人工智能与个人学习

人工智能是时下热门的话题，人们对于人工智能的关注主要集中在两个方面，一方面是人工智能所做出的超乎人类观念的成果，比如阿尔法狗战胜李世石；另外一方面是人工智能对未来几年的各行业影响，人们担心人工智能替代掉自己的工作。

有些行业已经明显感受到人工智能和大数据的影响。大数据和智能算法运算能力的提升，取代了很多原本需要人类完善的工作，比如数据分析，及基于数据分析的决策判断。比如，早期电商运营人员通过数据分析来达到对市场的了解，对预期做判断，这就对个人数据分析能力要求很高，但是随着大数据的处理能力的增强，之前需要人工去统计及做判断的行为都可以通过大数据来完成，这样相关运营人员的价值感就降低了。

由于目前还只是人工智能发展的前期，我们不用过度担心人工智能对于工作会形成致命的影响。人工智能还有很长的路要走，今天来聊聊人工智能的学习特点中有哪些是我们可以借鉴和学习的。

这就不得不提到阿尔法狗，阿尔法狗大战李世石轰动了世界。阿尔法狗的身上到底隐藏着什么样的学习算法，让世界排名第一的李世石都输了。

阿尔法狗在对战李世石时使用到了三种的算法，第一种是深度学习，它把三千万户六段选手以上的棋局进行学习和记忆，机器学习人每一步是怎样走的，但是这样的学习只能让机器达到六段的水平。

所以就引进了第二种算法，叫做空间搜索法，俗称暴力算法，当阿尔法狗拿不准哪步走法更好的时候，他会进行模拟，自己跟自己下，把每一个走法都走一遍，同时模拟对手一直走下去，但是空间搜索法有一个难点在于，每一步棋都有若干个走法，当走到三五步后就逐渐呈现出指数级数量的走法，计算机无法胜任这样的计算量。

在此就又引入了第三种算法，强化学习算法，强化学习指的是没有现成的算法，只给到机器初始条件和最终结果，让机器自己去试错，在经验中学习，在反复试错中让赢面最大化。让两个机器很傻的走下去，只要告诉机器结果，让机器开始倒推往回计算，赢得路径做一个参数的加权，输的路径相应做降权处理，然后反复进行迭代，最后机器的走法就更接近于赢。

这就是阿尔法狗用到的三种算法，那我们可以从这三种算法中学到什么样的学习方法呢，

第一种，我们要广泛学习前人经验，多向周围的人学习，通过阅读等途径积累知识。同时，要向比自己优秀的人学习，只要向比自己优秀的人学习你才能成长，并且要不断对自己进行挑战，不能停留在舒适区中，不然你只会原地踏步，而白白浪费时间和精力。

第二种算法，也叫做决策树算法，在遇到不知道如何选择或者如何处理事情的时候，这种思维很有帮助，把不同选择可能遇到的全部结果都罗列出来，再看看各种结果会导致的情况又是如何，以这样的方式选出最好的一个选择。

第三种算法是在指导我们必须多去经历，读万卷书不如行万里路，不仅要学习现成的知识，关键还要靠自己去经历，经历各种情况后对每一种情况进行深度剖析和归纳，再遇到类似的情境，我们就能快速的做出明智的判断。