五月花火盛

一个小故事

一天早上,遇到一家长送孩子上学。经过一棵树旁边时,家长指着那棵树问孩子,“你知道这是什么树吗?”一个简短的小对话扰动了我的神经,小孩子究竟是如何获得新知识的?

因为我最近用多智能体模拟软件NetLogo模拟了一个自动化工厂,整个工厂的运作全部由机器人完成,机器人/智能体需要不断从环境中学习知识,并作出响应,背后的理论支撑是AI的一个重要分支–符号推理,几十年前比较红火的专家系统基本上全是用的这个理论。符号推理侧重的是用基础知识库+事实推演出新知识。联系到小孩子学习新知识的场景,我得出了几个粗陋的见解。

首先是,新知识是如何从旧知识中产生的?前人已经研究得相当清楚,归纳法是不可以的,它只是将两个基本知识用另一套语言进行了表述;演绎法,则将基本的知识点进行延展,可以获得新知识,常说的三段式其实就是演绎法,举个例子:

大前提:树有叶子

小前提:槐树是一种树

则可以推演出结论,槐树有叶子。

第二点是人的知识建立,很符合伟大的先哲们归纳的公理体系,首先是孩子脑子里有了几个基本的人、物概念,包括树的概念(相当于是公理),其次是孩子会用推理,在知道某物是树的情况下,可以快速获得某树是什么树的知识;

第三点是有关当下炙手可热的深度学习,Deep Learning给许多领域带来了突破,包括图像、语音、自然语言处理等。虽然它解决了许多问题,但它本质是一个复杂函数的拟合,成百上千乃至百万级的参数,在大数据的训练下,对多种输入都能进行很好地处理并给出正确的结果,但它的致命缺点是非确定性,它不一定能正确处理新输入。而符号推理侧重的是环环相扣,明确的知识构建及推理,所以两者结合应该是非常好的点,可能许多人都在探索。但如果深究的话,我就容易产生困惑。因为知识是存在生命期的,一个知识,现在是正确的,不意味着它会一直正确下去。用今人构建的知识库、专家系统,只是使用的当下经验,所以它给出的结果也是会出错的,这样的话,即使是用清晰的规则来定义处理逻辑,也很难保证结果的绝对正确。另外,人处理事情的逻辑本质上也可以看做是个非常复杂非常复杂的函数,也是在不断变化。受限于了解的内容,人得到的知识都是特定条件下的知识。我不清楚,是不是可以把专家系统跟深度学习系统同等对待(他们均存在判断未知数据出错的情况),是不是意味着逻辑推理和深度学习两种途径其实是殊途同归;

第四点是,人类好像被上帝诅咒了,虽然可以熟练使用技巧,却难以察觉本质,比如很难意识到演绎方法的使用,很难想象我们竟然一直在地心引力的束缚下生活,因为天圆地方的概念非常符合我们的感觉,我们本来就该在地面行走,一切都非常自然。但是上帝说,要有光,于是牛顿诞生了,牛顿给出新的解释,并且让人觉得相当彻底,无懈可击,“原来世界是这个样子的”。但现代科学对牛顿体系的评价是这只是特殊情况的近似,爱因斯坦的理论再次颠覆了人们的时空观。这个世界真是存在太多没有被人意识到的存在。

 一个预料之中的新闻

4月30日,港交所公布“同股不同权”政策,5月3日,小米递交IPO申请文件,有望成为港交所“同股不同权”第一股。

雷军在公开信里面说,小米是一家以手机、智能硬件和IoT平台为核心的互联网公司。整个公开信里面几乎没有用英文词汇,IoT(Internet of Things)格外亮眼,小米是较早布局智能家居的企业,但几年前物联网的发展特别缓慢,随着网络的提速,带宽的增加,IoT的发展时机越来越成熟,而小米正是这个领域的领头羊,小米非常有可能在万物互联的时代成为一个平台级的公司,成为新的巨无霸。

而我们都知道,每一个成就背后都有无数个奋斗的故事,如果我们去了解下雷军的经历,我们会发现他一直是非常典型的邻家男孩,一路成长,一路榜样。

我相信,每个人内心都有一个热血青年存在,愿一如少年!

发表评论

电子邮件地址不会被公开。 必填项已用*标注