）上海科学技术出版社
《近世计算理论导引》（黄文奇等）科学出版社
《逻辑与演绎科学方法导论》（塔尔斯基）（翻译）商务印书馆
《计算机和人脑》（冯•诺伊曼）（翻译）商务印书馆
《选择公理》（赵希顺）人民出版社
《皇帝新脑》（彭罗斯）（翻译）湖南科学技术出版社
《走向计算主义》（李建会）中国书籍出版社
《计算理论导引》（西普瑟）（翻译）机械工业出版社
《禅宗与精神分析》（弗洛姆等）贵州人民出版社
《人工科学》（司马贺）（翻译）上海科技教育出版社
《现代归纳逻辑的发展》（熊立文）人民出版社
《意识的宇宙》（埃德尔曼等）（翻译）上海科学技术出版社
《人工智能》（尼尔森）（翻译）机械工业出版社
《人工智能哲学》（博登）（翻译）上海译文出版社
《智力的形成》（理查森）（翻译）三联书店
《剑桥五重奏》（卡斯蒂）（翻译）上海科学技术出版社
《宇宙、量子与人脑》（彭罗斯）（翻译）中国对外翻译出版公司
《DNA计算》（泡恩等）（翻译）清华大学出版社
《逻辑的引擎》（戴维斯）（翻译）湖南科学技术出版社
《亚里士多德的逻辑学说》（王路）中国社会科学出版社
《推理的迷宫》（庞德斯通）（翻译）北京理工大学出版社
《“深蓝”揭秘》（许峰雄）（翻译）上海科技教育出版社
《当代心灵哲学导论》（海尔）（翻译）中国人民大学出版社
《可计算性与数理逻辑》（伯罗斯等）（翻译）电子工业出版社
《人工神经网络与模拟进化计算》（阎平凡等）清华大学出版社
《算法分析导论》（塞德格威克等）（翻译）机械工业出版社
《心，脑与科学》（塞尔）（翻译）上海译文出版社
《认知心理学》（斯坦恩伯格）（翻译）中国轻工业出版社
《认知科学哲学导论》（哈瑞）（翻译）上海科技教育出版社
《可能世界与智慧》（王震宇等）机械工业出版社
《算法导论》（考门等）（翻译）机械工业出版社
《语言哲学》（陈嘉映）北京大学出版社
《蚁群优化》（道里戈等）（翻译）清华大学出版社
《心灵之谜多面观》（松本修文等）（翻译）上海科学技术出版社
《计算与认知》（派利夏恩）（翻译）中国人民大学出版社
《人工智能——大脑的镜子》（亨德森）（翻译）上海科学技术文献出版社
《人的意识》（布莱克摩尔）（翻译）中国轻工业出版社
《智慧 智力 创造力》（斯滕博格）（翻译）北京理工大学出版社
《算法设计》（克莱因伯格等）（翻译）清华大学出版社
《计算机程序设计艺术》（克努特）（翻译）国防工业出版社
《生物信息学算法导论》（琼斯等）（翻译）化学工业出版社
Wu Yin
Larry, LIU Xinyu
有几个问题是有联系的。如果看书的话，建议一起看：
1. 希尔伯特第十问题
--该问题称任何丢番图方程可计算，上世纪70年代，前苏联数学家马蒂亚塞维奇（Matiyasevich）给出了否定性证明。方法是利用斐波那
契数列构造反例。
2. 丘奇-图灵论题
--包括图灵停机问题等等，这是对可计算问题的否定性回答，并且可以了解下一些著名计算模型：图灵机，lambda演算，递归函数，Post机等
等。
3. 哥德尔不完全性定理
--哥德尔是世界上一等一的奇才，这个定理无论是数学意义，还是哲学意义都无法估计。
4. 斐波那契数列
--这个hello world式的数列蕴含着众多奇妙的性质，竟然最终证明了希尔伯特第十问题。自然界中的动植物奇妙地遵循着这个数列生长。
5. 连续统假设
--
LIU
https://github.com/liuxinyu95/AlgoXY
On Jun 1, 11:46 am, Wu Yin <wyw...@gmail.com> wrote:
> 妨碍推理的是 一阶逻辑不可判定。这说明以图灵机为计算原型的计算机，其逻辑推理能力绝不可能超过first-order logic的水平。
> 人脑能判停机？这可真是理论界巨大胜利，神马 费马大定理，歌德巴赫猜想 之类的问题 已经被瞬间秒杀了，快去发论文吧......
