人工智慧的本質：向人類不可解問題要大致的結果

想到人工智慧，至少要有兩點認識。其一，它是來幫助人類解決不可解問題的；其二，它其實永遠在提供一個大概的答案，不過人類永遠無法去驗證它。

人工智慧到底是什麼？最粗淺地解釋：人工智慧就是大概性，能提供大概的答案。

人工智慧就像一個黑盒子，用盡一切辦法把輸入進盒子的信息進行解讀，用某種方法找到一個好「答案」，然後輸出這一個大概的結果。

一直以來，人類總希望所有的問題都有一個確定的答案。比如說1+1=2，兩個點最短距離是條直線，這些都是確定的答案。計算機長久以來也在協助人類解決確定的答案。

但是，確定的答案不是總能得到。有不少問題，一時找不到確定答案。問為什麼不提供確定答案呢？你會回答說算不過來呀。算不過來這個詞，有個洋名字叫做：NP。Non-Deterministic Polynomial，非確定多項式問題，就是不可計算問題。

「不可計算」這一概念當年由圖靈提出來，就是說世界上有許多問題是不可計算的。為什麼不可計算？因為越來越難，尋找準確答案的難度成指數級上升。

比如七座橋問題（18世紀著名古典數學問題之一，當年29歲的歐拉向聖彼得堡科學院遞交了《哥尼斯堡的七座橋》論文），通過七座橋的最短距離怎們解。七座橋問題能解決，八座橋、十座橋就很難解決了，五十座橋就更難解決了，計算的難度隨著橋數增多而呈指數級上漲。

過去我們一直不關心NP問題，反正解決不了。不確定的問題，不能得到精準答案的問題，怎麼解決？我們只能大概地解決。

人工智慧演算法就是一個利用隨機數來尋找的一個大概解，而這個大概的解每次還都不一樣。這就是人工智慧神奇的地方。其實，人也是模糊地解決各類問題的。

人工智慧跟人的大腦是一樣的，人的智能和人工智慧解決問題的方法是一樣的，就是大概解決。

確定演算法就是每次跑這個程序得到的答案都是一樣的。人工智慧演算法是每次跑程序得到的答案是不一樣的。它有非常強的隨機性，就像我們人腦想問題一樣，有非常強的隨機性。

雖然人工智慧每次得到的答案不一樣，但它能夠解決很多傳統計算機解決不了的問題。人工智慧是計算機理論的一個大的突破。

這要怎麼理解。

問1+1等於多少，你馬上會不加思索地回答等於2。如果距離都比較穩定、比較小，就可以得出確定的答案。誤差如果足夠小的話，這個演算法就非常好。

為什麼要用已知的數據來驗證這個誤差呢？因為在未知數據的運算時，我們得不到確定的答案，確定演算法只能在少量數字里得出確定答案，巨大無比的數字時，就算不過來了，也就得不到確定的答案。

這和人腦的運行規則是類似的。1+1=幾？2；2+2=幾？4；然後3+5呢？=8，然後問你，9562+1357=幾？需要你馬上得出答案，大概能算出11000左右，這時就會發現人是靠大概得到答案的。

這也是人工智慧演算法的美妙，跟人腦的計算是一樣的。我們看到的東西，吃的東西，嘗到的味道，聽到的聲音，都演化成數據，輸入到身體里、頭腦中，我們輸出自己的結論。

由此，我們可以總結出一句至理名言：「人工智慧可以大概解決世界上一切的問題」。

人工智慧就是個大概解。這個大概多麼有力量，可以解決多麼廣的問題，這就是人工智慧演算法美妙的地方。目前，最為流行的深度學習演算法，就是人工智慧的先進版，體現著美妙神奇之處。

演算法本質是什麼？就是一個黑盒子，這邊是輸入，那邊是輸出。

我們可以把人工智慧演算法簡單分為兩派，一派是鞏固式學習，一派是自由式學習。鞏固式學習一上來就告訴程序大概可分為幾大類，大概有幾個區間。

拿人做比喻。黑人、白人、黃種人，皮膚是什麼顏色，顏色指數到多少，身高到多少，什麼區間內大概是小孩、男人、女人，黑人、白人。把照片輸進去，讓機器分出類別來。

分析數據，來一個分析一個，程序把這個系統訓練得非常好之後，下一次再來一組數字。雖然這個數據之前沒測驗過，但根據之前所學，依據身高，頭髮，膚色等，能大概判斷出這張照片是男的、女的。這就是鞏固式學習。

自由式學習就是讓程序自己從大堆輸入的數據中找規律，不提前告訴要怎麼分組，不說要分出男人、女人，或者黑人、白人，智能機器通過讀取分析各種數據，自己學會分出男女，或者還可能分出第三種、第四種人來。

有人也把它稱為有監督的學習和無監督學習，這些都是目前人工智慧比較前沿的理論。

想到人工智慧，至少要有兩個認識。其一，它是來幫助人類解決不可解問題的；其二，它其實永遠在提供一個大概的答案，這個答案越來越接近真相，不過人類永遠無法去驗證它。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！