AI和芒格的距離——讀《窮查理寶典》和《情感機器》
人工智慧飛速發展，阿法爾狗在圍棋上戰勝了人類，接下來會是什麼？在投資方面，能很快出現戰勝芒格的AI演算法嗎？主要技術困難在哪裡？現有的人工智慧演算法與人腦思維相比，誰更聰明？或者說各自的優缺點是什麼？未來會如何發展？這些發展對腦科學和金融學意味著什麼？
這些都是很大的問題，我沒有野心提供答案。本文的主旨是分享我這段時間圍繞相關問題進行的學習和思考，嘗試預測未來有趣的發展方向，並提出「以教為學」的認知理論假說。除了滿足我理順思路和夸夸其談的樂趣，希望可以為你反思自己的思維方式帶來一些啟示，變得更聰明！
AI與人腦誰更聰明？
好吧，這個標題只是為了吸引眼球。更有意義的問題是：現有的人工智慧演算法與人腦思維相比，有什麼本質的差別？各自有什麼優缺點？正如明斯基在《情感機器》中提到的：
「人類解決問題的最有效的方法並非建立在大範圍搜索的基礎之上，而是基於如何使用大量的常識性知識來「分割和克服」人們面對的問題。」
人工智慧：運算速度快，主要靠窮舉搜索、比較試錯（trial and error），擅長單一目標預測。
人腦：速度遠沒電腦快，但會用人類特有的直覺（heuristics）和常識（common sense）分割問題和猜測，擅長利用因果關係多元綜合推斷。
阿法爾狗的演算法固然厲害，其應用範圍卻有限，演算法原理也與人腦思維相差甚遠。這些演算法用於類似圍棋這種相對標準化的問題威力驚人，但在其他一些人類可以輕鬆完成的任務上（比如人臉識別、身體移動等），卻步履蹣跚。在我看來，還原人類思維過程的研究至少有以下三方面的意義。
人工智慧演算法不受情感和情緒因素影響，能幫助消除部分人類認知偏差。但我們需要知道具體哪些認知偏差可以通過機器演算法替代來消除，研究具體思維過程必不可少。芒格在《窮查理寶典》中列舉了人類容易誤判的心理學傾向清單，也許可以成為該問題的入門讀物。
現有的人工智慧演算法和人類的思維方法仍然存在很多差別，也就是說還有一些人類思維過程不能被準確地還原。而如果要實現終極人工智慧（機器能完成大部分甚至全部人類能完成的任務），進一步解讀人類思維必不可少。明斯基在《情感機器》中列舉了人類的19大思維方式，這是一個大開腦洞的清單，很顯然清單上的許多思維方式仍是人工智慧研究前沿試圖破解的對象。
最後，準確還原人類思維過程，並與人工智慧演算法進行比較，能幫助我們反思這些思維方式的有效性，從而改進自己的思維方式，並考慮如何與不同的人工智慧演算法相結合，以期變得越來越聰明！
以上列舉的充滿誘惑的研究方向，已經有許多也許是這個世界上最聰明的腦袋在積極研究，至少在我接觸到的腦科學領域和經濟學領域都是如此。對於其技術細節，我現在沒有足夠的知識儲備詳述，所以只能從我能理解的層面描述，如果有講錯的地方，還請大家指正。
人類優於（現有）AI的直覺何在？
芒格提的跨學科多元思維模型，和明斯基分析的人類多層次思維模式，在我看來有異曲同工之妙。芒格的總結更貼近現實、簡單易懂，而明斯基的理論更開腦洞、極具學術價值。這兩本書激發了我對認知科學的興趣，讓我意識到人的思維有很多個層次，必須通過不停地反思和驗證才能挖掘出來。這個過程就像是心理學提到的認識自我的自省過程，能幫你踏上「少有人走的路」，發現思維的奧秘。
