作者：杜向陽（「反省心理學派」創始人）；
關鍵詞：人工智慧悖論，人工智慧中的坑，通用人工智慧，人工智慧誤區
目錄
引言 1
1，腦科學悖論。 2
1.1.，概述 2
1.2，第一個證據，腦神經科學的歷史 4
1.3，第二個證據，來自人腦與計算機的類比推理 4
1.4，擴展閱讀1：什麼是電腦程式軟體的算法？ 6
1.5，擴展閱讀2，只研究硬體，能搞清計算機智能（功能）的奧秘嗎？ 7
1.6，擴展閱讀3，計算機的智能來自哪裡？ 8
1.7，第三個證據，發展心理學方面的事實和研究成果 8
1.8，第四個證據，大腦被切掉一半還能象正常人一樣生活！ 10
1.9，第五個證據，反省心理學中的「心理二元說」 11
1.10，被加密、隱藏的智能機制 12
1.11，腦科學悖論給我們的啟示 13
2，結構模擬悖論。 17
3，數學悖論。 18
4，難易悖論 20
5，理解悖論 20
6，自然語言處理悖論。 21
7，知識圖譜悖論。 21
8，主次悖論。 22
9， 類腦智能悖論 23
10， 深度學習悖論 23
11， 控制人類悖論 25
上述十一個悖論預示了實現通用人工智慧的正確道路 25
引言
眾所周知，在科學的發展史曾經歷過許多悖論和誤區，如由地心說到日心說，由地平說到地圓說，由物種不變論到生物進化論，每一次對這些悖論的克服都代表著人類在認識客觀世界方面的進步，同時也代表著人類文明的進步。
在人工智慧60多年的歷史上，也先後出現過一些有關人工智慧的悖論，這些悖論是人們在人工智慧領域裡的認識誤區，這些悖論的發現和克服是人工智慧成熟和發展的標誌！
目前已知的人工智慧悖論或誤區主要有11個，分別是：腦科學悖論、結構模擬悖論、數學悖論、難易悖論、理解悖論、自然語言處理悖論、知識圖譜悖論、主次悖論、類腦智能悖論、深度學習悖論、控制人類悖論。
上述悖論就是認知上的錯誤，是對人工智慧認識上的誤區，這些誤區都是由於對人腦智能的無知造成的，所以，我們對人腦智能多一些了解，就能少一些悖論和誤區，這11個誤區就是人工智慧中的11個坑，明白了這11個悖論，就能避開它們，從而避免浪費不必要的時間、精力和財力，對於國家、企業和個人來說，都是如此。
1，腦科學悖論。
意思是指，通常認為通過腦神經科學研究可以破解智能奧秘，而事實上，這是不可能的，因為人腦智能的奧秘並不在大腦的硬體——大腦皮層的神經網絡細胞中，而在大腦的軟體——心理中，因此，通過腦科學研究來破解智能奧秘就是南轅北轍，找錯了地方，永遠也找不到，只有通過心理學研究才能破解這一奧秘。腦科學悖論是人工智慧領域裡的頭號悖論，這個錯誤的思想，把我們誘離了正確的方向，這是我們今天只所以還不能實現通用人工智慧（AGI）的重要原因之一，所以，筆者用了大量的筆墨來說明它。
1.1.，概述
眾所周知，計算機只所以有智能，關鍵在它的軟體，因為軟體的靈魂是算法，算法規定了解決一個問題的方法和步驟，算法是由一個個的解題步驟組成的，這一個個步驟就相當於一個個指令，計算機硬體的任務主要有三個：存儲上述指令（內存和硬碟），讀取指令，執行指令（處理器），解決問題的方案事先都由軟體制定好了，硬體只需要存儲和執行這一方案就是了，就能解決問題，完成智力任務，可見，軟體是計算機的統帥，起決策作用，是計算機智能的載體，硬體是士兵，只起執行作用，幾乎沒有任何智能，這種關係完全適用於人的大腦和心理的關係，人腦只所以有智能，關鍵在它的軟體——心理系統，而不在它的硬體——腦皮層中的神經元網絡，人腦解決問題的方案（方法、步驟）也都是由心理系統制定的，大腦神經元的工作正象計算機的硬體一樣，只是存儲和執行這一方案，所以，心理是人腦的統帥，起決策作用，是人腦智能的載體，神經網絡只是大腦的士兵，起執行作用，幾乎沒有任何智能。
如果智能的載體是大腦的神經網絡，那麼人一生下來就應該很有智能，可事實不是這樣的，發展心理學的研究表明，剛出生的嬰兒，大腦是幾乎沒有什麼智能的，通常在12--15歲時，才能形成接近成年人的成熟的智能，嬰兒出生後，最先發育的是大腦，2歲時，腦袋容量已達到成人的80%，6歲時大腦的發育已達到頂峰，幾乎和成人一樣了，但六歲兒童的智力（智能）卻遠不及成人，此時的兒童雖然掌握了語言，但還不會邏輯思維，不能理解抽象的概念，還沒有掌握智能的基本操作技巧，所以，法律上規定，不滿8歲，為無民事行為能力人，8歲至18歲為限制民事行為能力人，18歲後才算是完全民事行為能力人，可見，大腦和智能不能畫等號，因為大腦的成熟不等於智能的成熟，但心理可以和智能畫等號，心理的成熟就等於智能的成熟。智能的基本操作技術比知識更能代表智能的本質，因為如果不會操作即使擁有知識也不知道怎麼利用這些知識去解決問題，完成智力任務，而6歲時的兒童雖然大腦的發育已和成人一樣了，但還沒有掌握智能的基本操作技巧，這說明此時的兒童還是「有大腦沒智能」，正如計算機的裸機是「有硬體沒智能」的，這也充分說明了「大腦皮層之與心理，正如計算機的硬體之與軟體」。可見，智能中的算法（解決問題方案）是由心理系統制定的，而不是由大腦皮層制定的，因為如果是由大腦皮層制定的，那麼2歲至6歲的兒童就已經有了和成人幾乎一樣的智能了，而不必等到15歲以後了。可見，大腦軟硬體的分工和計算機軟硬體的分工是一樣的，大腦神經網絡只是個白痴，裡面空空如野，什麼都沒有，它所有的只是一個複雜的結構——由數百億個神經元組成的神經網絡，但其中並沒有任何智能，這一點類似於計算機的處理器，處理器也有一個複雜的結構，它是由數百億個電晶體組成，其實也沒有什麼智能。現在，可腦科學不研究人的心理，只研究大腦皮層，企圖通過研究皮層中的神經網絡來破解智能的奧秘，這不是南轅北轍，找錯了地方嗎？所以，腦科學雖然已有1百多年的歷史，可至今對人腦智能的機制還幾乎是一無所知，以至於，樂觀的腦科學家認為，還要數百年才能破解這一奧秘，悲觀的腦科學家認為永遠都不可能破解，事實上，再給它1萬年，也仍然如此，不會有任何實質進展！
下面我們再用一個通俗的比喻來說明為什麼腦科學不能破解人腦智能的奧秘。首先我們要知道什麼是智能的奧秘？智能奧秘就是智能的機制，智能機制就是大腦智能解決問題的算法，即解決問題的方法和步驟，這一算法是由一系列的步驟（相當於計算機的指令）構成的，和計算機的軟體一樣，只是一種信息，而大腦神經元和神經網絡所起的作用，正如計算機的處理器和存儲器所起的作用那樣，只是存儲指令（步驟）和執行指令，而這一指令（算法的步驟）是由大腦的軟體——心理系統生成或制定的，神經元和計算機的處理器一樣，雖然它能讀取指令和執行指令，但它並不理解指令，不知道指令中的算法是什麼，以及為什麼運行這組指令就能解決這個問題，完成這個任務，這就好比，雖然一個人能通過操作電視機遙控器的按鈕來看自己想看的節目，但他並不懂電視機的原理，遙控器上的一組按鈕就相當於神經元或處理器所讀取、執行的一組指令。這就意味著，神經網絡並不掌握大腦智能的奧秘，但腦科學向它要奧秘（通過研究大腦皮層中的神經網絡來破解智能奧秘），這不就是南轅北轍，找錯了地方嗎？要想找到大腦智能的奧秘，我們應該研究大腦的軟體——心理系統，而不應該研究大腦的硬體（腦皮層中的神經網絡），因為智能的算法是由心理系統生成或制定的，解鈴還需系鈴人，只有心理系統才能破解這一奧秘，那麼我們的心理系統能破解這一奧秘嗎？如果能，它又如何破解呢？反省心理學中的心理二元說完美地給出了這個問題的答案，那說是，人的心理是二元的，由第一心理和第二心理共內構成，通過第一心理的研究，可以破解外部自然界的奧秘，發現自然規律，打開自然黑箱；通過第二心理的研究，能夠破解心理和智能的奧秘，打開智能的黑箱，搞清智能的機制，方法是先開發第二心理，然後用它來破解智能奧秘，搞清智能的機制。筆者從1987年開始開發第二心理，並用第二心理研究人腦思維和人腦智能，經過30多年的努力，目前已基本破解了這一奧秘，搞清了人腦通用智能基本機制，並找到了用計算機模擬這一機制，從而實現通用人工智慧的基本方法。這一研究實踐，充分證明了上述關於破解智能奧秘的方法的推斷是正確的。
所以，筆者認為，腦科學破解智能奧秘是一個悖論，也就是說，通常認為通過腦神經科學研究可以破解智能奧秘，而事實上，這是根本不可能的，因為人腦智能的奧秘並不在大腦的硬體——大腦皮層的神經網絡細胞中，而在大腦的軟體——心理中，因此，通過腦科學研究來破解智能奧秘就是南轅北轍，找錯了地方，永遠也找不到，只有通過心理學研究才能破解這一奧秘。
腦神經科學已有1百多年的歷史，可至今對人腦智能的機制還幾乎是一無所知，以至於，樂觀的腦科學家認為，還要數百年才能破解這一奧秘，悲觀的腦科學家認為永遠都不可能破解！
1979年9月出版的《科學美國人》是大腦研究專刊，專題最後一篇文章中，Francis Crick（DNA結構發現人之一）寫道：「儘管人們積累了大量有關大腦研究的詳盡數據，但其工作原理仍是難解之謎。神經科學只是一堆沒有任何理論的數據，最明顯的是缺乏概念框架」。Crick甚至沒用「理論」這個詞，他說，我們根本不知道怎麼去想，因為連基本框架都沒有。
1979年以來，又近半個世紀過去了，如今怎樣呢？亦然如此！
前一段時間，燒光10億歐元的歐盟藍腦計劃的徹底失敗，引起了下面一場討論：
「大腦未必是破解智能和意識之謎的鑰匙」探討
《崛起的超級智能》作者，計算機博士劉鋒發表了他的觀點和意見：
「有很多專家將智能和腦的關係與飛行與翅膀的關係進行了對比。的確它們有很多相同的地方，某種意義，今天的人類正處於發現智能領域的空氣動力學前夜。如同研究飛行，無論通過顯微鏡還是解剖，對翅膀進行多麼詳細的研究，也無法真正的解開飛行的基本原理一樣。因此無論我們多麼精細的了解人腦的結構，也很可能同樣無法解開智能和意識的產生原因，只專注與大腦功能和結構，這個研究方向很可能並不正確，就像瑞士藍腦項目所做的那樣，要解開智能和意識之謎，要基於腦的結構，但又需要跳出腦的結構，因為還缺乏腦之外的某些關鍵因素，如同要解開飛行之謎，要基於翅膀，又要跳出翅膀一樣。不同生物的翅膀，會體現出不同的飛行方式和飛行的速度，不同的翅膀結構可以決定不同形式的飛行，但從空氣動力學看，只研究翅膀結構，無法解開飛行的基本原理，腦與智能和意識的關係，目前也處於這種困境。我們知道人類、動物和AI系統在智能和意識上表現是不同的，但他們在基本的原理上應該是一致的，只是程度或強度不同，但我們還沒有找到這種基礎的原理，因為無法清晰的分清他們的區別，也無法真正的理解智能和意識到底是什麼，所以說，今日人工智慧的熱潮並不能代表人工智慧已經是成熟的學科」。
筆者認為，劉鋒博士的意見是很有道理的，這確實是一個方向性的錯誤：腦神經科學只所以在破解智能奧秘方面接連失敗，一個很重要的原因可能是「找錯了地方！」就好比，東西丟在了東邊，而你卻去西邊尋找，當然找不到了！
筆者的研究結果是：腦科學永遠都不能破解人腦智能的奧秘！以下五方面的證據可以有力地證明這一觀點：
