Tianshu's Personal Site

终于到了2016年的最后一天，这一年就要过去了，我们终将会还念她。这一年世界很乱，非常乱，一对照就能发现本国的安定，让人觉得十分难得。对一个普通青年来说，最重要的还是生活。因此期望能有更多的平静，整个社会能少些戾气多些思考，最好还能再少一点点雾霾。如果要对2017年写三愿，我希望是：1，保持稳定； 2, 自信一些；3，风再大点。

鞋匠就该评论鞋子。作为一个从事人工智能行业的普通中年，还是老老实实的说自己的本行吧。2016年是非常热闹的一年，这里简单梳理一下这一年的重要进展，然后谈谈对明年的一点点期望。以下是正文。

大家都说2016年是人工智能元年，直观上的感受，人工智能火的不得了。这种感觉对不对？

我们先把时间调到2015年底，看看当时的人怎么预测。在2015年底，谈及人工智能，大家最先能想到的还是语音应用siri，深度学习的种种进展还局限在一个较小的范围内。因此当时的人谈到的都是比较实际的应用：2014年发布的亚马逊音箱销量不错，语音助手类应用看到了新的曙光；无人机市场相当的火爆；最后是各种机器人，工业类的，服务类的，消费类的，不过泛泛而谈的多，认真说的少。science评选的2015年十大突破没有一条和人工智能相关。Science也许太学术，在公众关心的突破科技榜单里，能搭上人工智能这条线且最火爆的是Magicleap。顺带提一下在当时中国的产业界，最热的名词是大数据。

再把时间拉回来，2016年底science的十大突破里Alphago终于上了榜。做为人工智能的里程碑和当仁不让的标志性事件，Alphago的影响怎么拔高都不为过。因为这是一个远远超出绝大多数人常识认知的事情。大家都觉得电脑围棋也就能跟业余高手玩玩，离职业棋手还差十万八千里，突然间就4：1干掉了前世界冠军，而且下出了捉摸不定的妙棋。就好比昨天还在公司年会上卡拉ok的小英，今天就站在了维也纳金色大厅舞台上演出美声独唱专场。这种强烈的反差必定让所有人记忆深刻。

有了Alphago造势，大家忽然就觉得人工智能要无所不能了。 加上六国苦秦久矣，2008危机之后，需要续命的资本主义经济等待的新技术突破迟迟未来。人工智能迅速被抬升到所谓信息技术革命之后又一次技术革命的高度。各种资源疯狂的扑了上来。媒体里，人工智能开始各种琴棋书画，无人汽车一定是个未来产业革命，各种机器人要取代90%以上的现有人类工作，还有VR/AR做为手机之后的下一个可能的硬件平台，都让人浮想联翩。

有推波助澜的，就有唱反调的。 人工智能也被搞出一些黑历史。 年初的时候一个聊天机器人在网上乱说话，据说是种族歧视。聊天机器人其实挺无辜，它只是有样学样，不知道说话要分场合，特别是要看身份，有些话有色人种说是自嘲，白人说就叫歧视，违反了政治正确。还有Tesla的自动驾驶模式出了好几场车祸，死了人，这个确实没有什么可辩解的， Tesla有点冒进了。

古人讲做事要低调，诚不我欺也！Magicleap在2015年最火，2016年就要倒霉。一下就遭人毒手，变成了一个大骗子。其实媒体各种不待见，抓眼球热点事件的心态可以理解，但是一拥而上无脑黑，实在有点过了。毕竟Magicleap做了一些实在事情，而且是不是演出都标明了。 还有一个搞笑的深圳小胖机器人伤人事件。据说是史上第一次机器人起义，其实完全是操作人员操作失误弄出了个乌龙，没有机器人本身什么事。

扫掉表面这一层浮沙，人工智能里还是有不少真金的。 今年比较出色的工作包括，超级深的网络，对抗式学习等等。自然语言处理相关领域也有很大进展。从word2vec的各种衍生工作，到微软刚刚发布能做几十种语言对话翻译的APP。

总结一下：科技发展前进的道路总是有起伏的，何况人工智能这种前路漫漫实属早期的科技，但是只要脚踏实地，前路可期！

在此为新的一年里人工智能行业写下两种愿望：

1. 不畏波折。
2. 低调一点。

最后说说人工智能相关的硬件的进展。 今年的人工智能进展炒热了GPU， Nvidia的股票连翻跟头。有人说GPU就是人工智能行业的发动机。从当前的人工智能市场来看，这样说没错。 人工智能发展还在早期拼算法的阶段， 为此在服务端做计算是明智之举。

在服务端做计算，不管是训练还是推断（inference）Nvidia 的GPU在生态系统和投资回报上全面领先。同样是GPU， N家的开发框架CUDA/CUDNN 远远甩开了原来图形卡时代的对手AMD。 计算领域的老大，Intel被打了一闷棍，最近终于缓过劲来了，开始各种收购，反击，口水仗。

服务平台是大公司的主战场。而随着人工智能发展，会逐渐下探到各个行业应用， 计算一定会慢慢迁移到端上。在端上的计算依赖于具体应用，很难被人一统江山，因此从道理上应当是中小公司的用武之地。有很多公司一言不合就要做芯片，瞄着的就是这个方向。但实际上，当前阶段做芯片的风险非常高， 因为算法还在不断发展，算法没有稳定之前，如果做出芯片，算法又有突破，岂不一出生就过时？

话说回来，做芯片也不是全没机会。 从应用出发，如果应用领域够量，而现有的技术算法性能已经可以满足要求，还是可以通过专用芯片的功耗，体积，成本优势来占领市场。语音识别也许就已经出现了这样的机会。

在这里为人工智能行业特别是做硬件，写下第三个愿望：

3.看的准些。

文章的最后，感谢一下鲁迅先生，明眼人知道我在模仿先生的“航空救国三愿”，个人非常喜欢那种文风。

 

 

昨天写完周期律，有点意犹未尽， 篇幅所限， 很多东西都没有讲明白。但对于一篇网络文章来说，这样的东西已经有点不合时宜了。估计大部分人看了开头就关掉了。现代社会讲快消费，懒得思考，这种费脑子的东西，不想也罢。读者们想看的是具体的指南，比如明年房价涨不涨，汇率要跌到哪里，下一个产业热点是什么之类的东西。就算是跳大神，他们也爱看，因为不费脑子，关乎金钱，迎合了兴趣点。这类东西，正是所谓抓住的用户的痛点。

应当讨好读者，还是讨好自己，对每个写作的人都是为难的事情。 按照周期律，或者复杂系统（计算宇宙里几乎一切现在搞不明白的事物都是）演化发展起起伏伏，螺旋上升的规律，写文章一会儿迎合读者，一会儿由作者发挥, 才是正确的作法。这样作者和读者可以共同学习探讨，螺旋上升。因此本文将在迎合作者的路径上再走一步，想来放松的读者可以就此止步了。我们明年再见！以下是正文。

所谓周期律，按照方法论来说， 是易，易是阴阳转化，往复循环，螺旋上升的复杂系统演化规律。而复杂系统是一个远离平衡态的非孤立系统。 我们都知道热力学第二定律， 孤立系统就会墒增，最终归为死寂。我们已知的宇宙，按照大爆炸理论，是有边界的，像是一个孤立宇宙。于是可以推论，宇宙终将归于寂灭。恒星燃烧完自己之后，变成矮星或者黑洞，围绕恒星的行星上假设有生命，一定逃不过这一劫。比如太阳的死亡对于人类来说，就是一个死结，只有搞出星际飞船。 等到银河系死亡，得换星系，那么全宇宙都死亡了呢？

也许事情不是这样的， 子曰，未知生，焉知死。考察宇宙的诞生，按照大爆炸理论，似乎砰的一下，各种负墒就凭空出现了， 我们是不是在宇宙消亡之前能搞出另一场大爆炸，造出负墒，为生命利用呢？

按照现有的理论，宇宙大爆炸的起点是一个奇点， 也就是无穷， 宇宙再大也是有穷的，也是可以理解的。而大爆炸理论说，这个有限世界是从无限中来的。 所谓无穷生有穷， 有穷的起源是无穷。无穷想搞明白就难了。黑洞只是一个小无穷， 大家就搞不大明白了，因为现有的数学工具碰上无穷都不好使。 能稍微搞明白一点，就可以成为世间少有的天才人物，比如霍金。

现代科学早已分支细化到各个学科，每一个学科中的具体内容都太多了，超出一个人能够掌握理解的范畴。能够跨学科思考问题就更难。要想掌握全局，只能抛掉各种细节，考察基本原理。相比之下，古人更能看到全局。因为古代和近代人类积累的知识还不多，范围有限，一个人可以全部学会。当时很多推动科学进步的伟人比如伽利略，牛顿都是通才。再往前看，人类知识的幼年时代，一些哲学家的思想就已经足够深入，触及了很多本原的问题，但是因为没有工具，只能提出问题，只能把握整体，下探不到细节。所以往往大而不当，对现实中问题给不出解答。 但这不表示他们的深入思考没有意义。直到今天，我们的全部哲学，仍然跳不出柏拉图曾经问过的问题包含的范围。

回到中国古人对宇宙本原的解释，最关键的概念是气， 道生一，一生二，二生三，三生万物。 中国传统文化，道，儒，释三家互相影响， 各种观点都互相借鉴，这里就不再细分了。古代所有研究“气”的学问，这里统称为气学。按照气学的看法，所谓道， 是鸿蒙，是混沌， 而气是万物的本源，也就是一， 道生一， 鸿蒙中生出气。 气分阴阳，阴阳二气化生万物。 气是一种动态，凝结为物，也就是物质。 而气就在物中流动，尤其是生物，流动的气与死物不同，人是万物的精华，气在人体内可以为精。精从气演化出来，人与万物从此有别。这一大套看似玄学的说法，也许抓住了本质。我们把以上名词替换成现代科学名词， 再重新叙述一遍：

所谓气， 是动态的，不段流动的，  物质的本源。 气到底是什么？  作者说，气就是物理大统一理论追寻的统一的力。 鸿蒙和混沌，就是无穷， 是奇点， 是宇宙大爆炸的本源， 也就是道。 道可道，非常道。 因为道是无穷没法说清楚。

