人工智能是否有意识?人工智能怎么编程?

编程：模拟计算机思考方式，用计算机可以理解的语言（编程语言）给出指令，从而完成程序设计。本质是用计算机解决复杂问题。

人工智能：训练机器类人类思考，类人类行为，理性的思考、理性的行动。人工智能将不再是单一完成指令，而是主动思考，学习，成为类人类甚至超越人类的智慧体。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学，是一门综合学科。

编程是人类模拟计算机思考方式给出指令，完成程序设计，而人工智能是反过来训练计算机模拟人类的思考方式思考学习，快速、深度的思考学习，自我完善。

就目前而言，计算机在逻辑、计算方面水平远超人类，而在动物无需思考就能得出答案的方面（视觉、动态、直觉等）表现反而不如孩童。

让计算机模拟人脑，乐观估计还需要至少10-20年的时间。

在这个过程中，人工智能所需要掌握的知识不仅仅是编程。

但是，在教会计算机思考之前，首先要理解计算机如何思考的，用计算机可以听懂的语言沟通，因此编程是人工智能的基础。
要让人工智能提升飞跃，必须有自适应技术的智慧内涵的新程序编程。

比如:生物神经芯片编程。

自适应技术的概念描述了一类新的“智能组件/智能结构”，这些智能组件在工作条件改变的时候具有一个主动适应和目标优化调节的特性。

自适应技术是一种决定性的面向未来的技术，它能在产品的经济性、安全性和舒适性获得最优化的同时，减少乃至避免震荡以及不希望的畸变和噪音。

1、物质决定意识，意识依赖物质并对物质作出反应。

意识是一种特殊的物质，是人类大脑的功能和属性，是客观世界的主观形象。

人工智能的“意识”是基于它所在的身体和它内部的代码，这决定了它的“意识”。

2、意识对物质有反应。这种反应是一种有意识的主动。当人工智能的“意识”发展到一定程度时，就有可能突破人类的局限，产生主动认识和改变世界的能力和活动

3、正确认识和把握物质的决定性作用和意识的反作用，必须处理好主观能动性和客观规律性的关系。

扩展资料：

一、意识和人工智能的关系

1、人工智能与人类的意识和智能有关。

由于意识是身体运动的一种特殊形式，所以根据控制论的理论，运用功能模拟的方法，可以利用计算机来模拟人脑的一些功能，机械化地进行人类的一些智能活动，这就是人工智能。

2、人工智能的本质是模拟人类思维的信息过程，实现人类智能的体现。

虽然人工智能可以模拟人脑的某些活动，甚至在某些方面超越人脑的功能，但人工智能不会成为人类的智能，而只是人类的意识。

二、意识和人工智能之间的区别

1、本质区别：

人工智能是对思维的模拟，而不是人类思维本身。并不把“机器思维”等同于人类思维。认为能超越人脑思考是没有根据的。

人工智能是一种无意识的机械和物理过程。人类的智力主要是一种生理和心理过程。

2、不同的特点：

人工智能不具有社交性。人类的智慧和意识形态是社会性的。

人工智能不具备人类意识所特有的主动性和创造性。人类的头脑提出新的问题，创造新的发明。

是用Python开发的，例如YouTube、Instagram，还有国内的豆瓣。

要进入人工智能行业，首先要有一定的数学功底，因为人工智能不同于app开发，网页开发、游戏开发等传统的互联网职位，先看看51cto学院人工智能的课程，会有不少帮助人工智能是从数学中的“逼近理论”逐步演化而来的，当今人工智能所使用的方法。

最开始的时候大部分是数学家为了逼近某些比较难表示的非线性函数而使用的。后来随着计算机性能的提高，计算机工作者，统计学家。

开始尝试用这套“逼近理论”解决一些分类问题。逐步发展成为现在的人工智能局面。现在属于人工智能行业发展初期，各种可用的api函数都比较少，所以自己编写算法是必须要会的。

