圖靈機(jī)的算法和程序是外來的，無法自己生成程序，我們的大腦則不然，可以發(fā)明算法和程序。這就是是否具有創(chuàng)新能力的區(qū)別。

所以圖靈機(jī)實(shí)現(xiàn)的是通用計(jì)算，而不是大腦那樣的普適性。

真正的人工智能需要具備自主進(jìn)化能力，才能做到普適性。

自主進(jìn)化需要有突發(fā)或者偶發(fā)，可以形成新信息概念。而突發(fā)或者偶發(fā)需要耗能，所以信息存儲(chǔ)部分需要實(shí)現(xiàn)均勻耗能，也就是分布式。我們的大腦就是如此。

當(dāng)前馮諾依曼結(jié)構(gòu)計(jì)算機(jī)是無法實(shí)現(xiàn)這一點(diǎn)的。

在探索人工智能這條道路上，圖靈機(jī)失效了，馮諾依曼結(jié)構(gòu)計(jì)算機(jī)也走不通，未來我們需要從生物進(jìn)化中吸取經(jīng)驗(yàn)，尋找靈感。畢竟不管大腦智能還是人工智能都是進(jìn)化而來的。

量子層面的不確定性讓突發(fā)與偶發(fā)機(jī)制有了可能，更大的可能是大腦的創(chuàng)造力本身就由此產(chǎn)生。

量子計(jì)算機(jī)的錯(cuò)誤率居高不下正是實(shí)現(xiàn)自主進(jìn)化的希望所在，DNA和大腦的進(jìn)化不就是在大量的試錯(cuò)中產(chǎn)生的，經(jīng)典計(jì)算機(jī)壞就壞在太聽話了。

只是如何駕馭這些錯(cuò)誤，真正實(shí)現(xiàn)偶發(fā)乃至自主進(jìn)化，將是量子計(jì)算機(jī)必經(jīng)的坎坷，這也會(huì)是人工智能必經(jīng)的坎坷。