我先舉兩個簡單的例子，嘗試講清楚有用直覺和思維層次的問題。人臉識別是人工智慧和腦科學的一個熱門領域。科學家發現人腦有個專門識別人臉的區域，因此大部分人識別人臉都比識別其他物體更擅長。然而計算機識別人臉卻困難重重，通過圖片像素識別的方式顯然和人腦的運作方式有著本質的區別。比如說，對於你認識的某個朋友，不管是看到她的正面還是側臉、她的髮型是否變化、她是抬頭還是低頭，你通常都能輕易地識別出來。而對於靠像素識別的計算機，只要圖片換個立體角度，可能就迷失了。
那麼人腦是怎麼運作的呢？通過研究人腦的認知過程，專家認為人腦會依據經驗常識在腦中形成人臉的立體模型，包括其平面投射的各種可能性，以便隨時預測並比較檢驗視覺中樞形成的圖像，從而做出判斷。他們據此提出一種因果推理的新模型（probabilistic programs），並成功用計算機模擬了與人腦識別方式類似的結果。MITOCW網路課程中的2015夏令營系列有Josh Tenenbaum教授的精彩講解。
如果不是人類試圖讓計算機識別人臉，大概也很難意識到人腦原來有這樣的「超級功能」。有很多學生都有過懷疑自己數學能力的時刻，卻不曾想嬰兒可能就已經具有這種神奇的概率因果推理能力，才能成功地識別各種人臉。也就是說，我們的大腦順利完成的很多任務，我們都過於習以為常，卻知其然而不知其所以然。類似的例子還有人腦順利避開障礙物自由移動身體的能力。專家將從這種能力的認知模式中找到解決困難重重的自動駕駛問題的演算法。
「以教為學」為何有效？
學習的過程也跟認知過程的隱秘性和複雜性一樣，如果沒有認真反思是察覺不到的。而「以教為學」的過程使反思變得更加觸手可及，還能從其他樣本中吸取經驗，是個事半功倍的學習方法。反思可以幫你糾正以前作為初學者的一些錯誤認知導致的因果關係誤判或者因果關係缺失，讓知識系統化，從而拓展新的認識，產生新的創意。
舉個例子，新興學科中經常存在有爭議的概念，在初學的時候，為了避免問題複雜化，通常會從最常用的定義學起。而習慣之後就容易形成慣性思維，而忽略了一些對外行人來說反而顯而易見的問題。學習了十幾年金融學，聽到「風險」這個詞我就會很自然地想到標準差——總風險的常用量化方法。如果不是我需要把這一概念教給學生，我也許不會因此了解到巴菲特對風險完全不同的定義，並重新思考這一有趣的問題。我發現這些基本概念有可能改變你對一系列事件的看法，迫使你重塑自己的世界觀，對知識心存更多的敬畏和好奇。
就像玩超級瑪麗一樣，作為新手你亂蹦亂跳，不小心撞到了隱藏的彩蛋，空中平白出現一塊磚，長出一個大蘑菇讓你吃。你以為是三大跳的模式觸發了機關，於是在接下來的時間裡不停地重複著三大跳的嘗試，以求下一次好運的降臨。要不是你教另一個新手的時候他沒按你的指示卻也撞到了機關，讓你重新考證三大跳的必要性，也許你就一直留著錯誤的知識。
另外，「以教為學」的反思還能幫你「偷窺」別人的認知偏差，補齊芒格的心理學誤判清單和思維模型清單。剛開始給學生講題的時候，碰到思維方式不一致的學生，我總會要求他認真聽取我的思路，不要鑽牛角尖。不過後來我試著認真傾聽他的思路，努力理解並找出中間有問題的步驟。我發現這個辦法不僅是溝通順暢了很多，還幫我補齊了不少思維的漏洞。也是這種新思路讓我開始對認知科學感興趣，越來越關注有效的思維方法。
當然，不要把「以教為學」狹隘地理解為必須存在教授的對象。寫讀書筆記本身也是一種「以教為學」，把別人的知識轉化為自己的。所以，本文也算是「以教為學」的一種反思。在寫作的過程中，我發現了很多我沒有掌握紮實的部分，或刪或改來回折騰了好多次，也因此重新翻閱書籍材料，溫故而知新。至於你是否閱讀並有收穫，都已是副產品而已。希望你也能養成寫讀書筆記的好習慣！
TAG:歡歡閱光寶盒 |