从感性认识谈起

《第二次机器革命》谈到一种现象：走路、扫地、摘果子等事情，对人来说很容易，但机器却不容易做到。该书称这种现象为“人机悖论”。

导致这种现象的关键原因之一，是因为机器缺少“感性知识”。比如，人类眼睛接受到光信号之后，能够识别出这是路上的坑、地上的纸屑、树上的果子。这些都是感性认识，但机器却没有。

机器拥有的“知识”往往是程序员写的代码。对于“理性认识”，如数学公式，程序员往往能比较容易地变成代码。但对于感性认识，程序员就很难写了。因为这个原因，“人容易做的事情，机器往往不容易做。”

优秀棋手本事也在于“感性认识”。

有些人只看到高手会“算”。其实，下棋时候的“算”，一定会遭遇数学上说的“组合爆炸”。所以，所谓的“会算”，首先要把精力集中在一些关键的选项上，不要让其他想法分散注意力。“善弈者谋势，不善意者谋子”。高手对“势”的认识，就是感性认识。

人工智能中的“深度学习”，优势就是从数据中获得“感性认识”。阿尔法狗把感性感性认识和推理结合在一起，才取得的成功。但关键的突破，体现在深度学习能够获得类似“感性认识”的知识。因为下棋“推理”的做法，早在20多年前“深蓝”的时代就做得很好了。

感性认识对人生成败非常重要。我们评价人的能力和人品、判断艺术品的优劣、选取投资方向、加入什么公司，都需要感性认识。当然，判断的时候往往是感性认识和理性推理的结合：感性认识让人把握重点但未必靠谱，往往要靠理性认识、靠推理去分析验证这些认识。

在现实中，需要把“感性认识”和“理性认识”混在一起考虑问题，往往是一种大智慧，机器很难模拟。

阿尔法狗之所以能成为特例，因为走棋和胜负的规则都是简单明确的。而人类在处理一般问题时，能够采取的手段和目的却往往都是模糊的，用什么样的“理性认识”都说不清。

人做的很多事情其实是没有明确目标的。人在遇到矛盾、难以决策时，常常改变初衷。人们常说“换个角度看问题”、“万事皆空善不空”、“身体是第一位的”，其实就是在改变问题的目标。人们在讨论和思考问题时，常常要求“聚焦”——原因就是讨论的问题发散了。人们甚至会经常问自己：“我是谁、我为什么要活着？”......

人工智能、智能制造都是要帮助人们完成特定的工作。它们决策的事情，都要有明确的目标。从这一点上也能看到：推进智能化的过程，首先是定义问题，要把目标和可以采取的手段说清楚，要数字化、模型化。这才是关键。所以，强调的智能化要“人智变机智”，也就很自然了。