1.2，第一個證據，腦神經科學的歷史
前文已述，腦神經科學已有有一百多年的歷史，積累了大量的事實和數據，卻無理論框架可用，這一點是極不正常的，因為其它學科都沒有這種情況，比如，生物學、化學、心理學、物理學等學科的歷史也都不長，只有100至300多年的歷史，但它們都有大量成熟的概念和理論，只有腦科學是個例外！這一例外告訴我們，腦科學的研究有可能是錯誤和無效的。有可能是方向性的錯誤，也有可能是方法、手段上的錯誤，總之，它可能是錯誤的和無效的。
1.3，第二個證據，來自人腦與計算機的類比推理
來自計算機的類比推理也支持了這一結論：人腦的智能主要在心理，而不在大腦，因此，只有通過心理學研究才能破解智能奧秘，腦科學研究不能破解這一奧秘。因為計算機和人腦非常類似，比如，二者都分為硬體和軟體兩部分，人腦的硬體是腦皮層中的神經網絡，人腦的軟體就是心理；腦皮層中的神經網絡由數百億個神經元構成，無獨有偶，計算機的處理器也由數百億個電晶體構成，以上只是形似，此外還有更驚人的神似：計算機軟體中的算法和人腦智能解決問題的算法完全相同，都是解決問題的方法和步驟，對人腦來說就是第一步、第二步、第三步……，對計算機來說就是指令1、指令2、指令3……，一個指令就相當於一個步驟，可見，二者是非常類似的，因此，我們就可以據此做一些類比推理，比如，根據計算機軟、硬體的分工來推測大腦軟、硬體的分工，通過這種分工，我們可以找到智能的主要載體主要是哪個，是硬體還是軟體？
已知計算機硬體的工作任務主要有三個：
一，處理器按順序讀取並執行指令，指令1，指認2……，指令就是程序算法中的解決問題的步驟，即步驟1，步驟2……，它只管按順序讀取指令，而不知道指令的內容是什麼，就好象寄存處的行李管理員，只管接收和發放行李包，而不知道包中有什麼物品；
二，硬碟和內存用於存儲和提取信息，但如何格式化硬碟，如何劃分存儲區，如何存儲、提取信息並非由硬碟和內存說了算，而是由軟體說了算，硬碟和內存也不理解自己所存儲的信息的內容；
三，處理器執行運算工作，但如何運算並非由處理器說了算，而是由軟體說了算，軟體通過指令告訴處理器如何進行運算，這就好比醫生手中的手術刀，雖然是用它做手術的，但如何做，不是由刀說了算，卻由人手說了算，人手又是由人腦指揮的。
上述三個工作內容告訴我們，計算機的硬體幾乎是個白痴，基本上沒有任何智能。
已知計算機軟體的主要工作只有一個，那就是制定一個個的指令，指令就是步驟——解決一個問題或完成一件事情的步驟，如，存儲和提取信息方面的指令，規定如何存儲和提取信息；數字計算方面的指令，規定如何進行加、減、乘、除運算；信息檢索方面的指令，規定如何進行信息檢索等……。
可見，軟體是計算機智能的核心，有了軟體，計算機才能解決問題，才能知道怎樣去完成一件事情，而軟體的靈魂就是算法，解決不同的問題，有不同的算法，算法規定了解決問題的步驟和每一步的具體內容，算法通過代碼來實現，在計算機中運行包含算法的代碼，就能解決特定的問題。
上述軟硬體的分工告訴我們，軟體是計算機的決策部門，如同計算機的司令部，軟體中的一個個指令，如同一個個命令，命令硬體做什麼，怎麼做；硬體是執行部門，是計算機的士兵，它忠實地執行軟體中的命令。可見，計算機智能的奧秘在其軟體之中，而不在其硬體之中。
大腦硬體（腦皮層中的神經網絡）的具體工作是什麼呢？目前我們還不十分清楚，不過，對於大腦的軟體——我們心理是如何活動的（即如何工作的），大家還是知道一些的，比如，我們正是通過心理活動來解決問題的，而且，解決問題的過程，就是找到解決問題的方法和步驟，確定一個個的步驟後，我們就能解決這一問題了，可見，大腦軟體（心理）的工作非常類似計算機軟體的工作，其一個個的步驟就相當於計算機軟體中的一個個指令。接下來，我們就可以進行類比推理，根據計算機硬體的工作，來推測大腦硬體（神經網絡）的工作，推測出神經網絡的主要工作應該也類似於上面計算機硬體的三個主要工作：
一，大腦皮層神經網絡中某個部位的神經元相當於計算機的處理器，它按順序讀取並執行智能算法中的指令，指令1，指認2……，指令就是智能算法中的解決問題的步驟，即步驟1，步驟2……，它只管按順序讀取和執行指令，而不知道指令的內容是什麼，就好象寄存處的行李管理員，只管接收和發放行李包，而不知道包中有什麼物品。
二，大腦神經網絡中的某些部位的神經元用於存儲和提取信息，但如何劃分存儲區和如何存儲、提取並非由神經元說了算，而是由大腦的軟體——心理系統說了算，而且神經元也不理解存取信息的內容；
三，神經網絡中的某些神經元還執行運算工作，但如何運算並非由神經元說了算，而是由大腦的軟體——心理系統說了算，這就好比醫生手中的手術刀，雖然是用它做手術的，但如何做，不是由刀說了算，卻由人手說了算，人手又是由人腦指揮的。
可見，人腦的硬體——腦皮層中的神經網絡也幾乎是個白痴，基本上沒有任何智能。
下面，再通過類比推理，推測一下大腦軟體的工作：大腦的軟體——心理系統應該象計算機軟體的工作一樣，其主要工作只有一個，那就是制定解決問題的一個個的指令，指令就是步驟（解決一個問題或完成一件事情的步驟），如，記憶（存儲和提取信息）方面的指令，規定如何存儲和提取信息；數字計算方面的指令，規定如何進行加、減、乘、除運算；信息檢索方面的指令，規定如何進行信息檢索，此外，在日常生活中，如何洗衣，如何做飯，如何去銀行辦理業務等……，每一件事都是有步驟的。這一推測結果與我們的實際經驗（即我們對自己心理活動的基本認識）是相符合的。
上述大腦軟、硬體的分工告訴我們，心理是大腦的決策部門，如同大腦的司令部，心理中的一個個指令（步驟），如同一個個命令，命令神經網絡做什麼，怎麼做；神經網絡是執行部門，是大腦的士兵，它忠實地執行心理中的命令。可見，大腦智能的奧秘在心理中，而不在神經網絡之中。心理是人腦智能的核心，有了心理，人腦才能解決問題，才能知道怎樣去完成一件事情，而心理的靈魂就是算法，解決不同的問題，有不同的算法，算法規定了解決問題的步驟，心理中算法先通過大腦傳遞到人的四肢，再用肢的行動來實現這一算法，「先有思想，後有行動」，人類最終通過行動來實現自己的目的，滿足自己的願望。可見，心理是司令部，大腦皮層和四肢是士兵。
通過上面的類比推理，我們就明白了這樣一個道理，大腦只所以有智能，關鍵是靠它的軟體心理，而不是它的硬體腦皮層中的神經網絡，換句話說，大腦的智能都在其軟體心理中，而不在其硬體神經網絡中，因此，只有通過心理學研究才能破解大腦智能的奧秘，通過腦科學研究永遠也不能破解這一奧秘，因為找錯了地方！
1.4，擴展閱讀1：什麼是電腦程式軟體的算法？
眾所周知，做任何事情都需要一定的步驟。計算機雖然功能強大，能夠幫助人們解決很多問題，但是計算機在解決問題時，也需要遵循一定的步驟。在編寫程序實現某個項目功能時，也需要遵循一定的算法。所以，算法被稱做是「軟體程序的靈魂」。程序的算法是指在有限步驟內求解某一問題所使用的一組定義明確的規則。通俗點說，就是計算機解題的過程。在這個過程中，無論是形成解題思路還是編寫程序，都是在實施某種算法。前者是推理實現的算法，後者是操作實現的算法。通俗地講，電腦程式軟體的算法是指一系列解決問題的清晰指令，算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對符合一定規範的輸入，在有限時間內獲得所要求的輸出。如果一個算法有缺陷，或不適合於某個問題，執行這個算法將不會解決這個問題。不同的算法可能用不同的時間、空間或效率來完成同樣的任務。編程是讓計算機為解決某個問題而使用某種程序設計語言編寫程序代碼，並最終得到結果的過程。為了使計算機能夠理解人的意圖，人類就必須將需要解決的問題的思路、方法和手段通過計算機能夠理解的形式「告訴」計算機，使計算機能夠根據人的指令一步一步去工作，完成某種特定的任務。編程的目的是實現人和計算機之間的交流，整個交流過程就是編程。
從上面的定義，我們可以看出，人腦的算法和電腦程式的算法在本質上是相同的，都是完成一件事情需要遵循的有限的步驟，每一步怎麼做，先做什麼，後做什麼，都有明確的規定，無論是人還是計算機，只要遵循了規定的步驟，就能完成一件事情，解決一個問題。正因如此，智能的機制很容易轉化為程序的算法，然後再轉化為代碼在計算機運行，這一過程就是用計算機模擬人腦智能機制的過程，可見，只要能破解智能奧秘，搞清智能的機制，就能用計算機模擬這一機制，從而實現與人腦同樣的功能，並且可以比人腦做得更好，比如，數字計算、信息檢索和公交查詢都是對人腦相應機制的模擬，而且都超越了人腦，在數字計算方面，人腦的數字計算機制有10進位、2進位、8進位等，計算機模擬了人腦二進位的機制，目前其計算速度已達人腦的億倍以上；在記憶方面，計算機模擬了人腦的索引機制（給每個記憶的內容添加索引，這樣能加快查找的速度，如字典的索引目錄，圖書館中的索引目錄等），目前，搜尋引擎在信息檢索方面的速度也已遠超人腦，達到了人腦的億倍以上；在公交查詢方面，公交查詢系統模擬了人腦的出行方案生成機制（根據兩條公交線路的交匯點，選擇轉車方案），目前在查詢（方案生成）的速度和精確度方面，也已遠超人腦，可見，只要能破解人腦智能的奧秘，不但能實現AGI，而且還能實現超人工智慧，與人腦智能相比，機器智能只有兩種狀態：遠不及人腦和遠超人腦，這是因為，計算機的信息存儲量的運算速度都千萬倍於人腦，所以，如果模擬人腦智能的相應機制，那麼，機器智能在相應方面就能遠超人腦，反之，如果不模擬人腦智能的相應機制，那麼，在相應方面就遠不及人腦。
1.5，擴展閱讀2，只研究硬體，能搞清計算機智能（功能）的奧秘嗎？
