人工智慧到底有多弱智

知識這個東西，只有將學到的關聯在一起，輸出倒逼輸入，才能夠是自己的

知識來源：

萬維鋼精英日課｜151《人工不智能》2:教你寫一個人工智慧程序

李翔知識內參｜方法；如何用深度思考法解決問題

萬維鋼精英日課：人工智慧的本質是什麼？

《西部世界》中像人一樣的人工智慧機器叫做「廣義人工智慧」。現在大家用的都是「狹義人工智慧」，而狹義人工智慧的本質就是人們常說的「機器學習」。

而所謂「機器學習」，也不是說機器有思想，它學會了一項技能。機器學習就是用一組數據建立一個統計模型，這個統計模型能對新的數據作出預言。輸入數據越多越精確，模型能做的預言就越準確，就好像是他在不斷地「學習一樣。

數學家說的」統計模型「=計算機科學家說的「機器學習」=商業精英說的「人工智慧」

以計算泰坦尼克號上的存活率為例 用布魯薩德選取的演算法「決策樹」（decision tree）

「人工智慧」的決策過程是這樣的

首先，我們要找到那些因素對存活可能有比較重要的影響。

*艙位，據說頭等艙有上救生艇的優先權；

*性別，女士優先；

*年齡，小孩優先；

*船票費用

然後將這些因素交給演算法，讓演算法自動用這些因素的數據生成一個模型。

現在有個問題是演算法要求每個數據都得有數值，可是「年齡」這一項只有714個人的數據。為此我們還得把剩下一百多人的年齡數據給補上，就用所有乘客年齡的中位數來代替。這種事情在實際操作中非常常見，對付對付先用上再說。

這樣我們就生成模型，也是整個機械學習的核心部分。

然後在測試整個系統的準確性。

也就是說「人工智慧」實際上是無數個自動統計模型，通過影響事件的關鍵因素，預測在同樣的環境中會發生不同事情的概率而已。

李翔知識內參；介紹了《麻省理工深度思考法》這本書裡面，作者平井孝志提出了一種深度思考法。

深度思考就是「模型」加上「動力機制」

「模型」就是將現象和原因用簡單的話描述出來。比如給孩子買了參考書，孩子的成績提高了。

「動力機制」指的是隨著時間的流逝產生的運動和結果。比如，當我們給模型加上時間維度時，就要考慮假設孩子每天學習1小時成績能提高1分，每天學習10小時就能提高10分嗎？這個因為時間的變化導致的不同結果，就是動力機制。只有考慮到模型和動力機制，我們才能理解本質。

深度思考分成四個步驟。

第一，建立模型。你要確定導致現象發生的各個要素，以及各個要素之間的關係。這裡必須要考慮要素之間的因果關係，排除要素之間的相關關係。

比如，英語好的員工都是工作能力強。如果你們是一家外貿企業，那是因果關係。但是你們的工作崗位和語言無關，那隻能證明英語要學好一定要很努力，而這些學英語很努力的人，工作也可能會努力，那就是相關關係。

第二，解讀動力機制。動力機制的本質是加入時間緯度，在一個長期的時間軸上看模型的走向和結果。如果知識在一個時間點上看模型，各個要素關係是固定的；而隨著時間的流逝，各個要素可能會發生變化，模型的走向也可能會跟之前的預測完全相反。

第三，選招改變模型的對策。因為模型是隱藏在現象背後的，如果從現象入手採取一些措施，模型不變，很難真正解決問題。那怎麼改變模型呢？書里建議說，首先要正確理解前提條件；其次可以擴展現在的「思考範圍」，考慮到影響的方方面面；此外，還可以提升視角，嘗試偶爾放下眼前的問題。

第四，行動，並在實踐中獲取反饋。我們需要在實踐中獲得真實的反饋，提高自己深度思考的效果。而且，只有在實踐中，才能發現模型的問題，讓模型適合更多的情況。

從這兩個知識我們可以看到。人工智慧的學習方法和麻省理工的深度學習方法是一樣的。

都是找到因果關係，去除相關關係，建立模型。

只不過，人工智慧的模型是通過你的因果關係，由它的演算法來計算的。

而深度思考則是找到關係，用精確的預言來描述的。

在建立模型之後，再計算模型可能的演變趨勢。

這一步我們是通過統計計算的，而人工智慧也是通過統計計算的。

唯一的區別是在第三步

當條件發生了變化的時候，「深度思考」的辦法會讓我們不斷的調整模型，來增加解釋事物變化的規律能力。但是人工智慧在這一步停止了。

最後一步，人工智慧和「深度思考」又一樣了，就是檢測正確性，調整模型。

也就是說，人工智慧是一種統計邏輯，通過統計來找到最大概率發生的事情，來建立模型。

而人是通過找到事物背後的內在邏輯，通過內在邏輯建立模型，並且不斷的調整模型以適應更多的變化。

也就是說，人工智慧不智能，它只是不斷的通過之前的情況運算在相同的情景中，未來最大概率會發生什麼。

而如果規定情景發生了變化，人工智慧的預測就無效了。也就是說，在複雜情景下，人工智慧建立的模型是無效的。因為，沒有規定情景。

所以，圍棋這樣的遊戲雖然看起來對於人很容易，但是對於算力遠遠超過人類的人工智慧很簡單，因為博弈的情景的固定並且單一的。

但是面對面預測一個人的下一步行動，對於人工智慧確實一場難的，因為人會做出來的具體決策，是受到多個因素影響下的綜合評估結果，而且還帶有很多非理性因素。規定情景無法被確定，人工智慧在這種情況下並不智能。

結論，人工智慧會是人類大腦的一種非常重要的補充腦。當我們學習確定了在一個確定情景下事情的發生髮展邏輯，我們用代碼將它轉化成人工智慧，這樣的話，面對重複性的判斷，就可以由人工智慧來代替，我們要做的事情，就是不斷的分析事物背後的邏輯，去做複雜情況下的學習和判斷。

學習知識，很容易變成聽大詞，要談資。但是不求背後的邏輯

知識學習，很容易變成消磨時間的借口，實際上三過耳邊而不入

只有將學習的知識關聯起來，並且輸出倒逼輸入，才能將知識變成改變命運的工具

讓我們一起混得樊，將中國最好的線上學習平台，融會貫通，變成我們成就夢想的舞台。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！