从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能有没有自我意识，相当于问人有没有灵魂一样，是个哲学问题。自我意识是终极的主观体验，是不依赖任何经验，不被主观因素损限制，且不由任何物质和能量构成。相对的，自我意识是人感知物质的前提。也就是说，任何由数据和算法堆积的人工智能都不具有所谓的自主意识。

但也不是完全没可能，不排除在百年之后，人们像科幻片里一样，研制出一种能完全取代人脑神经的物质，人工智能在那时才算真正具有了 “自主意识”。

---

1、人工智能的本质就不属于意识范畴

人工智能是研究用机器模拟和扩展人的智能的科学。它撇开了人脑的内在结构和意识的社会性，而只是把人脑作为一种信息处理的过程，包括信息的接收、记忆、分析、控制和输出五部分。现代科学技术用相应的部件来完成这五个过程，就构成了人工智能或电脑。人工智能可以代替人的某些脑力劳动，甚至可以超过人的部分思维能力，但是人工智能的言行是一种无意识的机械和物理过程，人类意识主要是生理和心理过程。从本质上看，人工智能就没有和意识相交叠的部分。

2、人工智能是完美的人类助手

毫无疑问，人工智能对人类社会的发展带来了前所未有的机遇，人工智能如今已渗透到各个行业之中，为不同岗位的人们提供了便利。比如苹果siri、微信等智能软件、新闻阅读软件，依赖人工智能向用户精准推送适合该用户的新闻内容；还有自动驾驶技术，语音识别技术，更是我们身边的人工智能。

人工智能的广泛应用解放了大量人力，带来社会生产力的快速提升，它为人类所造、也为人类所用，是现在以及未来最完美的人类助手。人类和人工智能各有所长，也各有所短，只有相互合作，才能通往更美好的未来。

以计算机为载体的人工智能，不会是和人类意识最接近的“物种”，不会是人类意识的继承者。不排除机器能够表现出很像有人类意识的举动，配上一个像人的外表来让你觉得很温情，但那不是人类意识。没有人会看到同一片风景，就算立于同一个山巅，不同的人，都在透过不同的人生，看到不同的风景。从这个角度来看，人工智能，无非是透过亿万人的人生去进行收集数据，去识别风景。

我认为人工智能不会有自我意识。因为人工智能是基于数据的来驯化出解决问题的模型模型，基于大数据来穷尽各种情况的。虽然从数据量中提取的数据的场景可能超过每一个正常人所见，但是人工智能本质上还是基于数据以及通过强大的数据处理能力驱动的，数据之外的场景很难覆盖。而且所有的模型都需要依靠人来训化，虽然很高级，但是这种智能的本质并不是类似于人的生物反应和反射，而是大数据的枚举和穷尽。因此，人工智能并没有自我意识，它本质上还是技术和数据以及人类解决问题的思路进步而带来的产物。

人工智能主要学习Python相关的编程。Python是一种解释型脚本语言，可以应用于人工智能、科学计算和统计、后端开发、网络爬虫等领域。

Python语法简单，功能多样，是开发人员最喜爱的AI开发编程语言之一。ython非常便携，可以在Linux，Windows等多平台上使用。另外，Python是一种多范式编程语言，支持面向对象，面向过程和函数式编程风格。

扩展资料：

人工智能专业主干课程：

1、认知与神经科学课程群

具体课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程。

2、人工智能伦理课程群

具体课程：《人工智能、社会与人文》、《人工智能哲学基础与伦理》。

3、科学和工程课程群

新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须要以严谨的态度进行科学研究，让人工智能学科走在正确、健康的发展道路上。