假如一個人既不懂計算機的硬體，也不懂計算機的軟體，他很想搞明白計算機為什麼會有智能，比如，為什麼能進行數字計算、信息檢索、公交查詢等，而且還比人做得更好、更快？於是他就把整個計算機的硬體全拆了，進行了全面的、仔細的觀察和研究，他搞清楚了處理器是由數百億個電晶體組成的，計算機是如何存儲和讀取信息的，電流是如何在計算機中傳遞信息的，甚至搞清了計算機硬體的工作原理——馮諾伊曼構架，那麼，他最終能搞明白計算機為什麼會具有數字計算、信息檢索和公交查詢方面的智能嗎？答案是否定的。但如果他搞明白了計算機軟體中的算法，即上述數字計算、信息檢索和公交查詢程序的算法，那麼他立即就能明白計算機為什麼會具有這些方面的智能，因為算法是軟體的靈魂，它規定了計算機解決一個問題，完成一件事情的步驟，比如，把大象關進冰箱裡分三步：打開冰箱門、把大象牽進去、關上冰箱門，這雖然是個笑話，但可以很好地解釋什麼是軟體中的算法。計算機只所以能具有上述功能（智能），關鍵在於它的軟體，一個沒有安裝軟體的裸機是沒有任何功能（智能）的，而軟體的靈魂又是算法，所以，如果他不知道軟體的算法是什麼，那麼，他永遠也不會明白計算機為什麼能具有上述功能（智能）。而現在的腦科學在破解智能奧秘方面正犯著同樣的錯誤，腦科學只研究大腦的硬體系統——神經元網絡結構，而從不研究大腦的軟體——心理系統，所以，雖然腦科學搞清楚了人腦是由數百億個神經元組成的，每個神經元又通過數百個突觸和數百個其它神經元發生聯繫，神經元之間通過電脈衝來傳遞信息等等，但卻無法解釋人腦是如進行圖像識別、邏輯思維、靈感、直覺、想像思維的，以及如何進行預測、決策、科學發現、技術發明等活動的，這是因為，大腦的智能和計算機的智能是一樣的，其只所以有智能，關鍵在於其軟體（心理）的算法，也就是心理活動的機制，心理活動的機制就是心理的算法或智能的算法，不過，這種算法要比計算機的算法高明多了，有了這套算法，人腦就能實現小樣本自主學習，就能舉一反三，觸類旁通，而且還是通用的，只需要一個作業系統就可以解決各種問題，不象計算機那樣還需要各種專業軟體來解決不同領域裡的問題，如果破解這套算法，把它移植到計算機的軟體中，就能實現人腦那樣的通用人工智慧，甚至是超人工智慧。事實上，心理算法也正是人腦智能的主要機制（佔人腦智能總量的99%）。所以，要想破解大腦智能的奧秘，必須象研究（破解）計算機的奧秘那樣，既要研究其硬體，同時又要研究其軟體（這樣才能破解計算機智能的奧秘），也就是說，必須同時研究大腦的硬體（神經元細胞網絡）和軟體（心理活動），否則，永遠都不可能破解人腦智能的奧秘。而且，破解智能奧秘的主力軍一定是心理學研究，而不是腦科學研究，因為大腦智能的奧秘，大約只有1%存在於其硬體（神經網絡）中，這部分奧秘只能通過腦科學研究來破解，而99%的奧秘卻存在於其軟體（心理系統）中，這部分奧秘只能通過心理學研究來破解。
1.6，擴展閱讀3，計算機的智能來自哪裡？
假如你請教一個人如何做某件事，這個人說，「我知道怎麼完成這件事，只需5步，但具體怎麼做我不告訴你」，這樣你從這個人的嘴裡只得到了你想要的1%的信息，其它99%的信息他都沒有告訴你，而對一個計算機來說，它的硬體只掌握如何完成一件事的1%的方法（秘密），它的軟體則掌握另外的99%的方法，因為它的硬體只是執行軟體中規定的指令，一個指令相當於一個步驟，它先取出第一個，然後再取出第二個，直到所有指令都被取出並執行完畢，硬體才停止工作，這件事也就完成了。而它的軟體則負責制定完成一件事情的具體步驟（方案），軟體的靈魂是算法，所謂算法就是做一件事的步驟，不同的事件需要不同的步驟，完成事件A需要7步，完成事件B可能只需5步，每一步的內容也不同，我們人類做每件事都是有步驟的，如刷牙需要三步：取出牙刷、擠上牙膏、放在嘴裡開始刷牙；吃飯需要四步：拿碗、盛飯、找凳子坐下、開始吃飯。計算機做事也是一樣的，你必須事先告訴它完成一件事的步驟，它才能完成這件事，所以也就有了程序的算法，有了算法後，再根據算法編寫代碼就得到了程序，最後在計算機上運行程序代碼，這樣計算機就能按你事先的設定去解決一個問題，完成一件事情。比如，搜尋引擎的信息檢索就需要以下五個步驟：第一步，用分詞軟體把用戶輸入的查詢語句分割為多個關鍵詞；第二步，拿上述多個關鍵詞去索引表中查找同名的關鍵詞，它的索引表如同字典的索引表，裡面有很多關鍵詞，而且每個關鍵詞都有指針，指向包含這個關鍵詞的所有網頁；第三步，根據上述指針，找到包含查詢關鍵詞數百萬個網頁；第四步，對這數百萬個網頁進行相關性排序，把最相關的排在最前面；第五步，把排序的結果呈現給用戶。以上通俗地講解了計算機的工作原理，這一原理在教科書中是這樣講的：「計算機在運行時，先從內存中取出第一條指令，通過控制器的解碼，按指令的要求，從存儲器中取出數據進行指定的運算和邏輯操作等加工，然後再按地址把結果送到內存中去。接下來，再取出第二條指令，在控制器的指揮下完成規定操作。依此進行下去，直至遇到停止指令。程序與數據一樣存貯，按程序編排的順序，一步一步地取出指令，自動地完成指令規定的操作是計算機最基本的工作原理。這一原理最初是由美籍匈牙利數學家馮.諾依曼於1945年提出來的，故稱為馮.諾依曼原理」，可見，計算機的軟體是決策部門，負責制定方案，硬體是執行部門，負責執行方案，所以，軟體是計算機的司令部，硬體是士兵，計算機的靈魂是它的軟體而不是硬體，軟體的靈魂是算法，算法是人制定出來的，所以，計算機的智能最終還是來自人類，但它的智能有99%存在於軟體中，只有1%存在於硬體中。
1.7，第三個證據，發展心理學方面的事實和研究成果
發展心理學的研究結果表明：人腦的智能主要在於心理，而不在於大腦皮層中的神經網絡。以下四個發展心理學方面的事實和研究成果可以證明這一觀點：
1，雖然人一生下來就有了大腦，但3個月內的嬰兒卻沒有任何智能，還不能識別自己的父母，連最簡單的識別能力都沒有，更談不上其它智能，為什麼呢，因為此時的嬰兒雖有了大腦，但還沒有心理系統，如同一個沒有安裝軟體的電腦裸機，幾乎不具有任何功能（智能），3個月以後的嬰兒，才逐步具備識別能力、記憶能力和簡單的思維能力，這說明其心理系統開始萌芽、生長，所以，其智能也隨著心理的成長而一步步地成長。
2，嬰兒出生後，最先發育的是大腦，2歲時，腦袋容量已達到成人的80%，6歲時大腦的發育已達到頂峰，幾乎和成人一樣了，但六歲兒童的智力（智能）卻遠不及成人，此時的兒童雖然掌握了語言，但還不會邏輯思維，不能理解抽象的概念，還沒有掌握智能的基本操作技術，所以，法律上規定，不滿8歲，為無民事行為能力人，8歲至18歲為限制民事行為能力人，18歲後才算是完全民事行為能力人，可見，大腦和智能不能畫等號，因為大腦的成熟不等於智能的成熟，但心理可以和智能畫等號，心理的成熟就等於智能的成熟。智能的基本操作技術比知識更能代表智能的本質，因為如果不會操作，即使擁有知識也不知道怎麼利用這些知識去解決問題，完成智力任務，而6歲時的兒童雖然大腦的發育已和成人一樣了，但還沒有掌握智能的操作技巧，這說明此時的兒童還是「有大腦沒智能」，正如計算機的裸機是「有硬體沒智能」的，這也充分說明了「大腦之與心理，正如計算機的硬體之與軟體」。可見，大腦不等於智能，智能的主體不是存在於大腦，而是存在於心理之中。
3，發生於印度的狼孩故事，也有力地證明了這樣一個道理：人腦智能的關鍵在其軟體——心理，不在其硬體——大腦，狼孩的大腦雖然健全，但因為沒有良好的後天環境，致使心理系統沒能很好地開發和成熟，所以，智能低下，遠不及正常人。計算機的智能主要存在於其軟體（程序代碼）之中，而非其硬體（處理器、內存、硬碟等），因此，一個沒有安裝軟體的裸機是幾乎沒有任何功能（智能）的，同理，人腦的智能也主要存在於其軟體（心理）中，而非其硬體（大腦神經元細胞網絡）中，所以，一個脫離社會的狼孩是幾乎沒有智能的。
4，發生認識論的研究結果。瑞士認知科學家皮亞傑的「發生認識論」表明：「人類認知的發展要經歷四個階段，感覺運算階段（0～2歲），前運算階段（2～7歲），具體運算階段（7～11歲），形式運算階段（11～15歲）。只有隨著年齡的增長，在我們也經歷了所有階段後，才能擁有真正的人類智慧（Only once we have gone through all the stages,at what age can vary, we are able to reach full human intelligence.）」。
這四個階段的詳細內容是：
1) 感覺運算階段：（0～2歲）
① 僅僅依靠感覺和動作適應外部環境、應對外界事物，感覺和動作慢慢分化
② 手抓取和嘴吮吸作為探索世界的主要方式和手段
③ 低級的行為圖式（人在認識周圍世界過程中形成自己獨特的認知結構）
④ 獲得了客體的永恆性（9～12個月）：例如：把面前的玩具拿走，他會去尋找。
2) 前運算階段：2～7歲
① 語言的出現和發展使兒童日益頻繁地使用表象符號來代替外界事物
② 萬物有靈：認為外界一切事物都有生命
③ 一切以自我為中心，認為所有人都有相同的感受
④ 思維具有不可逆性、刻板性
⑤ 做出判斷的時候，只能用一個標準或者一個維度
3) 具體運算階段：7～11歲
① 獲得了長度、面積、體積、重量的守恆觀念
② 抽象概念：可進行簡單抽象思維，能進行邏輯推理
③ 思維具有可逆性，邏輯思維，群體運算
4) 形式運算階段：11～15歲
① 兒童思維以命題為主，能用邏輯推理、歸納演繹的方法解決問題，例如幾何
② 能夠理解符號的意義，隱喻和直喻，能做一定的概括
③ 思維具有可逆性、補償性和靈活性，發展水平接近成人。
上述四個發展心理學方面的事實和研究成果告訴我們，大腦不等於智能，人類智能主要是後天經驗的產物，沒有後天經驗，就沒有人類智能，大腦只是提供了一個我們用來獲取後天經驗的物質基礎，沒有這個物質基礎，我們就無法獲取後天經驗，但如果只有這個物質基礎，沒有獲取後天經驗，同樣不能產生智能，大腦的軟體——心理系統就是在這個後天經驗中形成的，所以，人腦智能的奧秘，正如計算機智能的奧秘一樣，主要存在於大腦的軟體——心理系統，而非大腦的硬體——大腦神經元網絡系統。所以，腦科學研究不能破解智能奧秘，只有通過心理學研究才能破解這一奧秘。
從另一個角度來看，既然人腦的智能不是先天的，而是在後天經驗中逐步形成的，而智能的本質和核心都是算法（解決問題的方法和步驟），那麼，這一算法肯定不是由大腦制定的，而是由大腦的軟體——心理系統制定的，因為如果是由大腦制定的，那麼人一生下來就有這一算法了，或最遲在6歲時（大腦的發育已達到頂峰，幾乎和成人一樣了）就能具有這一算法，而不必等到12歲以後才能具有這一算法，可見，這一算法不是由大腦的硬體——腦皮層中的神經網絡制定的，而是由大腦的軟體——心理系統制定的，制定後又以加密文檔的方式保存在心理系統中，而整個心理系統又保存在大腦皮層中的神經網絡中，就象電腦中的作業系統和應用軟體都保存在計算機的硬碟中那樣。這樣，雖然智能的算法保存在大腦中，但大腦卻不能破解它，因為它是加密文檔，而且這個加密文檔不是由大腦製作和加密的，大腦相當於一個行李寄存處的管理員 ，它只管收取和存放行李，無權查看行李中的物品。因此，大腦就無法破解這一被加密的智能算法。
上述情況又類似於，雖然軟體代碼又存儲在計算機的硬碟中，而算法又包含於軟體代碼中，但其中的算法對計算機的硬體來說只是一個黑箱，或一個被加了密的文檔，只有軟體才能破解它，因為是軟體給它加的密，解鈴還需系鈴人，只有軟體才能破解這的密碼。硬體只知道調取和執行其中的指令（算法、步驟）能解決某類問題，能完成一件事，但硬體並不懂指令的具體內容，這就好比，一個人會操作和使用一臺收音機或電視機，但他並不懂其中的原理。而且計算機的硬體也沒有能力破解這一加密文檔，又好比行李寄存處的服務員不能打開客戶寄存的箱子一樣。
綜上所述，大腦智能的奧秘（智能解決問題的算法）是由心理系統制定和保管的，只是以加密文檔的形式存放於大腦的硬體——神經網絡中，因此，「解鈴還需系鈴人」，只能通過心理學研究才能破解這一奧秘，腦科學不能破解這一奧秘。
1.8，第四個證據，大腦被切掉一半還能象正常人一樣生活！
