4步建立反脆弱的认知体系

上一篇文章标题没起好，可能在前面加上了AI，很多朋友认为是谈人工智能的，就没有兴趣点开。我改了标题，删除前面人工智能部分，重发一遍。

这个四步框架对我们建立认知体系有借鉴意义。

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：

• 世界物理结构的先验知识，比如物体形状（圆柱，方块），以及平移，旋转等基本运动方式。这些知识对人类是先天的，不需要学习，但机器很难理解。

• 具体事物和概念，类似于知识图谱，专家库等。比如各学科的概念、公式、定理等。

• 抽象结构的知识，如逻辑关系，语法等一些基本规则。

这个分类是为机器方便的，对人类就是两大类：

• 事物本身的知识，可以理解为世界以及其中事物在大脑中的「微缩模型」，比如水，地球，学习等。

• 事物间关系的知识，对微缩模型的连接组合切割等方法，比如上方，包含，融合等。

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。