大家好，我叫杨洋，是一个91后奶爸。
我分享的所有东西都是以“原则”为基础，我不喜欢分享很多所谓技巧性的东西，毫不夸张的说“技巧”在这个时代几乎无法站稳脚。我们都知道从2000年的互联网泡沫以来，移动互联网、大数据、物联网、人工智能等技术在短短17年时间相继出现，这是非常夸张的。
要知道第一次工业革命到第二次工业革命中间花了110年，第二次工业革命到第三次工业革命也了80年。。。所以互联网的寄生属性让现在的社会已经进入了指数发展的时代，任何经验下一秒就会过时，因此终身学习和科学原则的理解至关重要。
因此了解技术的目的除了学会如何做用技术，更是为了掌握技术的思维来指导我们的生活和工作中的决策。面对复杂多变的未来我们需要以指数型思维来替代线性思维来，记住浮萍占满池塘的前一天它只占领了池塘的一半。
人工智能的发展史？
只要讨论技术就离不开人工智能，不仅仅是因为它巨大的增长前景，更是因为它的巨大影响力可能是人类最后的一项技术发明。而且人工智能已经离我们生活非常近了，苹果手机的siri就是利用AI的语音智能、支付宝的刷脸和iPhone X的faceID利用AI的视觉智能、今日头条的个性化新闻推送利用AI的分析智能。人工智能的发展经历了三个不同阶段，这三个不同阶段也是体现了人类不同的思维方式。
①推理期（1956-1960）：数学是自然科学的基础，而数学的基础就是定理。定理的产生需要非常强大的逻辑推理能力，因此这个年代的数学家都被理解为真正的天才！
这个阶段人们根据对数学家的理解把“逻辑推理”能力编码给机器，这个阶段机器的推理能力远超过超人。但人们发现光有推理能力还不够，毕竟我们需要人工智能来改善我们的生活，解决实际问题而不是简单的计算，因此需要人工智能掌握“知识”，因此人工智能进入了第二个阶段——知识期。
②知识期（1960-1990）：这里的核心思想就是由专家把专业知识总结出来编码给机器从而让机器拥有媲美人的知识来解决问题。
但科学家发现这非常困难，主要有三个原因：
第一，很多人类专家不愿意分享知识；
第二，有的经验能力是无法用知识表达的；
第三，有的难题专家都不知道怎么解决。
因此科学家开始思考我们人类自身是如何拥有知识的？很简单就是——学习。因此人工智能正式进入第三个阶段——机器学习。
③机器学习（1990-现在）：让机器模拟人的大脑结构，建立起和人类大脑神经元类似的结构从而让机器获得学习的基础。之后在给予机器大量的优质样本来学习从而掌握人类的经验，由于机器不需要休息和它强大的计算存储能力，对人类而言极其低效的学习方式对机器而言却非常高效。
人类的经验对机器而言就是不同的数据，因此机器学习的基础是需要大量的数据——大数据，同时需要有能够计算这么多数据的计算力——云计算。简单地说一个合适的算法模型加上大量的优质数据就是机器学习。
人工智能的分类？
人工智能分为三类：
弱人工智能、强人工智能和超人工智能。
弱人工智能：也称应用型人工智能，指的是专注于且只能解决特定领域问题的人工智能；
强人工智能：也是通用人工智能，指可以胜任人类所有工作的人工智能；
超人工智能：在每一方面都比人类强大的多的智能。因此超人工智能会是人类最后一项发明，悲观主义者认为超人工智能会灭绝人类，或像黑客帝国里一样把人类圈养起来；
乐观主义者则认为人类会与超人工智能和谐共处，因为我们到时会准备好足够多的安全智能来防止人类被奴役。
深度学习算法
机器学习的核心就是深度学习，简单地说深度学习就是把计算器要学习的东西看成一大堆数据，把这些数据丢进一个复杂、多层的数据处理网络，然后检查经过这个网络处理得到的结果数据是不是符合要求——如果符合就保留这个网络作为目标模型；如果不符合，就一次次的调整网络的参数设置，知道满足要求为止。