最近發表在《 Cell Reports》的一項研究表明：6名患者大腦一半被切掉後，可以像正常人一樣生活。第一作者Dorit Kliemann表示，「當我看到電腦裡面的fMRI圖像只顯示出一半的大腦時，我還是非常驚訝的，因為這些圖像竟然來自和我剛剛一起聊天和走路的那些人」。首次大腦半球切除術其實可以追蹤到1926年，美國神經外科醫生Walter Dandy醫生首次為一名患有大腦膠質腫瘤的病人切除了半個大腦，並且取得了成功。文獻中還有許多其他案例記錄了大腦強大的可塑性：例如，發表在《生命科學》上的一個報導，一個小男孩的右半大腦三分之一被切除，切除的大腦包括負責視力的部分。幾年後，神經科學家發現小男孩左側大腦開始承擔缺失的視覺任務，而且小男孩可以看得很清晰。再如，發表在《柳葉刀》上面的一個白領案例，也展示出了大腦強大的可塑性。一名44歲法國男子的腦部做CT和核磁共振掃描後驚訝地發現，其腦室裡充滿了腦脊液，原本正常的腦組織由於受擠壓薄得像一張紙。令人吃驚的是，這位「幾乎沒有大腦」的患者智商竟有75，不僅像正常人一樣娶妻生子，甚至還幹著政府公務員的差事。再如，發表在《健康時報》的一個例子，17歲的劉俏因為癲癇就醫，去醫院結果發現她在右腦已經毫無用處，甚至還拖後腿，給正常的左腦添麻煩搗亂，這也是引發癲癇的原因。醫生建議她做半腦切除術，雖然當時她和家人都感到不可思議，但沒有其他好的治療辦法。好在手術進行的很成功，如今劉俏已經結婚生子，有一個幸福美滿的家庭。
該文還指出，「大腦半球切除術，指開顱將整個大腦半球皮質及其下方的白質和部分基底節一同切除，僅保留丘腦和下丘腦的一種手術。一般來說，切除大腦半球會對運動、人格和記憶產生嚴重影響，但特殊情況下，一個大腦半球嚴重受損，切除後對人體功能影響不大或者可逐步恢復，接受手術者年齡越小其功能恢復能力越強」。可見，大腦半球切除術對人的記憶影響最大，這是因為被切除的神經元中存儲了原先的記憶信息，但並不影響大腦的思維功能，這也正好說明，神經元的主要功能是存儲信息、讀取和執行心理系統制定的指令（算法、步驟），大腦中的多數神經元都有這些功能，因此，保留的神經元可以代替被切除神經元的原有功能。這也可以很好地說明，大腦智能的主要載體是心理系統，而不是神經網絡。
也正因如此，在人類中甚至整個動物界中，腦袋的大小和神經元數量的多少，都不是影響智能高低的決定因素，比如，鸚鵡、章魚、烏賊、烏鴉、松鼠等動物的腦袋都很小，但它們都很聰明，甚至會製造和使用工具，以滿足自己的需要。根據牛津大學研究人員拍攝的視頻顯示，鸚鵡「費加羅」看到鳥籠外有一枚研究人員放置的堅果，於是試圖夠到堅果。令研究人員吃驚的是，「費加羅」銜起籠中的樹枝，嘴爪並用把樹枝的分叉都咬掉，使這根光溜溜的樹棍得以伸出籠子間的縫隙。「費加羅」銜著自製的樹棍把堅果撥近籠子，成功地吃到了堅果。研究人員說，「費加羅」會使用工具就已經讓人吃驚，而它竟能自己製造工具，更是讓人意料不到；再如，章魚也有非凡的智能，能走出迷宮，還能打開屏蓋；烏鴉會把一根直鐵絲彎成鉤子，然後用它取回管子裡的食物。
上述事例告訴我們一個事實：影響大腦智能的關鍵因素並不是大腦的硬體——腦皮層中的神經網絡的大小和神經元數量的多少，這一事實啟示我們，大腦的軟體——心理系統才有可能是決定大腦智能高低的關鍵因素。
1.9，第五個證據，反省心理學中的「心理二元說」
心理二元說可以有力地證明這一點：大腦的智能主要在其軟體，而不在其硬體。心理二元說揭示了人的心理是二元的，通過第一心理的研究，可以破解外部自然界的奧秘，通過第二心理的研究可能破解心理自身和智能自身的奧秘，從而打開心理黑箱和智能黑箱，搞清智能的主要機制，即智能解決問題的算法。這表明，大腦智能的奧秘正是存放在其軟體——心理中，所以，通過第二心理中的心理學研究就能破解它。
心理二元說誕生於2005年，是反省心理學中的一個原創理論，該說認為，人的心理是二元的，由第一心理系統和第二心理系統共同構成，前者的主要功能是打開外部自然界的黑箱，後者的主要功能是打開內部心理世界的黑箱，因此，通過第一心理中的科學研究活動，能夠發現科學規律，從而打開外部自然界的黑箱；通過第二心理中的心理學研究活動能夠發現心理規律，從而打開內部心理的黑箱。由於人的心理由知、情、意三要素構成，而「知」就是認知和智能，因此，打開了心理的黑箱，也就打開了智能的黑箱，搞清了人腦智能的機制或原理，當然，同樣也能打開情感和意志的黑箱，搞清其產生和運作的內在機制。當我們思考工作、生活中的事情時，我們正在進行第一心理活動，當我們企圖觀察或剖析自己的心理活動時，我們正在進行第二心理活動。我們的記憶是二元的，分為「外記憶」（記錄外部的工作、生活等事件）和「內記憶」（記錄內部的心理活動事件，如夢、情緒、思維等事件），當我們的思維加工「外記憶」中的材料時，就是在進行第一心理活動，當加工「內記憶」中的材料時，就是在進行第二心理活動，不過，這兩類心理活動不能同時進行，一個開始後，就會打斷另一個（正在進行中的心理活動）。
如何形象地理解二元心理呢？讓我們拿拍電影來作一比喻吧，第二心理是第一心理背後的心理，猶如鏡頭背後的鏡頭，攝像機背後的攝像機。我們可以設想一下拍電影的情形，攝影師用攝像機把演員的表演製作成了電影，假如現在又多了一個攝影師，但他不是在拍電影，而是用自己的攝像機跟蹤拍攝前一攝影師和演員們的「電影製作活動」，這樣，他拍攝的結果（製成品）就不是一部電影，而是「該部電影是如何製成的」。所以，我們看，前一個攝影機反映、記錄、剖析了演員們的活動，它的內容就是一部電影；而後一個攝影機則反映、記錄、剖析了前部電影是如何製作出來的。這正如我們的心理一樣，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一攝影機代表第一心理（外知心理），後一攝影機代表第二心理（內知心理）。
心理二元說可以破解大腦軟體的奧秘——智能機制（即智能是如何把外部信息轉化為知識，並利用知識解決各種問題，完成各種智力任務的），它可以很好地回答以下問題：智能是如何從現實環境和語言文字中學習知識的？又是如何利用知識來完成預測、決策、規劃、發明、發現等智力任務的？智能是如何編織知識網絡（圖譜）的？智能學習的具體過程和推理、創造的具體過程是什麼？等一系列關鍵問題，從而使我們能夠理解智能，使它不再神秘，這些問題的答案就是智能的機制。
心理二元說不但可以破解「顯性智能」（解決問題的能力），而且還可以破解「隱性智能」（發現問題和定義問題的能力），破解後就可以用計算機進行模擬人的顯性智能和隱性智能活動，未來的計算機（人工智慧）可以象人腦一樣，先自己給自己提出問題，然後再自己尋找這一問題的答案，從而做出科學發現和技術發明，實現知識的增殖，不斷地擴展知識的疆域，增大原有的知識網絡（圖譜）。筆者目前已破解了這一機制（人腦提出問題的機制），而且從理論上講，完全可以用計算機模擬這一「隱性智能的機制」。未來的人工智慧可以在顯性智能和隱性智能方面遠超人腦，但不能全面超越人腦，這是因為，人腦是生命物，人工智慧是非生命物，因此，它不可能具備生命物所特有的欲望、意志、情感、動力等要素，所以，人工智慧永遠也不可能全面超越人腦。
1.10，被加密、隱藏的智能機制
人類智慧的本質就是智能的機制或工作原理、算法，智能機制的絕大部分都不是先天的就有的，而是在後天經驗中逐漸形成的，而且智能機制是隱性的，所以，儘管我們每天的智能活動中都在不自覺地運用著它，但並我們並不知道它是什麼樣的，也就是說，你說不出這一機制具體步驟是什麼，所以，有人笑稱這是在「騎著驢卻找不到驢」，比如，你能輕鬆地識別出現實場景或圖片中的一個個物體對象，也能靈活地運用想像、靈感、直覺等高級思維，但你說不出上述識別和思維的具體過程是什麼，這是因為，智能的機制或智能的規律和自然界中的自然規律一樣，都是隱性的，是隱藏著的，如同被加密的文檔，是有待我們去破解和發現的，需要我們去破解後才能知道它的真面目，我們需要通過科學研究和心理學研究才能發現它們，搞清楚它們。
智能機制分為淺顯機制和深隱機制兩種，前者通常是簡單的，容易破解，後者通常是複雜的，難以破解。這和自然科學中的奧秘一樣，比如，象槓桿原理、浮力定律、摩擦力定律等都是簡單、淺顯的奧秘（原理），一般科學家通過研究在短時間內就能破解、發現它們，但象相對論、遺傳規律、生物進化論、電磁理論等複雜、深隱的奧秘只有愛因斯坦、孟德爾、達爾文和麥克斯維那樣的天才科學家通過很多年的研究才能破解它們，如愛因斯坦發現相對論是十年磨一劍的結果，孟德爾做了8年的豌豆實驗，才得出生物遺傳的基本規律，達爾文發現進化論更是堅持研究30年的結果。智能機制也是如此，比如，邏輯推理、數字計算、記憶和公交查詢機制都屬於前者，容易破解，所以其算法較早被移植到計算機中，而象人類的視覺機制、自主學習機制、自然語言理解機制、二元智力機制等都是複雜、內隱的機制，沒有發達的第二心理和面壁十年的功夫、毅力，很難被破解它們，因此，目前還沒有被移植到計算機中，不過，筆者自1987年開始研究思維和人腦智能，經過30多年的努力，目前已成功破解了上述複雜機制，所以，AGI的實現，將是為期不遠的事情。
在發現智能規律方面，二千多年前，古希臘哲學家亞里斯多德通過心理學研究發現了人類邏輯思維的基本規律「三段論」，由於歷史沒有相應的記載，我們也不知道他用了多長時間發現了這一規律，但可以肯定地說，這不是隨便拍拍腦們就能發現的，一定用了相當長的時間。筆者只所以能破解智能之謎，是自1987年以來30多年持續不斷地努力的結果，在破解智能奧秘方面，同樣沒有人能隨隨便便成功！筆者目前所破解的智能奧秘，也僅是智能奧秘中的一少部分，以後還有大量的工作要做，不過，這些對於研製和實現AGI來說，已經夠用了。
1.11，腦科學悖論給我們的啟示
1，複雜不等於智能，簡單也不等就沒有智能。大腦神經網絡和計算機的處理器都有著非常複雜的結構，前者由數百億個神經元組成，後者由數百億個電晶體組成，但這種複雜只是簡單累加和複製的結果，因此，它只是表面上的複雜，內在裡卻是非常簡單的，相反，人腦智能的算法和計算機軟體的算法，表面上看起來很簡單，只是由一個個的指令或步驟組成，但解決不同問題的每一個指令的內容（或步驟的內容）卻都是不一樣的，問題是無窮的，因此，指令的內容也就是無窮的，可見，簡單的形式下面隱藏著無窮多的內容，所以，我們不能以形式的簡單或複雜來推斷其智能，這就好比，一個軍隊可能有數百萬個士兵，看起來非常複雜，而其統帥只有一個，看起來非常簡單，但所有士兵的指揮才能之和，也比不上一個統帥。
2，類腦智能是個錯誤的方向。類腦智能是指先通過腦科學研究來破解大腦智能的奧秘，然後，通過類腦（模擬人腦）就能夠實現人腦那樣的智能AGI，而事實上這是不可能的，因為腦科學根本就不能破解大腦智能的奧秘，因此，接下來類腦模擬也就無從談起，因為預期的必要前提是不可能的，那麼結果就肯定也是不可能的。
