直觉是人类智能的高级形式之一，一般认为难以被计算机模拟。

本文基于信息论原理，对直觉的人工智能【1】模拟提出一个新颖的

理论框架及其实现方法。

本文涉及计算机，信息论，哲学，心理学学科交叉。

一． 直觉和人工智能的定义

 事实上，这里我们要凭直觉用‘直觉‘这个词，因为’直觉‘本身没有严格

的定义。直觉可以采取排除法的定义，直觉的定义1：凡是能形式化描述

/计算/分析推理以外的脑力活动均称为直觉。

   人工智能的定义。人工智能的定义有多种，  这里也采用一种排除法

   的定义， 即，凡是能形式化描述/计算/分析推理 以外的能力均称为人工智能。

   近似地说，清楚确切的过程是数学推理，   不清楚的就是人工智能。

   如上，直觉的定义1和人工智能的排除法定义几乎一模一样，

   这就是人工智能模仿直觉的理由。   直觉是非形式化非数学的，

   但可以基于信息论，用人工智能（的模型） 来模仿和近似。

二  直觉的信息论描述

   信息的特征：

   2.1、 消息x发生的概率P(x)越大，信息量越小；反之，发生的概率越小，

   信息量就   越大。可见，信息量（我们用I来表示）和消息发生的概率是相反

   的关系。

   2.2、当概率为1时，百分百发生的事，地球人都知道，所以信息量为0。

   2.3、当一个消息是由多个独立的小消息组成时，那么这个消息所含信息量应

    等于 各小消息所含信息量的和。

    第一小节直觉的定义1等效于下列直觉的（信息学）定义2：直觉是根据一些

   （模糊，不明确）  信息，或者不确定的处理方法做出推论。 

    所以尽管直觉是非形式化非数学的，但仍然可以通过信息论来描述和计算。 

三．直觉的信息论模型

（直觉所需的）信息来自多个方面，但是不一定准，举例如下。

举例说明。从前有个人A，丢了一把斧子。他怀疑是邻居B偷去了，便观察那

人，那人走路的样子，像是偷斧子的；听他的言谈话语，像是偷斧子的，

又听其他邻居说B想借或买斧子干活用，更觉得B偷了自己的斧子。

不久后，丢斧子的人在翻动谷堆时发现了斧子，第二天又见到邻居B，就觉

得他言行举止没有一处像是偷斧子的人了。

3.1   外界单源信息

假如已知B家没有斧子，但A看到B家有斧子砍树或者做家具的可视痕迹，

 也构成了一个信息（源）

3.2   外界多源信息

假如已知B家没有斧子，但A听到B家有砍树或者做家具的声音，也构成了

一个信息（源）。

  如果A，B直接谈话，发现B谈论斧子时慌张异常，构成了另一个信息（源）

（多模态学习）。

3.3 外界间接信息：其他邻居推测偷了斧子，但是并未透漏推测的证据

 （联邦学习）。

      3.4 对过去信息的模糊/概率推测。比如本地曾有工具丢失传言。

四． 寻找合适的深度学习方法

   如果采用一个信息源做出推断的脑力活动，用（单模态）人工智能、

   机器学习就可 以模仿。

    采用多源（比如文字，音频和视频同时）信息，叫做多模态深度学习。

    如果采用代理（agent）的信息源，就构成联邦学习。联邦学习和多模态学习的

   相同之处   是都采集多个信息源，不同之处是联邦学习采集的信息源并非

   原始信息，而是从代理的独家信息衍生来的。

 五 .向统一模态学习方向发展

       现有的深度学习主要是单模态或者多模态的。而人类擅长从多源异构数据中

      联和 学 习，  推断出新的信息。比如警察破案，比如女人的直觉，都是从蛛丝

     马迹 推断出信 息的范例。

    这些复杂的，不明确的智力活动，可以采用各种机器学习，但不限于机器学习

的技术来模拟，比如AlphaGo围棋程序，除了深度学习，还综合采用了传统的

计算推理等技术。

    【1】深度学习基本原理