智能化包含两部分：自动化和智力，同时也是智能路径上的两个阶段

如今都在说智能化，很多人不由得问什么是智能化？又如何达到智能化呢？

我认为智能化包含两部分：自动化和智力，同时也是智能路径上的两个阶段。

自动化是基础，智力是核心。自动化阶段是可以自动的依据指令或信号完成某项流程或动作，不需要人工介入。但是需要人工触发信号，即没有自我辨识能力。而智力是可以通过自我学习，外界指导学习后作出自我判断，并根据判断后的结果自我沉淀经验，持续完善经验并作出最优判断。当然这个智力主要指的是IQ层面，不涉及情感或EQ。如果涵盖情感因素我认为这就不仅是智能，而是类人或超人化存在。

所以通过智力判断后作出指令控制，并自动化执行。这一套流程结合起来就是智能化要做到的。类似于大脑和肢体的协作，大脑发出指令，肢体自动化执行，还会存在简单条件反射。可以理解最原始的初始化智力就是由简单规则组成的本能的简单条件反射。

那么我们如何一步步达到智能化？这看似是一个由高科技堆叠而成的理念，但抛开技术实现来说智能化的具体路径抽象来看应该都一致的，所以在这不探讨软技术和硬件如何配合实现，而是来看智能化演进的路径。在我的概念里，现在应用最广泛的机器学习甚至深度强化学习也只是技术选型之一，我认为并不一定是最优解。下面我会抛出智能化演进路径的框架，来进一步探讨。

这就不得不从思维形成过程来说，即人之所以可以做出多种判断来抽象判断性思维形成过程的原因。有言道：世上本无路，人走皆有之。人走的多了自然而然就形成了路，这其实暗含了人们经过多次的尝试或由于习惯沉淀下了一些规律，逐步演变为了规则。“路”可以理解为共性的规则，因为路可能是两地间的最短路径，也可能是大多数人的走路习惯。规则让人有了判断标准或能力。

当路走多了以后，人们自然就会依据规律去规划道路。也就是说，由于大量规则的衍生，根据规律出现了思考、规划甚至预测能力。像呱呱坠地的婴儿，刚出生就被社会的条条框框所约束。通过学习规则，逐步形成了判断力，甚至成长后思考如何改变规则。

只有判断能力在如今不能称为智力或者高等智力，因为仅仅熟知做事原则并遵守就可以拥有判断标准。当具备思考能力，可以创造或改变规则那么就具备了初步的智力。

那么智力如何衍生出来的呢？我们抽象一下就是规则、规律、强化、刻意、重复和反馈。我们思考的过程或结果需要有反馈才能进行思维进化，这就是为什么你做一件事从来没有拿到过结果，你并不知道你的做法是不是对的，是不是成功可行的，很难再去进一步决策。

对于思维进化来说反馈是极其重要的一步，也是整个思维进化闭环中的最后一环。思考过程需要有结果的指导，这个结果往往会奠定继续下去的方向。比如发散思维是空想，但最终还是要归于一个点，否则思考是没有意义的。也没有辨别你思考正确与否的机制，这样就不能保证智力是正向提升的。

一、“智力”或“思考”是依托场景化的区分

对于“思考”，拿我们自身举例，“思考”和“思维”也是分场景的。这个场景可能是某项专业技能，可能是生活中的某个片段，你所作出的结果都是依据特定场景下的思维判断。这不是局限，而是模块化思考的能力。所以我们逐步学习和成长的过程实质是在不同场景中逐步学习、碰壁和反馈中渐进发展的，并不是一概而论的。所以大脑只是承载了不同场景中的智力学习、存储和运行，并不会有一个通用的思考能力覆盖所有场景。

现阶段（现在的科学不一定就是真理）在对大脑的科学研究发现，无论是记忆还是正在发生的事情大脑都是以小的片段化记忆并处理的，所以我认为“片段”就是大脑对小场景的划分。

智能化的过程也是模拟以上场景化下的学习、判断、反馈及经验沉淀来形成思考和思维并不断重复和强化。而在模块化、场景化思考能力之上需要一个全局的思维管控，根据模块场景优先级进行精力分配及协调。

智能化其实也是对大脑认知的抽象，大脑认知根据成长我分为了两个阶段：

1. 第一阶段

第一阶段是大脑运作的基础闭环：学习、感知（已发生场景识别）、判断决策、触发动作执行、反馈、知识经验沉淀（顺序为信息传递方向）。

我们通过知识的学习记忆来感知事物或环境并作出相应判断，基于判断会出信号来触发自身的行为动作，并通过事后的神经反馈来知晓结果，并把整个过程作为记忆储存为经验和学习的拓展为以后同类事情的发生提供辅助。这是我们日常也是最基础的大脑行为过程。

第一阶段是可自动化所具备的条件，而形成自动化的过程也就是规则经验沉淀的过程，即判断和反馈。自动化形成后的持续运行是对外界环境多样性的沉淀及相似场景的刻意练习。即使对于人的大脑来说，智力成长的过程也需要不断的刻意练习去刺激大脑皮层来增加更多神经元的生成。而刻意练习的过程同样适用于机器，刻意或重复练习是从自动化通往智能化的必经之路。