3，結構模擬是不會成功的。為什麼呢？結構模擬又叫結構類腦，即僅通過結構上模仿來實現人腦那樣的智能，這是根本不可能的，因為，正如，計算機只所能有智能，關鍵在它的軟體，而不是它的硬體，同理，人腦只所以有智能，關鍵在其軟體——心理，而不在大腦硬體——腦皮層中的神經網絡，心理系統和軟體系統是決策部門，是司令部，而大腦皮層和計算機的硬體只是執行部門，是士兵，因此，大腦皮層和計算機的硬體一樣，只是個白痴，是幾乎沒有什麼智能的，因此，僅通過模仿大腦的結構，而不模仿其心理，是根本不可以實現AGI的。大腦智能的奧秘主要存在於其軟體——心理系統之中，而非大腦的硬體——神經網絡結構中，所以，即使仿造出了與大腦一樣的神經元網絡系統，也不能獲得同樣的智能，因為這就好比你即使模仿計算機的硬體，造出了和它一樣的硬體系統，但如果沒有與之配套的軟體，仍然是沒有功能（智能）的，又好比，你只是搭好了一個舞臺，但如果沒有劇本和演員，仍然不會有觀眾的。當然，也許有人會說，我先模仿人腦的結構，造出一個光電材料構成的電子大腦，然後，用數據去訓練它，讓它象發展心理學那樣，自己成長出智能，但問題是，人腦是個生命物，因此，它有欲望、動機、意志、情感等要素，而非生命物不可能具有這些要素，而人腦的智能，正是在欲望的驅動下形成的，智能是為（主體）自己的需要服務的，這個電子結構的大腦，既然沒有欲望，也就沒有形成智能的動力，因此，即使用數據訓練它，也不可能象人腦那樣自動地成長出自己的智能。如果你仿造出一個生物的大腦，那麼，這個生物的大腦就會有自己獨立的欲望、動機、意志、情感等要素，這樣就有可能和人類的利益發生衝突，如果它的智能超越了人類，那麼，就有可能控制和危害人類，可見，這樣是非常危險的，是不可取的。綜上，所謂的結構模擬從根本上就是錯誤的，前一段時間，燒光10億歐元的歐盟藍腦計劃的徹底失敗，就是很好的例證。只有用計算機的軟體模擬人類心理機制的「類心理智能」才是正確的，才有可能實現真正的智能——AGI。計算機軟體形態的人工智慧是個非生命物，因此，它不會具有生命物所特有的欲望、動機、情感和意志等要素，更不會有獨立意志和自主意識，因此，和人類沒有任何利害衝突，同時，也沒有任何主動性，作為一個軟體，人類設定什麼，它就做什麼，人類讓它運行，它就運行，不讓它運行，它就呆著，什麼也不做，可見，其在本質上和人類發明的其它工具是一樣的，都只會被動地服從人類的安排，聽從人類的使喚，而從不會主動地做任何事情，因為它的一切行為都是人類通過計算機軟體來設定的。這一點就決定了，其在任何時候都不會主動做出危害人類的事情，更不會控制人類，所以，是安全可靠的。
1.12，破解智能奧秘的鑰匙——「心理二元說」
破解智能奧秘的正確方法
工智能之父圖靈曾說：「人工智慧唯一需要做的事就是找到腦內運行的程序，獲得正確的智能算法，然後在合適的硬體上運行它」。那麼怎樣才能破解智能奧秘，找到腦內運行的程序呢？腦神經科學在這方面無能為力，雖然它已有一百多年的歷史，但至今對人腦智能的奧秘還幾乎是一無所知，不過，能破解智能奧秘的理論和方法早在2005年就已出現了，只不過大多數人都還不知道，那就是「反省心理學」中的「心理二元說」，心理二元說揭示了人類的心理是二元的，由第一心理和第二心理兩個心理系統共同構成，通過第一心理中的研究，能夠破解自然界的奧秘，發現自然規律，打開自然黑箱，通過第二心理中的研究，能夠破解智能奧秘，打開智能黑箱，發現智能的規律或機制。破解智能奧秘的正確方法是：先開發第二心理，然後再用第二心理去破解上述99%的智能奧秘，搞清智能的機制，這樣就能找到腦內運行的程序，就能獲得正確的智能算法，並在計算機上運行它，從而實現人類那樣的真正智能——通用人工智慧（AGI）。
要開發AGI，需先開發「第二心理」，再用第二心理破解智能奧秘！
心理二元說誕生於2005年，是反省心理學中的一個原創理論，該說認為，人的心理是二元的，由第一心理系統和第二心理系統共同構成，前者的主要功能是打開外部自然界的黑箱，後者的主要功能是打開內部心理世界的黑箱，因此，通過第一心理中的科學研究活動，能夠發現科學規律，從而打開外部自然界的黑箱；通過第二心理中的心理學研究活動能夠發現心理規律，從而打開內部心理的黑箱。由於人的心理由知、情、意三要素構成，而「知」就是認知和智能，因此，打開了心理的黑箱，也就打開了智能的黑箱，搞清了人腦智能的機制或原理，當然，同樣也能打開情感和意志的黑箱，搞清其產生和運作的內在機制。當我們思考工作、生活中的事情時，我們正在進行第一心理活動，當我們企圖觀察或剖析自己的心理活動時，我們正在進行第二心理活動。我們的記憶是二元的，分為「外記憶」（記錄外部的工作、生活等事件）和「內記憶」（記錄內部的心理活動事件，如夢、情緒、思維等事件），當我們的思維加工「外記憶」中的材料時，就是在進行第一心理活動，當加工「內記憶」中的材料時，就是在進行第二心理活動，不過，這兩類心理活動不能同時進行，一個開始後，就會打斷另一個（正在進行中的心理活動）。
如何形象地理解二元心理呢？讓我們拿拍電影來作一比喻吧，第二心理是第一心理背後的心理，猶如鏡頭背後的鏡頭，攝像機背後的攝像機。我們可以設想一下拍電影的情形，攝影師用攝像機把演員的表演製作成了電影，假如現在又多了一個攝影師，但他不是在拍電影，而是用自己的攝像機跟蹤拍攝前一攝影師和演員們的「電影製作活動」，這樣，他拍攝的結果（製成品）就不是一部電影，而是「該部電影是如何製成的」。所以，我們看，前一個攝影機反映、記錄、剖析了演員們的活動，它的內容就是一部電影；而後一個攝影機則反映、記錄、剖析了前部電影是如何製作出來的。這正如我們的心理一樣，第一心理反映和揭秘外部世界；第二心理反映和揭秘第一心理自身。前一攝影機代表第一心理或外知心理，後一攝影機代表第二心理或內知心理。
當然，人腦被稱作「宇宙間最複雜的組織」，腦奧秘被稱作「人類認識自然的『最後的疆域』」，要破解它肯定不是一件容易的事，這首先需要有強大的第二心理系統，其次還需要有持續多年的堅持不懈的努力，方能打開智能的黑箱，搞清其內在機制或原理，這一點和科學家通過科學研究打開自然黑箱是一樣的，比如，愛因斯坦發現相對論是十年磨一劍的結果，萊特兄弟發明飛機用了8年，孟德爾做了8年的豌豆實驗，才得出生物遺傳的基本規律，達爾文發現進化論更是堅持研究30年的結果，空氣動力學由德國飛行學家李林塔爾奠定基礎（李林塔爾於1889年出版《鳥類飛行——航空的基礎》一書），中間經由美國的萊特兄弟繼承和發揚，直到1946年，馮·卡門和錢學森提出系統的空氣動力學，前後用了57年，牛頓只所以能發現萬有引力定律，是因為站在了前人的肩膀上，如果沒有加利略和開譜勒的前期工作，牛頓根本就不可能發現萬有引力。可見，打開自然黑箱不是一件容易的事，打開智能黑箱同樣如此，很多人都有觀察和思考的能力，都知道科學研究的方法，為什麼只有牛頓、愛因斯坦等少數人做出了偉大發現呢？同樣的道理，每個人也都有內省和思考內部事件（心理現象）的能力，都有第二心理系統，但只有專心致志並能長期堅持的人，才能在心理學領域裡做出偉大發現，從而打開心理黑箱和智能黑箱。拿筆者的個人經驗來說，在我14歲時就開始對人的心理和思維活動產生興趣，15歲讀初三時就開始在課堂上邊聽課邊分析老師講課時的心理和思維活動，1987年，在我18歲讀高二時，開始立志要破解天才之謎，找到培養天才的方法，以便將來為國家培養出成千上萬個象牛頓、愛因斯坦、愛迪生那樣的天才科學家，從此，就開始研究天才和人腦思維，因此，我的第二心理開發得比較早，也比一般人較為發達，經過18年堅持不懈的努力，在2005年前後，成功破解天才之謎，找到培養天才的方法，同時破解了人腦靈感、直覺、想像和發明方案思維之謎，搞清了其具體過程，同時還發現了心理二元說、四大意識流、心潮、淺層、智力相對論等一系列理論和概念，2006年完成《反省心理學原理與人腦、電腦潛能開發》一書，書中首次提出「超人類電腦」概念（相當於現在的超人工智慧）和人工智慧的一般原理；2007年完成《反省心理學原理及其心理治療、天才培養、人工智慧應用》，2013年此書更名為《心靈控制術》，並由北京電子工業出版社出版發行；2019年初，初步破解了感知、認知和創造三類智能的奧秘，搞清了其基本機制，並且找到了用計算機進行模擬的初步方法，可見，筆者只所以能破解智能之謎，是自1987年以來30多年持續不斷地努力的結果，在破解智能奧秘方面，同樣沒有人能隨隨便便成功！筆者目前所破解的智能奧秘，也僅是智能奧秘中的一少部分，以後還有大量的工作要做，不過，這些對於研製和實現AGI來說，已經夠用了。
心理二元說雖然不能破解大腦智能的硬體奧秘（即大腦的神經細胞網絡是如何產生智能的？），但可以破解其軟體奧秘——智能機制（即智能是如何把外部信息轉化為知識，並利用知識解決各種問題，完成各種智力任務的？），它可以很好地回答以下問題：人腦為什麼會有智能？為什麼人腦智能是通用的？如何才能產生智能？智能是如何從現實環境和語言文字中學習知識的？又是如何利用知識來完成預測、決策、規劃、發明、發現等智力任務的？智能是如何編織知識網絡（圖譜）的？智能學習的具體過程和推理、創造的具體過程是什麼？等一系列關鍵問題，從而使我們能夠理解智能，使它不再神秘，這些問題的答案就是智能的機制，明白了智能的機制（軟體奧秘），就可以用計算機軟體模擬這一機制，從而實現AGI，甚至實現超人工智慧（有關心理二元說方面的詳細內容見反省心理學的經典著作《心靈控制術》，杜向陽，北京，電子工業出版社，2013，噹噹、京東等網店有售）。
心理二元說不但可以破解「顯性智能」（解決問題的能力），而且還可以破解「隱性智能」（發現問題和定義問題的能力），破解後就可以用計算機進行模擬人的顯性智能和隱性智能活動，從而實現通用人工智慧和超人工智慧。未來的計算機（人工智慧）可以象人腦一樣，先自己給自己提出問題，然後再自己尋找這一問題的答案，從而做出科學發現和技術發明，實現知識的增殖，不斷地擴展知識的疆域，增大原有的知識網絡（圖譜）。筆者目前已破解了這一機制（人腦提出問題的機制），而且從理論上講，完全可以用計算機模擬這一「隱性智能的機制」。未來的人工智慧可以在顯性智能和隱性智能方面遠超人腦，但不能全面超越人腦，這是因為，人的智力是二元的，既能研究外部物質世界，又能研究智力本身，而人工智慧的智力只是一元，只能研究外部世界，不能研究智力自身，此外，人腦是生命物，人工智慧是非生命物，因此，它不可能具備生命物所特有的欲望、意志、情感、動力等要素，所以，人工智慧永遠也不可能全面超越人腦。
人工智慧即將由專用階段過渡到通用階段，實現通用人工智慧（AGI）的方法是模擬大腦智能的機制或工作原理，而非模擬大腦的神經元網絡結構，這就好比，要發明飛機，不要用人造翅膀去模擬鳥的結構，而要模擬鳥類飛行的機制——空氣動力學，智能機制就是人工智慧領域裡的空氣動力學，依據空氣動力學，就能設計和製造飛機，同理，依據智能機制，就能設計和製造AGI。