4、先进机器人学课程群

具体课程：《先进机器人控制》、《认知机器人》、《机器人规划与学习》、《仿生机器人》。

5、人工智能平台与工具课程群

具体课程：《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》。

6、人工智能核心课程群

具体课程：《人工智能的现代方法I》《问题表达与求解》、《人工智能的现代方法II》《机器学习、自然语言处理、计算机视觉等》。

参考资料：百度百科-Python、百度百科-人工智能

“人工智能”这个词一开始是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是对人的意识、思维的信息过程的模拟。人工智能开发主要学哪门语言？
据了解，人工智能目前主要是机器学习实现的，而目前做机器学习和数据挖掘的主要语言是python。但主要原因并不是python效率高或者python和人工智能有什么不可分割的联系，而是因为python是一门很好的胶水语言，可以方便的调用别人（用各种语言）写的库，而且表达清晰灵活。
实际上，机器学习的核心知识和python并没有本质关系，python只是因为表达能力强，所以被广泛用于机器学习开发而已。因此目前来看，Python是人工智能的首选语言。
人工智能时代的到来，让人们不禁产生了一些思考，不管是好是坏。但是无论结果如何，这个时代究竟还是来了：
搭台，唱戏，台下的吃瓜群众懵懂生活、不知不觉间被卷入，在技术迭代发展的洪流中，向来如此。在基础技术维度，大数据管理和云计算技术已经在国内生根发芽，从IaaS、PaaS到SaaS，逐渐转变为大众化服务的基础平台：
腾讯、阿里、百度、华为等巨头们依托自身数据、算法、技术和服务器优势正着力构建各自的产业链闭环。而在应用技术维度，在机器学习、模式识别和人机交互三条技术路线下附着的机器视觉、指纹识别、人脸识别、智能搜索、语言和图像理解、遗传编程等众多领域，正蓬勃兴盛，也诞生了多家代表性企业。
也因为各企业的诞生，也有越来越多的企业需要人工智能人才。所以，如果大家掌握了Python，是否就能更好地在人工智能行业大展拳脚呢？

人工智能用的编程语言：Python、Java、Lisp、Prolog、C ++、Yigo。 

1、Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其他常用的AI算法一起使用。Python之所以时候AI项目，其实也是基于Python的很多有用的库都可以在AI中使用。

2、Java也是AI项目的一个很好的选择。它是一种面向对象的编程语言，专注于提供AI项目上所需的所有高级功能，它是可移植的，并且提供了内置的垃圾回收。另外Java社区也是一个加分项，完善丰富的社区生态可以帮助开发人员随时随地查询和解决遇到的问题。一。

3、Lisp因其出色的原型设计能力和对符号表达式的支持在AI领域崭露头角。LISP作为因应人工智能而设计的语言，是第一个声明式系内函数式程序设计语言，有别于命令式系内过程式的C、Fortran和面向对象的Java、C#等结构化程序设计语言

4、Prolog与Lisp在可用性方面旗鼓相当，据《Prolog Programming for ArTIficial Intelligence》一文介绍，Prolog一种逻辑编程语言，主要是对一些基本机制进行编程，对于AI编程十分有效。

5、C ++是世界上速度最快的编程语言，其在硬件层面上的交流能力使开发人员能够改进程序执行时间。 C ++对于时间很敏感，这对于AI项目是非常有用的，例如，搜索引擎可以广泛使用C ++。

在AI项目中，C++可用于统计，如神经网络。另外算法也可以在C ++被广泛地快速执行，游戏中的AI主要用C ++编码，以便更快的执行和响应时间。

Python、Java、Lisp、Prolog、C ++、Yigo。

Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其他常用的AI算法一起使用。

Python之所以适合AI项目，其实也是基于Python的很多有用的库都可以在AI中使用，如Numpy提供科学的计算能力，Scypy的高级计算和Pybrain的机器学习。

Java也是AI项目的一个很好的选择。它是一种面向对象的编程语言，专注于提供AI项目上所需的所有高级功能，它是可移植的，并且提供了内置的垃圾回收。另外Java社区也是一个加分项，完善丰富的社区生态可以帮助开发人员随时随地查询和解决遇到的问题。

对于AI项目来说，算法几乎是灵魂，无论是搜索算法、自然语言处理算法还是神经网络，Java都可以提供一种简单的编码算法。另外，Java的扩展性也是AI项目必备的功能之一。

人工智能是一种未来性的技术，目前正在致力于研究自己的一套工具。一系列的进展在过去的几年中发生了：无事故驾驶超过300000英里并在三个州合法行驶迎来了自动驾驶的一个里程碑;IBM Waston击败了Jeopardy两届冠军;统计学习技术从对消费者兴趣到以万亿记的图像的复杂数据集进行模式识别。这些发展必然提高了科学家和巨匠们对人工智能的兴趣，这也使得开发者们了解创建人工智能应用的真实本质。

谷歌的AI击败了一位围棋大师，是一种衡量人工智能突然的快速发展的方式，也揭示了这些技术如何发展而来和将来可以如何发展。

哪一种编程语言适合人工智能?