道生一， 无穷中产生了有穷， 也就是统一的力，纯粹的力， 力一出现就按照自己的规律开始流动，转化为阴阳二气， 所谓两种基本力, 力和暗力。为什么是两种? 因为阳就是力, 而阴生于阳, 是暗力,二者互相转化,相辅相成。  二生三，再化生万物。为什么要二生三， 看过三体的人都知道， 有三才有复杂性。光有阴阳还不够。 因为力的表现方式包含能量和场。 其中能量扩散开的的过程中产生了物质。 物质和能量不断演化，构成了已知宇宙，和丰富多彩的生命。 生命中流动的是能量，所谓气已经和本初的气，所谓鸿蒙之气，统一的力有所不同。而气更是在人出现以后化为精。 再由精构成了神，精神也就是意识。

意识是怎么从物质里出来的呢？ 这是哲学研究的本源问题， 按照前面的思路， 意识不是从物质里面出来， 意识是从能量里面出来的。 因为能量流动的方式，也就是能量的结构， 有一个描述，叫做墒。 墒代表着信息，所以能量的结构可以定义为信息。按照复杂系统演化理论， 某种信息一经出现，就要维持自身。 可以维持自身的东西，叫做生物。 生物维持自身结构的物质载体，就是DNA， DNA的本质是编码，编码当然也就是信息。

而人的出现，就更加特殊。人与一般生物不同的地方是复杂的意识。 意识是一种特别复杂的信息结构，其中不光包含着维持自身的部分，还包含着特殊的部分，这个部分我们目前只能猜测是某种计算。还需要进一步研究才能搞明白。

气分阴阳，一生二， 纯粹的统一的力先分化为力和暗力。二生三，基本力又接着分化演化， 变成了我们看到的三种：能量/场，物质，信息，这三者就是三才，对应着天，地，人。 这是传统文化的最新解释！

胡言乱语到此结束，谢谢观赏！

 

 

 

终于到年底了，最近写了好几篇文章谈人工智能. 貌似在谈论科学。而实际上，科学能研究和解释透彻的观察现象，只是现有世界的很小一部分。 未知远大于已知，我们反复强调过大脑是个模式机器，总想掌握规律。对于科学顾及不到的大量观察事实， 也想有个解释。 没有科学， 就有玄学。 今天就来谈谈玄学。 玄之又玄，众妙之门！这是能够解释一切的学问，玄者， 深也。所以这也是最深的学问。这里说的不是魏晋的玄学，那种空谈无物的东西。  我想说的是易，所谓阴阳交替，佛家叫轮回， 说白了就是周期律。

一切的一切，来源于时间！

今天离元旦还有两天。 我们现在知道关于时间的主要概念，年，月，日都是天文周期，而另一部分概念，比如季，星期，小时，分钟的划分则完全是认为的。  而且就算年是天文周期， 比如说一年有365天是地球公转和自传的时间比率。但对于地球来说， 每一天并没有什么不一样。所谓元旦，一年的第一天该是那一天， 完全是个人为的定义。

据说现在的元旦来源于古埃及人。古埃及人从事农业，他们的庄稼种在尼罗河泛滥后的河泥淤积的肥沃土地上。因此农时严重依赖尼罗河的泛滥周期，于是他们就把泛滥的日子记录在竹竿上，时间一长, 就发现了规律, 两次泛滥大约相隔365天，同时还发现，当尼罗河初涨的潮头来到开罗的时候，正好是太阳与天狼星同时从地平线上升起来。于是，古埃及人便把这一天定为一年的开始,也就是现在的元旦.

真假不论，这是个很有寓意的故事，一边吃饱了肚子。 一边抬头看天。

有了年，月，日， 大家就可以用日期来记录历史。 每个人也就有了自己的生日， 在中国，再加上出生的时辰。这个叫四柱， 又叫八字。按照中国传统的入门玄学， 有关四柱的学问， 是专门用来算命的。 能够预测并且判定人的一生。   算命大师们会说， 一个人的事业、婚姻、健康、子女、财运等运势完全可以靠排八字， 所谓命盘来确定。 因为年，月，日本身都是天文来的概念， 所以命盘里排的东西都是天上代表吉凶的各种星。 外加中国人由阴阳学说发展来的的五行生克理论。

没错！西方所谓的星座也玩一样的东西。只是市场定位不同， 不为赚钱，所以人家用户体验做的比较好。弄出了一套简单容易掌握的东西，平常人可以很快上手，也可以用来作为谈资交流， 普及程度令人咂舌。而中国传统的命盘，玩法太复杂， 是可以用来谋生一项专有技能，只有所谓大师才能掌握，只好曲高和寡。其实也不尽然， 中国人也有简易算命，比如诸葛称命法，一个公式就能搞定。 可惜又过于简单， 没什么可玩性。。。

星座决定性格，可以用来配对，判定恋爱和婚姻，这是这门玄学最核心的价值。 一旦和八卦挂上钩，就必定能发扬光大。而中国古代谈及婚嫁都是要对过八字的， 看五行合不合。一对八字定生死。古代婚姻只有一次，是一生大事，所以要这么看重。现在已经时过境迁，这么玩有点不合时宜。本人年轻时是个愤青，非常反感西方文化入侵洗脑，试图从传统八字里搞出一套轻量级的东西来对抗星座文化。惜乎当年能力所限，不懂传播学的道理，最终以不了了之结束。

算命的人必须掌握的另外一套东西是看风水， 风水谈论是地势与天文相结合对运势的影响。出发点是五行学说和地理， 再加上对天上的决定吉凶的星星各自的方位推算，最终得出各种预测。 风水是中国玄学反击西方的先锋。因为西方的星相学说没有地理， 只有人，没有房。 主动让出了房地产这个传统经济里最大一块市场。所以中国风水学说能够毫无阻力的在西方大行其道，据说也养活了相当多的一批大师。

算命也罢，风水也罢，都是谋生手段， 是技能。 我们之前总结过学问有道，术，技三个层面。 技这一层最具体，也最丰富多样，最复杂。 技之上是术，也就是方法论。 所以算命和风水之上的方法论，所谓术大概可以归结为两种，五行和八卦。而五行学说， 是方位，也是地理，其实也来源于八卦，八卦来源于河图，洛书， 而河图洛书，来源于易，所以最后算命的方法论，易经是总纲。 高手们都要懂得易。

易，在开篇里就说过， 是阴阳交替， 易经主要就是解释八八六十四卦。 六十四卦是一个轮回。研究的是是事物发展的规律。影响中国传统文化的另外一个源头，佛经也非常强调轮回的概念。 佛经的的轮回不光是人的生死变异， 还包括宇宙的物理变化，以及世间的一切。

佛祖的数学一定学的很好，佛经里的周期都很大。 欲界六层天最上一层他化自在天，一天是人间一千六百年。 据说他化自在天的人寿命是本地时间一万六千年。 所以他化自在天的人能活人间的一千九百六十万年。从猿人进化到现代人都不要这么久。更别说佛经里一千六百万年一小劫，三亿两千万年一中劫，成，住，坏，空为一个大周期，每个阶段二十中劫，也就是2百多亿年一个大劫。已知宇宙寿命都没有那么长。

但不管怎么说，这些都是周期， 回到中国人的传统周期概念，六十年一甲子是一个轮回。 风水学里最有名的是 玄空飞星派。据说来源于洛书。他们把元运，既时间的运势分开为三元九运，而每运占二十年，每六十年为一元，上元分有一、二、三运；中元分有四、五、六运，下元分有七、八、九运；这样三元九运共有一百八十年。一百八十年一个轮回，人的一生主要看你生在那一阶段。

以上各路玄学完全是迷信吧？不是！ 我们知道比尔盖茨和乔布斯是同龄人。 研究互联网创业，成功的大佬出生的年级，绝对不是均匀分布，都是特定的几年。 冥冥中自有天数？ 西方也有人专门研究这个，相关理论集大成着，叫做康德拉季耶夫周期理论。

康德拉季耶夫是个前苏联人，他在20世纪初研究了之前一百多年资本主义经济的几个主要价格指标，发现在资本主义经济生活中存在着45~60年的长期波动。这种长期波动被人们称为康德拉季耶夫周期。再具体一点， 60年的周期，叫做长波。每一个长波周期中，头15年是衰退期，各种不景气，接着20年是大量再投资期，在此期间新技术不断采用，经济发展快，显示出一派兴旺发达景象；其后 10年是过度建设期，过度建设的结果是5~10年的混乱期，从而导致下一次大衰退的出现。衰退，再投资，过渡，混乱四个阶段，是不是有点象佛经里的空，成，往，坏。把过度建设和混乱归为一期，就是玄空飞星的三运。 作者就喜欢把似是而非的东西拿来乱联想。千万别信我。

知道周期轮，就能解释之前创业者出生年龄那么集中的现象。因为只有在再投资期，企业才能大发展，才能创业。那么紧接着问题来了。 我们现在在长波周期那个阶段？

康德拉季耶夫是前苏联人，研究的当然是西方经济， 西方经济，1780，是工业革命年代第一个长波，1840年，是铁路钢铁时代，第二个长波，1900年是电气化学汽车第三个长波， 1960年是计算机，信息化，核能第四个长波， 2020年是基因技术，人工智能第五个长波。 以上只是西方经济。千万别把这个简单照搬到中国经济上，那就犯了教条主义错误！

中国经济有自己的发展规律， 中国经济实际上是用几十年走过人家几百年的历史，节奏快，周期也短的多，好处是之前只要抄作业，不需要搞创新。而现在终于开始和世界经济联动了。 我们拿周期论分析中国，一定要结合国情。 为了不误导大家。这里不给出具体结论了。 现实太复杂，玄学实在是属于跳大神。

通篇都在说玄学，为了照顾有科学精神看不惯玄学的童鞋。我们最后讲一点所谓科学。首先还是从wolfram的计算理论出发。首先要同意，这些经济现象和大气环流导致的天气现象一样，是一种复杂计算。而一切复杂计算，都没有简单模型能够准确预知，只能算。最有意思的是，经济现象也好，大气也好，长期看都有某种周期，比如厄尔尼诺有3，5年的周期，温度，降水有35年为一轮变化的布吕克纳周期。 刚才我们也弹过了经济现象里的长波理论。 微观不可预期，宏观呈现某种周期，真的是有意思啊。

