文章來源：宜信技術(shù)學(xué)院|宜信支付結(jié)算團(tuán)隊技術(shù)分享第二期-支付結(jié)算機(jī)器學(xué)習(xí)技術(shù)團(tuán)隊負(fù)責(zé)人 劉創(chuàng) 分享《AI與第一性原理》

創(chuàng)新互聯(lián)主要從事成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、網(wǎng)頁設(shè)計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)安達(dá),10年網(wǎng)站建設(shè)經(jīng)驗,價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18980820575

分享者：宜信支付結(jié)算機(jī)器學(xué)習(xí)技術(shù)團(tuán)隊負(fù)責(zé)人 劉創(chuàng)

原文發(fā)布于個人博客：動物園的豬

一、AI和第一性原理

AI，也就是人工智能，這幾年非常火，但究竟AI的本質(zhì)是什么呢？用第一性原理來探尋AI的本質(zhì)，可能更容易理解。接下來我們一起探討AI、第一性原理、以及如何使用第一性原理來理解AI的本質(zhì)。

二、第一性原理

2.1 什么是第一性原理

第一性原理，這個概念來自于古代希臘先哲——亞里士多德。

“在任何一個系統(tǒng)中，存在第一性原理，是一個最基本的命題或者假設(shè)，不能被省略，也不能被違反?！?——亞里士多德

聽上去有些晦澀，但解釋起來很簡單，就是：任何事物，都有其內(nèi)在存在的“第一性原理”。我的理解，就是其最最本質(zhì)的東西，這個東西其實就在那里，是基于最基本的假設(shè)，你必須要認(rèn)可它，它不需要什么前提和證明，有了它，你就可以去推演其他別的結(jié)論出來，這些結(jié)論最終形成了整個系統(tǒng)。

舉幾個例子吧。

我們初中就開始學(xué)習(xí)的牛頓的機(jī)械論，他的第一性原理就是萬有引力，他所謂的“基本命題”就是萬物之間有相互的吸引力，并在不受外力的時候，保持物體的運動慣性。這兩個假設(shè)，構(gòu)建出整個牛頓力學(xué)的整體大廈，指導(dǎo)著建筑、工業(yè)甚至天體物理的方方面面。

重新把這個概念推介給世人的埃隆馬斯克，也是一位第一性原理的實踐者。馬斯克從小就有一個夢想：移居火星，所以他開始致力于民用火箭的開發(fā)。最開始他去找俄羅斯火箭公司合作，對方給他的報價是6500萬美元以上，這個價格對他來說太過昂貴了。于是他重新思考這個問題，馬斯克潛心研究火箭原理達(dá)2年時間，了解火箭制造的原理和流程，思考在火箭制造過程中最核心的成本在什么地方。經(jīng)過不斷思考和實踐，馬斯克的SpaceX公司將發(fā)射火箭的成本削減至原本的十分之一。

隨后，他又開始思考如何降低其電動車制造公司Tesla電動車電池的高成本。當(dāng)時儲能電池的價格是每千瓦時600美元，這個價格對整車來說太過昂貴。馬斯克帶領(lǐng)團(tuán)隊仔細(xì)分析電池的組成，從第一性原理進(jìn)行思考：電池組到底是由什么材質(zhì)組成？這些電池材質(zhì)在原料市場價格是多少？經(jīng)過考察后他們發(fā)現(xiàn)，電池是碳、鎳、鋁和一些聚合物組成，如果從倫敦金屬交易所購買這些原材料，只要 80 美元／千瓦時，與之前的價格相差8倍之多。也就是說如果他可以掌握制作電池的技術(shù)和方法，那就只剩下原材料的成本了。最終他們做到了，大幅降低了電池的成本，從而使得整個電動車工業(yè)蓬勃發(fā)展起來。

2.2 第一性原理和演繹法

第一性原理和演繹法是相生相伴的，演繹法其實就是三段論的推導(dǎo)，三段論指的是“大前提、小前提、結(jié)論”，大前提，就是指一般性的公理，而小前提往往是一些特例性的事實，有了大前提，小前提就可以依據(jù)這個演繹法推導(dǎo)出結(jié)論。

