AI机器学习之道：鉴往知来，瞬间洞察

1   AI是深谙“鉴往知来艺术”的大师

在网络时代里，大数据呈现出量大、不一致、又不确定性，使人们困扰。因为人们的许多行为都面临着在模糊未明的情况下进行规划和决策，这已成为今天的普遍现象了，它就像迷雾或月光的效果一样，常常使事物的局部扩大、模糊了面貌，无法掌握其本质。

那么，我们该如何通过瞬间洞察(Flash of insight)来穿越迷雾呢? 最有效的途径是：吸取经验、培养直觉，发挥“鉴往知来的艺术(The art of what works)”。

而当今主流的AI( 人工智能) 就是一位深谙“鉴往知来艺术”的大师，它融合了统计( 学) 回归分析方法、搭配互联网普及和机器高效运算，而获得专家直觉和瞬间洞察的能力，可强力协助人们穿越这层迷雾。

所谓鉴往知来的艺术，就是可以看出眼前或未“来”的情况和过“往”发生情况的某些相似( 特征)点。愈多的经验和专业知识，就愈能看出许多似曾相识的情况，而在缺乏经验的新手的眼中，可能每一个情况都是新颖而且独特的。这又称为：专家直觉（Expert intuition）。

AI 从大数据的统计分析或人类专家传授的不同途径中，获取瞬间洞察，点燃了鉴往知来艺术的火花。面对眼前事物的不完全信息、未来的不确定，AI 可以吸取经验、发挥直觉，协助您摆脱疑云的纠缠，拥有警醒的双眼，冷静洞悉通往成功之路。

当专家从一堆事物中辨识出似曾相识的情况时，会采取类似的解决方法，可以有效节省许多的尝试错误和摸索探寻的功夫。同样地，AI 也通过统计( 学) 回归分析算法而拥有和专家一样的辨识事物，以及探寻相似性(Similarity)，并对事物进行分类(Classification) 的能力。

换句话说，AI 也拥有丰富的专家直觉。在《科学革命的结构》(The structure of scientific revolution) 一书里，作者Kuhn( 孔恩) 曾经说道：“直觉不是个人的……，直觉是一个成功群体成员经过测试而共同具有的，新手人员可以经由训练( 学习) 而获得直觉，这是他们为成为这个群体成员所做的准备。”

同样，AI( 机器) 也能通过训练( 学习) 而获得直觉和瞬间洞察的眼光。这称为：机器学习(Machine learning)^[1]。

2   AI(机器学习)是一门“看”(Seeing)的艺术

AI( 机器学习) 是一门“看”(Seeing) 的艺术。例如，日本著名武士宫本武藏在他写的《五轮书》里，传授专家直觉的禅道：“在策略中，你必须能不移动眼珠而观看到两边，您无法快速地学会这种能力，请照着以下的方法练习：在每天的生活中练习使用这种注视法，不论发生什么事都不要改变它。”

注视眼前的全局征兆，以专家直觉衬托出全貌。计算机科学界诺贝尔奖“图灵奖”得主Judea Pearl( 珀尔)在其2019 年的新书《因果革命》里，也以图片里的猫头鹰来强调当今主流AI 的专家直觉及洞察眼光(Seeing)的艺术，如图1。

过去数千年来，专家们就得以鉴往知来为基础，穿越迷雾，多方尝试，保留最可奏效的方法，以迅速强有力的行动抓住突然降临的好机运。如今，的AI( 机器学习) 也懂得“多方尝试，保留奏效的途径”的模式。例如AI 强化学习(Reinforcement learning)。

图1 以猫头鹰来强调当今主流AI的专家直觉及洞察眼光的艺术 来源：https://www.sohu.com/a/321480619_129720

3   AI如何“看”出事物的全貌

AI 擅于计算相似性，并据之分群、分类。我们也一样可以给AI 归类，然后我发现AI 与专家直觉两者具极高的相似度。既然这两者属于同一类别，我们就可以发挥“鉴往知来”的艺术。通过我们过“往”经验和知识，而衬托出AI 的全貌，并推估它的未“来”发展。于是，什么是AI 呢? AI 有什么用呢? 就非常清晰明朗了。

