人工智能时代应如何学习（第5页）

能力相关。

人类记住某些事物，是以非常抽象的方式提取关键特征，记忆成“模式”

。

这是如何做到的，现在还是谜。

预言学家雷·库兹韦尔猜想，人类记忆“模式”

是存储在大脑的三亿个柱状结构中。

且不管他的猜想是不是正确，我们只要知道人类的这种模式识别能力的强大，就足以发出感叹。

到目前为止，计算机“深度学习”

仍然需要海量数据，人工智能对每一件事的学习都要有足够多的数据支持。

因而很多人说“未来最宝贵的资源将是数据”

，如果得不到足够的数据，人工智能就很难发展。

对于一些有海量现存数据的领域，这是自然而然的事情，例如金融、医疗，但是人类社会生活还是有诸多领域缺乏足够多的数据记录，人工智能一时就很难习得。

对人情世故的理解也往往受限于数据。

人类拥有“从经历中学习”

的能力。

当一件事发生，作为单一的事件数据，人类就能学习到很多规律。

在事件学习方面，人类不仅不需要很大的样本数据，就可以“吃一堑长一智”

，甚至是可以超额学习，也就是“举一反三”

。

每个孩子都是“一叶知秋”

学习者，小时候，我们都能观察到他们胡乱总结生活规律。

一两岁的小孩就可以总结“这样扔东西奶奶会笑”

的规律。

这样的坏处当然是“以偏概全”

，但实际上，我们需要珍惜他们的这种特性。

因为这正是他们在用强大的“模式提取”

思考方式进行小数据学习，试图从生活小数据中提取宝贵的知识。

我们应该鼓励孩子们的思索，“以偏概全”

也可以转化为优点。

若想避免“以偏概全”

，可以让他们看到更多、经历更多、体验更多，但是思考和总结的能力是千金不换的。

联想学习vs.逻辑学习

孩子的思考总是充满联想跳跃。

我们通常认为走神是缺点，但其实也是优点。

人工智能学习一个领域的知识，会局限在这个领域内，按照这个领域内的数据，寻找相关联系，寻找因素之间的相互影响。

如果存在逻辑规则，人工智能学习毫无难处。

人工智能在一个领域内得到的知识很难联想或类比到其他领域，因为它们并不具备多个领域的知识记忆。

人类的语言里充满类比和联想。

本章未完，点击下一页继续阅读