人工智慧始於經驗，超於經驗
直到現在，還有很多人認為現在的人工智慧只意味著對現有知識的經驗和總結。其實近年基於深度神經網路的人工智慧，在解決問題的能力上早已超出簡單的經驗和總結，人工智慧始於經驗，超於經驗。
人類智慧型也是始於經驗超於經驗
以前的人工智慧：在人工智慧發展史上，對現有可能性的經驗和總結，確實曾經幾乎代表了人工智慧。這一段如果不想看，可直接跳過，不影響後面閱讀。上世紀40到50年代，就已經出現了類似蒙地卡羅演算法這樣的人工智慧演算法。蒙地卡羅演算法，實際上就是不斷列舉可能性，然後根據多個可能性的結果得到乙個可能性比例，列舉次數越多這個可能性比例就越接近我們想要的結果。例如要計算乙個圓的面積，蒙地卡羅演算法的邏輯，就是在乙個正方形（長寬相乘直接得到面積）的取值範圍裡面，不斷隨機生成數字，如果數字在圓形範圍之內（距離圓心距離小於半徑），則被統計為乙個可能性。最後根據列舉結果，得到在圓形中點數和總的列舉次數的比例，就可以得到圓形面積。列舉越多，算出來的圓形面積越準確。這就是經驗和總結的思路。
蒙地卡羅方法不斷列舉可能性
大資料的意義：實際應用中，經驗和總結的不斷訓練，會不斷趨向於現有的真實結果。例如你可以通過統計多少人用右手拿筷子，最終得到乙個真實的數量值，也就是最終知道確實有多少人用右手拿筷子，右手拿筷子的人的比例是多少。統計的基數越大，結果越準確，甚至乙個城市人口有限，統計乙個城市所有使用右手拿筷子的人，就可以得到真正真實的的結果，這也是大資料和統計的意義。
大資料可以還原真實結果
但經驗和總結有乙個天生的侷限性：如果碰到經驗從來沒有出現過的狀況，可能會無法處理。
經驗可能無法解決沒有遇到過的問題
我們用「讓電腦判斷一幅裡面是否有貓」，看看經驗、總結的思考方式和深度神經網路的思考方式有什麼不同。
經驗的思考方式：把十張有貓的輸入電腦（這個步驟就是訓練），當你輸入任意一張，電腦把這張和十張進行比對，如果這張是十張中的一張，就可以判斷這張裡面有貓。經驗的侷限性非常明顯，需要進行無盡的訓練，在這個例子中需要從任何角度，任何遠近任何，任何環境下，去給世界上所有貓拍照並輸入到電腦。電腦在這些無盡的資料中，匹配你拍到的**，如果匹配則裡面有貓，如果不匹配則沒有。這種方式解決複雜問題，顯然是不切實際，也不可行的。經驗可能會在抽象的問題解決上更加有意義，而不是這種具體的複雜的問題。
直接對比判斷是否有貓
總結的思考方式：由多個畫素排列而成，把乙個輸入到電腦中，事實上也是把所有畫素點的rgb資料輸入到電腦中。總結的思考方式，可以把任意乙個點的特徵和附近點的特徵進行比對，得到一些統計的結果。但想要得到比較準確的結果，需要做的總結的數量可能非常多，而且可能需要做多個層次的總結。例如既需要對波斯貓做總結；也需要對小花貓做總結；還有貓的表情進行總結。還要從多個層次總結，例如考慮**中的貓大小不同的總結；拍攝貓的不同部位進行總結；對貓的不同姿勢進行總結；還要總結拍照本身可能產生的色差問題、光線敏感問題等等。總結的思考方式，比經驗的思考方式更加高階，可行性也更高，但是其複雜性也更高。如果沒有人類大腦的參與，這種總結可能會很難實現，即使能實現成本可能也極高。由於其複雜性和成本，解決具體和複雜問題的可行性也不高。
總結判斷是否有貓
了解深度神經網路的思考方式，需要先了解深度神經網路的模型是怎麼樣的？
深度神經網路（dnn），與其說是一種演算法，不如說是一種高仿人類大腦神經網路的資料處理模型。深度神經網路也類似人類神經系統一樣，有用來計算和判斷的神經節點（神經元），而神經節點之間的聯絡，有不同的權重，且權重可以隨著訓練不斷變化。權重越大，表示兩個神經節點的關係越緊密，權重越小，表示關係越疏離。不斷的訓練，其實就是在不斷的強化每個神經節點之間的權重。
