现阶段的人工智能,本质上是一种模仿人类认知过程的算法---深度学习算法
这种算法依靠大量数据做模式认知训练,比如通过扫描大量狗的图片学会认知"狗"这种动物,这种方法无可厚非,因为人类的认知也是这样形成的,我比较智能的地方可能在于人只需要少量的样本,就可以形成对狗的认知,而机器需要大量的数据做归纳汇总.
可能,深度学习算法,是人类这种三维生物可以获得的最好的认知世界的算法.但是本质上来说,无论是人类还是人工智能机器,都只是对已有的数据和经验做分析总结归纳,形成知识和认知,然后通过这些认知去预测未来,做出决策.换句话说,从数学的角度考虑,都是在用有限的样本在预测无限的可能性,在这一点上,人类智能并不比现在的人工智能高级多少.只有四维甚至五维生物,才可以获取整条时间线上的数据,没有了"未来"这个概念,知识就不再需要做预测,那样的只是才是站在上帝视角才能获取的"全认知",是宇宙的绝对真理,平心而论,我们这种三维生物,恐怕永远都达不到那种境界,我们能够拥有的最好的认知模式,就是在信息严重缺失的前提下,通过已有经验推导出的"不完全认知"模型做带有分险的决策,然后如果赌对了,就总结成功经验,赌错了就归纳失败经验,修正认知模型,继续试验.但是,即使我们模型修正得再完善,也无法在面临大变革的时候,做出更接近正确的预测.相反,可能会做出错的离谱的决定.因为越成熟的模型.局限性越高.固有模式越顽固.这就是为什么中国上一代老年人很难跟上时代的步伐的底层原因--因为他们通过一生的积累,在一个变化不是特别大的环境中不断修正自己的认知模型和人生哲学,当环境产生巨变的时候,这个模型自然也就不再适用了.插一句话,可能这一代老年人和社会脱钩的程度会小很多,因为我们这一代人一生都在经历巨变.
扯远了,说回到人工智能和人类智能.前面说了人工智能和人类智能的相同点,那么再说一个不同点:人工智能是为解决某一特定任务而设计的,他的认知模型比人类更有针对性,由于数据样本更大,可能在某些简单场景下,会比人类的决策更加迅速和精准.但是,由于缺少复杂数据的训练,和融会贯通的理解能力,人工智能在面对高度复杂的场景时,经常会做出错的离谱的决策.人的认知模式是在一生的所见所闻中,积累了大量的多角度的数据的基础上形成的,只要人眼睛睁着,就在不断的输入周边环境的多维度复杂数据,而机器输入的始终都是简单的人类抽象化了的数据,即使时多角度,多维度的数据,也是在人类认知上的基础上,进行了分门别类的数据,这始终是个bug.
所以,最好的获得知识的方式,仍旧是,人类负责决策,机器负责对特定任务提供决策辅助.