关于深度学习人工智能模型的探讨（七）（2）

7.2 多重线性

未来的某一天机器人会不会替代人类成为文明的主人？ 由于人类知识水平的局限，我们即无法证明其真、亦无法证明其为假。 这也许是一个对人类认知水平而言无法判定真伪的不可判定命题。关于计算机代替人类的话题，也许目前还只是骇人听闻的哗众取宠的龙门阵。

但是，我们可以确信断定的是，“智能爆炸”的时代正在到来，人机共生系统在可见的未来将会得到极大发展。人类的生活将会越来越依赖机器，甚至如果离开计算机的推演辅助，人类的思维很难从一阶逻辑向高阶逻辑突围。比较打击人类自信心的是，高阶逻辑的广义相对论对于绝大多数普通人完全就是天书，因为普通民众很难理解其中高阶张量的内涵。比如，广义相对论借用二阶张量模型探讨“能量*动量”二阶特征属性，通过高阶张量演算，从而物理学家可以理解到高阶逻辑的玄妙。

我们都知道，没有特征属性（0阶特征属性）的标量之间，是可以任意加减乘除的。有一个特征属性方向（1阶特征属性）的矢量之间，却只定义了缩并为0阶特征属性（内积）的点乘、或者缩并为1阶特征属性的叉乘。如果两个矢量相乘不缩并，本应该是二阶特征属性复合体概念，不过一阶逻辑的自然语言理解不了这种二阶特征属性复合体是啥子东西。

比如“一分钱”是1阶特征属性概念，“椅子”、“桌子”、“电视机”、“电视柜”等也是1阶特征属性概念，把这些1阶特征属性对象两两乘积复合得到二阶特征属性复合体。但是，请问你知道“一分钱乘以一分钱”、“椅子乘以桌子”、“电视机除以电视柜”都是些什么鬼么？
日常一阶逻辑的自然语言根本理解不了这种二阶特征属性复合体是啥子东西。

基于的高阶张量演算到底有多么强大，可以从其n阶m维‘多重线性关系’一窥究竟。

幸运的是，在普通人看来烧脑的高阶张量，用计算机演算却非常简单，只需定义不同的数组类型，然后将对将、兵对兵、钉对钉、卯对卯，对应代数运算即可。

先从一阶张量（即‘向量’）说起，向量是向量空间的元素，向量空间即‘线性空间’，满足下面两个基本数学式子：

φ(x+y) =φ(x)+φ(y)

φ(ax)=aφ(x)

形象理解，x、y相当于元素“种类”，φ是某种“属性”。当一种属性作用到一些种类时，如果满足‘叠加原理’（也就是上面那两个数学式），那么具备这个性质的空间就是线性空间（或者叫向量空间）。

向量空间的元素“种类”可以很多，但其“属性”是单一的。如果我们对向量的“属性”进行扩展，比如具备了φ、ψ两种属性，满足：

(φ+ψ)(x) =φ(x)+ψ(x)

(aφ)(x)=aφ(x)

(φ+ψ)(ax+by)=aφ(x)+aψ(x)+bφ(y)+bψ(y)

这里，双线性的(φ+ψ)(ax+by)&