今天和明天我总结一下智能时代的方法论，为了便于阅读，我用清单的形式总结这一年的内容。
一、我们需要对这个世界的特点有深刻的了解
我在课程中首先谈到了未来世界的大。
我在第197封信中谈到了葛立恒数，它已经大大地超出了任何人的想象，但是它又不是无穷大，而是一个实实在在具体的数字。我们人类通常能够想象出的大数字，就是那些呈现出指数增长的数字，比如围棋棋盘上的变化数量，等等，已经比我们通常所接触到的世界大很多了。
生活在一个小世界里的人，想认清一个大世界是很难的一件事。我过去读《庄子》时，读到“井蛙不可以语于海者，拘于虚也；夏虫不可以语于冰者，笃于时也；曲士不可以语于道者，束于教也”。不禁感慨，因为我们生活的世界限制了我们的认识。
今天的人很容易接受牛顿力学的三定律，因为它所描述的世界和我们能感知的是一致的。但是，我们难以想象相对论，因为我们见到的物体运动速度相比光速太慢了。
人要想在未来的世界里立于不败之地，就需要让自己的认识超越感官，最好的办法就是借助于工具。这个工具既包括方法论上的工具，也包括具体的工具。
当年爱因斯坦想出相对论的道理，就是借助了洛伦兹变换这个工具。“Google方法论”这门课，目的就是提供这种方法论工具的皮毛。当然，大家要更好地理解世界，需要跟随名师，不断学习，提高自己的见识。
在未来时代具体的工具，是以计算机为核心的各种IT产品和服务，对于这些工具，我们需要熟练掌握。我在这门课中多次讲了科技革命的范式，也就是：现有产业＋新技术＝新产业。
新技术是一个工具，利用这个工具，将人类最基本的需求做好，就是新产业。
除了世界超乎寻常地大之外，我还谈到了变与不变的关系。
这个世界变化快，是我们的共识。美国财富500强的那些巨无霸企业，平均年龄只有40岁出头，和美国社会的自然人的平均年龄38岁差不多，远小于人80岁的平均寿命。这并非因为那些企业经营得不好，而是说明产业变化太快。
通常对于快速变化的世界有两种应对的做法。第一是你变得比它还要快。我在《智能时代》一书中讲到过，癌症之所以难治愈是因为癌细胞会变化。但是，如果对一个患者来讲，有一个专门的团队为他开发新药，而且开发的速度超过癌细胞变的速度，那么他的病就不可怕。这是今天做事情的第一种思路。
我们开发实时的大数据处理工具，采用IoT跟踪监控各种场合，其实就是为了对变化作出快速的反应。我多次对创业者讲，我们的时代需要变色龙，而不是恐龙，就是希望创业者能够快速适应变化。在智能时代，有了机器智能，快速适应是有可能实现的。
另一个思路则是寻找一些不变的东西，或者变化慢的东西，影响深远的因素，把握好它们，以不变应万变。
我在《浪潮之巅》中讲过IBM的商业模式，它的核心是服务，技术对它来讲只是手段，是表象，服务是根本。不论人类如何进步，总是需要服务的，因此它做好各种服务，就永远有生意做。
MIT媒体实验室主任伊藤先生讲了这样一个观点——指南针优于地图。他的大意是说，在能够预测的年代，我们看到地图就能找到路径，但这里面有一个前提条件，那就是从过去到今天变化不大。
如果一个城市的道路每天都在改变，地图就失去了意义。但是在未来，很难画出一份准确而具有时效性的地图，因此靠过去的老地图找方向就不可能了。在这种情况下，学会使用指南针找准方向，要比按图索骥有意义得多。使用指南针的技能，则属于不变的范畴。
关于这一点，我们从中学起其实就有所体会。老师给一个公式，就能按照公式解一大批数学题，但是如果考卷上大量的题不符合那个公式，再套用公式的人就傻眼了，而掌握了基本数学原理，有能力推导新公式的人，就能立于不败之地。后一种能力，就是伊藤所说的使用指南针。
我们在前面的公式里强调的现有产业，其实在某种程度上就是不变的元素，它们有很多存在了上千年，必有其中的道理，我们所需要的不是马上否定它们，而是应该考虑它们能够存在上千年的核心本质。
二、关于边界
今天大部分媒体都把人工智能吹成是无所不能的。但是我们却在课程中从理论出发，分析了为什么人工智能不是万能的。
不仅人工智能不是万能的，计算机也不是万能的，因为它被三条线给限死了，这三条线分别是图灵的可计算性理论，也就是图灵机的理论，冯·诺依曼的计算机系统结构，还有就是半导体的物理极限。计算机科学家和工程师们所做的工作，无非是在边界中把事情做好。
世界上有很多边界并非是人划定的，而是自然的规律，是跃不过去的，就如同快不过光速，冷不过绝对零度一样。试图超越边界的做法，都属于妄念。当我们将注意力集中在边界之内，我们才能够最大限度地将事情做好。
三、关于量级的概念
我在这门课中讲了很多计算机科学中的经典算法。那些经典算法的一个共同特点是，它们通常可以将计算的效率提高一个量级。当两种方法有量级之差时，它们的计算时间或者所占用的资源，可不是差一倍两倍，十倍八倍，甚至不止成千上万倍，而是有亿万倍的差距。
因此，好的方法和坏的方法在工程上是有天壤之别的。由于我们所面对的世界太大，比如下围棋的时候，我们必须找到有量级的改进，才能让过去看来不可解决的问题得到解决。
通过量级这个概念，我们在体会好方法和坏方法差异的同时，也能体会出为什么今天顶级的专业人士能够比平庸的从业者贡献大很多，收入高很多的原因。关于这一点，我明天还会讲。
解决规模巨大的问题，除了要找到在量级上更有效的方法，还需要在工程上平衡好粗调和精调的关系。
粗调的目的是为了快速找到方向，精调的目的是为了在大致方向确定后，准确找到答案。没有粗调，我们在一个巨大的世界里找到目标就太费时，成本太高；没有精调，我们只能大致定位目标，无法精确找到。
关于这一点，我在第25封来信《粗调和精调》介绍玻璃球实验中已经介绍过了。今天机器学习的很多算法的改进，其实都是平衡粗调和精调的结果。
四、局部与整体的关系
我在课程中花了很大的篇幅，介绍计算机的原理和发展过程，这是为了让大家对计算机这样一个复杂的系统有整体的了解。在上个世纪40年代计算机出现之前，世界属于机械的时代，那个时代的一个重要规律就是整体等于部分的和，要了解整体，只要彻底分析各个部分就可以了。
但是，世界上有很多复杂的系统，比如生物体，部分的功能凑到一起不等于整体的功能，于是就在计算机出现的同时，出现了系统论。人类认识到提高整体性能，远不是简单提高每一个局部的性能就可以达到的。
因此，在信息时代，聪明的IT从业者懂得要提高整体性能的道理。今天的苹果手机就是一个很好的例子。它的每一个部分拆下来并不比竞争对手的好，但是它的整体性能却很突出。
当然，提高整体性能也不可能所有的部分同时改变，也需要一部分一部分渐进地改变。在有限的资源和时间条件下，如何决定先改变什么，暂时保留什么，则也有规律可循，这就是我在第198封来信中介绍的阿姆达尔定律。简单地讲，就是先解决影响大的，位于关键路径上的瓶颈问题。
网友评论