AI 建模师 素养手冊(2)

文章目录

• 前言
• 一、AI两项的逻辑思维：归纳逻辑与推论逻辑
• 二、(代码)编程逻辑并非推论的主角
• 三、如何学习<非逻辑性的>创意智能
• 四、如何把创意智能教给AI呢
• 总结

---

前言

AI 有两项逻辑思维：

归纳逻辑

推论逻辑

然而请留意：<代码逻辑>并非<推论逻辑>的主角！

---

一、AI 两项的逻辑思维：归纳逻辑与推论逻辑

        AI 的能力最主要表现在于：

1) 记忆。

2) 推论：

        预测也是一种推论。 

        其中，记忆比较单纯，AI 自己找出关系，用权重表达它们，就记住 了。例如，九九表。记忆就是〈背诵〉。推论是对未曾相识的事物，放入 记忆的空间里，观察其特征，分门别类，推估其共通的行为。简而言之， 对新事物先归类，取该类的中庸之道，做为新事物的预测值。

         例如，您打电话向自助餐老板订购，老板问您：今天想吃什么？您说： 今天吃排骨。老板接着问您：要配什么菜？您回答：都可以

        中午吃饭时，打开便当，发现便当里有一个鲁蛋。想一想，这老板如何预测：1 颗鲁蛋呢？ 就是依据其见识过，留在记忆空间里的〈中庸〉之 道，在统计学里最常见的是平均数。老板听到您说：排骨，这是显性特征， 由于此餐馆排骨是鲁的，会影响到他对蛋的预测：〈鲁〉蛋，而非煮蛋。 此外，老板在电话中听您讲话的口音很像四川来的客人，这是隐性特征， 也会影响他对蛋的预测。您猜猜老板会如何做呢？ 请您欣赏一下 冯彦霖 小姐的 4 格漫画(摘自她的(《AI学习绘本》）：

 兹说明如下：

        如果您适上述的那位餐馆老板，您会推论出：加一颗鲁蛋。当您是一 个 AI 餐馆老板，您也会运用一样的推论逻辑。只是人人的阅历不同，心中 领悟的<中庸〉值不同：不一定是鲁蛋。但推论逻辑是一致的。

        那么，心中的中庸从那里来呢？人们从人生历练而来；而 AI 则从大数 据训练(机器学习)而来。人类人人皆有这项天赋的归纳性思考能力；而 AI 算法(即程序)则给予计算机这项归纳性思维能力。我(高焕堂)取名为：AI 逻辑的十字诀：

归类得中庸，分类配中庸

        例如，订餐客人归纳为〈男士〉和〈女士〉两类。〈男士〉类的中庸： 大多喜欢吃本店的鲁蛋；而〈女士〉类的中庸：大多喜欢吃本店的茶叶蛋。 这是过去 20 年来，老板经营本店的阅历而归纳出来的中庸。我称之为：< 归类得中庸>。

        到了今天早上接近中午时间，有位客人来电订餐。客人只说要订排骨 便当，其它配菜没特别要求。从电话中听出来是位女士客人，于是推论出 来，而配上〈女士〉类的中庸：茶叶蛋。我称之为：<分类配中庸>。

        古文里，<庸>的含意是：平凡常见之事物。而<中庸>的含意是：最具共通性。<中庸之道>就是处理一切问题的共性优化决策之路。

        AI 就像上述漫画里的餐馆老板，他的推论不是人类所能〈程序化〉的。 人类程序顶多只能告诉他：以平均算法找中庸。但是他心中的中庸值是决 定于数十年来他阅历和见识记忆空间数据的平均值。

        类的程序(算法)对他给予新事物预测的推论影响力反而微不足道。

        综上所述，AI 建模师必须具备两项的逻辑思维技能：

         归纳逻辑：人类先把算法(程序)喂给 AI，就成为它的 逻辑能力。

         推论逻辑：接着，引领它去，此时就把一群特定领域的 大数据(Big data)喂给它，让它去归纳(又称学习)。所谓学而时习之， 不断探索数据里的相关性(Correlation)，逐渐归纳出这个领域大数据 里的规律性。就成为它的推论逻辑能力了。

        人类设计算法、编写 Python 等程序(Program)，来叙述， 然后把程序植入计算机里，让计算机拥有：归纳思维能力。所以 AI 算法的 所表达的就是，它让 AI 有能力自行归纳出。所以，AI 的编程逻辑，并不等于 AI 的推论逻辑。