智能的機制就是人腦解決問題的方法（算法），它規定了解決問題的步驟，它就是腦內運行的程序，在本質上與計算機的算法和程序是一樣的，都是依據一定的步驟解決一個問題，完成一件事情，因此，智能的機制很容易移植到計算機的軟體中，並在計算機上運行，從而實現人類那樣的真正智能——通用人工智慧。由於計算機的運算速度和信息存儲量遠大於人腦，因此，一旦實現這一點，就能實現超人工智慧，就能把人類智力（智慧）擴展數億倍，從而極大地推動科技和生產力的發展。
所以，我們需要建立一門新的學科——智能科學，智能科學與計算機科學、人工智慧三者的關係如下：
計算機科學 = 硬體科學 + 軟體科學
智能科學 = 腦科學 + 心理學
人工智慧 = 智能科學 + 計算機科學
有了智能科學，我們就能破解智能奧秘，搞清智能機制，並能用計算機模擬這一機制，從而實現真正的智能。
2，結構模擬悖論。
意思是指，通常認為通過模擬大腦神經網絡的結構就能實現人腦同樣的功能，從而實現AGI甚至是超人工智慧，然而事實上這是不可能的，為什麼呢？因為前面已經說過，大腦智能的主要機制存在於其軟體——心理系統之中，而非大腦的硬體——神經網絡結構中，所以，即使仿造出了與大腦一樣的神經元網絡系統，也不能獲得同樣的智能，因為這就好比你即使模仿計算機的硬體，造出了和它一樣的硬體系統，但如果沒有與之配套的軟體，仍然是沒有功能（智能）的，又好比，你只是搭好了一個舞臺，但如果沒有劇本和演員，仍然不會有觀眾的。
結構模擬是指通過模擬大腦的神經網絡結構來實現AGI，這是一條非常困難的道路，是迫不得已的選擇，是在無法破解大腦智能奧秘，無法搞清大腦智能機制的情況下不得不走的道路。人類的腦神經科學已有一百多年的歷史，但至今對大腦智能的機制還幾乎是一無所知，以至於樂觀的腦科學家認為還需要數百年才能破解腦奧秘，悲觀的腦科學家認為永遠解決不了。作為人類，我們能感知，有思維；能學習，有情緒；能言語，有意識……所有這一切，全是因為我們有一個無與倫比的大腦——它重約3磅（1.36千克），卻如無垠宇宙一般複雜、神秘。當太空飛行器早已搏擊長空，潛水器早已漫遊深海，DNA雙螺旋結構已經揭示，人類基因組圖譜已經繪就，我們卻對創造了這些奇蹟的人類大腦知之甚少。因而，在科學界，探索「三磅宇宙」的奧秘，被認為是人類認識自然的「最後的疆域」。不破解腦奧秘就不能搞清大腦智能的機制，不知道機制，就無法進行機制模擬，在此情況下，也只好走結構模擬這條困難的道路了。但模擬大腦的神經網絡結構又談何容易，因為這3磅重的大腦由近千億個神經元組成，每個神經元之間又由通過數百個突觸連接到其它神經元，形成眾多的神經環路或網絡，其結構之複雜，之精細，讓人難以想像，目前，科學家還造不出普通的生物細胞，更何談人造神經元這種高級的細胞，因此，只能用光電材料來代替和模擬神經元及其網絡，然而，即使造出了這麼一個極為複雜、精細的人造光電神經網絡，也不一定就會產生人腦那樣的高級功能，因為二者的構成材料是不一樣的，前者是神經元細胞，後者是光電材料，這就好比歷史上飛機的發明，一開始也是走結構模擬的道路，企圖通過用人造翅膀的方式來實現鳥類那樣的飛行，結果，人造翅膀倒是做出來了，但飛行卻不能成功。飛機的發明，只所以成功，正是因為放棄了結構模擬，轉而使用機制模擬——模擬鳥類飛行的機制（空氣動力學）後才取得成功的！類似的，汽車對人腿的模擬也是一種機制模擬，汽車不是模擬人腿的結構，而是模擬人腿走路的機制——藉助地面的摩擦力前行。總之，結構模擬，不但難度極大，而且成功率也極低，是一個不得矣而為之的下下之策！
更何況，前文已述，大腦的主要智能並沒有固化（包含）在其硬體——神經細胞網絡中，而是固化在其軟體——心理系統中，而結構模擬只是模擬大腦神經網絡結構，仿造出一個類似於大腦的人造神經網絡結構，所以，這個人造的結構必然和大腦原有的網絡結構一樣，都不包含智能，因此，仿造出的這個結構也必然是沒有智能的結構，它只是個白痴，幾乎沒有任何智能，又何談實現AGI？
要想實現AGI，根本不需要模擬大腦的結構，只需模擬大腦智能的機制就可以了，首先通過第二心理中的心理學研究，破解智能的奧秘，搞清智能的機制，這一機制也就是智能解決問題的算法，然後把這一算法移植或轉錄為計算機軟體的算法，再用代碼來實現這一算法，從而開發出一個AGI作業系統，最後在計算機上運行這一作業系統，就能實現人腦同樣的功能——AGI。
3，數學悖論。
意思是指，通常認為只需通過數學和計算機科學手段就能實現AGI，而事實上，這是根本不可能的，因為數學和計算機科學只是實現AGI的工具，只有破解智能奧秘，搞清智能的機制才是實現AGI的關鍵。
上世紀50年代，「人工智慧之父」約翰·麥卡錫曾說：「（我們的目標）是遠離對人類行為的研究，將計算機作為解決某種難題的工具。這樣一來，人工智慧就會成為計算機而非心理學的分支學科。」60多年過去了，目前的人工智慧界，仍有相當一部分人天真地認為，既不需要模擬大腦的神經網絡結構，也不需要模擬大腦智能的機制，只需用數學和計算機科學這兩個工具來做嘗試，通過大量的、不斷的試錯，就能找到實現AGI的正確方法和道路，從而實現AGI，顯然，這是一種盲目行動，是一種瞎貓碰死耗子，因此，成功率是很低的，幾乎是不可能的，人類智能是自然界數十億年的進化和自然選擇的結果，是進化而來的，難道今天的AI也要這樣進化幾億年、幾十億年才實現AGI？數學已有數千年的發展史，是一門非常古老的學科，也是一門非常成熟的學科，計算機科學也有半個多世紀的歷史，如果只靠這兩個就能實現AGI，那麼恐怕早就實現了。
1950年，圖靈發表題為《計算機與智能》的文章，明確表示「真正的智能機器必須具有學習能力，製造這種機器的方法是：先製造一個模擬童年大腦的機器，再教育訓練。」圖靈還說，「人工智慧唯一需要做的事就是找到腦內運行的程序，獲得正確的智能算法，然後在合適的硬體上運行它」。做為計算機之父，圖靈有很高的數學水平，如果單純依靠數學就能實現AGI，那麼他又何必求助於「腦內運行的程序」呢？
在筆者看來，如果說AGI是一部機器，那麼，數學和計算機科學只是製造這部機器所需用的工具，但僅有工具是不行的，還需要有機器的設計圖紙，不然，你有再好的工具也造不出這部機器，這就好比，一個不會繪畫和寫字的人，即使你給他最好的畫筆和鋼筆，他也做不出世界名畫和書法家那樣的好字體，不過，如果給他一幅世界名畫或書法家的字帖讓他臨摹，那麼即使不能做到完全相同，也能做到90%的相似，而智能機制，就如同用於臨摹的世界名畫或書法家字帖，有了它，就能臨摹出通用人工智慧。
南京大學的周志華教授對此就深有體會，他說，「人工智慧問題不是數學問題，甚至未必是依靠數學能夠解決的問題。人工智慧中許多事情的難處，往往在於我們不知道困難的本質在哪裡，不知道「問題」在哪裡。一旦「問題」清楚了，解決起來可能並不困難」 ；
DeepMind 聯合創始人 Demis Hassibis 說，「人類大腦是我們所擁有的唯一的證據，證明我們正在努力構建的一般智力是有可能的，所以值得付出努力來嘗試理解它是如何實現這些能力的」。筆者的研究經驗也表明，只有破解了智能的奧秘，我們才能知道人工智慧中的問題出在了哪裡，才能解決問題，實現真正的智能。
眾所周知，一個技術工人要想上崗有兩個前提，一是要有勞動工具，二是還要有技能，不然，拿著工具也不知道怎麼幹活，只能瞎比劃，所以，還必須先培訓、後上崗，而實現AGI同樣也需要有工具和技能這兩個前提，人工智慧中的工具是什麼？就是數學和計算機科學，技術是什麼？就是要懂人腦智能，知道人腦智能是怎麼回事的，它的機制或原理是什麼，然後才能模仿它並實現AGI，不然，即使手中有數學和計算機科學這兩個工具，也不知道怎麼幹活，只能拿著它們（工具）瞎比劃，而要掌握這一技能可不是一件容易的事，你需要以用面壁十年的精神去研究人腦智能，這樣才能破解其奧秘，搞清其機制，可當今的AI的從業人員主要是數學統計學和計算機科學方面的專家，這兩類人都不懂人腦智能，甚至根本都不關心智能，而不懂智能就沒有技能，沒有技能就只能拿著工具瞎比劃，於是就比劃出一個個「偽智能」和「人工智障」產品，就這一點點的「偽智能」還是基於人工標註數據的，沒有標註數據，連這一點點的「偽智能」都不可能具有。
我們知道，孟德爾在發現遺傳規律的過程中，數學幫了他的大忙，但如果他不做8年豌豆實驗，只是在家裡做數學推算，能從數學中提導出基因概念，能發現遺傳規律嗎？肯定不能，因為雖然數學可以廣泛應用於許多學科，如，包括物理、化學、生物、經濟等學科，但只有在這些學科首先定義了自己領域裡的概念和問題之後，才能引入數學這個工具來幫著解決問題，在基本概念和基本問題被定義之前，即使引進了數學這個工具也毫無用處，數學再有能力也會「老健掉井裡，有力用不上」，對人工智慧來說，只有我們破解了智能的奧秘後，我們才能正確地定義人工智慧中的概念和問題，才能找到人工智慧領域裡的根本問題在哪裡，這時候才能引入數學和計算機科學等工具來解決這些問題，這就好比，只有在地質學家李四光發現了儲油區後，我們的採礦隊才能開始工作，否則，以瞎貓碰死耗子的方式四處亂挖，那什麼時候才能挖出油呢？可現在的AI專家（包括數學家和計算機科學家）就是這麼幹活的，他們有工具，沒技能，每天拿著工具瞎比劃，這樣，永遠也不可能實現真正的智能——AGI。
這些AI專家「只求目的，不問手段」，認為不需要了解人腦智能，只憑數學和計算機科學這兩個工具就能實現AGI，上世紀六十年代，剛在自動定律證明和符號推理方面取得一些成績，就信心滿滿地認為，很快就能夠實現AGI，比如：
1965年，H. A. Simon：「二十年內，機器將能完成人能做到的一切工作。」
1967年，Marvin Minsky：「一代之內……創造『人工智慧』的問題將獲得實質上的解決。」
1970年，Marvin Minsky：「在三到八年的時間裡我們將得到一臺具有人類平均智能的機器。」
後來的事實證明，這不過是對人腦智能和人工智慧的無知，當然這是50年前的事了，可今天又怎樣呢？依然有許多AI專家信誓旦旦地宣稱，數學是實現AGI的關鍵，不需要智能科學的幫助，繞過人腦智能，他們照樣能實現AGI。如果說AI專家都不懂智能，那麼投資人和用人單位的老闆就更不懂了，所以，投資人在投資一個項目時，只要看到團隊中有數學家和計算機科學專家，就可以放心地投資；老闆在招聘人才時，只要求你懂數學和計算機科學就行了，並不要求你必須懂人腦智能，這相當於只要你手中有工具，沒有技能也可以上崗，這種人上崗後，由於自己也不知道怎麼幹，所以，只能拿著工具瞎比劃，借著別人標註好的數據，搞出一些偽智能，就感覺自己很了不起了，而老闆也很滿足，因為雖然是偽智能，但畢竟也還算有點智能呀！但這樣永遠都不可能實現AGI，不可能實現真正的智能！這是當今人工智慧的悲哀！也是對人工智慧現狀的真實寫照。今天的人工智慧，已經深陷深度學習的誤區而不能自撥！
