你真的会学习吗?——向AI学习“如何学习”
黄晓杰MJ 黄晓杰MJ

你真的会学习吗?——向AI学习“如何学习”

计算机可以永不停歇的做训练,每次训练都会提升经验和认知。

本文由黄晓杰MJ授权i黑马发布,作者黄晓杰

在过去12个月,AI也就是人工智能从象棋、围棋、到德州扑克,在这些人类引以为傲的智慧领域,完虐人类。过去人类觉得自己是万物之灵的原因是我们拥有智慧,人不仅可以观察,可以思考,还会创造。现在这个世界很大程度上就是被人类通过智慧创造出来的,所以我们可以骄傲地俯视其它物种。但是现在来了一个新物种AI,虽然在综合智慧上还离人脑有很大差距,但是在特定的智慧领域不断的超越人类。而且可怕的地方是,一旦AI在某个时间点上赶上人类后,人类就再也追不上了。今年年初AlphaGo连胜人类60个顶级围棋选手,可能当时它的段位是10段,但是机器可以不停地下棋,而且每次下棋,棋艺就会提升一点,现在的AlphaGo可能已经到了15段,未来有一天可能会到100段,人类只能望着它远去的背影羡慕嫉妒恨了。

我大学的专业是计算机软件,当时我师兄语重心长的告诉我说,“计算机只是个工具,今后说一个人笨就可以说他笨的像计算机一样,因为计算机只会存储和计算,不会学习思考。”我们之所以藐视计算机的智慧,是因为即使1996年IBM的“深蓝”在国际象棋领域打败了人类顶尖大师“卡斯帕罗夫”,也至多说明计算机的运算能力足够强大,因为深蓝的算法是人类设计的,所以我们可以说战胜国际象棋大师的不是计算机的智慧,而是计算机工程师。但是在不到20年的时间,人类开始不得不彻底改变这种看法了。因为今天AI在理论和运算能力上有了质的突破,AlphaGo具备了真正的“学习能力”,它可以从每一次的棋局里学到新的经验,哪怕每天进步只有1%,经过一年之后,1.01的365次方=37.78343433289,这才是AI的可怕之处。

我不是AI专家,也不想科普AI,我今天想聊的是我们如何向AI学习“如何学习”。听起来这个话题很可笑,因为人工智能的诞生,就是人类希望计算机可以向人类学习思考,学会“学习”,人类是AI的老师,为什么我们需要向AI学习呢?且听我慢慢道来。我们先分析一下计算机是如何学习的:

算法模型:选择一种或者多种算法的组合,譬如现在最火的深度学习就是基于神经网络,模拟人的大脑的工作原理,既可以存储,又可以计算,还可以修正模型。譬如我们想让计算机学习围棋,最开始计算机就是一张白纸,除了知道围棋的基本规则外,对围棋的经验是零,所以初始的模型对围棋毫无认知。

训练数据:通过给计算机大量的数据训练模型,让计算机自己修正模型。还以围棋为例子,我们可以输入各种经典的棋谱,还可以让计算机自己生成训练数据,譬如自己和自己下棋。

运算修正:输入数据经过算法模型的计算之后,会产生输出数据,然后系统根据规则或者有标注数据来判断这个输出数据是否正确,然后反馈给算法模型,算法根据反馈来修正模型,让模型更加逼近真实的事物,从而进一步提升系统对事物的认知。对围棋而言,就是计算机每一步棋,对手都会有回击,这样计算机就知道自己当下这一步是臭棋还是好棋,它根据这个结果去修正自己的模型,也就是更新了对围棋的认知,在下一步棋的时候,它就用更新过的认知再做决策,这样每一步棋,每一局棋过后,计算机对围棋的经验都在不断做积累。

循环往复:计算机可以永不停歇的做训练,每次训练都会提升经验和认知。

基于神经网络的人工智能,虽然是模拟人类的大脑,但是在很多方面远远好于人脑:

AI的存储空间远远超过人类,我们只记得世界第一的山峰叫珠穆朗玛峰,却不知道第二高峰的名字,而记忆事情对于计算机而言是小菜一碟。

AI的运算能力远远超过人类,它可以在海量的数据库中检索过去学到的所有经验,看哪个对于当下的问题是最有效的,但是人类做不到。

人脑的神经元回路是生物结构的,当我们获得了一些知识或者经验时,会形成非常弱的神经元连接,这种连接是不稳定的,如果没有多次强化,这个弱连接就会断开,无法形成长期记忆。所以我们每天接收了很多信息,学了很多知识,但是第二天又有新的信息来了,昨天的信息和知识没有被强化,所以像沙滩上的城堡一样被冲掉了。而AI不会有这个问题,它可以直接在数据库中做存储。

AI有核心算法和模型,大部分人根本没有自己的思想内核,大部分的言行都基于潜意识,是被动的应激反应,而不是经过核心算法和模型理性的处理问题。

AI可以做到完全专注,心无杂念,没有情绪,不知疲倦的深度思考,理性的做出决策,而人充满了各种杂念,不停的有各种情绪,不停的被各种信息打断,无法深度理性思考。

AI经历每一次迭代都会修正模型,从而提升认知,而大部分人经历过一件事情之后是不会做复盘的,可能会留下一些记忆,但是这些记忆是未经提炼的原始数据,而且还可能是经过情绪加工的脏数据,而且这些数据还可能无法形成长期记忆而被舍弃掉了,所以人是好了伤疤忘了疼,不断有经历和体验,但是没有认知模型的升级,不断拿着旧的观点看法,凭着自己的主观感受去犯相同的错误。如果要从原始数据中提炼规律,人类又需要整块的时间做深度思考,大部分人更喜欢把时间用来刷朋友圈、看电视剧,逃避思考。

听起人类来好可悲,人类大脑的运行机制很原始和落后,似乎注定要被AI打败......。算了,如果不去想如何打败AI,而是思考如何从AI中获得启发,成为人类中最有智慧的一批人也很有价值,为此我提供一个思维模型的2.0:

算法模型:通过能掌握的数据,概念,假设,逻辑分析,得到一个事物的基本模型,无论这个模型有多么的粗糙,必须形成一个初始模型。

刻意练习:给自己布置作业,至少用10次这个算法模型到实际的工作或者生活里面,根据结果的反馈复盘修正和优化这个模型,让这个模型尽可能的逼近真实事物的本质,而且只有经过刻意练习这个模型才能成为长期记忆,化为潜意识,而避免每次遇到事情都是原始本能的应激反应。

复盘:AI最厉害的事情是,即使它最开始对一件事情的认知是零,但是它会从每一次经历的事情中提升经验,所以只要给他足够多的练习机会,它就会越变越强,它不会犯第二次相同的错误,它不会倒退。我们不能把经历仅仅停留在记忆或者经验层面,如果我们养成总结复盘的习惯,每天,每周,每月,每年把经历的事情拿出来,作分析,找原因,提出改进方案,那么我们也会不断进步。但是复盘需要时间,需要毅力,需要对自我进行勇敢的否定和剖析。

如果我们能在工作和生活中坚持按照2.0的思维模型做事情,我们每天都会有进步,成为百里挑一的人才。但是2.0有个BUG,那就是如何找到一个正确的算法模型非常难。而我观察到有些特别有智慧的人,他们拥有独特的3.0的思维模型,所以他们的成就远远高于一般人。

AI 学习 计算机
赞(...)
文章评论
匿名用户
发布