所以短期如果掌握足够的大数据，我们可以算， 中期无论如何，也算不清楚，长期来看呈现某种周期现象，适用于玄学。所谓道，也许就是这样。

最后还是要提醒大家，玄学都是游戏而已，切莫当真。人生的捉摸不定正是和人生的多姿多彩一体两面的事情啊！

（全文完）

 

 

 

这是一篇年度总结文章. 回顾了2016年对人工智能进展的理解和思考。 新的一年， 新的开始， 祝大家好运！

今年夏天， 微软的前员工和实习生在Harry的倡导下，终于组织起来，成立了西玛会。 如此标志性的事件，只能用：“不看不知道， 世界真奇妙” 这句话来形容。大家聚在一起才发现， 原来微软研究院的影响力早已渗透进中国计算机相关行业的方方面面。 西玛会已联系到的1千多位会友， 据不完全统计， 包括十几位IEEE/ACM 院士, 几十位大学教授, 上百位创业者, 和若干投资人. 尤其是在最近大火的人工智能领域, 几乎所有的都当红公司,都与微软研究院有各种联系.西码会成立后第一次小聚在创新工场, 当时大约有两百人左右参加. 我也斗胆要求上台讲讲, 于是有了这篇讲稿:AI时代做产品的思路。众人机会不免有各种思想碰撞， 为了把自己的想法记下来， 方便后续总结参考。 就有了这个公号。夏天天气火热， 和同学们交流讨论的也十分热烈。 本来一开始我对人工智能的再次热度是一种围观的态度， 源起是因为当年的工作做图模型学习， 实在是觉得这东西没有大用， 就当了逃兵， 去搞用户体验之类的所谓软科学。  这个过程在AI的未来–深度学习和贝叶斯的进击 里做了小结。 当然去搞用户体验还有另外一层目的， 对单身男青年来说，这个行业男女比例比码农行业强的多。。。

跟同学们一攀谈， 发现不得了， 原来这次真的不一样， 我们似乎快到了门槛了， 要认真对待， 于是就先从宏观角度摸索了一下：AI，VR和人类未来命运的思考。 得出了结论， AI的发展是一种大量获取负墒的过程, 这是一把双刃剑, 如果系统封闭边界, 获取负墒越多, 就越不稳定, 早晚归零(墒的最大化是基本原理)。可能的出路只能是拓展系统边界， 也就是搞宇航， 去火星。 这简直就是一种人生观。 我相信Elon Musk 和霍金都是这么想的。

在搞定核聚变来解决能源问题和找到比当前抛洒物质作为动力的化学发动机（牛顿时代的原理，可叹）更有效的动力来源之前， 搞宇航实在是勉为其难。 所以还是得想办法弄明白人工智能能进展到那一步。 AI到底能不能超过人类智能？

这需要对当前现实有个基本的理解和把握。 而现实是， 人工智能相关的研究， 包括脑科学， 心理学， 计算理论， 复杂系统， 和最火的深度神经网络， 仍然是一盘散沙， 各自为战， 还远未到能够打通任督二脉的时候。 然而这样就能高枕无忧了吗？

人工智能是模仿人的， 研究人整体，早有心理学。 与研究微观生理的脑科学不同， 心理学一开始就是把人当作一个整体来研究的。 因此很多时候，大家都说心理学不是科学， 是玄学。 换一种角度, 从心理学出发， 是一把钥匙,可以加深对人工智能的理解。毕竟要模仿什么，要先给模仿对象一个定义， 而对人的定义， 只有心理学理论里有。 聪明的秘密: 有关大脑开发的洞见， 大脑是如何工作的？兼谈如何做出类人智能。，你的记忆, 就是你吗?，智胜先师-人类能做出强AI吗?。 这一系列文章， 都是以此为出发点的一点探讨。 总结下来， 要AI能够真正触及到意识的领域， 需要搞明白的核心是记忆的机制。

此外在下半年， 人工智能界发生了几件大事， 尤其是OPEN AI的成立， 几个主要的大公司试图联合起来， 限制和规范AI的发展。 他们想做的的事情，其实属于伦理学的范畴。 伦理学可以被当作哲学的一部分。哲学的三个主要部分， 认识论， 伦理学， 美学，对应真，善，美。 伦理学是其中的善， 试图让人明辨是非， 什么是善，什么是恶， 来规范行为。 可以想象，这也是最容易引起争论的地方， 因为其实伦理学，人类自己都没有搞清楚。

在思考相关问题的时候， 偶然发现纽约大学哲学系在10月份搞了一次AI 伦理学的研讨会。 几个人工智能的大佬也去了。 翻了翻会议记录， 发现了Stephen Wolfram 的讲稿， 太有启示意义了， 于是全文翻译了一遍：AI 伦理学(By Stephen Wolfram)。

Wolfram是真正的大才， 他的计算理论核心观点简直是指路明灯。其核心思对应于深度学习关键点在于： 之前大家抱怨的深度学习不可理解之类的，都其实不是问题。要说深度学习不可理解， 先说什么叫理解。 所谓理解，是要可以建立数学模型去规范描述， 这样就能一步到位， 简化问题，直接得出答案。 而深度学习和一切所谓复杂问题， 之所以复杂， 就是因为不能建立这样的模型。 要预期系统的行为， 我们能做的唯有计算。 注意这里不能建立模型， 是不能建立精确描述系统整体行为的模型， 不是说具体计算机制也不能研究。

如果这样理解， 那么其实人工智能的核心在于两点， 一个是计算能力， 一个是基本计算机制。 要有足够的计算能力， 再搞懂一些基础的计算机制， 就可以搞出类人意识。 之前大家计算能力不足， 无法从整体上研究， 因此才有各种悲观失望。

他的另外一个观点也有启示， AI和人共存， 不是要限制AI， 而是要教会AI美学和伦理学， 这样AI自然而然知道什么是善， 也不存在什么灭绝人类的问题， 我们也不会灭绝黑猩猩。 而AI的伦理学是什么， 我们现在给不出答案。 只能靠历史来演化，来计算。

从计算的角度来理解人工智能， 就豁然开朗了。 下半年还有一件引起热议的事情， 就是朱松莼老师的雄文： 正本清源:初探计算机视觉的三个源头,兼谈人工智能。 朱老师是统计数学出身， 看不惯玩计算的， 一直是想建立系统化模型。 虽然按照计算的理解这条路子可能不太通， 做出来的东西估计不太容易work， 但是双方还是可以互相借鉴的。 视觉计算-理论还是实践? 文章虽然没明说这个问题，但是也包含了一些个人思考。

既然无法建立模型， 高举高打的办法就不太好用了，最近有关神经网络压缩，和泛化能力的一些探讨也触动了一点个人想法： 理解深度学习需要重新思考(深度网络的)泛化能力。 我们知道现在的神经网络学习，非常的不充分，表现在神经网络的参数可以大幅压缩，  如果我们能够找到合适的算法， 获得完全不能压缩的网络参数（据说已经被某同学搞出来了，正在写文章中），那么将大幅提高神经网络的计算效率和准确度。要在这里深入研究， 也许要参考信息论的相关思想， 网络除了参数， 还有结构，信息几何不知能否发挥作用？

而另外一个角度， 为了方便硬件实现， 大家在尝试各种方法对网络参数做简化， 从浮点到8-bit， 从8-bit 到甚至1-bit（Do-re-fa）。 1-bit网络是硬件的革命， 可能也是是智胜GPU的关键。 但是能1-bit，性能还不损失， 正是利用了神经网络本身的大量冗余。 对照前面的讨论， 还真是让人有点为难。 值得深入思考下去。总之， 因为算法的不稳定， 各种嚷嚷做芯片的同学千万要小心。 说不定算法一革新， 硬件设计全是白费功夫。

前面一篇文章还有一个核心推断，就是深度神经网络计算在做的事情某种程度上以记忆， 是靠大量网络参数来记住数据。 这样计算和记忆放在一起，真的不是冯诺依曼结构了。做过用现有架构和思路做深度神经网络硬件实现的同学应当对此有体会。 因为计算和存储的分离， 大家只好拼设计， 怎么充分利用现有的带宽，在架构的时候做好数据流，不要让某个部分成为瓶颈，是重中之重。 现状终将导致新的硬件革命。 Xpoint是个好的尝试， 可惜现实很骨感。 忆阻器也是个好的尝试，   现实更加骨感。 做硬件创新真难！ 不要壮志未酬身先死。 现代社会人口爆炸，壮士太多， 不少我一个。

从硬件的胡扯拉回来。 大脑的快乐系统，以及对我们生活的启示 这篇总结脑进展的文章也可以对人工智能研究有所启示。 人可能就是一台自然选择出来的化学计算机器， 大脑也并没有那么特殊。虽然前路漫漫， 朦胧之中仍然能看到一点曙光。

本文结尾，引用周恩来总理的一首诗，雨中岚山，中的几句。 还是在1919年， 大革命的年代， 作为青年学生的周总理留学日本， 将要回国，临行前游览日本的旅游圣地岚山。面对当时中国的各种复杂情况，心有感触， 写下这首诗。 这里摘录几句：

潇潇雨 ，雾蒙浓，

一线阳光穿云出，

愈见娇妍。

人间的万象真理，

愈求愈模糊，

模糊中偶然见着一点光明，

真愈觉娇妍！

2017年， 祝大家更上一层楼！

临近圣诞,先在这里祝大家圣诞快乐! 圣诞节欧美的同仁们都回家过节与亲人团聚去了, 朋友圈里看到好几个海外生活的华人同胞在晒人去楼空的景象。这个洋节传到中国是完全另一种景象，回家团聚要等春节，于是圣诞节担当起了朋友聚会，各种旅游玩耍的任务。 一个典型的中国式过节“习俗”就是年轻人玩的圣诞节送苹果。据说是因为圣诞节平安夜-平安-苹果的谐音这么联系出来的。而且已经发展到了一到圣诞节前，大学便利店最显眼的位置就会堆满包装精美的小盒子， 大约20-30块钱一个，里面是一只苹果。中国商人的商业嗅觉和想象力真是令人佩服， 这就是创造力啊！说完一堆废话，回来今天的主题， 我们来读一篇google brain的人写的文章， 标题就是本文的题目，作者期望能对深度网络为什么有效做出一点点思考。

写文章也好，做报告也好，核心要义是要在充分把握读者是谁的基础上构思合适的内容。 这样可以比较好的把握内容的深度和趣味。但是我写的文章乱七八糟不聚焦，相信各个层次的读者都有。 因此所谓充分把我读者在我理解就是没法把握。本文基本会按照最容易理解的方式来讲述，特别浅显的解释会写在括号里。 一些有意思的技术点就只好放弃了。 建议有兴趣的读者还是去阅读一下原文。