二、(代码)编程逻辑并非推论逻辑的主角

        算法(&编程逻辑)是 AI 整理数据、归纳数据的逻辑。依据这归纳逻辑 而得出的是 AI 的推论(预测)逻辑。人类用 Python 编程逻辑来表达对数据 的归纳逻辑。但编程逻辑并非推论逻辑的主角，AI 最重要的价值在于：鉴 古知来。

        简而言之，AI 的与工程师的算法是有很大不 同的。程序逻辑仍有影响力，但只是建议的角色，而非控制的角色。所以 对于人类而言，AI 的是无从理解的，通称为：黑盒子(Black box)，或黑箱。因之，以对于人类而言，AI 的推论结果即其行为是不确定 (Uncertain)的。所以说，AI 只有准确性，而没有传统 IT(计算机)所具备(完 全由编程逻辑所控制)的正确性。

*** 本文摘自 高焕堂 的下列书籍 ***

*** 以及北京【电子世界杂志】连载专栏 ***

三、如何学习<非逻辑性的>创意智能

        大家都知道：AI 从大数据中学习潜藏的规律。那么，这些规律的源头 是什么? 有些是自然界已有的，有些是人造的，有些是计算机造的。如果 是人创造的，大多出自于人类专家的杰作。这种规律在艺术上，就称之为： 风格。

        于是，身为 AI 模型设计师，我们常常面临一个困境：要获得领域(如 医学、艺术)中的顶级人类专家的亲自协助其智慧(即专家直觉)，是不可能 的(如已得道升仙)，或很昂贵。

        此时，AI 可以从其杰出作品中，迅速学其风格(规律)，于是 AI 模型 获取了专家直觉，AI 模型的智能大增矣。无论从养蜜蜂、烘焙、美发、汽 车、IC 芯片设计，都可发挥 AI 模型的这项独门武功。

         例如，一位教授写了一本书，是他(她)的作品。

         例如，一位画家的画作，是他(她)的作品。

         例如，一位小说家的小说，是他(她)的作品。

        AI 模型可以从作品中学习到专家的智慧。但是，身为 AI 模型设计师， 我们必需知道可安排 AI 从中学习到那种智慧。

        Appier 公司首席科学家孙民：AI 将带来极致个人化体验，比你更懂你！

        孙民也提到另一个值得注意的 AI 领域──生成式 AI。用更容易理解的 概念来解释，生成式 AI 就是具有「创造力」的 AI，例如能够创作文章、 音乐与画作。

         1970 ~ 2000 年，信息科技的技能：高速计算&逻辑判断。

         2000 ~ 2020 年，信息科技的技能：计算机视觉&分类与辨识。

         2020 ~ 2040 年，信息科技的技能：计算机(AI)生成&创意。

        AI 生成的智能，从各作品中学习人类专家的风格等智慧，鉴古通今， 横贯中西。什么是计算机(AI)生成呢? 为什么这里的字眼:〈 计算机(AI) 生成 〉要特别括号(AI)呢？

        如果这字眼改为：〈计算机(lT)生成〉，又有何差别呢？只要您关注 于这个细节，就能轻易了解，为什么从 1970~2020 年的过去 50 年间，计算 机(IT)生成并没有发枝长芽，而到了 ML(机器学习)成熟的今天，计算机(ML) 生成，才即将茁壮、遍地开花。

        在 IT 时代，计算机只依严密逻辑推理而叙述的代码，只表达了有明 确逻辑的知识，及不可违背的 how to。

        自从 15 世纪(文艺复兴前后)，到 20 世纪之间，逻辑思维澎勃发展， 蔚为知识界的主流。当时欧美知识界，介订：唯有逻辑性、可被实验证明 的，才是知识(Knowledge)。随着前几世纪的西学东进，影响了东方各国的 教育家，因而在学校里主要传授有原理、有推理逻辑、有明确结论；以及 可重复使用的方法(how to)和技能。恰好搭配东方的考试(科考)制度，明 确逻辑结论，提供公平无争议的公平答案，成为社会的〈公平〉选才机制， 沿留至今。

        在过去 50 年，计算机程序设计的逻辑思维训练，及其就业机会，更引 导社会上许多人掉入计算机(IT)的迷思里。君不见，在 100 年前爱因斯坦 时代，英美等国的科学院，早已抛弃文艺复兴时代对〈知识〉的介定了。