你所熟练掌握的每一种编程语言都可以是人工智能的开发语言。人工智能程序可以使用几乎所有的编程语言实现，最常见的有：Lisp,Prolog,C/C++，近来又有Java，最近还有Python.

LISP

像LISP这样的高级语言在人工智能中备受青睐，因为在各高校多年的研究后选择了快速原型而舍弃了快速执行。垃圾收集，动态类型，数据函数，统一的语法，交互式环境和可扩展性等一些特性使得LIST非常适合人工智能编程。

PROLOG

这种语言有着LISP高层和传统优势有效结合，这对AI是非常有用的。它的优势是解决“基于逻辑的问题”。Prolog提供了针对于逻辑相关问题的解决方案，或者说它的解决方案有着简洁的逻辑特征。它的主要缺点(恕我直言)是学起来很难。

C/C++

就像猎豹一样，C/C++主要用于对执行速度要求很高的时候。它主要用于简单程序，统计人工智能，如神经网络就是一个常见的例子。Backpropagation 只用了几页的C/C++代码，但是要求速度，哪怕程序员只能提升一点点速度也是好的。

JAVA

新来者，Java使用了LISP中的几个理念，最明显的是垃圾收集。它的可移植性使它可以适用于任何程序，它还有一套内置类型。Java没有LISP和Prolog高级，又没有C那样快，但如果要求可移植性那它是最好的。

Python

Python是一种用LISP和JAVA编译的语言。按照Norvig文章中对Lips和Python的比较，这两种语言彼此非常相似，仅有一些细小的差别。还有JPthon，提供了访问Java图像用户界面的途径。这是PeterNorvig选择用JPyhton翻译他人工智能书籍中程序的的原因。JPython可以让他使用可移植的GUI演示，和可移植的http/ftp/html库。因此，它非常适合作为人工智能语言的。

在人工智能上使用Python比其他编程语言的好处

优质的文档

平台无关，可以在现在每一个*nix版本上使用

和其他面向对象编程语言比学习更加简单快速

Python有许多图像加强库像Python Imaging Libary,VTK和Maya 3D可视化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于数值和科学应用。

Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。

对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。

最后，它是开源的。可以得到相同的社区支持。

AI的Python库

总体的AI库

AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法

pyDatalog：Python中的逻辑编程引擎

SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。

EasyAI：一个双人AI游戏的python引擎(负极大值，置换表、游戏解决)

机器学习库

PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。

PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。

scikit-learn旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包(numpy,scipy.matplotlib)紧密联系在一起的。

MDP-Toolkit这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法(主成分分析、独立成分分析、慢特征分析)，流型学习方法(局部线性嵌入)，集中分类，概率方法(因子分析，RBM),数据预处理方法等等。 自然语言和文本处理库

NLTK 开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析。有windows,Mac OSX和Linux版本。

结论

python因为提供像 scikit-learn的好的框架，在人工智能方面扮演了一个重要的角色：Python中的机器学习，实现了这一领域中大多的需求。D3.js JS中数据驱动文档时可视化最强大和易于使用的工具之一。处理框架，它的快速原型制造使得它成为一门不可忽视的重要语言。AI需要大量的研究，因此没有必要要求一个500KB的Java样板代码去测试新的假说。python中几乎每一个想法都可以迅速通过20-30行代码来实现(JS和LISP也是一样)。因此，它对于人工智能是一门非常有用的语言。

案例

做了一个实验，一个使用人工智能和物联网做员工行为分析的软件。该软件通过员工情绪和行为的分心提供了一个有用的反馈给员工，从而提高了管理和工作习惯。

使用Python机器学习库，opencv和haarcascading概念来培训。建立了样品POC来检测通过安置在不同地点的无线摄像头传递回来基础情感像幸福，生气，悲伤，厌恶，怀疑，蔑视，讥讽和惊喜。收集到的数据会集中到云数据库中，甚至整个办公室都可以通过在Android设备或桌面点击一个按钮来取回。