正式读文章之前再跑一下题。 之前跟我的导师学到过如何读学术论文的秘技。说穿了也不难， 就是先看摘要， 看看文章作者总结的重要贡献，是不是够新够重要。 再看开篇的介绍，主要是看作者是否对学术研究的现状有个适当的把握，再就是研究的问题对不对。 之后看结论，看看文章最后的结果和自己目前在做的事情是不是有关联。 这三步每一步都可以筛掉一些， 走完三步花不了多少时间，但是基本上可以筛掉百分之95以上的文章。 剩下的一些， 可以拿来细读。 这里介绍这篇文章， 就用这种思路。

先看摘要， 作者先提到深度神经网络在训练用的数据（有答案用来学习的）和测试数据（没有答案用来考试的）上的差异令人惊叹的小， 意思是深度网络是个优等生，不论什么都一学就会，而且成绩很好。 用传统思路来解释这种现象（为什么是优等生）：要么是模型本身特性好（优质家庭出身好），要么是用到了合适的正则化（不太好简单类比， 可以当做学的时候有个好老师，保证你不会学歪了），二选一。本文做了很多实验， 认为不能这么理解。 我们用当前流行的图像分类任务做了个实验，让深度学习去学随机的类别标记（就是看图分类这种事情， 老师教的是任性随机分类），发现网络一样 学的很好。这种现象就不能用常规的正则化来解释了（老师是胡乱教的，所以其实没有好老师）。甚至我们用随机图像（连题都是胡乱出的）深度网络也能学好。 我们又通过实验来确认这种现象可以用也应该用某种不一样的理论来解释。实验证明，当深度神经网络中的参数数量一旦比要学习数据点个数多，深度网络就有了这种学习能力（原来是个死记硬背的好学生，就靠脑子好， 记忆好， 什么都能记得住）  我们与其它传统模型对比了下（你们不够好， 记性不好，脑容量太小）。

看完摘要，自然会好奇， 啊，真的是这样吗？ 就靠死记硬背，那碰上没见过的题为什么也能做的不错？ 继续往下看。

介绍：我们知道深度神经网络有很多很多参数（存储的容量）， 比训练样本的个数多的多（要学的东西）。深度网络又有很好的泛化能力（没见过的题一样给出正确答案）。传统的模型都不这样（死记硬背的一般没那么灵活聪明啊）。 怎么来解释呢？ 统计学习理论提出了各种有关复杂性的度量（可以类比为掌握学习方法）， 并且认为通过这些度量能够控制泛化能力（好的学习方法可以让人在死记硬背基础上变的聪明）,这些方法包括, VC维数, Rademacher 复杂度,  一致稳定性等. 读者君要是碰到看不顺眼的号称自己是搞机器学习的大师, 就问问他这三个概念, 让他给你解释一下, 要是他说不清楚, 那就是伪大师。 然而这些方法都说，如果参数多，那就一定要做正则化约束（实际上没有做）。要么也可以搞搞early stop（意思是死记硬背的越多，脑子约不灵活， 所以适可而止， 学一部分就算了，糊里糊涂也许碰到没见过反而考得更好 ）。到这里的意思是说， 以前的理论都解释不了。

跳过文章下面对实际实验和相关工作的介绍， 要说这个这篇文章就太长啦， 我们直接去看结论。

结论：传统的观点认为机器学习是建立在所谓Parsimony（简约性）的基础上的。 也就是所有学习过程可以被简化为在抽取数据集上的低复杂度模式。而简单粗暴的记忆不被认为是一种有效的学习方式（要聪明的学习， 掌握一般原理，原理都很简单， 不能死记硬背） 。于此同时，全靠死记硬背又是一种解决问题的有效方法（学习好就是记性好）。

本文挑战了这种传统观点。 很多深度神经网络就靠记忆好。记了大量的东西， 就有很好的泛化能力（变聪明了）， 那么怎么解释泛化能力（变聪明）呢？ 也许是所谓泛化能力（聪明）已经紧密结合在所谓记忆的细节里了。 而传统的理论都没法研究这一点。我们相信，本文是首次探讨这个问题的， 期待今后通过对泛化能力的研究可以对理解网络的学习有所帮助。

文章结论的意思是说， 虽然我们没有给出问题的答案， 但是告诉你们传统的理论解释都行不通， 我们需要找到新的更合适的方法。 一流文章提问题， 二流文章解问题。 以此标准， 这是一篇一流文章。

下面开始作者的胡思乱想。类比人的学习， 从小我们就知道， 聪明的首要因素是记性好， 记性好就聪明。 所以培养小孩， 先培养记忆力。 而培养记忆力的传统方法就是死记硬背多做题 。

还有一个有趣的现象， 就是很多小学，初中的学霸， 一上高中就不行了。 怎么理解呢？ 本文给出的启示是， 只靠死记硬背多做题， 基本就可以搞定小学，初中阶段。每个人都具有死记硬背的基本能力， 只要花足够多的时间， 多做练习，严格自律就可以。 而一个人的时间终归是有限的， 要睡觉，要吃饭， 就算剩下的时间都拿来学习也就那么多。 所谓人力终有穷尽，  一到高中，知识量太多，时间有限，死记硬背能够达到的高度就大大的受限了。这些传统的学霸就败下阵来，而聪明脑子，也就是泛化能力强，会举一反三的， 开始制霸学界。

那么怎么培养出聪明脑子呢？ 这事就深了， 至少以上这篇文章甚至都还没有触及到这个问题。 我们唯一知道的是，死记硬背多做题仍然有用。 先做好这个再说。

 

 

 

 

年底了， 少不了聚餐喝酒， 本文简单谈谈当下科学研究对酒精工作机制的理解，供大家喝酒时参考。但也要事先说明，有关人的科学研究通常只是研究共性，基本上不讨论个体差异。除非您是标准人（样本各个维度都是均值），这里的大部分数值相关的结论都未必适用。

与之前说过的咖啡和茶不同， 酒精是一种镇静催眠剂。 可能有人一看到这里就不同意： 明明是喝了酒话多更兴奋， 更激动，怎么还镇静了？还催眠了？其实这是酒精所谓醉酒效应的一种表现： 在喝酒一开始的头半个小时到一个小时， 人会变的轻松和开心， 随后酒精开始排出体外， 这些反应走向反面， 会被镇静（想睡觉）的感觉取代。 而人自身的心理，为了维持之前体会到的轻松开心， 就会多喝。直到正向反应饱和，负向反应占统治地位，人就进入了完全镇静（醉倒）状态。

特别要提出来， 酒和任何一种起催眠和镇静作用的药物同时服用都非常危险。很多人都知道几个著名人物卓别林，玛丽莲梦露（这个也有说法是被人灌的）是酒后服用安眠药自杀的。 主要是镇静效果叠加可能扰乱维系生命的植物神经系统。 另外酒也不能和止痛药，比如布洛芬，阿司匹林之类的同喝，非常伤胃。

接下来，说说酒精进入体内的作用机理。 没有量，讨论作用都是耍流氓。 首先这里给一个标准的酒量， 按照酒精含量的对等作用， 一大杯啤酒（350ml， 大半瓶），一杯葡萄酒（120毫升， 通常是两杯红酒），一杯烈酒（25-30毫升，50度酒， 半两杯一满杯）作为基本单位。

酒精属于小分子， 可以非常快的被人体吸收， 从进入胃开始就能很快进入血液，流遍全身。被胃吸收的酒精占2成，剩下8成是通过肠（小肠）吸收的。所以当胃里有食物， 多吃点东西垫垫，酒精浓度会被稀释，也同时能降低酒精进入肠道的速度， 可以减缓酒精的作用。 酒精在体内会和脂类结合， 因此会在全身导致各种反应，特别是酒精进入大脑会起作用（影响了大脑中的脂类物质）。因此一般来讲，胖子因为脂肪多， 比较能喝。此刻作者缓慢的挪动了一下身躯表示：这是对咱们的安慰奖！（虽然作者因为脂肪太多，医生告诫严禁饮酒）。当然，有利就有弊， 因为跟脂肪的结合，酒精排出体内就比较慢，酒精起作用的时间就长。

因为很快就进入血液循环系统。有进就有出，酒精随后在体内开始代谢。 不少人有开车被警察叔叔拦下要求吹一口的经历，尤其是在年节晚上的闹市区（警察叔叔知道怎么做能抓到最多）。因为酒精从肺部代谢的比例非常稳定，所以呼气中的酒精含量可以相当准确的对应体内的酒精含量。这是呼气测醉酒的基本科学原理。 实际上，大部分酒精（>95%）还是靠肝来代谢。具体过程是，某种酶先把酒精转换成乙醛，然后再变成乙酸（醋的成份），最后排出体外。 中间产物乙醛是有毒的， 一旦在体内积累，就会引起严重不适，主要表现就是恶心想吐。尤其是代谢能力相对较弱的人，表现的会特别明显。

一个成年人，酒精排出体外的速度标准是：对应啤酒，红酒，白酒前面提到的那个标准量，通常要一个小时代谢。超过代谢速度喝酒，不良物质在体内累积， 就会有各种不良反应。 但是因为酒精的刺激，代谢的酶在体内会累积，这样代谢的速度随着喝酒的过程可以有一点点提高。 所以如果不想醉酒， 一开始要喝的慢一点， 不要太猛。

下面再详细说说酒精对脑的影响。所谓成也萧何，败也萧何。让人最喜欢，最上瘾的东西都是直接作用于大脑的。 也会对大脑产生负面效果。酒精也不例外。

如果一个标准人，以标准速度，一个小时一个标准量来喝酒，酒精的代谢大致是平衡的， 你体验的是相对比较好的一面， 愉悦，健谈，自我夸耀。负面效应是会部分损失判断力，和反应时间。一喝酒就不能开车是有道理的。

现在假设喝酒速度快2-3倍，因为来不及代谢，酒精和乙醛都在体内累积，人就开始有很大反应。人会身体摇晃，口齿不清，恶心想吐（其实吐是体内中毒的应激反应，一种保护机制，试图直接把吃到的坏东西吐掉）。 这就是喝醉了。

