前面說了直覺的不可靠，可是有人也發(fā)現(xiàn)了很多人的直覺也挺準(zhǔn)的啊势就。比如一個象棋大師看到棋局知道這盤棋誰會贏，一個經(jīng)驗豐富的工程師總能發(fā)現(xiàn)項目進(jìn)行中哪里不對勁瓦灶。這個現(xiàn)象背后的邏輯有沒有道理呢抱完，答案是肯定的〉镎卡爾曼和另一位心理學(xué)家就討論過這個現(xiàn)象禁添。
無論是象棋大師預(yù)測棋局的變化還是高超的工程師推測問題，這背后都涉及到他們?nèi)绾螞Q策的芹啥，按照我的理解就是他們的算法如何。其實過程就是通過現(xiàn)象獲得暗示墓怀，通過暗示提取大腦中與此相關(guān)的信息，最后整合信息得出判斷虱朵。例如在象棋大師的大腦中已經(jīng)存在著上千甚至上萬盤棋局钓账，當(dāng)他們看到某一盤棋局時會在大腦搜索類似棋局和變化的方向，最后得出判斷服协。而工程師會根據(jù)問題搜索自己掌握的工程項目中的知識和過程啦粹，找到類似經(jīng)歷或者問題以后給出答案。要我說這就好比在大腦中建立一個數(shù)據(jù)庫遭顶，而他們所做的就是有效地提取數(shù)據(jù)庫中的數(shù)據(jù)泪蔫，給出判斷喘批。
當(dāng)然了要建立這樣一個有效的數(shù)據(jù)庫，我們知道是需要大量刻意練習(xí)不斷強(qiáng)化的餐曹，更關(guān)鍵的是要有及時的反饋開修正自己的數(shù)據(jù)庫台猴。但是大家注意，無論是象棋棋局的數(shù)據(jù)庫或者是工程學(xué)的數(shù)據(jù)庫都是有規(guī)律可循的饱狂，或者說是容易得到反饋的數(shù)據(jù)庫宪彩。可是一些規(guī)律性不強(qiáng)或者反饋很慢的行業(yè)俊柔，專家不比普通人強(qiáng)多少〕簦或者用計算機(jī)的行為解釋為，迭代速度太慢的技能和行業(yè)無法準(zhǔn)確的預(yù)測下一步的發(fā)展块差。
而且哪怕是象棋大師或者工程師一旦對自己的預(yù)測很有信心，那么我們就得開始懷疑他的判斷了憨闰。因為這些數(shù)據(jù)庫會讓他們產(chǎn)生強(qiáng)迫直覺需五，就是說他們已經(jīng)是行業(yè)內(nèi)的大神了，自己會認(rèn)為判斷十拿九穩(wěn)泽示。而一旦黑天鵝事件出現(xiàn)則會顛覆這一切，畢竟在完美的數(shù)據(jù)庫也有不完善的bug何況是人的數(shù)據(jù)庫械筛。從這個意義上人工智能的運(yùn)用也許真的會給人類帶來沖擊飒炎，當(dāng)計算機(jī)擁有了強(qiáng)大的數(shù)據(jù)庫，高效的算法赤赊，它就可以代替人的大腦啊抛计，而且這個大腦更客觀。
我得到的啟示當(dāng)然還是只限于常人了吹截，那就是專家尚且需要通過大量的刻意練習(xí)和大量的反饋才有可能做出比較準(zhǔn)確的判斷凝危，大家也看到了我這句話說的都不肯定，弟断。那么問題來了趴生，作為一個不善于學(xué)習(xí)和更新知識的普通人有能有什么高見呢昏翰？
