Algorithm 并不神秘-读《终极算法》

书名看着比较夸张，但是最近对人工智能很感兴趣，所以读来简单了解一下。

大学期间学的高等数学，线性代数，概率统计差不多都还给老师了。

文中提到了目前人工智能的五种主流学派的算法，似乎更偏向概念。

符号学派的主算法是逆向演绎，联结学派的主算法是反向传播，进化学派的主算法是遗传编程，贝叶斯学派的主算法是贝叶斯推理，类推学派的主算法是支持向量机。嗯，不是那么容易理解。

作者的意图是去寻找到一个可以解答所有疑问的通用公式，万物的源头。的确很多学科很多事情，到头来都有相通的地方。

目前的机器学习用到了很多统计，用经验和海量数据进行学习，其实这跟人类的学习非常相似，每一个普通人类从小到大，所有技能的学习，可以通过试错和经验法则。然而人类更伟大的地方是可以通过总结这些学习的结果通过逻辑归结为规则，这就变成了知识工程学。从这个角度来看，机器学习可以玩统计，但是最终的原则话部分，光靠统计还做不到。

作者提出的一个点非常重要，运用这些算法，给人类提供的应该是我想要的推荐，而不是别人想推荐给我的东西。一方面，目前的情况，大数据更多地被用于商业和广告，这个无法避免，另一方面，到底是真正帮助了用户找到合适的商品，还是帮助了奸商，做足广告促进销量而已，这是个悖论。

回到哲学，来讨论下理性主意跟经验主意。

理性主意好比万有引力公式，用一个抽象的概念去解释所有的东西，经验主意更像真人，从每一次的学习和试错中完善自己。作者提到这两个概念，主要是有些算法更偏向于其中之一。

关于过拟合问题，中国有句古话叫做水至清则无鱼，机器学习如果抓住每一个细枝末节不光影响效率还影响抽象画归纳判断，或许用个统计学相关的概率反过来做个模糊会有用？说到了对于人类来说，一些心理行为也可以被看做某种过拟合，比如刻板印象，以偏概全。

机器往往把事务区分为非黑即白，然而真实世界里并非这样。

各种算法部分来了，好多种类，不过感觉实际上还是同现有的逻辑一致的。有一个亮点，罗森布拉特的感知器算法，似乎包含了物极必反的概念在里面，挺有意思。

类推学派也挺神奇，用解释灵感从何而来和好多历史与现在的相似性，或者学科间的相似去解决一些问题。找相似，并且根据其他要素的差异给相似度打分，回到理性的模糊归纳。这似乎是在解决过拟合的问题。

冒出来一个想法，对不同种类新闻和话题的关注，可以判断你是一个什么样的人。

具体的五个算法，各有千秋，要应用于实际，得再深入理解一下。文中提到的一个观点很不错。"宇宙中最大的奥秘并不在于它如何开始和灭亡，或者又是由怎样无穷细的线编织而成，而在于幼小孩子的大脑里正在发生什么：一磅的胶状物如何变成意识的所在处。‘‘

其实我也思考过这个问题，因为想了解如何才能让大脑提高学习能力和效率，还特意找了心理学导论打算研究神经认知心理学。

关于个体，大数法则，网络相互影响，正是我想探索的部分，需要找时间好好研究一下。

总体来说，本书对目前的人工智能算法给了做了一个普及介绍，如果真能找到一个终极算法，那一定是打开潘多拉魔盒的那一刻。算法学说提出也有几百年了，前路依旧漫漫，像许多基础学科一样，人类真正知道的还很少。