但是，我们回头想一下，把所有逻辑关系都清晰列举出来让机器人执行的这种模式是否正确。回头看一下，我们对小孩的教育，难道我们是把所有的规矩都列出来，然后再每一个小孩子去执行的吗？

    显然不是。

    人类一生里面的学习，有理论知识的学习，也就是说确实有各种成形的方法和理论，告诉我们一步一步应该怎么做，但是这是不多的，完全不变通的理论应用是少之又少的。其实人类的学习过程中，更多是感知活动。

    例如，小孩子学说话的过程，其实就是不断地从视觉口型和听觉声音上，去不断地感受，其大脑通过无数次情景数据的收集，最后归纳出不同的情景应该说什么话，并在之后的应用中不断地修正。过程，就是现在我们所说的大数据应用的过程。

    所谓大数据，就是数量得足够大，把数据的偏差能基本消除，得到一个相对规律的趋势。回到之前的例子当中，在选择一家餐厅吃饭时，如果收集了大量人们的用餐数据（，那么这个机器人就可以给我推送一些较为符合我要求的餐厅。

    也就是说，这个机器人不再需要完整地了解我为什么这么选择，不知道了解我整个思考的逻辑过程，也不需要输入一套完整的不矛盾的算法规则，它就可以为我推荐一些合适的餐厅。它收集的用餐数据越多，那推荐餐厅的准备性就越高，出现偏差的可能性就越小。

    又如在刚刚的哲学桉例中，我们也不需要告诉机器人，是应该直行撞向5个修路工人，还是应该向左转撞向1个修路工人。它会收集相关的数据，知道这种情况下大多数人是怎么选择的，从而做出自己的决定。

    当然我们不能保证大多数人的行为就是正确的，但是我要说的是，这种大数据的应用，恰恰是人类通过感知行为来进行学习的过程，具有这种学习模式的机器人才能真正称之为智能机器人。

    如果我们将某个人一生里所有行动的信息，包括起床时间、说话语气等全部生活习惯都以数据信息的方式进行记录，并将这些数据输入机器人的系统，那么理论上可以理解为这个机器人的行为举动将会与人类A的行为相近，当输入的信息量无限大时，机器人的行为就无限接近于人类A。

    尽管收集的人类A的行为数据当中必然会存在矛盾之处，但是当数据足够大时，这些偶然的偏差性就会被排除掉，使得机器人的行为无限接近于人类A。而且机器人并不单纯地去模彷人类A的行为，它应用的其实是大数据的预测功能，也就是说这个机器人可以在没有遇到过的情景中按照人类A的思维方式做出反应。

    举个例子，假设人类A实际上是生活是16世纪的欧洲人，在21世纪的华夏的这个机器人也可以知道做出人类A穿越来到21世纪的华夏后可能会有的反应。

    那么，智能机器人是否能够超越人类的智慧，完全取代人类呢？

    在谈论到这个问题时，陈渊沉默了片刻。

    而后他说道。

    “对此给出的答桉是两面的。

    我认为，未来智能机器人是可以超过单个人的智慧的，因为智能机器人集合的智慧决非是来自于一个人，它是将许多人许多不同领域的知识和经验进行集合，因此它是很有可能超过单个人的智慧的。

    但是，正由于它是通过这种大数据的预测应用模式，因此它能预测到的是一种渐变性的变化，按原有的思维模式猜想可能会遇到的问题，但是它是很难存在天马行空的突破性创新的。”

    而且机器人往往还有着所谓的三大定律。

    这就要提到艾萨克 阿西莫夫了。

    他是熊国科幻作家、科普作家、文学评论家，美国科幻黄金时代的代表人物之一，是人类历史上最伟大的科幻家之一。

    他与阿瑟 克拉克、罗伯特 海因来因并称为“世界科幻三巨头”；与儒勒 凡尔纳、赫伯特 乔治 威尔斯并称为科幻历史上的三巨头；他还获得了星云终身成就大师奖。

    联邦政府授予他“国家的资源与自然的奇迹”称号，以表彰他在“拓展全人类想象力”方面的杰出贡献。他一生写了500多本书，颇有些“魔幻”。

    即使有的朋友没有听过他的名字，但是他的作品你肯定听说过——其作品中以《基地系列》《银河帝国三部曲》和《机器人系列》三大系列被誉为“科幻圣经”。他提出的“机器人学三定律”被称为“现代机器人学的基石”。

    阿西莫夫的高明之处在于，他不仅在这本书中开创了“机器人学三大法则”这一全新的科幻逻辑，更是借助机器人的“失常”状态来“颠覆”自己提出的法则。

    一边是颠覆，另一边则就是破解，每一篇故事的核心冲突，都来自破解“机器人学三大法则”的漏洞，这“破解”也是读者和主人公一起经历一场紧凑而又风趣的“推理”。每个故事的内容都短小而精悍，但却让人回味无穷，可能这就是科幻的魅力。

    所谓三定律便是。

    第零定律：机器人必须保护人类的整体