在过去12个月，AI也就是人工智能从象棋、围棋、到德州扑克，在这些人类引以为傲的智慧领域，完虐人类。过去人类觉得自己是万物之灵的原因是我们拥有智慧，人不仅可以观察，可以思考，还会创造。现在这个世界很大程度上就是被人类通过智慧创造出来的，所以我们可以骄傲地俯视其它物种。但是现在来了一个新物种AI，虽然在综合智慧上还离人脑有很大差距，但是在特定的智慧领域不断的超越人类。而且可怕的地方是，一旦AI在某个时间点上赶上人类后，人类就再也追不上了。今年年初AlphaGo连胜人类60个顶级围棋选手，可能当时它的段位是10段，但是机器可以不停地下棋，而且每次下棋，棋艺就会提升一点，现在的AlphaGo可能已经到了15段，未来有一天可能会到100段，人类只能望着它远去的背影羡慕嫉妒恨了。

　　我大学的专业是计算机软件，当时我师兄语重心长的告诉我说，“计算机只是个工具，今后说一个人笨就可以说他笨的像计算机一样，因为计算机只会存储和计算，不会学习思考。”我们之所以藐视计算机的智慧，是因为即使1996年IBM的“深蓝”在国际象棋领域打败了人类顶尖大师“卡斯帕罗夫”，也至多说明计算机的运算能力足够强大，因为深蓝的算法是人类设计的，所以我们可以说战胜国际象棋大师的不是计算机的智慧，而是计算机工程师。但是在不到20年的时间，人类开始不得不彻底改变这种看法了。因为今天AI在理论和运算能力上有了质的突破，AlphaGo具备了真正的“学习能力”，它可以从每一次的棋局里学到新的经验，哪怕每天进步只有1%，经过一年之后，1.01的365次方=37.78343433289，这才是AI的可怕之处。

　　我不是AI专家，也不想科普AI，我今天想聊的是我们如何向AI学习“如何学习”。听起来这个话题很可笑，因为人工智能的诞生，就是人类希望计算机可以向人类学习思考，学会“学习”，人类是AI的老师，为什么我们需要向AI学习呢？且听我慢慢道来。我们先分析一下计算机是如何学习的：

算法模型：选择一种或者多种算法的组合，譬如现在最火的深度学习就是基于神经网络，模拟人的大脑的工作原理，既可以存储，又可以计算，还可以修正模型。譬如我们想让计算机学习围棋，最开始计算机就是一张白纸，除了知道围棋的基本规则外，对围棋的经验是零，所以初始的模型对围棋毫无认知。

训练数据：通过给计算机大量的数据训练模型，让计算机自己修正模型。还以围棋为例子，我们可以输入各种经典的棋谱，还可以让计算机自己生成训练数据，譬如自己和自己下棋。

运算修正：输入数据经过算法模型的计算之后，会产生输出数据，然后系统根据规则或者有标注数据来判断这个输出数据是否正确，然后反馈给算法模型，算法根据反馈来修正模型，让模型更加逼近真实的事物，从而进一步提升系统对事物的认知。对围棋而言，就是计算机每一步棋，对手都会有回击，这样计算机就知道自己当下这一步是臭棋还是好棋，它根据这个结果去修正自己的模型，也就是更新了对围棋的认知，在下一步棋的时候，它就用更新过的认知再做决策，这样每一步棋，每一局棋过后，计算机对围棋的经验都在不断做积累。

循环往复：计算机可以永不停歇的做训练，每次训练都会提升经验和认知。

　　基于神经网络的人工智能，虽然是模拟人类的大脑，但是在很多方面远远好于人脑：

AI的存储空间远远超过人类，我们只记得世界第一的山峰叫珠穆朗玛峰，却不知道第二高峰的名字，而记忆事情对于计算机而言是小菜一碟。

AI的运算能力远远超过人类，它可以在海量的数据库中检索过去学到的所有经验，看哪个对于当下的问题是最有效的，但是人类做不到。

人脑的神经元回路是生物结构的，当我们获得了一些知识或者经验时，会形成非常弱的神经元连接，j2直播，这种连接是不稳定的，如果没有多次强化，这个弱连接就会断开，无法形成长期记忆。所以我们每天接收了很多信息，学了很多知识，但是第二天又有新的信息来了，昨天的信息和知识没有被强化，所以像沙滩上的城堡一样被冲掉了。而AI不会有这个问题，它可以直接在数据库中做存储。

AI有核心算法和模型，大部分人根本没有自己的思想内核，大部分的言行都基于潜意识，是被动的应激反应，而不是经过核心算法和模型理性的处理问题。

(责任编辑：本港台直播)