因此深度学习需要大量的正确样本可以不断对模型参数进行调整，比如要让机器识别出照片中的猫需要让自己观看几百万张有猫的照片。同时需要在训练的时候持续的反馈让计算器知道什么是正确的反馈，什么是错误的反馈，也就是说正确和错误都在帮助程序自我修正。
因此本质上说深度学习是先用人类的数学知识与计算机算法构建起整体架构，再结合尽可能多的训练数据以及计算机的大规模运算能力去调整内部参数，尽可以逼近问题目标的半理论、半经验的建模方式。指导深度学习的基本是一种实用主义的思想。
相关性比因果性重要，实用主义意味着不求甚解，即使深度学习模型已经很聪明了，但就连设计它的人也不清楚其内的参数和最终模型的感受能力之间的因果关系，就相当于一个黑匣子，科学家只能知道输入和输出，对中间原理一无所知。
人工智能重塑教育
新一轮教育改革要做的是让学生具备强大的信息处理能力，包括利用AI处理定量信息的能力，以及发挥自身处理使命、意义、情感等定性信息的能力。AIQ指的是与机器相处的能力，高AIQ意味着擅长利用智能机器，技能与智能机器互补。AIQ教育的目的是通过动手练习，让孩子们习惯于用信息化/数据化的眼光看待现实世界。
人与技术的关系非常微妙，人类的思维创造技术而反过来技术也改变了人类的思维。人工智能对人类的影响最主要是思维层面的影响，我们分别从人工智能核心技术深度学习和人工智能对生活工作的影响两个角度来谈谈这种影响。
深度学习对思维的影响
正如之前所说，人工智能是一种数学模型和大量的经验样本相互作用的结果。因此它追求的是从大量事实中学习，就和我们人类需要从大量的实践中学习一样。我们一直说失败是成功之母，但从失败中学到的只是下一次该如何避免同样的错误，到这个复杂世界错误和陷阱太多，你几乎不能排查出所有的错误，你也不可能走那么多时间去尝试所有的错误。
因此从成功中我们能学习到的更多，我们从成功中总结出来的小原则有助于我们下一次继续成功。毕竟一些基本原则的了解可以让我们避免非常多不必要的错误，就拿创业来说创业其实只要作对一件事情——细分领域垄断。
其次深度学习的基础是大数据的多样和多量，多量好理解就是大量数据，多样指的是不同领域的数据，总结下就是“多样性优于权威性”，这里不是说权威不重要，但权威只适合解决有限范围内，影响因素已知，规则清晰的情况下，比如下象棋。而像预测天气一样的复杂问题则需要多样性。
多样性也就是多元思维，即掌握不同学科领域的核心原理和通用常识。随着社会问题地复杂度上升（比如解决世界饥荒问题，开发新产品，开拓新市场），解决问题所需要的综合知识变多，多学科开始交叉。而每个领域都有很多基本原理和常识需要记住，但你没必要理解每个原理或常识背后的原因，这样时间和精力成本太高，记住我们需要的是解决问题而不是成为百科全书。
虽然过去我们一直强调“知其然知其所以然”，而从大数据时代开始到现在的人工智能分析数据都是知道那些相关关系——哪些因素可以对结果产生影响，但你很难知道为什么它们彼此之间有联系。
掌握多元领域的通用常识可以帮我们以更多元的角度思考问题，就像三体里说的降维打击一样。就拿设计一张图片来说，有的人只从颜色、布局等角度设计，但你可以从心理学、行为学、市场定位等多角度考虑。因此这个时代通才比专家更重要，专家掌握的大部分能被程式化的东西都会被人工智能替代。
这里再举个微软百科全书和维基百科的例子，微软制作百科全书的时候聘请一个非常专业的团队，科学家，数学家，语言学家等等。给予他们巨高的薪水和福利。可结果是没有任何专家，由有兴趣的网民编辑的维基百科占领了市场。