深度神經網路原理圖
動物神經細胞
深度神經網路的黑箱：所有畫素點的rgb資料輸入到深度神經網路，深度神經網路可以根據的點和結果進行訓練，以經驗訓練為基礎，訓練過程中會由深度神經網路自己對不同特徵進行分支判斷，並在不斷判斷學習中修正每次判斷的權重關係。深度神經網路的黑箱，是解釋這個過程的一種理論，人類現在尚未知道在深度神經網路的執行過程的細節，包括每次判斷是怎麼實現的，或者每次判斷到底有什麼意義。深度神經網路執行的過程，就好像是乙個黑箱一樣，我們對黑箱輸入資料，黑箱最後給我們乙個結果。我們知道這個結果是黑箱經過訓練判斷後給到我們的，所以我們認為結果是有意義的。而且實踐檢驗後，確實跟人類大腦判斷結果比總結的思考方式更接近。
深度神經網路的黑箱
在判斷裡面是否有小貓這個問題上，我們把很多貓的給到深度神經網路進行訓練，這個過程其實也是吸收經驗，所以是始於經驗。訓練得到的人工智慧，我們使用的時候，輸入乙個圖，最終輸出給我們的是這個裡面有小貓的概率。注意，這是乙個概率，而不是簡單的是或者否。深度神經網路並沒有把乙個問題說死，而是允許有其他可能性，允許有誤差。這個特點就是神經網路可以不斷學習不斷創造的乙個反映，也是人工智慧超越經驗的反映。
黑箱判斷是否有貓
人工智慧甚至可以判斷是否有動畫貓
人工智慧容納多鐘可能甚至創新
在阿爾法狗對戰李世石的報導中，有乙個被稱為「神奇的第37步」，這是人類極少會想到的一步，無論是人類還是人工智慧，選擇下這一步的概率其實極低。阿爾法狗下這一步的時候，很可能並不是基於人類給阿爾法狗訓練的經驗，而是考慮到多種因素和後果後做出的創造性判斷。
阿爾法狗對戰李世石
經驗總結和深度神經網路在思考方式上，以及要解決的問題上都是不同的。統計乙個城市用右手拿筷子的人數，總結統計的可以得到乙個城市用右手拿筷子的人的比例；而人工智慧，可以根據乙個城市的人對筷子使用習慣，判斷乙個人是左撇子還是右撇子，判斷這個人會用左手拿蘋果還是右手拿蘋果。也不是說經驗總結不能做這些判斷，但是經驗總結解決這類問題的難度是非常大的，而深度神經網路訓練後判斷的難度是比較小，而且準確度非常高。
人工智慧始於經驗，超於經驗
人工智慧不是替代人，而是輔助人
現在人工智慧比較熱門。有人經常擔心，說是人工智慧會不會替代人，搞得大家都失業了。在這一點上，吾跟絕大多數的觀點不同。電腦不是替代人類，人和電腦的關係是 電腦是輔助人類。電腦提供資訊後，由人類做出決策。電腦ai有獨特的優勢 不知疲倦。只要有電，電腦可以日夜不停的幹活，不會因為疲倦勞累導致注意力消失。大...
小總結大資料和人工智慧
大資料 雲計算和人工智慧是當下比較熱的it方向，bat都有了雲，都有了ai部門，各有優勢，也不可避免的產品功能同質化。移動網際網路產生的大量資料，促使大資料的發展，大資料的發展又和雲計算相互促進，這兩個的技術進步又帶動ai的發展。技術相互促進，不一定什麼時候應用到某個領域就是乙個風口。資本和 的介入...
人工智慧建立本體庫 談談CFD和人工智慧的結合
郭磊 四川電子科技大學副教授，從事影象與訊號方面的研究。劉雲楚 曾任職於空氣動力研究與發展中心二十餘年，高效能計算領域專家。陸陸 劉老師，您曾經在氣動中心工作了那麼多年，後來又聽說您在人工智慧方面也做過一些工作，您能簡單介紹下麼？劉雲楚 好，我以前主要從事高效能計算方面的工作，從2014年開始，對人...