>
> 2011/6/1 error right <error.ri...@gmail.com>
>
>
>
>
>
>
>
>
>
> > 豆瓣的一份书单，《DNA计算》（泡恩等）这本居然各大书店都买不到了，不过我
> > 在一家淘宝店，买到最后一本。
>
> > 我有一些疑问：
> > 停机问题不能判定，这个问题按推理，看上去是正确的。但是这未必能妨碍我们制造智能。只是不那么完美？
> > 人类可以判定停机？ 不过人类知道自己在考虑什么问题么？ 真的知道？
>
> > 《无心的机器》（周昌乐）湖南科学技术出版社
> > 《通灵芯片》（希利斯）（翻译）上海科学技术出版社
> > 《哥德尔、艾舍尔、巴赫----集异璧之大成》（侯世达）（翻译）商务印书馆
> > 《心的概念》（赖尔）（翻译）上海译文出版社
> > 《佛教逻辑》（舍尔巴茨基）（翻译）商务印书馆
> > 《心灵种种》（丹尼特）（翻译）上海科学技术出版社
> > 《近世计算理论导引》（黄文奇等）科学出版社
> > 《逻辑与演绎科学方法导论》（塔尔斯基）（翻译）商务印书馆
> > 《计算机和人脑》（冯*诺伊曼）（翻译）商务印书馆
> > 《人工智能----大脑的镜子》（亨德森）（翻译）上海科学技术文献出版社
> > 《人的意识》（布莱克摩尔）（翻译）中国轻工业出版社
> > 《智慧 智力 创造力》（斯滕博格）（翻译）北京理工大学出版社
> > 《算法设计》（克莱因伯格等）（翻译）清华大学出版社
> > 《计算机程序设计艺术》（克努特）（翻译）国防工业出版社
> > 《生物信息学算法导论》（琼斯等）（翻译）化学工业出版社
>
> > 2011/5/31 Yongwei Wu <wuyong...@gmail.com>
>
> >> 再加一本：《哥德尔、艾舍尔、巴赫：集异璧之大成》。即使你不懂作者在说什么，很多章也能读得很愉快:-)。强力推荐。
>
> >> 2011/5/30 Mingli Yuan <mingli.y...@gmail.com>:
> wywcgs<http://www.topcoder.com/tc?module=MemberProfile&cr=22629546>
Larry, LIU Xinyu
http://www.douban.com/group/topic/9744917/
涉及科学和数学，容不得一点模糊和想当然，一切都需严谨。
On Jun 1, 5:16 pm, "Larry, LIU Xinyu" <liuxiny...@gmail.com> wrote:
> Hi,
>
> 有几个问题是有联系的。如果看书的话，建议一起看：
>
> 1. 希尔伯特第十问题
> --该问题称任何丢番图方程可计算，上世纪70年代，前苏联数学家马蒂亚塞维奇（Matiyasevich）给出了否定性证明。方法是利用斐波那
> 契数列构造反例。
> 2. 丘奇-图灵论题
> --包括图灵停机问题等等，这是对可计算问题的否定性回答，并且可以了解下一些著名计算模型：图灵机，lambda演算，递归函数，Post机等
> 等。
> 3. 哥德尔不完全性定理
> --哥德尔是世界上一等一的奇才，这个定理无论是数学意义，还是哲学意义都无法估计。
> 4. 斐波那契数列
> --这个hello world式的数列蕴含着众多奇妙的性质，竟然最终证明了希尔伯特第十问题。自然界中的动植物奇妙地遵循着这个数列生长。
> 5. 连续统假设
>
> --
> LIUhttps://github.com/liuxinyu95/AlgoXY
Wu Yin
error right
Wu Yin
Larry, LIU Xinyu
我刚上大学的时候，专家系统好像还在热。从图书馆借出过一本看过。
推荐可以回顾一下这段历史。这个领域当年几乎是LISP和Prolog的天下。
--
LIU
On Jun 1, 8:15 pm, error right <error.ri...@gmail.com> wrote:
> 主要想跟计算机结合起来。不追求完美，一致性，但又不甘于落入统计的俗套。想做出个可用的东西
>
> 2011/5/30 Milo Yip <milo...@gmail.com>
>
>
>
>
>
>
>
> > 若問題如此，你要學習、研究的領域應該是認知科學(Cognitive Science)和哲學，不是計算機科學。
>
> > 2011/5/28 error right <error.ri...@gmail.com>:
> > > 是的。
> > > 另外一个问题是， 人类在思考， 但为啥人类弄不清楚自己是如何思考的。是弄不清楚？
