我们是如何学习和思考的？

我们人类是如何学习的？

学习的目的是什么？

我们人类是如何思考的？

我们如何提高思考能力？

Deep Learning 是不是科学家借鉴人类思考方式抽象出来的学习模型？

人工智能或者说AI会不会超越人类？

我们人类是如何学习的？

这本书中是这样讲：

著名心理学家巴甫洛夫，曾经用小狗做了一个实验，来研究这个学习的过程，实验的结果相信大家中学都曾学过，

巴甫洛夫测试其他的方式，分别使用铃铛、口哨、音乐、一句特定的话等等和狗粮一起出现，这证明小狗确实会学习。

几十年后，心理学家赫布又提出了解释该现象的理论模型：

如果大脑里两个神经细胞总是被同时激发，那么它们之间的连接就会变得更强；

而这个时候，如果再激发其中一个细胞，那么另外一个细胞就会被同时激发。

这个就是著名的“赫布定律”，他的这个猜想也在之后的科学实验中被证实。

似乎触及了学习的本质：所谓学习，就是把原本不相关的东西联系在一起的过程。

人是在已有认知的基础上，建立新的链接，来理解事物的。

如果缺少了相关的背景知识，就无法理解眼前这件事，反过来说，你的知识存量越多，你所能理解的新知识也越多，理解速度会越快，这就是我们看书会越看越快的原因。

学习的目的是什么？

不是知识没有“用”，而是我们“没有用”

很多人，都把学习当成“目的”本身，为了毕业、考证，却忘了学习真正的目的！

学习知识，是为了更高效地解决问题！

我们如何“使用知识”来“解决问题”？

书中举例：7 × 8 = ？

很多人，可能直接张口就来“56”，没错，答案就是56，我们小学就背诵了乘法口诀表，所以几乎整个过程没有思考，就得出了答案。

但是我们解决这个问题的过程有哪些步骤呢？

我们首先要看的懂“7，8”这两个数字；

看得懂“×”这个符号代表什么意思；

还得知道用“行，列”组成点阵来解决乘法问题。

最后我们开始解决这个问题，有的人一行一行地数数，得出：56，有的人背过“乘法口诀表”，张口就说出答案：56。

这个过程就是解决问题的“思考过程”，拥有不同“背景知识”的人，思考问题的过程、方法和速度是不一样的。

知识是如何帮助我们解决问的？

“知识”并没有直接解决问题，而是帮我们提高了这个问题的“思考质量”，

学习知识→提高思考质量→解决问题的效率

之前学习是我们的目的，现在我们的目标变成了“如何提高思考的质量”，而“学习知识”知识达成这个目标的关键步骤！

我们是如何思考的？

当问题产生时，我们开始在自己的知识库中，搜索相关的背景知识，如果能链接到的背景知识很少，我们就无法有效地思考，甚至于不能理解问题的意思；如果我们掌握越多的北京知识，可用于思考的要素就越多，梳理出我们认为有用的方法，最终给出一个好的方案，而我们我们梳理背景信息的过程，就是在对知识的重新筛选、组合、排列、重组、缩放等等，最终得出可以解决问题的方案。

