最近我一直在思考，我们和这个时代最先进的技术——人工智能相比，我们人类大脑最大的优势在哪里？
现在最先进的人工智能技术可以进行图像识别。它可以识别图片并且进行学习，就是所谓的机器学习。用这种技术，计算机可以分辨出一张婴儿的脸和一张猫的脸。
我们对于一张脸的定义其实很简单，无非就是两只眼睛、一个鼻子、一张嘴可能还有两只耳朵这样的一个空间布局，是有一个确定性的规则的。可是这个规则适用于所有人的脸，也适用于所有动物的脸。如果想要让计算机识别一张婴儿的脸和一张猫的脸的，这样简单明确的规则对计算机就完全不适用了，那现在最优秀的人工智能技术是怎么来识别一张婴儿脸和一张猫脸呢？
这就要说到机器学习技术。我在研究生的时候学过一些机器学习的皮毛，大概知道原理是什么，今天可以简单跟大家介绍一下，其实所谓的机器学习和计量经济学、统计学的很多技术是一脉相承的。在这个过程中，一定会有一大堆的数据，而我们需要做的是在一堆杂乱的数据当中去找规律或者是数据上面所暗含的信息，通过分析这些数据的规律，我们可能会得到一些结论。这就是一整套机器学习的大概过程。
具体怎么来做呢？计算机会试验不同数据之间的关联，这个关联可能很复杂，但是它一定会有一个公式，而这个公式里所有的参数、数学符号、数学公式，计算机都会一个一个去试，直到找到一个最贴切的能够描述这堆杂乱无章数据的总体规律的公式，把这个公式得出来，就是这个问题的答案，也是机器学习的精髓。
所以本质上机器学习所做的事情就是在用穷尽的方法，找到这些所有的关联或者可能的规律，选出那个最接近真实情况的规律。
这听起来好像没有那么的高科技，因为它不是一个技术活，而是一个大力出奇迹的体力活，只不过是计算机的计算能力非常强大，可以很快穷举出成百上千万的可能，找到最好的可能、最优的路径。
这就是为什么人工智能机器学习的这些理论几十年前其实就已经被美国科学家发明出来了，但是因为计算机没有强大的计算能力，所以AI没有办法真正被孕育出来。直到近些年来吴恩达发现了用英伟达的GPU这样的一个方式可以极大地提升计算能力，计算机可以在成百上千万方案当中挑选最好的方案，AI才蓬勃发展起来。
计算机如何分辨一张婴儿的脸和一只猫的脸？本质上所用的方法也差不多，它也会用机器学习的方法分析这些图像，因为图像可以转换成数据，只是需要海量的数据。它要在这些杂乱无章的海量数据当中去找规律。所以如果你想用人工智能的技术去识别婴儿的脸和猫的脸，就需要向机器输入上百万张婴儿脸的照片和上百万张猫脸的照片，只有数据达到了这个数量级，机器学习才会不断地去找规律，最后形成它自己的一套判定方案，但是人类是不知道具体因为什么、怎么判断，什么样的规律让它知道哪个是婴儿脸哪个是猫脸的。而且如果给的数据足够多，机器学习用这样的技术就可以几乎百分之百正确地分辨出婴儿脸和猫脸。
很多朋友们可能会问，苹果最新的手机可能会出Face ID，华为等高端的手机也都有类似的功能，能分辨出每一个人脸的不同，用面部识别解锁，好像也没有输入几百万张我的照片，那它是怎么分辨出来的？
实际上它用的是完全不同的技术，它是通过激光扫描人脸面部的一些特定的弯曲或者是形状来辨别的，因为每个人的脸都会有细微的差别。这本质上是扫描技术，不是人工智能技术，跟我们今天讨论的话题无关。
机器是通过大量的数据分析，才会识别出婴儿的脸和猫的脸，但是对于人来说，我们是怎么做到的呢？我们可能看两三张婴儿脸的照片和两三张猫脸的照片，大概就能够找到其中的规律。
人脑到底是如何能够这么容易地识别那些不同的看起来长得却都差不多的东西的？
我认为现在最接近于正确答案的一个猜测就是我们大脑有一种天生的模式识别能力。我们人脑非常善于从日常的经验、记忆当中去抽取最相关的信息，非常善于联想，联想到过去看到过的东西，本质上就是经验之谈。但是机器学习必须输入确定化的东西，有一些不确定化的东西你要给它输入上百万的数据量，它可能从这个不确定当中通过一些确定性的算法才能得到结果。
这种能力也是人类大脑在面对人工智能、面对AI的时候一个最大的优势。因为同样一个模式识别的任务，人类大脑可能几次就能产生这样的联想，而机器学习却要用几百万次。
日常生活当中我们也经常会非常相信那些所谓的老司机，因为他们更有经验，之前发生了很多事情，实际上在之后是反反复复确实会发生的。那么这些有经验的老司机带一带我们，给我们讲解，有这样一个前辈就会让我们在事业、学业或者生活当中进步神速。这些经验之谈，确实是非常的宝贵，因为它们来源于我们人类大脑千百万年来的进化优势——模式识别能力。
与此同时，我想给大家另外的思考角度：人类大脑有了这个优势，对于我们来说真的是百分之百的好事吗？
关于这个话题我们下周接着聊。
网友评论