从人工智能的知识结构谈起

今早浏览了一本人工智能的专著，让我想起30多年前读研究生时学的一些课程：人工智能与专家系统、模式识别、智能CAD、人工神经网络、运筹学、数理统计等等。30多年过去了，知识本身的变化其实并不大：知识图谱或许是当时唯一没有接触到的名词。

我读这本书时想：不同作者写同样的内容，会有不同的写法，而这些写法反映了他们的知识结构。知识结构体现在内容安排、章节次序和概念表述上。体现了作者脑子里面的逻辑关系，也体现了著作真实的学术水平。

有了合适的知识结构，才能搞清楚技术发展的逻辑和方向。

我有种感觉：我国的学者一般会过度重视算法和方法。我们经常看到这种逻辑：某人提出了某种算法或者方法，导致了科技的进步。按照这种逻辑，他们阅读文献或从事研究工作时，重点就在算法和方法上。这种观点的片面性在于，没有看到导致算法或方法产生的原因。或者说：他们只在人的脑子里面寻找原因，而不在脑子外面寻找原因。这就好比，只是机械地模仿别人淘金的具体做法，不去关注人家如何寻找金矿。

对算法的兴趣过高，很可能反映出他们的数学没有学太好：能搞出一个算法，就觉得自己很牛了。所谓一叶障目不见泰山。这是缺乏见识的表现，就像过去一个笑话说的：皇帝每天都能吃到大饼卷大葱。

有人提出人工智能最近的发展取决于数据、算力和算法。这个提法是合理的。但前提是数据和算力发生了变化，才促进了算法的改变。数据和算力，就是算法产生的外部原因，是“大脑之外的原因”。

其实，我的硕士论文就指出当时计算法的局限性：数据量和人工神经元网络的结构，难以得到可泛化性好的结果。我当时就意识到：数据条件不理想的时候，无论什么样的网络都得不到理想的结果；而三层网络的结构不利于提升模型的泛化性。但是，没有足够数据的时候，就想不到设计更复杂的网络、对算力的需求也不会很大。反之，如果当时的数据足够多、计算机的算力足够大，或许当时就会研究多层神经网络的算法。

在我看来，除了数学，科技进步的动力越来越多地来源于大脑外部的客观环境。要促进技术进步，要学会从大脑外部找原因。强调大脑之外的原因，是“唯物论”、“系统论”、“实践论”的要求。

比如，我谈工业大数据分析方法时，总是强调用简单、通用的方法解决问题。但是，这种方法有效的前提是数据质量（这是个复杂的概念）足够好。所以，促进工业大数据发展的关键，不是整天琢磨神秘的算法，而是设法提升数据的质量。同样，发展工业APP的关键也不是算法，而是工业互联网平台提供理想的数据和通信条件。

这让我想起彼得.德鲁克曾经有个观点：管得好的企业都是风平浪静的。事实上，把条件准备好、战略清晰了之后，人们只需要按部就班地进行日常工作就可以了，不需要太多的技巧和聪明。从某种意义上说，这就是企业层面的“无为而治”。

我过去以为老子所谓“无为而治”就是要统治者不做事。后来才意识到：“无为而治”是有前提的、先要有所作为才能“无为而治”。这个前提是保证走在一条积跬步以至千里的道路上，避免经常性地急转弯、瞎折腾。实现“无为而治”之前，是要有所作为的：要走上这条正确的道路，偏离路线时还要纠偏。

写到这里，我又想起了邓公。邓公晚年退居二线，几乎从来不管具体的事务，甚至会把许多时间花在打桥牌上。但在一件事情上，他却毫不含糊：保证有一个稳定的国内外环境，坚持改革开放一百年不动摇。这才是伟人的智慧。