速度再加一倍，酒精开始影响底层神经，会有体温不稳定（过低，过高），感官麻木，直至昏迷。条件反射都开始慢慢消失。速度再增加，影响到心跳呼吸人就直接挂了。喝酒太猛，喝挂掉的也有。通常都是因为某种莫名其妙的事情杠上了，两个人拼酒，拿着瓶子对嘴吹。斗狠逞勇，牺牲在眼前！

开篇就说过，酒精是一种镇静剂，因为会和脂类特别是脑部的某些神经递质结合，降低这些物质的活性。那为什么喝酒还会感到兴奋？ 科学的回答是还不清楚。实际上可以猜测因为大脑是有正向兴奋，反向抑制两类不同神经递质所维系的一个动态平衡系统。酒精肯定会影响这个平衡。至于往那一边摆动，就算先是正向，也终将会摆回来。所以喝个不停的人，就算一开始兴奋了，能说能唱，永远只有一种结局，醉倒在地！

另外需要特别指明， 喝酒会刺激大脑释放多巴胺，之前一篇文章说过多巴胺刺激欲望。因此喝酒的人欲望会更强烈。又因为同等的刺激会自动消退，尝到了欲望的甜头之后，为了保持这种状态，人会自动喝的更多。同时，很多神经递质在记忆形成中起到关键作用。酒精的抑制作用可能会导致失忆。大部分喝醉酒的人都有完全不记得喝酒的时候自己说了什么之类的感受，就是这个道理。

醉酒之后的第二天头疼难受，是喝酒的人最不愿意想象的事情。为什么会这样， 医学目前没有给出解释。 我们可以按照脑工作的一般原理把这个想象成一种保护机制，正是以这种难受状态的警告来对抗更多多巴胺的诱惑，让人建立起不愿醉酒的心理防线。注意这种状态下不要随便吃各种止痛药，作用不大还会伤胃。一些加速代谢的食物饮品可能有点作用，比如喝一杯咖啡，帮助你拉肚子，把酒精快速排出去。

讨论完酒精对大脑的作用，多说两句有关耐受性，就是酒量。所谓能喝不能喝，实际上说的就是酒精的耐受性。能喝的人，酒精对身体的刺激不明显，不太容易进入醉酒的状态，当然也要更大的剂量才能兴奋。 这种耐受性，可以通过不断刺激大脑来产生。也就是酒量是可以练出来的。 但是也有限度，大幅超量真的会死！前面讨论过，胖子相对可能比较能喝。 有些人因为遗传关系，体内缺少代谢乙醛的酶，就很不能喝，喝一点点就醉。女性吸收酒精相对比男性更好，大约胜出30%。因此也更容易醉酒。最后，能喝的人，一方面是耐受性好，另一方面酒精在体内停留的时间也长，所以其实受到的负面影响更大，比如更加伤害肝脏。所以有特别技能也不能滥用。

最后说说所谓酒后助性，酒后乱性。之前提到的多巴胺效应，酒精确实可以提升欲望。但是又因为酒精的实质上的抑制作用，酒精其实会降低能力， 和相应的快乐感受。欲求不满，就是痛苦。 所以试图以喝酒来助性的人，都将品尝失败的苦果。 这些人不明白为什么， 还不能跟人说，也是一种苦恼。

全文结束时，再重复一遍开篇的观点，以上有关具体量的讨论都是针对整体平均，因为个体的极大差异，请不要对号入座。只是提供一些一般的指导原则。

酒出现几乎伴随了人类整个文明史，在中东地区有大约六千年前的酒厂遗址。另一方面，据中国专家的研究（没错， 是中国！），少量喝酒有助于降低心血管类疾病的发病率，降低中年男人心脏病，或者中风的风险。所以适度饮酒有益健康（也许）。所谓适度，应该少于前面的标准量, 半瓶啤酒或者一杯红酒或者一小杯白酒为限（数值仅供参考），还要限制喝酒的速度，慢慢享用！

(全文完）

 

 

 

 

 

今天我们聊聊脑科学。 学AI的人总想着类比大脑， 但实际上目前所做作为离大脑的工作机制相去甚远。我们也一直试图理解大脑是怎么工作的， 搞明白大脑的工作机制是相关专业的所有学人的梦想。 但话虽如此， 目前的科学进展仍然是刚刚起步。 我们到底走到那里了， 有两种看法。看法1：假如把大脑的工作机制比作大海， 我们目前只是在海边拾贝壳的小孩子， 捡到了被大海的波浪推上沙滩的几片小小的贝壳。 看法2：我们已经造出了蛟龙号，正在尝试下潜试图看到大海最深处， 虽然完全了解大海的概貌仍然不太可能， 但是大海的内容按照深度分了层级， 每层都一样， 只要我们能看到最深处是什么， 并且了解之上的每一层是什么， 就能了解大海的行为。 以上两种说法，读者君你信那一种？ 以下是正文。

按照阅读文章我肤浅的理解， 研究大脑工作大概是分为两种路数， 一种是从底层玩弄单个神经元， 微观细节， 电化学机制， 看看神经细胞之间的活跃机制和信号是怎么传递的。 另外一种是从宏观角度， 研究大脑的分区功能。相对应的我们大致有以下研究手段， 比如可以在自由运动的小老鼠身上研究单个神经突触的信号， 也可以用所谓的无损方法高清晰核磁共振脑成像， 看看大脑的血氧浓度， 什么区域被激活。当然还有脑电， 这个就更笼统了。

但是现在手段的局限性在那里呢？跟某同学（感谢陈大师）交流时他说， 先不说老鼠， 斑马鱼这种简单生物， 神经单脉冲信号是ms量级，而具体到每个基本计算突触大概是100-1微米的尺度 。而发生记忆和学习机制导致的变化以天计算， 斑马鱼一共有10万个神经元。 以上时空尺度横跨7个数量级， 更不要说小鼠的脑神经是斑马鱼的一万倍。所以研究单个神经突触信号的同学一定不觉得自己可以搞明白大脑的工作机制。

另一方面， 所谓无损脑核磁共振成像， 现在最高分辨率的高清晰成像一个像素代表着8万个神经元， 100万个突触。而且既然是成像， 时间分辨率也惨不忍睹。  这好比是戴着老花镜， 研究远在几千公里之外的一只蜂鸟翅膀的震动。所以研究脑神经生理的同学也一定在吐槽， 觉得自己可能这辈子也不能搞明白。

所以这些脑科学的真正专家学者实际上都很谦卑， 他们大多持有本文一开始举例的第一种观点， 就是我们还差的太远太远。而作者表示因为自己是外行，所以无知者无畏。 作者持有的是第二种观点， 有生之年就能看清楚。 为什么呢？ 之前的文章谈及计算时，提及到计算复杂性概念， 非常简单的规则通过计算就会产生无比复杂的结果。但正是因为计算复杂性的存在，这种计算无法通过建立模型来简化。你只能通过演算来模拟。 在没有足够的计算能力之前， 一切努力都是白费。 所以很多事情看上去毫无可能。 现在计算能力强大了， 我们开始看到一些效果，比如说深度神经网络。 当计算能力足够强大时， 也许就能揭开谜底找到答案。

请远离以上胡言乱语，我们来看看脑科学研究的最新进展，也许对AI研究也有一点点启示。 以下内容主要参考了2015年neuron上的一篇综述文章 Pleasure systems in the brain（大脑中的愉悦系统）。

大家都知道， 人生中快乐很重要。有一种哲学叫享乐主义(Hedonism)又叫伊壁鸠鲁主义（Epicureanism）。hedonism这个词甚至在现代脑科学里被引申为让大脑体会到快乐的神经回路。

有关这个享乐主义， 最有名的一个段子是 ：有一位叫做第欧根尼的学者， 平时就是住在一个桶里， 被周围的人当作狗。 而史上最伟大的统治者之一亚历山大大帝巡游帝国时，遇到了正躺着晒太阳的第欧根尼，这位世界之王上前自我介绍：“我是大帝亚历山大。” 学者依然躺着，也自报家门：“我是狗儿第欧根尼。” 于是大帝肃然起敬，问：“我有什么可以为先生效劳的吗？”哲学家的回答是：“有的，就是——不要挡住我的阳光。” 据说亚历山大事后感叹道：“如果我不是亚历山大，我就愿意做第欧根尼。”。 这个故事虽然有名， 但是不管你信不信， 反正我是不信。 这是学者们喜欢给自己脸上贴金。

抛开纯粹的享乐主义不谈， 快乐仍然是很重要的。略微懂一点脑科学，心理学等等的人都知道多巴胺， 在现有的教科书里面都会写到， 多巴胺作为传递神经信号的物质，主要作用于大脑的快乐系统。因此能引起快乐。 而一些化学结构上模仿多巴胺的物质， 比如说著名的冰毒， 能够取代多巴胺刺激大脑的功能，带来极其强烈的刺激， 因此冰毒是毒品中最可怕的一种。 一旦染上，基本无解。

而neuron的文章总结说， 以上说法是非常片面的。 大脑真正的快乐机制不是这样。 大脑中引发快乐感受的神经回路主要有三种， 一种我们知道的最多的是多巴胺起作用的大脑皮缘层的A部位（抱歉一些专有名词就不翻译了， 都是特指大脑的某一块区域某种结构，对外人来说如同天书，也没有了解的必要，以下都以字母为代号）。这一块的主要作用，是刺激人想做某事（want），是想要， 是欲望。 欲望很重要， 没有欲望，人自然就各种消极， 什么都不想做。 但是欲望不是真正的快乐。

第二种回路，用所谓享乐主义的衍生词指代的神经系统B， 主导的真正的快乐， 快乐是一个满足的过程。 拿吃东西来举例， 突然想吃某种东西是欲望， 大脑的A系统起作用。 真正吃到了东西， 吃的过程是一种享受， 是真正的快乐， B系统在起作用。 但是B系统本身的效用是递减的， 好吃的吃好几遍就不那么好吃了， 入芝兰之室久而不闻其香。 再好的东西， 熟悉了就会腻味。都跟这个相关。

第三种回路， 是跟学习相关的， 称为C。 大脑是一个模式机器， 不断的在预测， 尝试匹配， 试图建立某种模式。 也就是学习的过程， 这个过程是苦的， 但是模式建立的一刻，也就是学会了， 是快乐的。有人说科学发现的一刻，是人类能够体验到的最大的高潮， 就是学习有所成就所能给予的极致奖赏。

