从人工智能，我们能学到什么？

提起人工智能，往往引起的是焦虑和恐惧，让人不由得担心某一天自己的饭碗就会被抢走了。我看，没必要担心。

去定义工作，而非工作岗位

这种担心有一定的合理性，因为人工智能确实会夺走一批工作岗位，但也没必要过度焦虑，因为工作和工作岗位是两回事。人不变的是对工作本身的需求，而不断变化的只是工作岗位而已。

所以，没有必要担心自己的饭碗被人工智能抢走，只需着重考虑工作本身。这就提醒我们，不要以工作岗位定义自己的职业生涯，而是应该以解决某类问题作为定义的标准。

举个例子。假如你是一个python工程师，你就不能以python这种语言作为标准，而是应该以处理数据为标准。因为python只是一个工作工具，过几年可能又有新的语言替代它，而处理数据才是不变的主题。

新问题来了。以工作本身定义自己的职业生涯，就要求我们必须不断学习新的技术和知识。

学习，学习，向谁学习

不知大家有没有发现，知识付费的元年和人工智能成为热点正好是同一年（2017年），这说明什么？某种程度上，说明人工智能带来了普遍焦虑，也说明了知识更新已经成为共识，虽然绝大部分人在用为知识买单的方式对冲现实的焦虑。

学习能力已经成为人工智能时代最宝贵的品质。关于如何学习，流派很多，不过去年最流行的是刻意练习和思维模型这两个概念。共同点是，它们都是人的学习方法。

其实，人工智能的学习能力和学习效率远远超过人类。打败李世石和柯洁阿尔法狗，却在短短不到一年的时间被自己的兄弟阿尔法元打败。这种学习速度和效率，是人力所不能及的。

那么，我们何不向人工智能学习如何学习呢？

智商的三大要素

向人工智能学习前，我需要先简单介绍一下人工智能的发展概况。其实，最近两年已经是人工智能的第三次高潮了，前两次高潮分别发生在上世纪50年代和80年代，但可惜的是没有持续多久就进入长时间的低潮期了。

为什么会这样呢？这就需要我们从什么是人工智能开始解释。说简单一些，就是能够比人聪明地出色解决某一个问题或者完成一项任务的系统。

不妨想象一下人，人是怎么变聪明的。主要有三点：其一、思维模型，也就是你思考问题的方式，其二、经验练习，也就是你见过的世面，其三、大脑运算，也就是大脑的计算速度。

思维模型、经验练习、大脑运算，这三大要素决定了一个人解决问题的效率，也是区别人与人智商的核心要素。人工智能的智商也是如此。

人工智能之所以经历了两次低潮，问题就出在这三个方面：算法不优、大数据不足、计算力不够。刚好与人类智商三大要素对应。

之所以，人工智能智商这两年智商大幅度提高了，主要是限制人工智能的三大问题得到了大幅度改善。深度学习算法，弥补了算法不优的问题；互联网和物联网贡献了大量数据；云计算和超级计算机提升了计算力。

人工智能是如何学习

人工智能的学习能力，主要来源于它的算法，也就是深度学习，相当于人类的思维模型。很多人可能会搞不清人工智能、机器学习、深度学习这三个概念的关系。请看下图，它们其实是包含与被包含的关系。

深度学习算法，又叫深度神经网络学习。顾名思义，它是从人类大脑的神经得到启发而开发的计算机算法。搞清楚它是怎么运作的，是明白人工智能学习方法的关键。

这个过程很复杂，我们可以打一个比喻。深度学习就像一个黑匣子，里面有很多人在工作，这些人被安排到不同的节点上，他们只专心于某几个简单的判断，通过就放行，不通过就阻止，最终通过成百上千次判断真相会被辨别出来。

最著名的人工智能项目，就是谷歌让人工智能成功识别出了猫。将一张猫的照片输入计算机，这张照片将被分解成成千上万个像素，每个像素都要通过计算节点，然后根据之前它记忆的大量猫的照片进行比对判断，如果像猫的某个部分就通过，最终经过不断计算筛选，人工智能给出了一个结果。

过程比这个要复杂的多，即便是开发人工智能的工程师，也搞不清楚它们是如何做出具体的判断的。

人能从中学到什么

人学习的目的不就是为了能更聪明地解决问题吗？分析了人工智能为什么变得越来越聪明后，关于人要通过学习变得更厉害的方法，可以总结以下几点。

1.要有升级思维模型的意识。人的思维模型，相当于人工智能的算法，要不断进化，就像它从普通算法一直升级到深度学习，并且还在不断优化。也就是说，我们要建立成长型的思维模式，而不是固定型思维模式。

2. 构建判断网络体系。深度学习之所以判断越来越精准，与其构建了成千上万层判断网络有关。人判断问题时，也有同样的需求，只不过不可能如人工智能那样构建那么大规模的网络体系罢了。但是，我们也必须有意识去构建。如何构建，其实也不是那么悬。清单不就是一个简单的判断网络体系吗？巴菲特的好友兼战友查理芒格在投资时就是用他建立的一张长长的清单筛选投资项目的，效果如何，有目共睹。

3.分解任务。人工智能在接到任务后，第一个动作就是分解，分解的目的就是为了化繁就简，将问题简单化，然后让判断网络体系的每一个节点只做最简单的判断。

4. 长期积累。正如人工智能需要大数据喂养一样，人也需要积累大量的知识和经验，这些是你作出判断的参考，姜还是老的辣，说的就是这个理儿。假如没有参考，再长的清单也没用，其实连清单都列不出来。另外，人工智能只能解决某一个特定的问题，并不能跨领域，这一点也说明，人要在某一个方面变得很厉害，就必须立长志，保持专注力。

5.保护计算力。人的计算力这个主要取决于大脑，人的计算力绝对超不过计算机，所以就不要有过分的妄想。保护大脑，想从能好好睡觉开始吧。

6.不要和人工智能竞争。处理特定任务，人肯定必败无疑。而人的优势，恰巧是能够跨领域学习，能处理更为抽象和想象的事务。所以要将人工智能变成自己的手，而不是敌人。