教育本质：综合素质和多元知识
综合素质就像机器学习中的数学模型一样，是所有学习的基础：譬如批判思维、合作能力等基础素质。在拥有素质的基础上，再通过大量的动手实践找到自己的模型——做事原则。因此未来的教育可以理解为基本素质教育，和多元智能教育。前者大家都很了解我只总结下适应未来的八个基本素质：
①批判性思考和解决问题的能力；
②跨界合作与以身作则的领导力；
③灵活性与适应力；
④主动进取与开创精神；
⑤有效的口头与书面沟通能力；
⑥评估与分析信息的能力；
⑦好奇心和想象力；
⑧创造力和创新能力。
我想重点提到的是多元智能，这世界上有太多的学科，每个学科又有非常多的专业知识每个学科都掌握通识不可能也毫无必要，我们需要激发孩子的兴趣，让他找到自己希望钻研的领域然后再不断的深度工作和学习中找到想要达到自己目的还需要具备哪些学科知识？
比如我想从事设计领域，必须要学习基本的心理学和行为学知识来理解颜色和布局对人类行动的影响；还要学习讲故事的能力来表达自己的设计；还要学习基本的商业知识，比如定位理论来让自己的设计符合企业的形象和目标用户审美。。。
以学生为中心的学习变革
想想看现在的老师把大部分的时间用在低创造性工作——改试卷和批作业当中。而他们本该做的激发孩子学习兴趣，了解孩子天赋等创造性工作却被搁置。一旦人工智能进入体制教育，低创造性工作被机器替代，那么老师就可以做到以学生为中心，提供给每个孩子个性化的教育。
其实适应人工智能时代的教育最好的方式是“项目式学习”，也就是动手实践学习，老师或家长在这个过程中起到的是指引作用而不是给孩子答案。
“项目式学习”也要和遵循人工智能所需数据的多样和多量。多样指的是要在学生时代尽可能深度的接触不同的项目，来发现未知的自己，增加自我认知；多量指的是在项目中学习更多的知识，项目结束过进行更多的思考来挖局项目留下的数据。
就像上个星期火爆的清华附小研究苏轼一样，项目式学习可以不仅可以培养孩子多元学科知识，还可以培养提问能力，创造力，合作能力，最重要的是通过实践增加自我认知。
但“项目式学习”有个前提是学生必须全力以赴，那么为何学生要全力以赴呢？我们都知道学习和教育不同，学习说的是自主意愿，而教育也是老师传授。学习比教育更重要，因为终生学习能力是人工智能时代的常态。
这就是兴趣和激情的重要性。我们稍微观察下社会上成功人士，他们每个人都对自己所在领域无比的热情，在他们眼里没有工作和生活之分，工作早已和生活融为一体了，毕竟工作和生活一样都让自己无比的幸福。
因此项目式学习很重要的前提是这个项目是孩子感兴趣的，想去参加的，而不是某个机构推出了个不错的项目学习产品然后逼迫自己孩子参加。相反，如果可能我们甚至要根据孩子特点创造适合他的学习项目，去让他和自己的好朋友组队挑战有趣的项目。
所以家庭教育很重要的原则就是激发并呵护孩子的激情，激情来自于兴趣和好奇心。根据自己的好奇心去尝试，去充分犯错。家长要给孩子充分的自由，创造适合孩子根据兴趣学习的环境。
最怕家长的阻挠，比如对孩子说：你喜欢天文学能当饭吃？或者用各种补习班占领孩子的所有时间。
还记得孩子玩游戏时候的激情吗？我们可以学习游戏的特点来移植去孩子学习当中，即自主，有趣，及时反馈，有意思的失败，成就系统，适当的难度。。。
最后，记住未来任何依赖左脑的技能都会被机器替代，会计、程序员、客服等，而所有原创性或启发性的工作都会越来越牛逼。我们要共同培养孩子从0到1的能力、培养孩子破坏知识和创造知识的能力。