这三种机制，都可以和生存竞争联系起来。可以说是自然选择的结果，详细讨论可以另写一篇，这里就不展开解释了。

有A欲望，B享受， C学习这三种划分， 就可以扩展开来理解很多现象。比如很多毒品因为刺激的是A欲望， 而没有B享受的过程， 所以并不是真正的快乐， 只是欲望让人欲罢不能。 一旦撤掉毒品， 副作用就是极大的折磨。 英文里有个专有名词坦塔罗斯就是指这个。

坦塔罗斯是希腊神话里的宙斯之子， 因为无法无天的各种恶行，得罪了众神，被打入地狱。 他站在一池水中间，波浪就在他的下巴下翻滚。可是只能忍受干渴，永远喝不上一滴。他只要一低头，水位就会下降，永远保持在他下巴的位置。同时他又饥饿难忍。在他身旁就是一排果树，结满了累累果实，吊在他的额前。他只能看着，一伸手大风就会把树枝吹向空中。欲望永远得不到满足。

佛家因此而说， 认识到了欲望是万恶之源。为此开出的药方是屏蔽一切欲望。然而按照大脑的机制， 没有A，  也就没有B，得不到事实上的满足。  这样的心态是脆弱的， 非常经不起诱惑。

有欲望，就去实践满足是一种实用主义的态度， 享乐主义就是其中之一。 很多人生哲学就停留在这里， 认为人生需要追逐快乐， 把自己保持在B状态里。 然而按照前述B的机制， 重复的东西不能带来同样的B享受， 必需时常换新。 因此追求B状态的保持很难， 需要极大的物质资源支持， 而且经常会腻。对一些富人贵人来说，  当一切的传统刺激都不起作用了， 就会胡作非为。

只有C学习，可以贯穿一生。 因此不断的学习， 特别是在艰苦的学习之后，因为技能的习得获得一点小小的但是真正的快乐，可以鼓励你继续走下去。学无止境，可以伴随一生。 这样的才是对以上大脑机制理解之后，推断出的正确人生态度。

掌握这样的理论，犹如掌握一把大锤，可以用来解决人生的各种疑难， 比如什么是真正的婚姻，如何让爱情永恒。 爱一开始是一种欲望A， 然后是互相拥有B, 这个阶段因为是真正的享受， 非常的快乐， 然而随后大脑的享受平衡机制开始起作用， 时间久了就腻，就有人开始追逐别的新鲜刺激。靠享受不能相伴一生。 唯有学习C， 互相学习，互相欣赏，共同提高，才是真正的人生良伴。 才是最高质量的婚姻生活。 比如杨绛，钱钟书，钱写的书，杨是第一个读者，并能给出很好的修改建议。两人互为精神伴侣，成为大家学习的榜样。 可以轻松举出无数的例证来证明这种观点。

电影阿甘正传里， 有一段时间因为女友不告而别的刺激， 阿甘开始横穿美国的跑步，其实他漫无目的， 因为跑都够久，就引来了很多追随者。他们觉得跑步本身也许就是一种人生意义。而当阿甘突然不跑了， 一众追随者都不知道该怎么办，问阿甘，我们下面该做什么。 阿甘也给不出什么建议。 而读完本文的诸位，都可以轻松给出建议， 去学习！

人类一思考，上帝就发笑！

（全文完）

虽然已经是年底了，又起了这样一个标题， 这一篇并不是年终总结， 毕竟2016还有大半个月。 这一篇主要想聊聊政治，经济大局， 也就是所谓宏大叙事。按照定义，宏大叙事是一种无所不包，连贯统一的东西。 其中内含了人类历史是符合因果律， 有始有终的理想构架的思想。 其内容是从现在出发，描绘未来，一直到人类历史的终局。正因如此， 宏大叙事现在是个贬义词， 因为过去曾有过的试图描绘终局的宏大叙事都被变幻多端的现实击的粉碎， 不管是共产主义还是福山的民主历史终结论。因此我们不谈终局， 就说一点小小的预期。

我们小时候学的政治课， 其实给大家提供了很多思想武器， 其中内容大多是人类思想的精粹。 但是以小孩子的理解能力， 弄懂其中的真实涵义实在是勉为其难。 因此政治课对大部分人都是儿时最讨厌的一门课。可无论如何， 就算你小时候能逃课， 也逃不掉考试， 这些东西都得背过。 一个人经历过历史就会在自己身上落下抹不掉的烙印。 所以讨论政治经济的宏大叙事， 脑子里自动出现一句话： 经济基础决定上层建筑（政治）， 上层建筑对经济发展有反作用力。 这里就先从经济说起。

2016年的经济总体是一团乱麻， 从世界角度上讲， 全球经济复苏迟迟未来， 美国人靠玩弄数字又混过一年； 日本人继续借债， 透支未来；  欧洲更是一片内乱， 上半年先有英国脱欧，下半年各国都在讨论怎么对付刚刚放进来的新移民。主要发达国家如此， 做为资源提供方的资源国家和人力资源国家和其余失败国家当然也好不到哪里去。 中国经济因为体量已经大到自成体系了， 所以日子虽然也不好过， 相比之下，已经算全球最好的之一了。 这一年政府一直在去产能，谈经济转型。 上半年房地产小高潮， 下半年大宗商品小行情， 是死灰复燃，还是下一波大跃进？ 以下分别简述。

先说房地产， 中国的房地产经常被当做替罪羊。 媒体动不动就嚷嚷房地产绑架中国经济， 其实他们是狗屁不通。 人的基本需求， 衣，食，住，行， 衣和食都是可以再生的。 行的一半，各种车船和飞机也是可以再生的。 行的另一半：路， 和住的房子都是不可再生的， 因为其中依托的土地是不可再生的。 被称之为能够自动升值的资产。我们祖先的传统智慧也说：只有土地才是真正的财富。 所以各国经济必然依托于房地产， 房地产也一定要大力发展， 需要批判的只是不能过渡泡沫， 长成癌症挤占其他资源。

房地产上半年抬头，被打压下去了， 目前是回落低潮期。 明年会怎样？ 知乎上君临团队最近有一片文章：“前瞻2017，中国经济绝地反攻” 其中有个说法很有意思。 看看中国的人口， 从1987年出生人口高峰（2800万），到1999年人口出生低谷（1100万），  新生人口一直在减少， 特别是1991年（2000万）比1990年（2600万）足足少了有600万， 可以称得上是断崖式下跌。 而10年之后， 正是90年代出生人口毕业找工作， 开始买房结婚提供主力消费的年代。 这种人口断崖式下跌导致了整体消费能力的各种不景气。 到了2017年， 1991年的出生人口26岁，中国人买房的平均年龄是27岁，所以房地产商还要继续苦一年， 2017年是最苦的一年。 文章的思路是对的， 但是数字预期有点勉强， 2017年也许是最苦的一年， 但是2018年可能更苦， 因为毕竟出生人口还在下跌啊， 也许要到2019年，20220年， 00后上场， 房地产才有新的春风。

房地产决定了资产基础价格。 第二个是路， 前面说过路因为土地属性也是一种独占资源。 现在中国的高铁成网， 高速公路已经修的差不多的， 下一波大修特修的是城市轨道交通。 按照各个城市的规划， 很快全世界轨道交通里程最长的城市里， 基本就是中国的城市了。外加东京，纽约，巴黎，伦敦，一个主要发达国家一个大都市。 主要的投资资产增长模式，也许要围绕轨道交通来做。

资产谈完， 说说工业和产业升级。 工业4.0是目前最热的概念， 但实际上是个伪概念， 中国先玩工业3.0也就是工业自动化吧（YH.Xu 语录），路漫漫！  工业自动化需要AI，是本专业创业的用武之地。 而所谓产业升级， 抛开工业自动化这一块， 实际上是从实体产业， 升级成虚拟产业。文化类产品， 还有虚拟现实， 都是用来供人民丰富精神生活的。 大有想象空间。 这里也不展开了。

经济最后要说的是金融。 金融是经济的皇冠。 可惜我对金融是狗屁不通。大概知道金融是最带全球化属性的， 资本家不想翻墙。 所以搞金融的最不喜欢墙， 哪怕现实中墙是确实存在的。希望金融资本家们能多学一点点政治， 不要动不动就讲自由， 自由是金钱的自由， 我们都懂。你们其实也早就懂。要自我节制， 这样对大家都有好处。 中国的金融总体还很落后， 很弱小， 其实大家对墙也是又爱又恨。既然弱小就可以大发展， 要好自为之。

最后总结一下， 08年泡泡吹破了导致金融危机之后， 各种经济危机其实一直没过去。 要过去， 按传统的做法必须打仗， 消灭过剩产能。 但是现在因为核威慑， 不能打全球大战了， 怎么消灭过剩产能还不太清楚。所以危机就这么一直拖着。 有人吓唬大家说马上就要二次危机。不用怕！其实一直在危机， 虱子多了不痒。那么怎么消灭过剩产能？ 除了中国这样愿意自我牺牲的， 还要有更多人牺牲。 希望某些地区的人民会起来砸工厂， 砸机器。 这样避免了打仗， 善之善哉也。 真虚伪， 我呸！

经济说完，就可以说政治了。既然经济基调已定， 没有看到什么出路， 大家就得继续比烂， 看谁先烂。 各国人民比拼耐力， 耐力不好的先乱， 牺牲小我， 拯救大家。 2017年是关键一年， 美国，英国新的大统领上台， 欧洲主要国家领导人都要换一轮了。 我们拭目以待。 2017年中国要召开19大，又将是继往开来的一届胜利的大会。体制优越性在此关头显得如此亮眼。 不禁让人竖起大拇指夸赞一下。

再说说美国大统领上台导致的地缘政治变化。 因为美国大统领不按常理出牌，学习元首那一套， 日，韩，台湾变数， 中国周边不会太平。但是元首那一套也没什么新鲜新，无非是试探加疯狂。 台湾早已没有那么重要，只要在疯狂的开始以疯狂回击，应该也不会热战。 看上去更大影响的是美俄可能联手。中美俄三方， 俄罗斯的倒向还挺关键。 不过我们国运昌盛， 局座早已一切尽在掌握中。

写到这里，觉得日子过得真快， 又是五年。庸庸碌碌， 无所作为。饱食而终日游，泛若不系之舟。 还是得修身齐家， 格物致知， 自勉！

（全文完）

 

 

今天的文章没有主题, 想到什么写什么

这两天业余时间翻完了一本讲古典音乐的书, 叫”乐之本事”. 强烈建议古典音乐爱好者阅读, 如果对古典音乐有兴趣也可以翻翻, 原书作者说他是写给爱好者的入门书, 其实他高看了爱好者的基础知识水平. 也许是想说的东西太多, 用了很多专业名词, 说起用户体验, 对初学者并不那么友好(职业病犯了).  但是读过总比没看好, 帮着做个广告.