舉個例子：“人都會死的，亞里士多德是人，所以亞里士多德也是會死的?！边@是三段論的一個很淺顯易懂的例子。

看到這里你是否會覺得這個方法很簡單，好像沒什么用呢？其實這里蘊(yùn)含著一些東西，不知道你是否注意到。那就是，大前提至關(guān)重要，如果大前提錯了，或者大前提并不是一個很穩(wěn)固的假設(shè)，那結(jié)論就有可能不正確。

如何保證大前提正確呢？這就要求大前提也是依據(jù)演繹法推導(dǎo)出來的。也就是說，大前提是另一個演繹推理的結(jié)論，大前提還有一個它自己的大前提，在另一個演繹推理中，它作為那個大前提的結(jié)論存在。這就形成了一個遞歸，可以不斷地向前追溯，直至達(dá)到第一性原理。

就像上學(xué)時的證明題，給你一些假設(shè)條件，讓你依據(jù)一些推理公式得到最終的結(jié)論，這樣得到的結(jié)論非?？尚拧?/p>

第一性原理和演繹法最經(jīng)典的一個例子就是歐幾里得的《幾何原本》，他從最開始的5個公理、5個公設(shè)開始，推導(dǎo)出來476個幾何結(jié)論，牢固堅實。

第一性原理，輔以演繹法，是我們思考這個世界的一個非常重要的方法。我們應(yīng)該使用這種方法，建立我們看待這個世界的視角。對任何事物，我們都應(yīng)該不斷地去思索其最根本的原因和本質(zhì)是什么？找到了這個本源、本質(zhì)、它的第一性原理，其他的現(xiàn)象、結(jié)論和問題，都可以迎刃而解。

當(dāng)然這不是一件容易的事情，在這個過程中，我們需要不斷學(xué)習(xí)、思考，去偽存真，不斷地思索，是否已經(jīng)探究到事物最最本真的東西，不斷地質(zhì)疑，求證，反復(fù)推演，直至我們確信已經(jīng)尋到了它。

三、人工智能

回到AI這個話題。2016年，AlphaGo戰(zhàn)勝李世石，AI開始再次火起來，以至于創(chuàng)業(yè)圈、產(chǎn)業(yè)界甚至國家層面，都在熱炒人工智能，到處都在宣揚(yáng)人工智能將超越人類，人類將面臨滅頂之災(zāi)的言論?？墒牵娴氖沁@樣么？讓我們思考一下，這個最熱的概念背后的本真是什么。

先舉一個最近很火的AI小栗子，ZAO~

首先，為什么AI會火起來？可能你看到的是AlphaGo的勝利，而我看到的是科技作為生產(chǎn)力的匱乏。

我們經(jīng)歷過的IT革命、互聯(lián)網(wǎng)大潮，至今已經(jīng)持續(xù)了30多年，可是現(xiàn)在這兩大技術(shù)支撐點已經(jīng)開始面臨紅利消失的現(xiàn)狀，人們急需一種新的科技形態(tài)來接過生產(chǎn)力的接力棒。左看右看，區(qū)塊鏈過于炒作、物聯(lián)網(wǎng)也遲遲無法落地、5G目前只局限在通訊行業(yè)...唯獨AI-人工智能，似乎可以作為科技作為生產(chǎn)力的下一棒。就這樣，AI被推上神壇，盡管它還不成熟，它還經(jīng)歷過3次低谷，然而對科技生產(chǎn)力的渴望，讓人們急不可耐地把它推上了舞臺。

聰明的你可能會問：為什么需要新的生產(chǎn)力？這正是第一性原理的思考方式，你在試圖探究事物更深處的本源了，很為你點贊。

這個問題其實很難回答，談?wù)勎业睦斫?，是因為如果沒有新的生產(chǎn)力，就無法更多更高效地創(chuàng)造商品和價值，而不斷膨脹的消費欲望和信貸擴(kuò)張，就會戛然而止，世界的經(jīng)濟(jì)就會陷入停滯和衰退，從而引發(fā)各種經(jīng)濟(jì)、社會、政治問題。金融界的喬布斯Ray Dalio，曾經(jīng)制作過一個30分鐘講述經(jīng)濟(jì)運行規(guī)律的視頻，簡單易懂地闡述了這個過程，感興趣的你可以去谷歌一下。

拋開網(wǎng)上這些吹捧之詞，我們來看AI產(chǎn)業(yè)到底發(fā)展如何呢？了解了這些，可能你就不會人云亦云地去跟著“他們”狂歡，亦或為人類未來的“滅絕”恐懼了。

