《deep work》慢慢读第一 人工智能

慢慢读是仿中国台湾JT叔叔的（伤寒论慢慢教）。Cal Newport的这本书是元旦放假前在《王烁学习报告》里看到的，王是财新主编，被遴选为世界学人在耶鲁进修，期间写了付费的学习报告，值得推荐（除了他对川普，对美国，对黄金的看法）。

他介绍这本书是源于有人提问说智能化的时代，人应该做什么工作。尤其是阿尔法下围棋时横扫人类冠军的本领。据他的了解，人工智能最近的突破是在深度学习，而人擅长的是深度工作。

谷歌了一下，深度学习的一种算法是神经网络，本科时选修过，当时就觉得很神奇（输入和输出确定好，然后中间的一对链条具体如何连接是通过学习试错来获得的）。所以首先人要把输入输出项确定好，单因单果的比较好确认，而更复杂的是多因多果（想当年，韦伯因为发现了这个社会科学的根本困境，而不得不短短嘘嘘忍受精神崩溃七年之久。想明白的时候，才写了伟大的著作《清教伦理与资本主义精神》 ）。拿中医来说，比如一个病人发热、出汗，腹泻。那是感冒引起的消化不良（这个消化不良等感冒好了就没事了，如果去治疗，就是过度治疗），还是吃坏了引起的感冒？只有通过辩证确立那个是因，那个是果，才好对症下药。当然从常识来说，庸医居多，辩证所体现正是判断力——对人类来说至关重要。有个著名的例子是布里丹的毛驴：两头等距的地方放着萝卜，毛驴会如何选择？最后毛驴饿死了。如何学会价值？这也是人工智能未来的大瓶颈。

我觉得还有一些小瓶颈。比如从演化史来看（以后会重读《第二天性》，《脑的进化及其意识的创生等》），人的大脑容量有个突变，合理的推测是交换所引起的欺骗和识别欺骗（通过语言观察，笑容，感觉等来识别）。人工智能将来也得过这一关。比如最近facebook要在其智能广告系统增加更多的人工审核（有证据表明某熊国利用这个系统干扰了美国大选）。也比如各种大数据预判希拉里一边倒的赢得美国16年大选，结果是被打的稀里哗啦。

越研究人工智能，发现对人类自身的理解越匮乏，就像道金斯在《盲眼钟表匠》里所说的，人类越好奇蝙蝠如何回声定位的，回过头来就更应该百倍好奇人类的视力系统。习以为常的东西，不是因为他们不重要，而是已经固化在我们的意识里了。

哈耶克认为绝大部分的知识存在于人组成的网络之中，一代一代通过传统和模仿来传递。人类的演化历史中有那么多的生存危机，渡过的金钥匙都藏在传统之中。我们祖先经历过游牧到农耕，到工业化，这算是对未来人类乐观的理由（宗教给人的是理由，信仰，所以从理性的角度来批判宗教是不合理的）。

TED有个演讲是James Flynn的“为什么我们的智商比我们的祖父母高?”，如果按照现在的智商测试，100年前的人是70分（智障水平），按照一百年前的试题，我们是130分（天才水平）。看见没，是在变化的。

耶鲁的诺奖得主罗伯特.席勒写过一篇，究竟应该教学生什么。两个内容：一个是柔性的能更新的知识；一个是联系实际的。知识有一种分类是：不可交流的、可交流但成本很高的、可交流且可规模化的。第一种，只能通过模仿来习得，比如学徒制（跟着老师傅学望闻问切，学抓药，学采集草药等），前段时间我教小丫头砸钉子，理论上就一句话，但实际操作上就很有笑点，有时候砸手上，有时候捏的松了砸飞了，有的时候捏太紧了也不行。第二种，比如以前在一家韩国企业上班，老师傅待了两年，我才明白一些基本的形式规则（例如谁的嗓门大，谁就有理），也比如一个同学要讲他擅长的物理超导理论给我，单对单，而且成本就很高，这个环节重要的是互补，不是一个人会所有事，而是各种专家一起工作。第三种就是通识教育，在学校有规模效应的，可以组团的，而且效用也似乎很容易感觉到，比如幼儿园的a o e等。席勒认为机器人的学习第三种就很快。和电脑比这个，就和龟兔赛跑一样。柔性的知识系统，感觉就类似一个模糊的思维，你不需要知道所有信息，要能猜到答案，比如DNA双螺旋结构是沃森先猜到的。Cal的一个见解是你是否擅长和人工智能一起工作？这类人是资深人员。日本的机器自动化很厉害，他使用机器来模拟资深技术工人的动作，而不是相反。

最后，我觉得更重要的是实证问题（体现实践智慧的地方，智慧不是知识）。比如亚当斯密只认可自己调查的或者观察到的实际现象，而拒绝推广到抽象的更广的地方。同样的研究公共选择的布坎南也拒绝把自己的研究结论推广到美国以外的国家。也就是说情境是有差异的。比如德国同事非常惊讶我们客户的生产方式。当哈耶克说到涌现秩序的时候，我就想到煮粥的时候水面的泡泡，真不好猜会发生在什么地方。人工智能（或其他现象）对某些地方的冲击可能会很大，对人类来说也许未必，就看各自是否能适应这种改变。