> > > 还是很难形式化？ 还是不能形式化？我想弄清楚，人类自己是如何思考的，思考问题的
> > > 时候，反推自己是如何推理的。在这方面，是否有一些介绍。
>
> > > 2011/5/27 Mingli Yuan <mingli.y...@gmail.com>
>
> > >> 我想更多的相关技术不是编译和人工智能，而是形式化方法。这个领域的难度很高，进展很慢。
>
> > >> 维基百科的词条里的内容可以帮助我们理清楚一个概念框架。
> > >>http://en.wikipedia.org/wiki/Formal_methods
>
> > >> 那么对应于你的原始陈述：算法问题自动变到解答程序。
> > >> 在形式化方法的概念框架里，有如下的过程：
>
> > >> (1)提问题：给出系统的规范（Specification）
> > >> 这要借助于规范语言，比如Z、B、Unity等。
>
> > >> (2)变出来解答程序：形式化的开发
> > >> 有很多方法流派，比如基于精华（refine）的方法。
> > >> 完全自动很难，要借助于人工指导的定理推理
>
> > >> (3)验证程序的正确：形式化的验证
> > >> 这个领域成果相对多一些
> > >>http://en.wikipedia.org/wiki/Formal_verification
> > >>http://www.cerc.utexas.edu/~jay/fv_surveys/
>
> > >> 形式的方法都已经如此之难，更别提自然语言的了
>
> > >> 2011/5/27 rockeet <rock...@gmail.com>
aking
Dennis S
Error.right
Dennis S <wbs...@gmail.com>编写：
Flenci Liao
bronco
Error.right
bronco <renfe...@gmail.com>编写：
>3年前，见过一哥们，大学，本科，博士，工作期间，一直在研究这玩意儿，当时看他的笔记密密麻麻的写了至少一米高，他的程序可以写简单的程序了，不知道现在进展如何了；一直惦记着这哥们；
>
>
>
>
>在 2011年6月30日 上午10:09，Flenci Liao <superi...@gmail.com>写道：
>
>>
>> 关于人脑：前一阵一直在写一个关于VSDI技术的综述，简单地说就是用一种染料给大脑皮层染上色，然后大脑哪里有活动（兴奋），那里就会通过染料（一系列化学变化）发光，这样就可以检测出来。这个应该是目前比较前沿的方法吧。
>>
>> 最直观的感受是：神经元的个数似乎在更加次要的地位，而功能更多的是由其空间结构及其相互联系决定的。用个比喻来说，大脑更像一团极度复杂高度精确并可调节的导线，中间有少数神经元作为而不是0和1之间这样“是”与“非”的逻辑，一个大锥体细胞（神经元的一种）可以向远处的皮质输送点对点（或者一点对多点）的信息，这样就完成了从一个皮层到另一个皮层的兴奋过程。皮层内也有极度复杂的传播机制，还有调节机制。
>>
>> LZ说的那种东西，咱们不放用另一种思维理解为可以学习的机器来达到同样的目的。
>>
>> 以前自己想过一个简单的模型：
>>
>> 比如说有10个点，代表十个事件的发生（神经冲动输入）
>>
>> 中间有20个点，代表事件的处理过程（中间神经元）
>>
>> 最后一个点，代表输出结果（神经冲动传出，支配肌肉，腺体等）
>>
>>
>> 一事件发生，假如我们想得到某个处理结果，那么他会对中间神经元有所选择，20个中会选择10个，这是个得到强化，另外十个得到负强化，这样每个中间神经元对这个事件便都有了一个系数。下一次再发生这个事件的时候，不用教他怎么做，他自己就储存了关于这个事件是怎么联系的，通过系数来加权运算，最终得到结果。
>>
>> *不过不要指望这个系统“整体”的计算以及逻辑推理能力（If函数）和普通"确定的"算法相比，因为人脑这些方面是在极度的强化后得来的。*
彭修林
张国锋
1. 人类的存在本身就说明这类算法是可行的。
2. 现有的计算模式，受限于哥德尔定理，如果连一阶逻辑范畴都不能自己跳出去，前景不明。就象阿希里斯追乌龟，按照芝诺的算法只能无限接近但不能超过乌龟，但实际上，在有限时间内跨越无限个点是真实存在的，也就是说可以在有限的时间内完成无限的计算步骤是有可能的（或者说是等效的）。
3. 不排除将来有其他的计算理论出现，但这个不确定性更大。
4. 也有可能能将两者结合起来并且结果更好。
Error.right
张国锋 <allni...@gmail.com>编写：
kingbo lu
--
Sent from my mobile device