当每个人回首往事的时候或多或少都会想起一些后悔的事情。对当时的决策有一种悔不当初的感慨。试想每次做决定时如果有阿尔法狗这样高级人工智能帮助你，会少走许多弯路，会极大的提高成功率。
我们当然不可能拥有阿尔法狗，但我们可以了解了人工智能的算法并学习之。
一个人的一生，无非也是一盘棋。
以围棋为例，人类因为算力局限，以及习惯的「只看眼前」，会混淆局部（短期）最优，和全局（长期）最优。
AI的逻辑就只顾终局胜率，每一手都归零，从头算当下的概率。
这里涉及两个数学概念:马尔科夫模型和贝叶斯定理，简略解释一下。
马尔科夫模型：
很多事情的发生，和之前的铺垫或经历没有任何关系。比如投硬币，第一次投硬币，无论是正面还是反面，对于第二次投硬币的结果没有任何影响。但是第一次和第二次投硬币，有个时间顺序；只是这个时间顺序，并没有对这两件事情各自有什么影响。这就是马尔可夫过程
贝叶斯定理
后验分布 = 先验分布×似然度
笼统来说，人可以利用新的数据、信息、和知识，不断更新自己对世界的认知。也就是说，人的认知是贝叶斯式的。
先验就是指当前的认知水平。
似然度包含了新数据带来的信息。
AI的目标是最终的胜利。每走一步的决策都是马尔可夫过程，而决策的逻辑是由贝叶斯定理支配的。为了使当下的决策更利于最终的目的必须提高自我的认知。不然就会陷入马尔科夫陷阱中。
解决方案是：专注做好眼下最重要的那件事，并通过自我提升来提高后天认知，不断修正决策逻辑，反复循环使成功的概率提高，并最终达到自我实现的目的。
网友评论