4，難易悖論。
難易悖論即莫拉維克悖論（英語：Moravec's paradox）。是指在人工智慧領域，人們通常認為是很難的，反而很容易，相反，人們通常認為容易的，反而是困難的。這一悖論是由人工智慧和機器人學者所發現的一個和常識相佐的現象。和傳統假設不同，人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理，但是無意識的技能和直覺卻需要極大的運算能力。這個理念是由漢斯·莫拉維克、布魯克斯等人於1980年代所闡釋。布魯克斯解釋說，根據早期人工智慧研究，智慧最重要的特徵是那些困難到連高學歷的人都會覺得有挑戰性的任務，例如象棋，抽象符號的統合，數學定理證明和解決複雜的代數問題。至於四五歲的小孩就可以解決的事情，例如用眼睛區分咖啡杯和一張椅子，或者用腿自由行走，又或是發現一條可以從臥室走到客廳的路徑，這些都被認為是不需要智慧的。
難易悖論告訴我們，在人工智慧領域，最困難的不是模擬人腦的高級智能，如認知智能和創造智能，反而是模擬最低級的感知智能，這是因為，越高級的越抽象，越抽象的越簡單，越簡單就越容易用計算機進行模擬，反之，越低級的越具體，越具體就越複雜，越複雜就越難以用計算機進行模擬，計算機最擅長處理確定的簡單的東西，不擅長處理不確定的複雜的東西，所以，感知智能中的模式識別對計算機來說是一件非常困難的事情，不過，只要能模擬人腦的識別機制，就能很好地解決這一問題，解決定問題的關鍵是如何破解這一機制，反省心理學中的心理二元說揭示了破解智能機制的有效方法是反省研究法，利用這一方法可以破解人腦智能的所有機制，當然也能破解模式識別這一機制，只不過，這一機制比較複雜，要破解它不是一件容易的事情，需要很長的時間，不過，筆者目前已經破解了其中的圖像識別機制，這相當於解決了模式識別中80%的問題，因為圖像識別佔整個模式識別任務的80%。
5，理解悖論。
理解悖論又叫「中文房間悖論」，是指通常人們認為，能正確回答問題，就是理解了，不能回答就是不能理解。而事實上，正確地回答出問題，並不一定就是理解了，「中文房間悖論」最早由美國哲學家John Searle於20世紀80年代初提出。這是個思想實驗，要求你想像一位只說英語的人身處一個房間之中，這間房間除了門上有一個小窗口以外，全部都是封閉的。你隨身帶著一本寫有中文翻譯程序的書。房間裡還有足夠的稿紙、鉛筆和櫥櫃。寫著中文的紙片通過小窗口被送入房間中。據Searle說，房間中的人可以使用他的書來翻譯這些文字並用中文回復。雖然他完全不會中文，Searle認為通過這個過程，房間裡的人可以讓任何房間外的人以為他會說流利的中文。Searle創造了「中文房間」思想實驗來反駁電腦和其他人工智慧能夠真正思考的觀點（包括「圖靈測試」）。房間裡的人不會說中文，他不能夠用中文思考。但因為他擁有某些特定的工具，他甚至可以讓以中文為母語的人以為他能流利的說中文。Searle說，電腦就是這樣工作的。它們無法真正的理解接收到的信息，但它們可以運行一個程序，處理信息，然後給出一個智能的印象。我們可以這樣來通俗地理解「中文房間」：把愛因斯坦對任何一個問題的回答彙編成一本書，那麼你拿任何一個問題去問愛因斯坦，與翻著本書會得到同樣的答案，現在我們能說這本書像愛因斯坦一樣會思考嗎？所以，中文屋的本質就是一種映射，把問題映射到現成的答案，這一點和考試中的作弊是一樣的，表面上看，他成績很好，實際上是在抄襲、作假。所以，這個思想實驗很好的證明了「圖靈測試」是錯誤的，也可以很好地證明今天的深度學習是不會理解的，雖然它能做圖像識別和語音識別，但它的本質只是映射，不是理解，它只能把圖像和語音映射到文字，而不能理解文字（如貓、狗）的真正含意，深度學習能「識別」出圖像中的狗，但它根本不知道什麼是狗，如果你在訓練時把狗的標註改成貓，它就能把狗識別成貓。而人類不會犯這樣低級的錯誤，因為人類的識別是有理解的識別，這才是真正的識別。
筆者認為，目前機器的識別和理解都只是一種映射活動，而人類的識別和理解是一種推理和認知活動，二者有本質的區別，因此，只有模擬人腦的識別機制和自然語言理解機制，才能徹底解決目前的機器識別和機器理解問題，使機器具備人類那樣的真正的識別（有理解、有認知的識別）能力和真正的理解（基於語義的理解）能力。總之，機器理解並不是一個不可逾越的鴻溝，只要能模擬人腦的語言理解機制，就能象人類一樣理解語言背後的真正含意。
6，自然語言處理悖論。
意思是指，通常認為，既然人腦是一個符號處理系統，那麼就可以脫離語義和實物形象，僅是通過模仿大腦的字符處理過程，就能實現與人腦一樣的語言符號處理功能，即，能在自然語言處理方面做得和人腦一樣好，甚至超越人腦，而事實上這是不可能的，為什麼呢？因為人腦對語言的處理完全是基於語義理解的，而不是基於外在的語法和符號的，因此，一個語義可以通過多種語言方式來表達，即使不遵守語法，也不妨礙雙方的理解和交流，語義就是實物對象間的關係，比如，人和飯之間的關係只能是人吃飯，而不能是飯吃人，這個關係就是語義，一個語義可能通過多種方式來表達，如：飯我不吃了；我不吃飯了；我不吃了，飯；不吃了，飯，我；等……，只要明白了這一語義，怎麼表達都不會引起誤會。在機器翻譯中有一個經典的案例就是 「the spirit is willing but the flesh is weak」（心有餘而力不足），用當時的翻譯系統譯成俄文再譯回英文就變成了 「the vodka is good but the meat is rotten」（伏特加不錯，但肉已腐爛。spirit 有 「烈酒」 的含義）。另一個經典案例是，「The box was in the pen」，box 是盒子，pen 有兩個意思：一個是鋼筆，一個是圍欄。翻譯這句話對人來說非常容易，對機器卻很難。這句話現在用谷歌、百度、微軟的機器翻譯系統翻譯出來都是錯的，都會翻譯成箱子在鋼筆裡，人是不會犯這樣低級的錯誤的，因為人類的翻譯是基於語義理解的翻譯，而機器不會語義理解，所以在有歧義、上下文關聯和語義比較複雜的地方，就會出現錯誤的理解（映射），進而導致錯誤的翻譯。
總之，自然語言處理的基礎是語義理解，而語義理解的基礎又是模式識別，只有模式識別這個問題解決了，能做出正確的識別，才能把語言符號和實物形象對應起來，只有二者建立了對應關係，我們才能實現真正的自然語言理解，否則，就不會有語義和語義理解，永遠也不能從根本上解決自然語言理解（處理）問題。
7，知識圖譜悖論。
意思是指，通常認為，既然常識和知識非常重要，是我們理解、推理、預測和決策的基礎，那麼，如果，能通過手工輸入，把人類所有的常識和知識都錄入電腦，建立一個巨大的知識庫，那麼就能徹底解決知識瓶頸問題，從而實現和人腦一樣的智能——通用人工智慧，然而，事實上這是根本不可能的。
為什麼呢？這是因為，第一，現有的常識和知識數量極大，可謂無邊無沿，用人工方法把它們全部輸入電腦，要花費極大的人力、財力和時間周期，何況新知識還在時刻不停地增加，在知識爆炸的時代更是如此；第二，人的知識分三種，第一類，就是明知識，是可以用語言文字表達的；第二類，叫默知識，是可以感受但不可表達的知識，像騎自行車，會騎但說不出怎麼學的，每個人都要自己去騎一下才能學會，沒法靠看手冊學會，也是表達不出來的，生活中有大量這樣直覺的、經驗的知識，都是表達不出來的；第三類，是暗知識，是一個人不能理解的知識，即既沒法感受也沒法表達的知識，比如，如果你不知道電視機、手機、電腦等高科技產品的原理，那麼，這些科技知識對你來說就是暗知識。所以，在這三類知識中，只有第一類明知識，能夠輸入到電腦的資料庫中而成為知識圖譜的組成部分，而第二、三類知識都無法輸入進去，特別是默知識，既然無法表達就無法輸入電腦，但這類默知識雖然我們不能表達它，卻經常在使用它們，我們的許多理解、學習、推理、預測、決策等活動都有它們的參與，甚至根本就離不開它們。所謂常識就是不言自明的東西，所以，許多常識都是默知識，因此，上述通過建立囊括所有人類知識的的想法是錯誤的，根本就不可能實現。美國CYC項目就是這方面的典型，有人估算過Cyc真正達到預期的知識存儲量可能還要等300多年，而事實上永遠都達不到，而且Cyc難以跟上知識時代的變化，經常保留幾十年前的知識水平。象上面那個「The box was in the pen」的翻譯，就涉及到物體之間大小比較關係這一常識，有了這一常識才能做出正確的翻譯，但如果用建知識庫的方法，把世界上所有物體的大小比較關係都囊括進去，工作量將是驚人的，甚至是根本不可能完成的。所以，解決知識瓶頸問題的根本有效的方法是教會機器自己去學習，這樣，機器就能象人類一樣，既能學到明知識，又能學到默知識，知識的本質就是事物、對象間的關係，如果解決了模式識別問題，機器自己就能學習對象間的各種關係，所以，就能象人類一樣擁有明知識和默知識。所以，解決知識瓶頸問題的關鍵是首先要解決模式識別問題，這個問題解決了，機器才能擁有自主學習能力，學會明知識和默知識。當然機器也會遇到它們不能理解的暗知識，比如，象飢餓、憤怒、恐懼等生命物特有的體驗，機器永遠也不會理解的。在機器掌握足夠多的自然規律之前，宇宙中一些現象背後的原因，機器和人一樣，也是無法理解的。
綜上所述，知識是理解和推理的基礎，是智能的重要基石之一，解決知識瓶頸問題的根本方法是用計算機模擬人類的學習機制，從而使計算機能象人類一樣去自主學習，去學習掌握常識和知識，用手工的方法或是機器自動摘取的方法都不能從根本上解決這一問題。
8，主次悖論。
意思是指人工智慧領域裡的一些事物，人們通常認為它是最重要的，但事實上是次要的，相反，有些事物，人們認為它是次要的，而事實上，它們是最重要的。比如，大家通常認為，在人工智慧中，認知智能（如理解、學習、預測、決策、推理、創造、常識、知識等）是主要的或重要的，而感知智能（如感知覺察、模式識別）是次要的，而事實上，正好相反，為什麼呢，這是因為，第一，感知智能是認知智能的基礎，沒有感知智能就沒有認知智能，第二，感知智能中的模式識別（尤其是圖像識別）是整個人工智慧的核心、牛鼻子，這個問題解決了，其它問題如理解、學習、預測、決策、推理、創造、常識、知識等問題都可迎刃而解，反之，如果這個問題不解決，或解決得不好、不徹底，那麼，上述問題都不能得到有效解決，可見，模式識別（尤其是圖像識別）是實現通用人工智慧和超人工智慧的關鍵，這個問題解決後，後面的問題才容易解決，通用人工智慧和超人工智慧才能得以實現！
9，類腦智能悖論
