异界之网游杂货店但本能不等于能力，能力是开发本能的结果。没有本能，开发也没用，你没有飞的本能，你怎么开发也飞不起来；游泳和潜水是不是本能，也许是，或者是很早期的本能，进化以后就退化了，但还是有这个本能或潜能。

　　科学已经证明，人的一些本能不开发可能就会萎缩掉。和狼一起长大的狼孩怎么也不会说话了。意味着，人的成长过程是本能通过训练形成能力的过程。

　　发展好的人，是通过开发发现了他的能力，不成功的人，可能一辈子都未开发出的他的能力。

　　人依靠知识去思考和解决问题。人有会与不会，不会=就是没有这方面知识。这个我们应该有共识。

　　没有语言、文字记录、印刷出版和知识传播，很难想象人类能活成什么样？如果什么都必须亲自来过，重新发明，人的一生只会像动物一样。

　　言传身教、书本学习是两种主要的方式。后者更为显著。但前者也不可或缺。为什么？

　　！但仔细琢磨什么是知识，我们就会发现，有一些知识是书本教不会的，或者说很难教会的。显然婴儿到几个月能认人，能认出爸爸、妈妈，他看不是看书学会的；而且也没有一本书能描写出怎么认人。人学会游泳，相信没有一个人是看书学会的。如果用文字去解释怎么游泳还是极为困难的。

　　再举个例子，一个天生的盲人，你能否让他学习区分颜色，在他重新获得视力以后，能否区分出颜色？

　　知识可以大致分为两类：一类是可以文字的描述，另一类是无法用文字描述。我们容易陷入对知识的狭隘认知，认为知识都是能用文字的传播的，而实际上不是。

　　用文字能表达的知识又可以分为两类，一类是可以用符号、关系、计算所表达的数学或逻辑知识。理工科的知识大致都是基本能够用数学模型表达。

　　另一类是无法用严格的逻辑来表达的知识，文科类的知识。任何一段文字都可能传播了知识，但你可能无法严格的去表达这些知识。比如，语法知识，语法一般有大概的逻辑，但例外太多，无法精确。例如下面两个句子，战胜和战败的含义正好是相反的。

　　做数学多的、或看破案小说多了以后，我们会陷入一个误区，好像大脑是一个计算和推理机器。而事实上，大脑是不善于计算和推理的。没学过速算技巧的，可能2、3位数的加减法大脑都很困难。

　　把计算和逻辑思维能力作为判断人的智商的标准是非常非常值得怀疑的。但也不意外，智商的评价建立人脑比较困难的工作上。

　　你是怎么区分猫和狗的，你能用计算和逻辑去表达吗，你是不是要学很多动物学的知识。而实际上，人脑区分猫和狗显然不需要动物学的知识。

　　4）不可描述的知识也是通过学习获得的，但这种学习更像一种训练，因为没有文字表示。

　　我们可以合理的猜测，婴儿学会区分父母和陌生人是通过试错法，或者叫生物反馈获得的。他认对时，得到正向反馈，认错时，获得负向，很快在他的大脑中形成了认人的知识。

　　可能是在很大程度上，正是因为人的计算能力太差，所以人类一直想发明计算工具，才有了算盘、计算尺、计算机等等。

　　1945年发明计算机到现在，不到80年，计算机从庞然大物，变成了今天无处不在的计算。计算机在计算和逻辑推理方面比人脑强太多太多了。计算机能够轻而易举完成人脑觉得很困难的工作，但是但是，计算机对于人脑觉得很简单的工作上却无能为力（2012年以前）。声音转文字、人像识别，等等。

　　我们发现，如果一个问题能够用计算和逻辑去表达，那么计算机就比人强。遗憾的是，还有很多很多问题是无法用数学模型来表的，特别一些人脑觉得很简单的问题都无法用模型来表示。

　　计算机是为计算而生。计算机刚发明出来的时候，有位当时的名人说过，世界上只需要5台计算机就够用了。结果很打脸。当PC制造出来以后，又一个大腕声称，每个人一台计算机毫无必要。结果又打脸。

　　关于计算机和人工智能，大家关注一个名字就可以，图灵。计算机领域最高奖是“图灵”奖。建议大家百度一下，有空看一下《模仿游戏》这部电影。英国政府和皇室于2009年和2013年才正式向图灵道歉。

　　第一台计算机的发明和制造在1945年，而图灵在1936年就从理论上发明了计算机。今天的计算机就是所谓的“图灵机”。第一台商用计算机出现是在1951年。也就是说51年以前普罗大众根本不知道什么是计算机的时候。图灵1950年发表了一篇重要的论文，题目是，“计算机可以思考吗”，Can computer think？发出了振聋发聩的声音。

　　中文对计算机的最早译名是“电脑”，这个翻译可谓非常具有前瞻性。因为即使今天，在英语国家，英语电脑（Electronic Brain）这个词还是不流行。

　　无可置疑，计算和推理能力是人类智能的一部分。而计算机天然地具备地具备了这样一种智能。这就是“人工智能”吗？按照下面的宽泛定义，答案是肯定的。

　　而实际上，这个定义不能让人满意。在学术界和社会上，“人工智能”这个高大上的名字承载更大的预期。使人工智能研究者比较沮丧的是，他们每解决完一个新问题，这个问题就不再是人工智能的问题了。人工智能一直再做人才能做的，而过去机器也做不好的智能工作。人工智能领域的三起三落的背后的原因，解决的一个问题，就兴“起”一段时间，遇到新的问题卡住了，就又“落”了下来。

　　“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”

　　在深度学习流行之前，即2012年以前。人工智能已经很好地解决了，第一类问题：可以用符号、数学、推理描述的知识问题；对不能严格描述的知识问题，提出了解决方案，取得了进步；对于不能用文字表达的知识问题，束手无策。

　　深度学习是第三类问题出发，模拟了人类的学习能力，不再纠结于怎么表达知识，而是把知识看成某种“黑匣子”。因为人自身都解释不了，那么机器也不需要纠结于怎么去表达了。

　　深度学习的基础是人工神经网络，人工神经网络并不是什么新鲜玩意。第一篇论文发表在1943年，坎坎坷坷80年呀。

　　为什么2012年才井喷呢，是因为信息技术：数据采集能力、数据存储能力、数据处理能力和数据交换能力，这些硬核能力使得想法逐渐成为现实。关注硬核能力！

　　有一本1990年出版的书，叫“财富的来源”。作者对人类有史以来的财富增长和积累做了大量的分析，结论是，世界的财富的97%是1750-1990期间创造的。有个名人有段线年的英国人物质生活上与凯撒帝国时代的人更接近，而与他的后人没有可比性。”换成中国历史，慈禧的生活和武则天更接近，而与今天的生活不可同日而语。

　　1990年到现在的20多年，我没有统计数据，但直觉是财富增长和积累在加速度进行。

　　很多时期，想法是早就有的，靠硬核能力实现。为什么现代企业规模很大，也是靠硬核能力。

　　对个人、家庭、企业和社会，我们要积极地拥抱变化，守是守不住的，该来的还是要来。你准备好了吗？

　　这些知识是怎么存在大脑中，大脑又怎么用它进行推理？谜团还没有完全揭开。目前的生物学告诉我们，大脑是由很多很多神经元连接起来的网络。