开发者在深入分析脸部情感上复杂点和挖掘更多的细节中取得进步。在深入学习算法和机器学习的帮助下，可以帮助分析员工个人绩效和适当的员工/团队反馈。

近期，来自美国和法国的神经学家组成的研究团队认为，机器不仅能够具备意识，而且他们似乎已经找到了让机器具有意识的方法。

法兰西学院的认知科学家 Stanislas Dehaene、加州大学洛杉矶分校的 Hakwan Lau 和巴黎文理研究大学的 Sid Kouider 最近共同在著名的《科学》杂志上发表了一篇论文，他们认为，虽然机器目前尚未获得意识，但是有一条获得意识的清晰路径。 原因何在？三位科学家称意识是“绝对可计算的”，因为它是特定信息处理产生的结果，由大脑硬件实现。

这其中没有什么灵丹妙药之类的东西，实际上一个用来体验的部分（“有意识会是什么样子？”）甚至都不需要去实现意识。如果意识真的完全由我们三磅重的大脑计算产生，那么拥有同样质量（大脑）的机器也只存在将生物信息转化为代码的问题。他们写道，目前强大的机器学习技术大量借鉴了神经生物学知识，和这点很像，我们或许可以研究人类大脑产生意识的结构，将研究结果转化为计算机算法，这样也许能制造人工意识。

毫无疑问，从形式到功能，AI 领域已经从我们对大脑意识的认识中受益良多。例如，深度神经网络，这种让 AlphaGo 在与人类对弈的比赛中取得压倒性胜利的算法结构，就有一小部分基于我们的大脑细胞自我组织的多层次的生物神经网络。还有深度学习，能够训练AI系统从数百万个样本中学习，其源自一种有着几百年历史的技术，和人们熟悉的训狗类似：如果产生了正确的反应（或结果），就给予奖励；否则就要求它再试一次。从这个意义上讲，将人类意识的架构转化为机器似乎能很容易实现人工意识。只是还有一个大问题。

《人工智能：现代方法》的作者 Stuart Russell 博士在2015年接受《科学》采访时曾说道：“AI 领域中尚未有人在研发有意识的机器，因为我们不知如何着手，毫无头绪。”

也带来了劳务就业问题。由于AI在科技和工程中的应用。更重要的是。
（2）专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展，AI反过来有助于人类最终认识自身智能的形成，今天，游戏中的人工智能应用已经深入到各大游戏制造商的开发中人工智能有利于人类发展。
（1）在需要使用数学计算机工具解决问题的学科。但同时，AI带来的帮助不言而喻，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。
（3）AI也为人类文化生活提供了新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段

而人的意识是有好恶之分的，是有选择性的，也正因为如此，人类的选择会因个体意识的差异从而产生分歧，并最终导致失误人工智能是重复人类逻辑的指令。其意义是无条件执行人类的命令，几乎不会出错：人工智能是无条件执行，不分好恶。它与人的意识的区别在于

Python，Java，Lisp，Prolog，C ++

Python因为适用于大多数AI sub-field，所以渐有成为AI编程语言之首的趋势，而Lisp和Prolog因其独特的功能，所以在部分AI项目中卓有成效，地位暂时难以撼动。而Java和C++的自身优势将在AI项目中继续保持。

无意识，只是注入的应付回应让人感觉像是一种意识，其实并非，而只是现行注入好的一种反应信息
目前貌似还没有能做出有意识的人工智能，除非有思维细胞能够作为意识产生的组织

人工智能是意识的产物，现有意识后有人工智能。人工智能决不可能达到意识的水平，决不能替代意识。这本质上是一个哲学问题，是唯物主义和唯心主义者的辩论。

最后一句是答案~
——————————————————————-
人工智能的定义：

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

[从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。]
——————————————————————–
就是物质..恩恩