然后，這個問題就變成了：我有什么辦法可以最快速、高效和全面地了解目前的AI行業(yè)，而不是只聽媒體上的片面之詞呢。

我想到了一些辦法：去36氪上查AI相關(guān)企業(yè)的融資情況，因為我堅信，投資人在理念、信息方面是遠(yuǎn)超一般人的，而且，真金白銀投進(jìn)去，他們一定會更謹(jǐn)慎更全面地考量。所以，觀察他們對這些AI企業(yè)的投資情況、趨勢以及額度，你就可以對這個行業(yè)的情況有一個基本了解。

我還找到了我認(rèn)為目前在AI方向上做得最好的百度（當(dāng)然你可以認(rèn)為是其他企業(yè)，沒有關(guān)系，這個很主觀），去這些你認(rèn)為的AI巨頭的網(wǎng)站上，觀察他們的行業(yè)案例、解決方案、技術(shù)白皮書，就可以迅速地知道一線企業(yè)究竟在什么地方做到了AI落地。

我還會去找一些AI企業(yè)的行研報告，通過專業(yè)咨詢師的眼睛，快速領(lǐng)略他們眼中這個行業(yè)的情況，要知道，一份行研的價值是濃縮了專業(yè)人士花費了時間和金錢之后的量化指標(biāo)和主觀感受的結(jié)晶。

還有沒有更好的、更客觀、更低成本高效率的方法，幫助你了解這個行業(yè)的真實狀況，這是你應(yīng)該思考的東西，這樣得到的結(jié)論，你自己才會更信服。

再回到AI這個專業(yè)領(lǐng)域上，什么時候AI這門學(xué)科最本真的東西呢？我最開始學(xué)習(xí)的時候，沒有解答這個問題，所以學(xué)習(xí)效率不是很高，花了很長時間才摸到門。

了解一個學(xué)科首先得了解整個學(xué)科的框架，然后理解每個大的分類后面最本質(zhì)的內(nèi)容。人工智能這門學(xué)科確實太大了，就拿目前最火的深度神經(jīng)網(wǎng)絡(luò)來說吧，它其實只是機(jī)器學(xué)習(xí)的一個分支，只不過，神經(jīng)網(wǎng)絡(luò)的效果出奇地好，因此它才得以從眾多機(jī)器學(xué)習(xí)方法中脫穎而出。

如果我們繼續(xù)往深處探究，整個機(jī)器學(xué)習(xí)本質(zhì)上就是在尋找數(shù)據(jù)中的統(tǒng)計規(guī)律，這個規(guī)律需要被表示，要么是通過線性方法，要么是通過非線性的方法，更一般的意義上，可以通過概率分布的方法。概率分布的密度函數(shù)，本身就是一個函數(shù)，既然是函數(shù)，就可以被數(shù)學(xué)上表示和擬合，而擬合方法，就可以通過深度神經(jīng)網(wǎng)絡(luò)的無數(shù)個神經(jīng)元組成的組合表達(dá)出來。

如果再往深探究，本質(zhì)是數(shù)學(xué)中的最優(yōu)化理論，以及泛函中的萬能逼近定理，包括尋找參數(shù)過程中的反向梯度下降等等，諸多理論，都是信息論、概率統(tǒng)計、泛函、最優(yōu)化以及隨機(jī)過程諸多數(shù)學(xué)分支中的嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)定理在做支撐。

熟悉么？仿佛又回到了歐幾里得的那個5個公理和5個公設(shè)的支撐，是的，整個人工智能，都是建立在近現(xiàn)代數(shù)學(xué)基礎(chǔ)之上的，這正是第一性原理的完美詮釋！

結(jié)語

所以，不要被媒體和專家們所迷惑，自己深入其中，去探究所謂的人工智能到底是什么，探求到它的本質(zhì)，一切迷霧都會煙消云散。這就是第一性原理的思維方法。

無論是了解AI的過程，還是工作生活中遇到的問題，都不要被表象和喧鬧所迷惑，沉下心來，認(rèn)真探究事物本真的東西，撥開一層層別人給涂抹的外衣，看到它最內(nèi)在的本源，這樣，你就會少了很多迷茫，對工作、對生活，甚至對人生，多了一份自信和從容。