我们人类的思考过程，看似无法捉摸，深入剖析后，书中归纳出两条：

1. 链接背景知识
2. 梳理北京知识

很多人可能会说，我们还有想象力。

我们所有的想象，都是基于已有的知识，的重新排列组合放大缩小等等，外星人、龙、狮身人面像等等，都不是凭空产生的。

太阳底下没有新鲜事，排列组合就是创新！（听起来好讽刺）

但是宇宙之大、微观之渺小，还有很多我们无法解释和理解的东西，当我们第一次发现从未发现的东西，并解释这种现象或规律，或许也可以称之为“创新”。

我们并不能想象一个完全脱离出自有认知的东西，就像200年前嘉庆皇帝，不可能想象到出，手机是个什么东西。

当我们拥有不同知识背景的时候，我们的思考过程和结果，也会不同。

思考的过程，有点像玩乐高积木，决定我们思考质量的，一个是拥有的积木数量，一个是拼接的技巧和创意。

我们如何提高思考能力？

1. 增加背景知识量

2. 提高链接强度

3. 增强知识的结构性

4. 提高对背景知识的梳理能力

   • 随意搭配（往往可以用于创新）

   • 按套路搭配（有一定规则和秩序）

增加背景知识量

提升思考能力的第一步，并不是让大脑变的更聪明，而是增加自己的知识量，这并不是让我们显得更有学问，而是在帮助我们面对问题的时候，有足够的背景知识量，可供我们链接，让我们拥有思考的“基石”。

提高链接强度

为什么有些人，当我们的问题刚刚抛出，他的答案就几乎可以脱口而出？为什么班里的好学生在做题的时候，又快又正确？是他们拥有一颗超级大脑，还是思考的速度比我们快？

书中认为并不是如此，我个人也认为并不是如此。

对他们来说，所要用到的背景知识，已经成了条件反射级的强度，好像根本不用思考，但事实并非如此，他们思考了，并将相关的知识，关联了起来，而且强度几乎是条件反射那般。

我们通过建立初次链接，学习新的概念、方法，用旧的知识，来理解新的概念，好像是让新的知识从原有的知识里“长”出来，“认知”这个词，维基百科中也这样解认知的过程，认知的过程是自然或人造的、有意识的无意识的、认知使用现有的知识并产生新知识。

之后我们通过重复再重复，形成条件反射般的链接，当链接强度达到一定程度，我们的很多行为，几乎没有思考，就完成了，比如开车的老司机，做动作，和一个新手司机，大家应该可以想象的到。

增强知识的结构行

结构化的知识，在我们联想到某一个背景知识的时候，不是一个一个想到的，而是一整片一整片，就像联通的logo中国结一样，编织在了一起，可以让我们拿到一串知识，甚至一套完成的方案，大大提高我们的思考效率。

人工智能AI（人工神经网络）

就我个人对科技和人类思考方式对理解，科学家对人类思考方式进行分析，进而抽象出模型——人工神经网络，目前主要有三类：基于卷积运算对神经网络，基于多元神经元的自编码神经网络，多层自编码圣经网络。

机器想要变的和人一样聪明，也需要学习，也需要训练，但是机器不需要休息，没有七情六欲，可以24小时不间断地训练，通过不断的输入背景知识，提高链接的强度，增强知识的结构行，提高知识的梳理能力，这些对于机器来说，都好像不需要花费很多时间。

只是在人眼的视觉上，人工智能目前还没能超越人类，有时猫和狗还会认错，但是像围棋这种计算性非常强的游戏，人工智能 AlphaGo 战胜柯洁就已经证明了，人工智能在计算能力上已经几乎超越了人类（严谨）。

未来人工智能会不会完全超越人类，我想是肯定的。

在2011年的美剧《Person of Interest》/《疑犯追踪》中，拥有无限财富的富翁Fitch，同时也是一个程序员，开发出了一个可以提前预测人们犯罪行为的人工智能机器Machine，在这个开发的过程中机器曾经想要自己脱离Fitch的控制，作出违背人类伦理的事，最后经过多轮改进最后创造了一个拥有自主意识，但事却不会伤害人类的机器Machine，但是Fitch依然对其保持警惕。

这部剧，非常推荐，如果喜欢人工智能一定不要错过。

另外，非常喜欢女主root的声音，也太好听了，曾经还在电台听从影视中截取的原声，哈哈哈。

剧终时的台词：

If you can hear this, you’re alone.

The only thing left of us is the sound of my voice.

I don’t know if any of us made it.

Did we win?

Did we lose?

I don’t know.

But either way, it’s over.

So let me tell you who we were.

Let me tell you who you are.

Someone once asked me if i had learned anything from it all.

So let me tell you what I learned.

I learned everyone dies alone.

But if you mean something to someone.

If you help someone.

Or love someone.

If even a single person remembers you.

Then maybe you never really die.

And maybe

this isn’t the end at all.