目前的人工智能只能与猫头鹰相提并论

这几年，大家都深刻的感受到了人工智能领域的快速发展。我们都感觉人工智能太先进了，甚至说超级智能。

可是我们太外行了，《为什么》的作者却把当今的人工智能置于因果关系之梯的最底层，我们知道因果关系之梯有三个层级，是能力递增的关系，最底层就是意味着这是最初级的能力。这个层级的能力只能与猫头鹰相提并论。

你可能会感到很吃惊。近些年来，我们好像每天都会听闻机器学习系统的新发展和新成果——无人驾驶汽车、语言识别系统，特别是近几年来广受推崇的深度学习算法（或称深度神经网络）。为什么它们会处于因果关系之梯的最底层呢？

我们来看看，第一层级是什么能力，是关联，在这个层级中我们通过观察寻找规律。比如，一只猫头鹰观察到一只老鼠在活动，便开始推测老鼠下一刻可能出现的位置，这只猫头鹰所做的就是通过观察寻找规律。

计算机围棋程序在研究了包含数百万围棋棋谱的数据库后，便可以计算出哪些走法胜算较高，它所做的也是通过观察寻找规律。如果观察到某一事件改变了观察的另一事件的可能性，我们便说这一事件与另一事件相关联。

因果关系之梯的第一层级要求我们基于被动观察做出预测。其典型问题是：“如果我观察到……会怎样？”例如，一家百货公司的销售经理可能会问：“购买牙膏的顾客同时购买牙线的可能性有多大？”

此类问题正是统计学的安身立命之本，统计学家主要通过收集和分析数据给出答案。

在这个例子中，问题可以这样解答：首先采集所有顾客购物行为的数据，然后筛选出购买牙膏的顾客，计算他们当中购买牙线的人数比例。这个比例也称作“条件概率”，用于测算（针对大数据的）“买牙膏”和“买牙线”两种行为之间的关联程度。

有些关联可能有明显的因果解释，有些可能没有。但无论如何，统计学本身并不能告诉我们，牙膏或牙线哪个是因，哪个是果。从销售经理的角度看，这件事也许并不重要——好的预测无须好的解释。

就像猫头鹰不明白老鼠为何总是从A点跑到B点，但这不改变它仍然是一个好猎手的事实。

那为何说现在的人工智能只有猫头鹰级的水平呢?

因为，现在的人工智能与30年前一样，机器学习程序（包括那些应用深度神经网络的程序）几乎仍然完全是在关联模式下运行的，它们只是由一系列观察结果来驱动，只是运算的速度和能力比30年前强了很多倍而已，但能力层级的本质并没提升。