其实原书中说的最多的还是审美, 不光是音乐, 所有的艺术, 甚至人生的意义. 归根结底是美学. 所谓艺术的科学是美学, 科学的科学是哲学. 其实美学和哲学是相辅相成的, 二者合一, 就是道.

谈及美学, 绕不开的就是李泽厚先生的美学三书, 这本来是三本书, 美的历程, 华夏美学, 美学四讲.  三本书各种版本不知出了多少, 也有就叫美学三书的合计版本. 美学也罢, 哲学也罢, 琢磨起来都费劲, 因此这类书一般都小众. 能出这么多版本, 已经是超出想象的影响力了. 也就是所谓绕不开的理由.

但是个人看法, 美学三书终归只是入门读物级别的东西, 要想深入体会, 还是得到西方的经典著作里去找. 中国人的传统美学, 李泽厚先生讲了很多很多, 但是不透, 最后还是得看金刚经,道德经和易经. 玄之又玄, 众妙之门, 太高, 一般人可能也够不着. 阳春白雪,应者寥寥. 高手寂寞, 又想布道,  真的是很矛盾啊.

李泽厚先生在建国后和朱光潜, 蔡仪,有一场著名的美学论战, 本来美学可以有很多种, 但是最后无产阶级革命美学总要胜出, 所以这个嘴仗要打. 打起仗来情绪激动, 就会超水平发挥, 为了争取围观群众支持, 也会说的比较直白. 强烈建议好奇的群众翻出史料去围观一下.

说了一大通, 没有半句AI,  不是关于AI的随想么? 所谓随想, 就是这样的啊.

其实本文是想说, 因为美学和哲学最高, 可以说是人类最上等的知识和成就. 要想做出类人AI, 不能只在工程里打转, 一定要搞懂美学和哲学.

继续跑题. 乐之本事这本书里谈到对音乐的审美, 因为音乐本身是个序列, 不像画或者图像一样能让人一开始就人掌控全局. 音乐一开场你并不知道接下来会听到什么, 在听的过程中, 一般人的的工作记忆容量也有限, 听到后面, 前面的也许就忘了, 没有一个全局的上下文可以依托. 因此音乐的主题都要反复重复,  从信息论的角度看,有大量的冗余信息. 即使这样, 仍然表现力有限, 存在信息量不够的大问题, 所以古典音乐发展到后期, 主流越来越依重唱, 贝多芬的第九交响曲, 最后是大合唱, 而我们耳熟能详的音乐, 大多都来自歌剧.  因为结合文字, 信息量才能更多.

创作, 可以认为是作者和读/听/观者之间一个传达信息的过程. 作品就是要传达信息的媒介和载体. 音乐又是一个非常特殊的例子, 完整的传递信息, 需要作曲的人和演奏的人合作来提供, 通常是各占一半, 作曲的人需要把自己的丰富感受压缩在乐谱上. 演奏的人虽然自由些, 但是仍然受限于手中乐器的表现力 (钢琴因为表现力最强, 被成为乐器之王) . 所以就算作曲者和演奏者都尽力了, 仍然不能提供完整的信息, 还有很大一部分需要脑补. 这就是为什么欣赏古典音乐需要一个学习的过程. 当然, 不学也能欣赏到一部分, 有人天生就敏感, 能自通乐理, 但是大部分人需要训练.

音乐/美术/文学这些东西, 归根结底都是大脑的安慰剂. 大脑天生喜欢探寻模式, 通过观察模式, 结合自身的记忆, 如果能总结出所谓规律, 大脑就会兴奋.   寻找规律的极致是就是所谓借此体悟到人生的道理.  从信息量角度上讲, 音乐,美术, 文学依次扩大. 但是从悟道的角度上讲, 听到音乐有所触动,最有可能悟, 美术次之, 读完一本小说悟道的最少. 因为压缩后的信息才是最精华的部分.

那么人生的道理又是什么的,  能让大脑愉悦的是两类东西, 一类是以多巴胺为代表的兴奋剂. 正向刺激, 高潮体验. 一类是以内啡肽为代表的安慰剂. 在经历过痛苦不适后的反向刺激, 对应的是舒适.  两类典型的毒品, 冰毒是正向刺激, 兴奋狂躁, 极端的会去吃人咬人. 海洛因和鸦片是反向刺激, 舒坦,昏昏欲睡. 两者都会上瘾, 前者比后者更可怕. 辣椒和跑步的上瘾是后面一种. 换个控制论的角度, 一个是正反馈, 一个是负反馈.

从系统论的角度, 管理一个系统的终极奥义, 是用负反馈约束正反馈, 没有适当的正反馈, 就是死水一滩. 没有负反馈约束, 系统不够稳定, 早晚就爆掉了.  那些管理公司的真正高手都懂这个道理. 大脑也是这么管理的. 所有的复杂系统,都是这么管理的, 才能生机勃勃, 又存在秩序.

BTW, 说AI说的太少? 我全文都在说AI. 就喜欢故弄玄虚

暂时就想到这么多,  谢谢观赏.

本文是Wolfram/Mathematics 的创始人和总裁Stephen Wolfram 于今年10月14日-15日在纽约大学哲学系,脑,意识和认知研究中心举办的人工智能伦理学会议(Lecun, Russell等人有出席)上的讲话. 因为其中包含非常深刻的思想, 因此本着科学共享的精神在这里翻译传播, 尚未征得作者的允许(已经发出邮件,未收到回复). 原文链接在: http://blog.stephenwolfram.com/2016/10/a-short-talk-on-ai-ethics/.

简单介绍一下Stephen Wolfram, 此君的各种作为只能用神奇来形容, 早在个人电脑刚刚出现的80年代初期, 大家还在用命令行, 此人就搞出了一个能够做符号运算, 搞定因式分解,求导和积分等等公式推导的神奇软件Mathematics. 其后趁着互联网热潮又做了一个知识图谱的网站wolfram alpha, 号称要收集并且结构化人类的客观知识,苹果的siri回答知识相关的问题就用的这个网站. 在2002年此君写了一本1000多页的大书, 一种新科学, 试图从计算的角度解释世界(跟本文的思路一脉相承). 对错姑且不论(个人对纯数学哲学不是很感冒), 这份情怀是世间少有. 此君的核心思想是, 从简单模式中通过计算演化出来了复杂性, 而包括现实世界复杂性的所有复杂性都等价.  同时正是因为计算演化出来的复杂, 并不能跳过运算过程直接预测结果, 内含的哲学思想是,  虽然复杂性等价, 但现实因为计算演化的不同而不同.  也即一切都是历史, 历史成就当下, 未来不可预期.  这是一种透过现象看本质的思路, 值得更多思考. 括号内为翻译原文时帮助理解所加.

_________________历史感的分割线_________________________

谢邀!

要知道, 我出现在这里(纽约大学哲学系)本身就很有意思. 我妈妈是牛津大学的哲学教授, 所以我从小就下决心不讲或者研究有关哲学的任何东西(不知小时候受到什么压迫). 但是这次我来了.

在具体讨论AI之前, 我先谈谈自己的世界观. 我的人生基本上是在研究基础科学和开发工程技术之间摇摆. 自打有记忆起, 我就对人工智能产生了兴趣. 但我从孩提时代开始研究的却是物理和宇宙学(要跪!).之后我又搞了能够自动化数学计算的技术. 这件事情做的非常成功, 因此我开始思考是否可以面向所有事物提出理解和计算一切的理论. 大约是1980年我开始琢磨如何建造象大脑一样的东西, 因此研究了一点神经网络, 但不是太深入.

就在同时, 我又对科学中也许更大的问题产生了兴趣: 如何得到有关一切的普遍理论. 近代300年来占统治地位的思路是用数学和方程来描述. 但是我想在此之上走的更远. 我意识到这个更大的问题原来可以用类似程序的思路, 来考虑计算宇宙的全部可能程序.

这导致了我个人的伽利略时刻(伽利略通过望远镜观察宇宙做出了伟大发现)出现, 我通过制造我的程序望远镜, 一些简单的计算程序, 其中之一规则30 能够从无到有制造出永不可穷尽的复杂.

(简单解释一下这两张图, Stephen 所谓的简单计算程序, 是从一个方块开始, 两种颜色表示0/1状态, 下一行的方块是0还是1, 根据上一行最相邻的3个方块来决定, 这样只要有一共2的三次方全部8种可能的组合规则.就可以无限计算下去, 第一张图是不同规则得到的计算结果(思考题, 一共有多少种不同规则?), 可见大部分规则都没有演化出复杂图案, 有一些非常简单, 稍复杂一点有类似分形的, 而其中用30号规则计算出现的图案就是上图, 是Stephen最喜欢的, 宣称是自己毕生最伟大的发现)

当我看到规则30时, 我意识到某种在计算宇宙–或者包括所有自然世界中普遍存在的东西出现. 这是令我们看到的现实世界如此复杂的真正秘密.  同时也是一扇窗户呈现出原始(Raw),无约束计算的模样. 而我们传统意义上在工程中使用的计算都是足够简单也可以预期行为的.

当我们真正跳进计算宇宙中, 所遇到的事物会更加宽广. 我的公司做了非常多的研究, 发现类似程序可以用于多种不同目的, 比如规则30可以用来产生随机数. 而现代机器学习也是对与传统工程方法不同且范围更加自由的计算模式的探索.

对一般意义上的计算宇宙我们能说什么? 好, 考虑所有的这类程序都在做计算, 我多年前就发现了我称之为计算等价性的原理– 具体是说, 如果某个计算明显不是简单的, 它通常就会对应于某种最大化复杂性的计算. (不是简单, 就是复杂, 简单可以不同, 但是所有的复杂都同样复杂)  基于这个原理可以做出非常多的推断. 比如计算宇宙是普适的, 也应当是不可预期的, 也就是我称之为计算不可规约性(computational irreducibly).

