人工智能并不是要替代你的工作。当下的人工智能主要是根据当前的环境作出相应的预测。其核心的目的是，分类。
目前工程上主要采取以历史数据为依据所采取的行动。在将来有新的数据时根据数据采取类似行动。工程上三个方向，分别为，表格数据预测。自然语言处理。图像检测识别。
这三个方向的数据，归根结底其实都是数字矩阵。所以因为目前算法的飞速发展。导致这三个方向的处理的方法，也开始趋于统一。
第一盆冷水：人工智能归根结底是数学。
数学主要来自于生产生活实践。由数学衍生出来的物理学，化学等学科。
而数学模型是对现实生活中的抽象。数学模型，可以对生活进行预测和预知。最先起源于希腊。如用圆来代表行星的轨道，用球体来代表地球。具有代表性的就是行星轨道模型。系，日月星辰的运动，可以抽象为，一系列互相嵌套的圆周运动。
15世纪，人类从农业向工业变化。出现了诸如牛顿这样的科学家。这时出现了一个新的用数学模型的高潮，这个高潮主要以物理学为代表。具有代表性的就是牛顿三大定律。而由牛顿力学逐渐发展到，热学，电学，光学，电磁学。
这波高潮给我们带来了：汽车，蒸汽机，甚至现在的粒子加速器。归根结底，都是牛顿的思想。牛顿的思想的本质是，物体的运动必有其原因。任何复杂的运动，都可以分解为简单的运动。因此给予我们极大的信心，只要我们了解够足够多的信息，就可以预测所有的运动。希望可以预测股市，人脑，以及灾难等等。
第二盆冷水：我们的希望落空了。
如，股市，在09年时，交易员都认为自己的模型具有很强的稳定性，不会再出现金融危机。然而众所周知，股市崩盘了。因此让人们了解到数学模型，预测股市是有问题的。
我们为什么无法预测这些复杂的东西呢？原因就是我们生活在很复杂的世界中。
首先就是随机性。随机性，究其原因是我们无法得到所有的信息。有时我们甚至连扔出去的骰子，都不确定，他会出现哪个面儿。第二就是混沌，即我们初始的条件只要产生细微的变化，其结果就会产生十分巨大的变化。第三就是反身性。当你参与其中时，就会对其结果产生影响。明显的例子，就是股市，你买了股票，就会对股票价格产生影响，从而影响之后的走势。第四就是网络效应。网络中的每个个体都会存在相互影响。导致结果无法预测。最后一个是历史依赖。你当前的状态取决于你之前无限个状态的集合。
一点安慰：虽然我们不可以预测，但是我们可以进行一个理论性的解释。什么是不可以预测的，为什么不可以预测？
这些难以预测的对象往往有一些共同的点。
第一，这些复杂的对象有一些简单的点构成。如预测天气，空气是由一个个分子组成的。天气是由分子相互作用产生的。人的基本属性只有吃喝拉撒睡，但是很多人则可以组成社群，集体，国家。
第二，个体的相互作用反而受到系统的制约。就像我们买卖物品，物品的价格受到市场的制约。
第三，在网络结构中往往有一些关键的核心节点。这些关键节点往往连接两个或多个群落。每个群落可以看成一个模块，由这些关键节点进行连接。举个例子，就像网络上的大v就可以看作这些关键节点。而这些群落之间的信息交流基本都通过这些关键点。
总结一下就是独立类似个体，互相反馈，互相传递信息形成群落，群落与群落之间又通过一些节点形成更大的组织。这样的系统的行为和个体行为往往不可预测或者很难预测。
网友评论