人工智能的源与流

打个比方

判断一杯水烫不烫，不必先给“烫”下一个严密的定义，也不必去测水分子的平均动能，把手指伸进去就知道了。手指是能实际操作的判据，分子动能不是。图灵给“机器有没有智能”找的，就是这样一根手指。

打个比方

算法相当于心法口诀，规定内力怎么运转。数据和算力相当于修炼要花的年头和资源，没有它们，口诀背得再熟也用不出来。机器人相当于练功者的身体，是心法最终施展的地方。

心法可以写在书上传给下一个人，而人的本事带不走。这是人工智能与人类智能最大的不同。

打个比方为什么规则写不完

要给一台从没见过狗的机器写规则，你会写：有四条腿、有毛、有尾巴。可是猫也符合，桌子有四条腿，趴着的狗看不到四条腿，泰迪犬和藏獒的差别比藏獒和狼的差别还大。

每补一条规则就冒出三个新的例外，规则表越写越长，准确率却上不去。人能一眼认出狗，靠的并不是心里存着一张规则表。

打个比方反向传播像订正错题

卷子发下来发现最后一道大题错了，你不会把整套知识重学一遍，而是倒着往回找：是最后一步算错了，还是中间设的方程有问题，还是一开始就把题意理解偏了。找到最靠前的那个环节，重点改那里。

打个比方卷积像一个取景框

看画时拿着取景框从左上角一格一格挪过去，每挪一格记下框里有什么，比如这里有一道边、那里有一个角。

关键在于这个取景框自始至终是同一个。不管猫出现在左上角还是右下角，用的都是同一套判断标准。

打个比方

算法是菜谱，算力是灶火，数据是食材。菜谱再好，没有食材做不出菜，火不够大也做不熟。

一九八六年菜谱就已经写好了，另外两样等了二十年才补齐。

打个比方相当于换了一种雇人的方式

过去要完成一项工作，得先招人，再按这项工作专门培训几个月，培训完他只会这一件事，换个岗位就得重招重训。

现在是先招进来一个受过完整通识教育的人，交办新任务时只需要把要求讲清楚，必要时给他看两份样例，当天就能上手。

打个比方只用一种感官像隔着门缝看人

听见走廊里有脚步声，知道有人来了，但不知道是谁。只看到一个背影，知道是谁，但不知道他要做什么。把声音、画面、说的话合在一起，才知道是隔壁宿舍的同学抱着一摞书过来还书。

每增加一种模态，能排除掉的误判就多一批。

打个比方

象棋里白送一个车换对方将军入局，这一步在当下看是巨亏，在整局看却是必胜手。只盯着眼前得分的程序永远学不会这种走法，因为它在那一步得到的即时反馈是负的。