迄今為止，提到“四色定理”，還無法用人類已掌握的數學來證明。
但這是否就意味著，人類需要接受計算機給出的，並非顯明、僅僅是有限窮舉而得到的所謂證明呢，這就是一個見仁見智的問題。
與數學界的諸多高深學問不同，四色定理，尋常人也一眼就能看懂，即便其背後蘊含的數學原則想必極為高深，卻並不妨礙人類經由觀察、思考，再加上一點人所特有的直覺洞察，主觀上傾向於認為“這一猜想是正確的”。
即便如此，對計算機的有限窮舉，算不算是嚴格的證明了四色定理呢；
方然對此持謹慎的否定態度。
之所以持否定態度，並非是，在他眼中計算機的一切證明、推演，都毫無價值，而是在像“四色定理”這樣的問題上，暴力驗證手段，要麵對的目標空間是無窮大，這時窮舉法事實上已經失效，不論是人用紙和筆，還是計算機用邏輯電路與電磁波來進行，都不會改變這一原則性的事實。
在麵對此類問題時，迄今為止，計算機並不被認為有這樣一種能力：
超越人類的分析、洞察與推理，獨立解決這些人力所不能及的自然科學領域之難題。
換句話，按I領域的一句公理，至少到目前為止還是不容置疑的總結，“人做不到的事，計算機同樣做不到”。
這裏的“能”與“不能”，是在不考慮時間、資源等因素的前提下，進行的判斷。
就是對任何一個命題，倘若人，人類，人類文明，始終維持當前的認識水平，即便花費再長時間也無法解決，那麽對計算機而言，即便同樣有無限長的時間可用，這命題也注定會是無法解決的。
演繹到數學領域，原則上，隻要是人證不出來的命題，計算機也一定證不出來。
這一判斷，不僅在I領域，在自然科學領域也是一種共識，直到今，也沒有明確的跡象表示，計算機能夠突破這樣的限製，具備超越人腦的智慧。
至於當下的人工智能，看名稱，仿佛就是計算機也能因此而具有智慧，實質卻是在架構層麵的一種模仿，試圖利用算法、乃至硬件來模擬人類大腦的神經元活動，從而具備此前為人所獨有的學習、記憶、聯想乃至推斷能力。
指導思想大抵如此，具體到每一種實現策略，不論神經網絡、還是深度學習，效果在本質上也都是相近的。
與人類的大腦相比，目前的AI體係，不論是在軟件層麵的算法和架構，還是在硬件層麵的邏輯電路、存儲器件，具有遠超人腦的數值計算能力和數值存儲空間，然而，卻一直沒有實現遠超人類的意識和思維能力。
而“國際商用機器”在夏洛特的研發中心，負責人工智能方向的AIG1~5都主攻這一領域，在方然的AIG4，“阿爾法”組的主要方向是新架構，即在不改變現有硬件基礎——數字邏輯電路的條件下，提出創造性的新架構，試圖創造出能力更加強大的人工智能，或者，讓現有人工智能的算力需求大幅下降。 本章尚未完結,請點擊下一頁繼續閱讀---->>>