��规律”

  许毅当时问：“我们怎么确定将人类的智能细分之后是简单的呢？或许，细分之后反而变得复杂了也说不定。拿化学和物理来作比方，我们都是从宏观再到微观的，首先是整体考虑其特征，最后才进一步认识到物质的微观结构，他们各有自己的规律，并不妨碍人类去认知。”

  “这根本是两码事，不能混为一谈。”教授说。

  许毅不死心，继续追问：“那我就不说别的领域的例子，就直接说人工神经网络。神经网络够复杂了吧，我们现在这样不是进入了微观结构了吗？也许，我们从整体上来研究这个问题会跟简单也说不定。”

  “也许？嗯，这是个不错的想法！”赫伯特教授嘴上虽然这么说，但心中其实是不以为然的，这个问题这么简单，前人早就想过了，他显然不想在这个比较“弱智”的问题上再纠缠下去。

  许毅也没有再问这个问题，而是转而问请教其他问题。

  “教授，现在我们对神经元和神经网络的认识已经很成熟了吗？”

  “还没有，目前我们对大脑的认识还很肤浅。”

  “可是现在这方面已经建立起了完美的理论体系了，教授，既然我们对神经元和神经网络还停留在一个相当肤浅的程度，这么快就建立起理论体系，是不是太早了一点？”许毅又提出了一个令自己不解的问题。

  赫伯特教授的脸色有些尴尬：“呃，这方面的理论并不是你想像中的这么简单的，我建议你再继续加深数学方面的学习。”

  接着，许毅又继续提出了其他几个问题，都把赫伯特教授问得哑口无言，他对许毅的思考方式非常地不适应，一个两个问题比较另类他还可以接受，可是许毅最后好像有怀疑目前整个人工智能基础理论体系的趋势，赫伯特教授最终认定：这孩子看来不适合研究人工智能。

  于是，以后许毅再找时间向他请教“另类”问题，赫伯特教授就不再像以前那么热情了，往往是随便回答几句敷衍了事。后来，许毅也就没再去找他问问题了。

  在一次mit教授内部的聚会上，几个关系不错的教授聚在了一起。米歇尔教授也在场，他听说最近许毅向各位教授问问题问得比较勤快，于是便随口向他们问起了这件事。

  一提起许毅这个中国学生，教授们立刻打开了话匣子。首先说话的还是赫伯特教授，他将许毅最近问的那些千奇百怪地问题简单地挑了几个具有代表性的说了一下，引起大家的一阵欢笑。

  “总得来说，许是一个非常喜欢思考的学生，可惜，他思考的方向有问题，我多次向他提出过此事，可是他对我的忠告视而不见。”赫伯特教授一脸惋惜。中国留学生在学习上是很受教授们的欢迎的，他们都勤学好问，可惜的是思维过于约束。现在，好不容易出了个思维活跃而发散的许毅，可他的思维也太发散了，有些过头。

  “你这些问题还算比较正常的了。”一个研究侧重于数学的教授说道，“许上次直接质疑了目前的数学体系，他说目前看上去比较完美的数学理论，实际上是人类对世界认识不准确的表现。他只承认离散的世界，完全将连续数学给否认掉了。他提出一个猜想，说连续数学是目前限制人工智能发展的一个重要因素。”

  大家听后连连摇头，这个学生也太浮躁了，他才学了点皮毛就敢质疑已经存在了这么久的数学理论体系，简直

  “所起这个许，还真是有趣。”一个专门进行软件模拟人工智能的教授也开口了，“他上次向我问起了算法与数学规则、形式