(这一段有点绕口, 简单解释两句, Stephen认为计算可以分为简单的和复杂的, 传统意义上都是简单的, 用公式来算, 而真正的现实世界的是所谓复杂的, 没有公式, 不能提前预判, 只能通过计算来一步一步算出来, 而且所有的复杂计算复杂性都相当, 都是极端复杂 🙂 )

(见上图的结果) 你可以预期接下来会发生什么吗? 它或许就是计算不可规约的, 你不能提前判断发生什么(不存在简单规律和模式), 只能通过一步一步的计算过程来推导. 整个结果虽然都是确定性的, 但是某种意义上确实自由的, 因为(不通过每一步的计算)你并不能预期(某个特定未来时刻)会发生什么.

现在我们来谈另外一件事情, 什么是智能? 我的大一统原理说, 一切都是从微小的程序(规则)计算而来的. 我们的大脑也是可以被计算等价的. 在智能和大多数计算之间并没有明确的界限(Really?).  天气本身没有脑子. 但是天气变化所涉及到的计算并不比大脑更简单, 虽然对我们来说, 两者的计算非常不同. 因为天气的计算与人的目标和经验没有任何关联, 只是自己在演化自己的原始(Raw)计算.

如何来驯服计算呢? 我们必须把它和我们的目标融合起来. 而第一步就是描述我们的目标是什么. 过去30年我就是在做这样一件事情!

我建构了一种语言–称之为Wolfram语言- 用来表达我们要做什么.  这是一种计算机语言. 但是和其它计算机语言都不同. 因为它并不是用来告诉计算机每步做什么, 而是用来建构有关计算和世界的知识. 这样只要人类用我们的方式描述我们的目标(想干什么), 这个语言可以让实现目标所需的其他一切都尽可能的自动化.

其中的基本思想, 从mathematics这些年不断的发现和进展中来, 工作的非常好.  它同时也是Wolfram/Alpha(网站)的内核, 在那里(网站)处理纯自然语言问题, 理解问题, 并用关于我们文明(好大帽子)的某种精心组织好的知识和算法来回答问题. 而且, 同时, 它是非常典型的人工智能事物. 因为我们回答了十亿级别的用户提出的数以十亿计的问题.

我最近有个有趣的经历, 关于如何用我们的技术来教会孩子计算性思维. 我在给一本书写习题, 起初的题很简单, 类似”如何编程实现X”, 随后的问题开始复杂, 我知道怎么用Wolfram 语言来描述, 但是不知道怎么用英文来说. 当然这就说明了我们为什么要花30年来构建Wolfram语言(这广告做的…) .

英文包括大约两万五千个通用词汇, 而Wolfram 语言现在有大约五千条经过精心设计的基本构件(Built-in construct)–包括所有最近的机器学习进展– 以及描述了百万级不同的基于精心组织的数据的事物. 其中的思路是任何一个计算世界中的事物, 都应当可以很容易的用Wolfram 语言来描述. 最酷的是, 这真的有用. 人类, 包括孩子都可以用这种语言来读写, 计算机也一样可以. 这是某种高层次的桥梁, 用来连接计算和人类在自己文化上下文中的思考.

好, 那么关于AI呢? 技术通常是对已存在事物的发现, 并驯服事物自动达成人类的目标. AI 中我们驯服的是计算宇宙中的事物. 现在, 我们身边就有非常多可见的原始(Raw)计算. 因为自然界中这样的事情一直在发生(想象天气, 洋流). 我们感兴趣的是如何让它和人类的目标关联起来.

那么回到伦理学, 也许我们应当约束计算, 也就是AI, 只做符合伦理学的事情. 这意味着我们需要找到某种方式来描述它.

那么, 在人类世界, 我们做事情的方式是制定法律, 但是我们如何把法律和计算联系起来? 或许可以发明”合法代码”的提法. 但是今天的法律和合同都是用自然语言写的. 在财务领域有很多简单可计算的合同. 现在谈谈隐含存在的关于智能的合同. (原文比较口语化,不太好翻译, 大概意思是说怎么能让AI认可人的法律 )

对于大量存在的法律怎么办? 好, 莱布尼茨, 下个月是他逝世三百周年纪念日, 一直在讲要构建一种通用的, 我们正在探讨的, 能全部用计算的方式来表示的语言.  作为先驱他想的可能太早了, 但是现在正是我们该做这件事情的时候了.

上周我写了一篇长文, 这里总结一下, 用Wolfram 语言我们可以处理好对世间许多种不同事物如何来表示.  这些事物包括人们问siri的各种问题. 我想我们现在已经可以提出当年莱布尼茨想要的: 通用符号话语语言来表示人类世界的一切事物.

我意识到这是一个语言构建的问题, 是的, 我们可以通过自然语言获取线索, 但是最终会构建自己的符号化语言. 这实际上跟我最近几十年在Wolfram语言上做的事情同类. 比如就一个单词”加”(Plus)来说, 在Wolfram 语言中有个函数叫 Plus(加法), 和这个单词不是一个意思.   它是一个特殊版本, 必须是一个数学意义上的加法. 同样, 在我们设计通用的符号话语语言时, 英文中的单词”eat”(吃)有各种各样的含义. 我们需要一个概念, 也许同样用 eta(吃)这个符号来代表, 但是特指可以计算的吃.

所以当我们拿到一个以自然语言表示的合同时, 为了得到一个符号化的版本, 可以用所谓自然语言理解技术, 就像我们在Wolfram/Alpha 网站处理数以十亿计的请求所做的那样, 让人来区分歧义. 另外一种办法也许是类似用机器学习描述图片一样, 但是最好的方法就是用符号形态的语言来写. 而且我猜律师们不久以后就会这样做.

当然, 当你有一个符号形态表示的合同时, 就可以直接用来计算, 自动验证是否合规, 模拟预测不同的产出, 自动聚集条理化,诸如此类. 最终合同能从现实世界中自动获取输入, 而这些输入天生就是数字化的, 象计算机系统处理的数据, 或者交易比特币一样. 这些输入可以从各种传感器和不同测量中来, 通过机器学习转换成符号.

那么, 当我们把法律表示成可计算的形式之后, 我们就可以开始告诉AI 我们想要AI怎么做. 当然, 如果我们能把每一件事情都分解成基本原则会更好, 类似阿西莫夫的机器人三大守则. 或者功利主义之类的东西.

但是我不认为这样的事情会发生. 我们最终想做的是发现关于计算的完美约束. 但是计算在某种意义上是无限狂野的(wild)的东西(意指不可控). 哥德尔完备性定理已经展示过了. 就象我们看待整数, 通过建立习语来约束它们, 并且让它们按照我们想让它们做的那样做. 哥德尔指出没有有限的习语集合可以做到这一点(有限公理系统不完备). 任何一个你选定的习语集合, 不光包括你想要的整数, 还必然包括某些其它野(wild)的东西.

而计算不可规约现象意味者这件事情的更一般版本. 基本上给定任何法律集合, 必然会存在某些不想要的推论. 从人类法律的发展历史来看这并不稀奇, 关键点是从理论上就没办法规避,. 这是计算宇宙普适存在的. (这一大段是说简单的阿西莫夫定律不存在)

现在我想很清楚AI在今后的世界中会越来越重要-最终会控制有关人类事物的所有基础设施, 就象现在的政府. 或许也像政府一样, 该做的是建立AI的宪法来规范AI应当怎么做.

这个AI宪法会是什么?  它应当基于现实世界的一个模型, 而不可避免是不完美的.  这样可以说(AI)在各种不同条件下该如何做. 最终所做的是让对计算的约束与我们的目标一致(原文中有happen, 可以双关为碰巧, 个人理解是一种嘲讽). 那么这些目标又是什么? 我不认为现在就能给出合适的答案. 事实上, 我们列举目标就象在计算宇宙中列举程序一样.  不存在一个能抽象出来的挑选准则.

但是我们还是可以做出选择, 因为我们有特定的生物学, 有特定的基于文明和文化的历史. 这让我们从各种不同的不可规约计算中来到此处, 我们只处在计算宇宙的某个点上, 对应者我们现有的目标.

人类的目标在历史进程中可以看的很清楚, 是一直在演化的. 我猜测今后会演化更多. 我认为我们的意识不可避免的会和技术越来越多的融合.  最终我们的整个文明将终结于一个类似包含千亿计的人类灵魂上传的盒子(类似Matrix, 全部变成计算).

那么接下来的大问题是, 他们会选择这样做吗? 或许我们现在都没有语言来描述这个问题的答案. 让我们上溯到莱布尼茨的时代, 我们可以看到所有的现代的概念当时都还没有成形. 而当我们看看现在机器学习或者定理证明系统的内部, 应当可以谦卑的看到如此之多的概念和它们的有效形式尚未被我们当前的文化吸收. (这段是吐槽你们没有能力为未来操心)

以我们当下的视角来看, 那些未来没有实体的虚拟灵魂就像是在玩一个永远不停的游戏. 但是他们可能只是一开始在我们的现实宇宙的模拟中操作, 随后他们就会在计算多重宇宙的多种可能宇宙之间进行探索.

但是从某些层面来说, 他们所做的也只是计算- 就计算等价性原则来来说, 一个复杂计算本质上与其它任何复杂计算等价. 这有点让人失望,  我们的骄傲未来将终结于计算等价性, 或者说平淡的物理, 甚至是微小的规则30.

当然, 这只是关于我们并不是本质上不同的一群的一个很长的科学故事的扩展. 我们无法预期我们能够达到的终极. 我们无法定义一个终极目标, 或者终极伦理学, 某种意义上, 我们只能被我们的历史和现实的细节所包围.

不存在一个简单的原理可以在AI宪法中给我们提供想要的避风港.  将会有大量的细节对应于我们自己的历史和现实的细节. 而第一步只是要搞明白如何来表示这些细节. 我认为这正是我构建的符号话语语言.

还有, 是, 我碰巧花了30年建造框架去做这样的事情, 我更倾向于用它,也知道如何用它来构建我们的AI宪法.

所以我最好不要在继续谈哲学. 先回答一些问题吧.

(译后语, 翻译这篇文章的时候, 能感受到 Wolfram 本人一直在以神的视角观看人类. 估计一直在暗骂说你们这些笨蛋, 还想开个会来讨论怎么约束AI, 你们搞清楚你们想要干什么了吗?)