当下及未来，AI的能力边界

指人类既无法感受又无法表达和描述，仅机器能学习的知识，是隐藏在海量数据中的万事万物间的关系。

人工智能绝对是近些年来，以及未来一段时间内的最热门话题，可能没有之一。它冲击着我们每一个人的生活与工作：在各个行业，大家都在讨论AI对我们的影响，企业和个人应该做哪些准备；在孩子教育上，大家都在考虑未来该让孩子学哪个专业，特别是今年GhatGPT的热潮，让这种焦虑进一步显现……我们无论身处何地，无论从事哪个行业，都无法逃脱这个话题：AI将会如何改造这个世界？对我们有什么样的影响？

要试图回答这个问题，必须回到最核心的原点：AI的机制和原理，从而了解AI的能力边界。因为，AI的应用实在是太广泛，我们似乎认为AI无所不能，事实上，在生活和工作的方方面确实都受到了AI的影响，而且，到目前为止，这个影响还才刚刚开始，我们还无法想象到底对我们的影响有多大。就好比互联网刚出来的时候，我们一度以为雅虎、新浪就是巅峰，可后来真正成就的是Google、Amazon、Facebook以及百度、淘宝、腾讯；当移动互联网出来的时候，一度以为微博、微信就代表一切，直到Uber、Airbnb、滴滴、美团的横空出世……

现在我们仍只看到了冰山一角，AI一定会比上述的技术更广泛和深远的影响到我们生活的方方面面。因此，只有回到原点才能有更深刻的洞察和思考。

本书不是一本知识传授的书籍，和很多讲AI的书不一样，它不是教你如何用AI，不教你如何做算法。但本书告诉你的是AI能解决什么问题，不能解决什么问题，它的工作原理是什么？它的能力边界是什么？这是一本从底层思考的书，我非常推荐大家仔细阅读。

因为，正是作者这种底层思考的逻辑，深入浅出的讲解，让你理解AI是什么，AI能做什么，AI擅长什么，AI不擅长什么……这样能让每一个人从中受益，因为我们大部分人都不是AI的从业者，但我们渴望理解AI能做什么、AI不能做什么，这能帮助我们抽离技术的部分回到决策的起点：

本书不但将当下的机器学习的算法进行了分类（5大类别），更重要的是讲清楚了5大流派的基本原理，局限和边界。

1、 符号学派：其实就是决策逻辑树法，是能将明知识清晰的表达。

2、 贝叶斯学派：本质是知识是能清晰的知道每一件事情发生的概率。

3、 类推学派：跨越人类所不知晓的暗知识，找到相似点。

4、 联结学派：当下流行的神经网络学习，通过多层萃取特征值，找到相关性——大量的数据，超越了人类感知的相关性，从而实现了很多的不可能——我们的不理解。

5、 进化学派：不相信先验模型，通过演变、适者生存，合适的就留下，不合适的就淘汰。

总之，机器学习的本质特征不在于解释困果，而是相关性，通过不同的表达方式来找到相关性，从而得到解题的最正确可能性。理解这些算法的逻辑，就能理解它的优点和局限。

如下图，生动的展示了人类的经验，可能就是A点的一个很小的区域内的最优值，而不是一个更广阔世界的最优值，如此很好的解释了为什么AlphaGo为什么能打败柯洁——人类或许就是在A点寻求最佳，而世界还有B、C、D、F……这才有了聂卫平说，我们必须让阿老师来教我们下围棋，人类都看不懂它的下法。

尽管本书后三章用了很多的场景来诠释前面篇章的观点，但本人认为这些都不是最重要的。作者基于多年的观察、习得和思考总结，的确有参考价值，但正如前述所言，AI对人类的改变才刚刚开始，我们每一个都无法预知甚至都很难想象到最终能改变多少，但作者的思考和对本质的解读值得我们每一个人深思。

个人观点，本书的前四章是精华，是独孤九剑的剑意，后三章是作者基于前四章的应用，可参考而非真理，值得借鉴。总而言之，本书的思考方式，直达本质的思维让人钦佩，非常值得一读。

作者原则，首发于下面的公众号