類腦智能悖論是指，通常認為先通過腦科學研究來破解大腦智能的奧秘，然後，通過類腦（模擬人腦）就能夠實現人腦那樣的智能AGI，而事實上這是不可能的，因為前文已述，腦科學並不能破解大腦智能的奧秘，因此，接下來類腦模擬也就無從談起，因為預期的必要前提是不可能的，那麼結果就肯定也是不可能的。還有一種類腦是結構類腦，即僅通過結構上模仿來實現人腦那樣的智能，這就更不可能了，因為，正如，計算機只所以有智能，關鍵在它的軟體，而不是它的硬體，同理，人腦只所以有智能，關鍵在其軟體——心理，而不在大腦硬體——腦皮層中的神經網絡，心理系統和軟體系統是決策部門，是司令部，而大腦皮層和計算機的硬體只是執行部門，是士兵，因此，大腦皮層和計算機的硬體只是個白痴，是幾乎沒有任何智能的，因此，僅通過模仿大腦的結構，而不模仿其心理，是根本不可以實現AGI的，可見，所謂的類腦智能從根本上就是錯誤的，前一段時間，燒光10億歐元的歐盟藍腦計劃的徹底失敗，就是很好的例證。只有模擬人類心理的「類心理智能」才是正確的，才有可能實現真正的智能——AGI。類心智能就是模擬心理活動的機制（即人腦智能的機制），這才是實現AGI的正確道路。
10，深度學習悖論
深度學習悖論是指，通常認為，通過使用深度學習這門技術（工具）就能實現人腦那樣的真正智能，而事實上，這是根本不可能的，因為深度學習的本質是基於概率統計的端到端的映射，應該說，統計歸納和映射確實是人腦智能的兩種重要機制，但也遠非其全部，人腦智能的機制，要比這複雜很多，因此，單靠這兩招就想實現人腦那樣的真正智能是根本不可能的，這也決定了深度學習永遠只能停留在沒有常識、沒有理解的偽智能和人工智障的水平，根本不可能實現真正的智能AGI。這一點點的偽智能還是基於標註數據的，如果沒有人工標註的大量數據，它連這一點點的偽智能都不可能具有。深度學習的本質是數學模型，而無論數學還是計算機科學，都只是實現AGI的工具，正如對一個技術工人來說，要想完成勞動任務，既要有勞動工具，又要有勞動技能，不然，拿著工具也不知道怎麼幹活，只能瞎比劃，所以，單純依靠深度學習是不能實現AGI的。真正的智能一定是象人腦智能那樣，是有理解、有常識的，能小樣本自主學習，能聞一知十，觸類旁通，以不變應萬變，而這些對深度學習來說都是可望而不可及的。只有先破解人腦智能的奧秘，理解人腦智能，再模擬其機制，才能實現真正的智能。
深度學習在當前只所以能成為人工智慧中的主流，受到多數人的追捧，是因為「山中沒老虎，猴子稱大王」，這不過是人們在當前的一種無奈的選擇，因為雖然它只有一點點的偽智能，但畢竟比沒有智能要好一點，比起傳統的人工智慧技術，它還是好一些的，所以，它也就成了目前最當紅的熱門技術，不過，它也註定只能是曇花一現，與真正的社會需求有很大的差距，如果沒有更好的技術來取代它，那麼，人工智慧的下次寒冬很快就會到來！
模式識別（尤其是其中的圖像識別）是整個人工智慧大廈的基石，如果這個問題不解決，就永遠不能進入真正的智能，不能實現AGI，但深度學習根本就不會識別，它只會端到端的映射，而映射不是識別，因為真正的識別是感知和認知的統一，識別的過程就是理解和推理的過程。
深度學習的識別和人眼的識別有何不同？
嚴格來說，因為深度學習根本就不會識別，它只會映射，無論深度學習做的機器翻譯、語音識別、文字識別還是圖像識別，本質上都只是一種映射，而不是什麼識別，它的翻譯是「偽翻譯」，它的理解是「偽理解」，它的識別也是「偽識別」，比如，機器翻譯能把貓翻譯為cat，但它根本就不知道什麼是貓；深度學習能「識別」出圖像中的狗，但它根本不知道什麼是狗，如果你在訓練時把狗的標註改成貓，它就能把狗識別成貓。機器翻譯的機制與人腦翻譯機制完全不同，它只是一種映射，嚴格來說根本就不是翻譯，或者說它是一種「偽翻譯」，而人腦的翻譯是一種基於語義理解的翻譯，這才是真正的翻譯，所以，遇到成語和縮略語，機器翻譯會出錯，而人工翻譯就不會出錯。同樣，深度學習的「識別」也是一種「偽識別」，嚴格來說，根本就不是識別，因為它的機制與人類的識別機制也完全不同，它只是一種映射，由象素到文字的映射（圖像識別），或由語音到文字的映射（語音識別），而人類的識別才是真正的識別，因為人類的識別是一種基於理解的識別，其識別的過程中是一種理解的過程、推理的過程、預測的過程、假設——檢驗的過程，人類的識別過程是感知活動和認知活動的統一，是自下而上（由數據到語義）和自上而下（由語義到數據）的統一，是一種非常複雜的過程，正因如此，人類的識別有很強的魯棒性，自適應性、可解釋性，泛化性，並且可以實現小樣本學習，而深度學習則正好相反，它缺乏魯棒性，自適應性、可解釋性和泛化能力，並且是大樣本學習，成本極高。所以，說「深度學習能夠識別圖像並且已超越人類」，是一個彌天大謊，是人工智慧時代的黃帝新裝，是圖像理解領域裡的中文屋，是對人類視覺智能的無知，人類能在模糊、遮擋和殘缺不全的情況下做出正確的識別，請問，現在的深度學習系統能做到這一點嗎？中文屋的本質就是一種映射，把問題映射到現成的答案，這一點和考試中的作弊是一樣的，表面上看，它成績很好，實際上是在抄襲、作假。因此，把機器視覺、模式識別（包括圖像識別）、機器翻譯、自然語言理解、人機對話、機器人、自動駕駛等應用領域的大廈，甚至整個人工智慧的大廈建立在深度學習的基礎之上，就如同把大樓建在流砂上一樣，是非常脆弱的，也是非常危險的，近年自動駕駛中的幾場嚴重事故已經預示了這一點，這樣的大樓根本就建不起來，最多也只能停留在「偽智能」「人工智障」「有多少人工，就有多少智能」的水平，根本就沒有前途。自動駕駛、計算機視覺和人工智慧的唯一的出路是向人腦智能學習，模擬人腦智能（尤其是視覺智能）的機制，這樣才能徹底解決上述圖像識別、計算機視覺、自動駕駛、機器翻譯、自然語言理解等領域裡的問題，才能建起人工智慧的宏偉大廈，實現通用人工智慧甚至超人工智慧。
今天，深度學習的弊端日益暴露，大樣本學習、嚴重依賴人工標註數據、魯棒性差、不安全、不可靠，泛化能力差，不能象人腦那樣舉一反三，不會推理，不會理解，沒有常識，沒有知識，與真正的智能有天壤之別，因此，許多AI專家呼籲，要重起AI，對現有的深度學習推倒重來，開發第三代人工智慧已是大勢所趨！第三代人工智慧就是機制主義人工智慧，北京郵電大學的鐘義信教授在本世紀初提出了機制主義人工智慧理論，指出只有通過機制模擬才能實現AGI，該理論提出後在國內外得到了積極的響應和廣泛的認可，如，我國人工智慧泰鬥吳文俊院士、美國模糊數學創始人L. A. Zadeh教授等大批中外學者都高度贊同這一理論。吳院士稱讚說，「機制」應當比「結構、功能、行為」更擊中人工智慧的要害。如果說前述符號主義主要模擬人腦的符號推理活動，聯結主義主要模擬大腦的神經元網絡結構，那麼，機制主義則主要模擬大腦智能的內在機制，機制才是智能的內在本質，而符號和結構都只是智能的外在表現，因此，只有機制模擬才能實現人腦那樣的智能——AGI。
11，控制人類悖論
控制人類悖論是指，通常認為，人工智慧一旦超越人類智慧，就會控制和危害人類，而事實上，這是根本不可能的，首先這違反了邏輯常識，因為如果一個人不夠聰明，那麼他根本不可能發明出比人腦更聰明的超人工智慧，換句話說，如果一個人能發明出超人工智慧，那麼他一定非常聰明，而一個非常聰明的人又怎麼會做出這樣的愚事：他發明出一個東西，然後這個東西就把他本人和整個人類都控制了，都關進了地地獄？聰明的人只能做聰明事，愚蠢的人才會做愚蠢事，這是常識，所以，所謂的超人工智慧控制人類是根本就不會發生的。
從理論上講，超人工智慧有兩種形態，一種是生命物的超人工智慧，另一種是非生命物的超人工智慧，前者是危險的，有控制和危害人類的可能，而後者是安全的，不會控制人類。因為欲望、意志、動機、情感是生命物所特有的 ，非生命物不會具有這些要素，因此，生命形態的人工智慧會象人類一樣，具有獨立意志、自主意識和情感、動機、欲望等要素，這樣，它們就會有自己的利益，而當其利益與人類的利益發生衝突時，就有可能與人類發生衝突，並有控制和危害人類的可能，因此，生命形態的人工智慧有失控的可能，是危險的，不可行的，人類的所有發明物都必須有一個前提，那就是完全可控的，否則人類就不會把它製造出來，因此，任何頭腦正常的人都不會發明這種生物形態的人工智慧。而非生命形態的超人工智慧，如計算機形態的工智能就沒有這類危險，因為它們是非生命物，因此，不可能具有人類那樣的欲望、意志、動機、情感等要素，這樣，它們不會有自己的利益，不會與人類發生利害衝突，也不會有獨立意志和自主意識，因此，它們永遠只能做人類的工具，服從人類的命令。
計算機形態的人工智慧，無論是AGI還是超人工智慧，都是用計算機模擬人腦智能的機制，因此，其本質上就是計算機的軟體程序，和現有的搜尋引擎、公交查詢、語音識別、機器翻譯等軟體一樣，都是非生命物，因此，它不會具有生命物所特有的欲望、動機、情感和意志等要素，更不會有獨立意志和自主意識，因此，和人類沒有任何利害衝突，同時，也沒有任何主動性，作為一個軟體，人類設定什麼，它就做什麼，人類讓它運行，它就運行，不讓它運行，它就呆著，什麼也不做，可見，其在本質上和人類發明的其它工具是一樣的，都只會被動地服從人類的安排，聽從人類的使喚，而從不會主動地做任何事情，因為它的一切行為都是人類通過計算機軟體來設定的。這一點就決定了，其在任何時候都不會主動做出危害人類的事情，更不會控制人類，除非被壞人利用，在壞人的指示下去做危害別人和社會的事情，這一點和藥品、武器等其它人類發明物是一樣的，我們通過法律管制就可以避免其危害。總之，計算機形態的人工智慧只有智力，沒有心理，它們沒有欲望、動機、情感、意志等心理要素，因此，就沒有心理，永遠只能做人類的智力工具，就象現在的AlphaGo和搜尋引擎，雖然在圍棋和記憶（信息檢索）方面遠超人腦，達到了人腦的數億倍，但它們只是沒有生命的電腦程式，是完全可控的！
上述十一個悖論預示了實現通用人工智慧的正確道路
上述11大悖論啟示我們，實現AGI的正確道路是，第一，先開發第二心理，通過第二心理中的心理學研究破解智能奧秘，搞清智能的主要機制，然後用計算機模擬上述機制，從而實現AGI；第二，要「自底向上」而不能是「自頂向下」，先解決最底層的感知問題（重點是計算機視覺問題），再解決其它上層問題，如機器學習、自然語言理解、機器創造等問題；第三，要教會計算機自主學習，然後讓其自己去學習常識和知識，這樣才能徹底解決常識問題和知識瓶頸問題；第四，要抓住人工智慧中的主要矛盾——模式識別，尤其是其中的圖像識別，這個問題解決了，其它問題如理解、學習、預測、決策、推理、創造、常識、知識等問題都可迎刃而解，反之，如果這個問題不解決，或解決得不好、不徹底，那麼，上述問題都不能得到根本有效的解決。
上述11個悖論告訴我們，今天的人工智慧還走在錯誤的道路上，還處於混沌未開、黑白不分、人妖顛倒的狀態，這是其只所以不能走出「偽智能」「人工智障」的根本原因，要想實現真正的智能——AGI，就必須來一場思想革命，以正確的思想代替錯誤的思想，這樣才能有正確的行動，才能達到我們期望的目標——真正的智能AGI。