算法思维：如何更好地适应不确定性的世界

思维是最根本的武器

娱乐至死时代多份深刻

不确定时代多份理性

思维核武内容：       思维核武原则：

理性思维                       高度：理论指导

科学方法                       深度：点上深入

认知升级                       原创：我写我思

写作方法                       温度：人文关怀

    本文首发于微信公众号：思维核武，全文约2800字，完整阅读大约需要7分钟。

什么是算法？

一个厨师告诉你如何做一个菜，你不能按照厨房说法做出菜来，严格来说不是算法。

把做菜的每一个步骤展现出来，并标识出份量，每个不会做菜的人按照这个步骤指引，可以做出同样的菜，这就是算法。

一句话概括：算法无非就是让人遵循以完成某个目标的一系列步骤。

比如：做煎蛋时需要遵循一些步骤，将每一步展现，并标识出放多少克油、盐等。可以叫做煎蛋算法。

现代算法思维原理

谷歌的阿法狗可以说是现代算法的代表。

阿法狗的算法并非基于人类专家所编制的规则，相反，它是基于超过3000万手专业围棋棋手的走法，使用机器学习为自己编写了规则。此外，它还和自己对弈了数百万局，这个数字比围棋发明以来全人类下过的围棋局数还要多。

我们来看下2016年3月阿法狗与李世石的和第二局较量，机器学习的成果得到了充分体现。

第二局第世石下得非常谨慎，虽然阿法狗略为占优，但胜负还仍不可知。突然阿法狗走出了非常令人意外的第37手，可以说是不同寻常的一手。解说员脱口而出：“我想这是一个失误”。李世石短暂地离开15分钟后才回来做了回应。

另外一个获得过欧洲围棋冠军的樊麾评论说：“这不像是人类会下的一步棋，我从未见过人类如此下棋。”“这步下得太漂亮了，太漂亮了。”

阿法狗最终赢得了比赛，李世石没有赢过一局。

了解现代算法思维原理，我们首先了解下人工智能简史。

人工智能极简史

了解一个事物最好的方式就是了解它的历史，了解它产生、发展的脉络。

我们了解下人工智能极简史：

图灵发表《机器能思考吗？》，为人工智能打下科学基础。图灵测试就是图灵的构想，大家可以自行百度。

经济学诺贝尔获得者、有限理性的提出者西蒙与人编写了第一个符号主义的软件程序“逻辑理论家”，证明了罗素、怀特海《数学原理》提出的定理。后来又编写了第一个通用问题求解系统，能应付更广泛、可用公式表达的问题。

