在过去12个月，AI也就是人工智能从象棋、围棋、到德州扑克，在这些人类引以为傲的智慧领域，完虐人类。过去人类觉得自己是万物之灵的原因是我们拥有智慧，人不仅可以观察，可以思考，还会创造。现在这个世界很大程度上就是被人类通过智慧创造出来的，所以我们可以骄傲地俯视其它物种。但是现在来了一个新物种AI，虽然在综合智慧上还离人脑有很大差距，但是在特定的智慧领域不断的超越人类。而且可怕的地方是，一旦AI在某个时间点上赶上人类后，人类就再也追不上了。今年年初AlphaGo连胜人类60个顶级围棋选手，可能当时它的段位是10段，但是机器可以不停地下棋，而且每次下棋，棋艺就会提升一点，现在的AlphaGo可能已经到了15段，未来有一天可能会到100段，人类只能望着它远去的背影羡慕嫉妒恨了。 我大学的专业是计算机软件，当时我师兄语重心长的告诉我说，“计算机只是个工具，今后说一个人笨就可以说他笨的像计算机一样，因为计算机只会存储和计算，不会学习思考。”我们之所以藐视计算机的智慧，是因为即使1996年IBM的“深蓝”在国际象棋领域打败了人类顶尖大师“卡斯帕罗夫”，也至多说明计算机的运算能力足够强大，因为深蓝的算法是人类设计的，所以我们可以说战胜国际象棋大师的不是计算机的智慧，而是计算机工程师。但是在不到20年的时间，人类开始不得不彻底改变这种看法了。因为今天AI在理论和运算能力上有了质的突破，AlphaGo具备了真正的“学习能力”，它可以从每一次的棋局里学到新的经验，哪怕每天进步只有1%，经过一年之后，1.01的365次方=37.78343433289，这才是AI的可怕之处。 我不是AI专家，也不想科普AI，我今天想聊的是我们如何向AI学习“如何学习”。听起来这个话题很可笑，因为人工智能的诞生，就是人类希望计算机可以向人类学习思考，学会“学习”，人类是AI的老师，为什么我们需要向AI学习呢？且听我慢慢道来。我们先分析一下计算机是如何学习的： 算法模型：选择一种或者多种算法的组合，譬如现在最火的深度学习就是基于神经网络，模拟人的大脑的工作原理，既可以存储，又可以计算，还可以修正模型。譬如我们想让计算机学习围棋，最开始计算机就是一张白纸，除了知道围棋的基本规则外，对围棋的经验是零，所以初始的模型对围棋毫无认知。 训练数据：通过给计算机大量的数据训练模型，让计算机自己修正模型。还以围棋为例子，我们可以输入各种经典的棋谱，还可以让计算机自己生成训练数据，譬如自己和自己下棋。 运算修正：输入数据经过算法模型的计算之后，会产生输出数据，然后系统根据规则或者有标注数据来判断这个输出数据是否正确，然后反馈给算法模型，算法根据反馈来修正模型，让模型更加逼近真实的事物，从而进一步提升系统对事物的认知。对围棋而言，就是计算机每一步棋，对手都会有回击，这样计算机就知道自己当下这一步是臭棋还是好棋，它根据这个结果去修正自己的模型，也就是更新了对围棋的认知，在下一步棋的时候，它就用更新过的认知再做决策，这样每一步棋，每一局棋过后，计算机对围棋的经验都在不断做积累。 循环往复：计算机可以永不停歇的做训练，每次训练都会提升经验和认知。
基于神经网络的人工智能，虽然是模拟人类的大脑，但是在很多方面远远好于人脑： AI的存储空间远远超过人类，我们只记得世界第一的山峰叫珠穆朗玛峰，却不知道第二高峰的名字，而记忆事情对于计算机而言是小菜一碟。 AI的运算能力远远超过人类，它可以在海量的数据库中检索过去学到的所有经验，看哪个对于当下的问题是最有效的，但是人类做不到。 人脑的神经元回路是生物结构的，当我们获得了一些知识或者经验时，会形成非常弱的神经元连接，这种连接是不稳定的，如果没有多次强化，这个弱连接就会断开，无法形成长期记忆。所以我们每天接收了很多信息，学了很多知识，但是第二天又有新的信息来了，昨天的信息和知识没有被强化，所以像沙滩上的城堡一样被冲掉了。而AI不会有这个问题，它可以直接在数据库中做存储。 AI有核心算法和模型，大部分人根本没有自己的思想内核，大部分的言行都基于潜意识，是被动的应激反应，而不是经过核心算法和模型理性的处理问题。 AI可以做到完全专注，心无杂念，没有情绪，不知疲倦的深度思考，理性的做出决策，而人充满了各种杂念，不停的有各种情绪，不停的被各种信息打断，无法深度理性思考。 AI经历每一次迭代都会修正模型，从而提升认知，而大部分人经历过一件事情之后是不会做复盘的，可能会留下一些记忆，但是这些记忆是未经提炼的原始数据，而且还可能是经过情绪加工的脏数据，而且这些数据还可能无法形成长期记忆而被舍弃掉了，所以人是好了伤疤忘了疼，不断有经历和体验，但是没有认知模型的升级，不断拿着旧的观点看法，凭着自己的主观感受去犯相同的错误。如果要从原始数据中提炼规律，人类又需要整块的时间做深度思考，大部分人更喜欢把时间用来刷朋友圈、看电视剧，逃避思考。
听起人类来好可悲，人类大脑的运行机制很原始和落后，似乎注定要被AI打败......。算了，如果不去想如何打败AI，而是思考如何从AI中获得启发，成为人类中最有智慧的一批人也很有价值，为此我提供一个思维模型的2.0： 算法模型：通过能掌握的数据，概念，假设，逻辑分析，得到一个事物的基本模型，无论这个模型有多么的粗糙，必须形成一个初始模型。 刻意练习：给自己布置作业，至少用10次这个算法模型到实际的工作或者生活里面，根据结果的反馈复盘修正和优化这个模型，让这个模型尽可能的逼近真实事物的本质，而且只有经过刻意练习这个模型才能成为长期记忆，化为潜意识，而避免每次遇到事情都是原始本能的应激反应。 复盘：AI最厉害的事情是，即使它最开始对一件事情的认知是零，但是它会从每一次经历的事情中提升经验，所以只要给他足够多的练习机会，它就会越变越强，它不会犯第二次相同的错误，它不会倒退。我们不能把经历仅仅停留在记忆或者经验层面，如果我们养成总结复盘的习惯，每天，每周，每月，每年把经历的事情拿出来，作分析，找原因，提出改进方案，那么我们也会不断进步。但是复盘需要时间，需要毅力，需要对自我进行勇敢的否定和剖析。
如果我们能在工作和生活中坚持按照2.0的思维模型做事情，我们每天都会有进步，成为百里挑一的人才。但是2.0有个BUG，那就是如何找到一个正确的算法模型非常难。而我观察到有些特别有智慧的人，他们拥有独特的3.0的思维模型，所以他们的成就远远高于一般人。想知道3.0的思维模型是什么样子，请看我的下一篇文章。（声明：我不是AI专家，所以对AI的描述可能有缺陷，还请各位大咖指正。） |
