2020年2月份深度学习批评者马库斯·盖理(Gary Marcus) 发表了一篇论文——《 The next decade in AI, four steps towards robust AI》,可译为《人工智能的下一个十年,向强健人工智能迈进的四个步骤》(公众号回复「AI」可下载这篇论文)。 我读完后有启发,我们个人也可以借鉴人工智能的方法建构反脆弱的认知体系。我还结合知识管理专家野中郁次郎的「概念」方法论,重新梳理出可操作的四个步骤。 建立认知体系的四个步骤Step 1:规定知识的基本形式Gary Marcus 将让机器学会的知识分为三类:
这个分类是为机器方便的,对人类就是两大类:
我提倡用写知识卡片学习这两类知识。如果将学习比作做菜,第一步就是建立原料标准,并预加工原料,比如葱切段,肉切块,小白菜心淘洗干净等。 Step 2:建立知识操作系统操作系统能够把基本知识整合成无穷多知识。操作系统就像厨房,决定要做什么菜,通过一系列流程将原料加工为成品菜。 这就如同给几个土豆,厨师能炒出多个菜:炒土豆丝,炒土豆泥,醋溜土豆丝…… 操作系统要遵循基本规则,识别场景,设定目标,使用适合的工具和方法,加工整合基本知识,以解决现实问题。 Step 3:模型化完整的模型化=结构+形成(维持)这个结构的能量(信息)运作方式。拿做菜为例,一盘醋溜土豆丝不算模型,加上醋溜土豆丝的配方及烧制方式,才算是一个完整的模型。 模型可以认知和解释世界。模型化的最大好处是方便理解和传播。 比如你设定了醋溜土豆丝的模型(配方和做法),原则上谁都可以按照这个模型做出相同口味的土豆丝。模型让我们对世界获得了一份确定感。 同样,多个模型也能根据任务联结,或者嵌套变成新的模型。 Step 4:算法化算法化就是模型的应用,利用知识与模型推理和预测。 时间总是有限的,信息也是有限的,个体计算能力也是有限的,我们不可能每次重新计算。需要对相似的情境形成一些固定算法,变成固定套路。 这样当面对具体任务时,就能在模型工具箱中快速做出选择,并且灵活的重组模型,高效应对真实世界的挑战。 |
|
来自: 碧海蓝天kx32di > 《Ⅰ认知思维训练文件夹1》