以后开始使用一些不同的方法开发智能系统。

一是西蒙依赖逻辑规则。

二是使用统计技术、基于数据推导事件发生的概率。如要识别垃圾邮件，有免费奖金、摆脱债务等关键词邮件的概率会上升。

三是使用神经网络。受人脑中的神经元活动原理启发创建的技术。

关注点是更为实用的系统。

如专家系统。使用有针对性的知识和规则，手工编写软件，被称为弱人工智能。如IBM的深蓝在6局国际象棋比赛中以3.5：2.5击败国际象棋大量卡斯帕罗夫。

深蓝就是一个以超人类的计算能力为自己王牌的专家系统。

它有几个局限：

1、擅长受限的、专门的任务。

2、遇到未被明确编写如何处理的情况时，专家系统会失效。

3、软件对每一种可能遇到的情况该如何应对都需要手工编程。

人们意识到：不通过机器学习，计算永远不可能获得真正的智能。

现在研究重点转向了有适应能力、能识别崭新的场景，然后自主推理解决的算法。

互联网时代大数据集变得容易，机器学习算法的性能随着数据量的增加得到提高。

近年机器学习领域大爆发的原因：在深度学习领域，程序员不指定算法的模式，算法会以不同的方式评估训练数据集，找出真正起作用的模式。

深度学习方法在充分利用海量的现代数据方面更胜一筹。

海量的数据，处理能力和深度学习方法，三者合一，创造出各式各样的现代奇迹。如诊断疾病的算法。

如上面举例的谷歌的算法不是基于人家专家编写的规则，是使用人类驾驶视频的数据库进行训练，基于机器学习技术，汽车拥有了自己驾驶策略。

阿法狗也并非基于人类专家所编制的规则，而是基于超过了3000万手专业围棋棋手的走法，使用机器学习自己编写出的规则。

深度学习系统能独立地将简单的概念合并，从数据出发创建抽象的模型。

算法系统的结果可归因为基础数据、数学逻辑和人们与系统所做的决策和建议交互的方式。

换句话说就是一个框架把算法系统解构为三个基础组件，用于训练算法的基础数据，算法本身的逻辑，用户和算法交互的方式。见下图：

现代算法的作用

在专家系统后，现代算法持续在进步，现代的算法能接受数据，从中学习全新的步骤，自行升级为更为复杂的版本。比如煎蛋食谱变成了具有创造力、思维敏捷的大厨。

就是说机器开始学习了，人赋予机器通过经验学习的能力（针对某项特定任务，逐步提高自己的性能）成为了发展其他智能的基础。

一个人如果不学习、不接受新的信息就会落后，同样，机器如果和人一样胜任各种工作却唯独不会学习，那它很快就会落后。所以，机器学习是人工智能最重要的方面之一了。

机器通过学习，现代算法的能力和应用领域得到扩展，开始将触手伸到了我们的日常生活，并超越了原先的配角角色，成为代表人类做出决定的自主系统。

比如谷歌的阿法狗通过自我学习的能力，战胜了人类顶级围棋高手。特别是在一局37手中走出了一步人类根本不会下的一步棋，是机器自我学习后，按照自己的思维方式走出的一步让人惊叹的一步棋。

人们开始担心，现代算法的这种不可预测性与生俱来，会对人类未来造成威胁。

再举个例子说明现代说法和过去算法的不同：

过去算法就像是一份食谱，里面的配比和成分都可以达到厨师级别，但它只能做一道菜。

现代算法像一位大厨，只要有足够的数据，它不能推陈出新。算法越来越像人类思维，由固有的程序基因和数据环境共同培养。

现代算法已经开始影响甚至控制我们的决策和生活，如，推送你有兴趣的信息、影响你的阅读、左右你的购物习惯等。

人们已经感受人们的生活已经深刻的被算法所影响，搜索引擎根据用户特点筛选搜索结果，购物网站自动弹出符合用户风格的产品，各大网站知道你的消费习惯为你推荐服务，知道你的消费习惯为你指定个性化消费策略以及优惠活动等等，算法如此智能，我们不知不觉已经被监视和捆绑。

算法还可以对我们的上网痕迹进行记录分析，可以在相当程度上预测我们的行为，为其所用，在我们享受算法为我们带来的便利的同时，我们感受到在算法面前的无力。

预测未来还是适应未来？

算法的深度学习让人担忧。

一是电脑表现出只有人才有的创造力让人不寒而栗。

二是机器越智能，富有变化 ，也越来越不可预测。

预测是交给科学的定律、公式。比如根据牛顿力学可以算出天体的距离等。

不确定的未来我们是不可预测的，它永远是随机的、不确定的，虽然我们总是给出各种预测。

但我们可以选择在可预测性和可适应性间找到平衡。

可预测性系统，是如果.....那么的程式，只在有限的时间内起作用，无法从错误中学习。

适应性强的的系统，能从更多的样本中调校的更优，见到的案例、数据越多，系统的适应性就变得更强。如同算法能从更多的数据中受益，更具备独特的优势。

启示

现代算法与过去的专家系统相比，更有深度学习能力和适应性的能力，更有广泛吸收大数据、新信息的能力，更有与人不断交互再不断提升的能力。人如果也具备了这种思维才能更好地适应未来不确定、随机、不可测的世界。

具体说，算法思维就是要具备以下几点：

1、掌握好可预测性和适应性的平衡。

2、大数据时代，要广泛吸取信息和新知识。如同算法不断吸收大数据，找到相关性和事物的连接。

3、具备自我学习、深度学习和终身学习的能力，相对应机器的深度学习，就是不满足于专家系统，不囿于现在的知识、学识和见识。

4、人机交互是算法不断进步的源泉，同样我们要和人、知识、社会等多交流、互动，多加强实践。在连接和互动中迭代自我。

5、遵循一定的逻辑规则，掌握一定的思维框架和思维方式。

思维核武，通过思维看本质。

让思维成为成功路上的核武！