3.1 鉴往

从我们的既有经验中，可以看出来最典型的专家直觉就是：开车。其最大特征是：直觉反应，不假思考。

现在，AI 和司机是归于同一类，意味着AI 也具备上述两项特征；因而也能推知如下。

●   未来发展：AI 司机将大量取代人类司机。

●   AI 人工智能，是不假思索、不经理性逻辑推理的直觉性智能。

●   AI 的推论结果就没有高度正确性，只有准确性。

●   AI 人工智能与IT 信息科技，两者并不同类。例如，许多学校把AI 归入信息科技类，其实是违背专家直觉的“非专家见识”。

无论是人或AI，都会鉴古，手段是：拿一堆历史的殊相( 资料)，归纳出共相。在人方面，采归纳法找出万变不离其宗的恒常性，谓之“道”。在AI 方面，采统计学回归分析，找出最中庸的回归曲线或面等。

3.2 知来

刚才说明了AI 最核心能力是“鉴往知来”，其最亮丽的表现是“瞬间洞察”。道与中庸皆为共相。求道而得道，谓之高人、圣人，乃专家也。高人圣人身怀专家直觉，就可观察眼前事物的征兆( 殊相)，然后进行：殊相 + 同类的共相 = 该事物的( 推测) 全貌就能洞悉出未来发展的全貌了。于此，举个生活中例子来说明之。例如小胜和小淑两人是一家信息科技公司的同事。有一天的中午前，小胜打电话向自助餐老板订购两个午餐便当（如图2）。

老板问小胜：您今天想吃什么便当呢？

小胜回答说：我今天要排骨便当；另外还要一个便当，我来问小淑同事。

老板又问小淑：您今天想吃什么便当呢？

小淑回答说：我今天要鸡腿便当。

最后老板又问：你们要配什么菜呢？

小胜、小淑回答：都可以。

图2 小胜打电话向自助餐老板订午餐便当

到了中午吃饭时，小胜、小淑两人打开便当，看到了排骨便当里有一个卤蛋；而鸡腿便当里有一个荷包蛋。小胜、小淑异口同声说道：这位老板很像我们正在训练的AI 模型呀，他和AI 一样能鉴往知来、瞬间洞悉事物( 便当) 的全貌。

4   AI技术能力从哪里来

当今基于机器学习的AI，其具备两项的逻辑思维技能：“归纳逻辑”与“推论逻辑”。

●   归纳逻辑：人类先把算法( 程序) 喂给AI，就成为它“鉴古”的“归纳”逻辑能力。

●   推论逻辑：接着，引领它去“归纳( 鉴古)”，此时就把一群特定领域的大数据喂给它，让它去归纳( 又称学习)。所谓学而时习之，不断探索数据里的相关性(Correlation)，逐渐归纳出这个领域大数据里的规律性。就成为它“知来”的推论逻辑能力了。

人类设计算法、编写Python 等程序(Program)，来叙述“归纳逻辑”，然后把程序植入计算机里，让计算机拥有：归纳思维能力。所以AI 算法的“编程逻辑”所表达的就是“归纳逻辑”，它让AI 有能力自行归纳出“推论逻辑”。所以，AI 的编程逻辑，并不等于AI的推论逻辑。

简而言之，AI 的“推论逻辑”与工程师的算法“程序逻辑”是有很大不同的。程序逻辑仍有影响力，但只是建议的角色，而非控制的角色。所以对于人类而言，AI 的“推论逻辑”是无从理解的，通称为：黑盒子(Black box)，或黑箱。因之，以对于人类而言，AI 的推论结果即其行为是不确定(Uncertain) 的。所以说，AI 的两项特质就是：黑盒子和不确定性行为。

5   结语

专家直觉来自“鉴往”，又称“考古”。也就是来自归纳思维的抽象，抽出共同现象：共相。然后，把共相套用于眼前的殊相上，就不一定100% 正确。更何况眼前事物只出现一些征兆( 非全貌) 而已，AI 不仅仅拿眼前的大量数据来处理，而依公式计算出结论而已；而是先去探索过往的历史资料( 如古代读书人勤读古书经史)，而获得共相( 道)，谓之：知道。在AI 方面谓之：训练(Training)。

大家常说：学以致用。学而知“道”，然后巧妙地应“用”于眼前或未来的新事物上。AI 的训练就是让AI“知道”；而AI 的预测就是道之用。这是AI 的预测的本质。

参考文献：

[1] DUGGAN W.直觉(The Art of What Works)[M].李芳龄,译.北京:中国财政经济出版社,2005.

（本文来源于《电子产品世界》杂志2021年1月期）