        自从 100 年前，就不再局限于〈有逻辑、可实证结论〉才是 Knowledge 了。扩大为：任何基于想象、假设性的论述，只要无法被严密论证所〈否 证〉的，都可以是 Knowledge。因之，爱因斯坦说：想象力比知识更重要。

        当一位老师能认可：在不违背老师的严密逻辑的检验之下，其学生们 的任何非逻辑性智能创意，都是宝贵的知识。这位老师就会喜爱〈AI 生成〉了。这位老师的严密逻辑知识，就像鸡笼。而学生的逻辑或非逻辑性智慧 创意，就是笼内的鸡。

         在〈计算机(IT)〉时代，计算机里只有笼子，没有鸡。

         在〈计算机(AI)生成〉时代，计算机里有笼子，也有鸡。

        鸡笼框住了笼内的鸡，而笼内的鸡(即创意)是来自学生先前从外在环 境学习的智慧，以及自己当下的 idea。笼子(老师教的逻辑性知识)如同一 个人的头型(脸型)，而鸡则如同头发，头发配合脸型。而发型源自那里呢？ 这发型来自美发师傅先前从环境中学习的经验、技能，搭配客人的心情喜 好。计算机(AI)生成〉即是由计算机来替代〈美发师〉的角色。

#=============== ============

欢迎加入…

微信群 新创期间，免入会费

询问：[email protected] Melody 收

*** *** *** *** *** *** *** *** ***

四、如何把创意智能教给 AI 呢?

每一位老师的智慧都有两种：

         演绎性的(严密)逻辑推理知识。

         非演绎性的归纳、创意知识

        老师们上课常常用心把前者〈说清楚讲明白〉，而对于后者就略而言 之，因为无法说清楚，也讲不明白。于是许多学生误以为：先学习严密逻 辑性知识，并勤练 how to，熟能生巧，就能融会贯通，而衍生出自己的非 逻辑性创意！

        然而许多教育实务上，却常常显示出：不从逻辑 how to 出发，反而更 容易成长非演绎性的创意知识。当一位专家在创作时，在其作品中都会呈 现出作家的逻辑性知识和非逻辑性知识。

        如果我们把作品中的逻辑性知识抽掉，留下非逻辑性知识，然后把留 下来的(非逻辑性)知识，拿来教给学生们。此时，我们如何〈教〉? 学生 如何学? 又学到什么呢？AI 能够〈生成〉，就是因为 AI 能从作品中迅速 学习专家的非逻辑性知识。透过〈计算机 AI 生成〉机制，从人类专家的作 品学习其〈非逻辑性〉智慧，有效加速人类创造力的传承，因而利用计算 机(AI)来协助人类的创新力。形成人机协同创新模式，乃是计算机(AI)生 成的真谛和意涵。其实，〈非逻辑性〉知识是〈逻辑性〉知识之母。人类 的知识形成，典型的步骤是：

         观察

         归纳(果果或因果律)

         非逻辑性知识

         非逻辑性知识

         溯因(果因)

         找出真正的因

         真正的因

         演绎(因果律)

         逻辑性知识

        于是，当 AI 运用统计学方法，拥有对大数据进行分析而获得归纳性 知识(归纳出〈果〉，即是一种非逻辑性知识)。此外，AI 也能从作品中学 习到人类专家分析而得的归纳性知识(归纳出〈果〉，即是一种非逻辑性知 识)。接着，AI 可以从人类专家或其作品中，学习到人类溯因推理而得的果因律知识，AI 就能掌握大数据呈现面貌的背后〈真正的因〉。此时，严 密的逻辑性知识，就派上用场了，大大展现其必然性、精确性的〈因果律〉 了。由于真正的因，透过严密逻辑即可推理出真正必然之果。

        AI 的威力也展现出来，观察大数据的瞬间变化，引导人类去关注真正 的因，而实时做决策、采取行动去〈改变〉真正的因，及强化善因而扩大 善果。也可及时弱化恶因而避免恶果。即趋吉避凶、带来富贵好运！

        所以，在新的智慧时代里，懂得让计算机(AI)学习人类的〈非逻辑性 知识〉，将是一条富贵之路。

◆◆◆

欢迎继续阅读第 3 集

*** *** *** *** *** ***

---

总结

#=============== ============

欢迎加入…

微信群 新创期间，免入会费

询问：[email protected] Melody 收

*** *** *** *** *** *** *** *** ***