我之前对机器学习有点厌烦，一方面因为是媒体，培训机构把机器学习包装成通用的人工智能，吹得过头了，好像科幻小说中的人工智能时代马上就要到来了，实际上根本不是这样!
另外一方面就是这家伙训练出来的东西是个黑盒子，虽然可以得到相当不错的结果，有时候比人还强，但是这家伙内部到底是怎么工作的啊? 不知道! 调参数去吧!
我内心深处支持的是因果关系和确定性，觉得只有他们才能支配这个世界，而不确定性则是难以理解和忍受的。
什么是确定性?例如在物理学中对于一个物体的运动，给定初始速度，受到的力，就能计算出这个物体在其后任一时间的速度，这是确定性。
后来量子力学出现了，说这个世界(尤其是微观世界)不再是确定性的，而是一团概率云，可能在这里，也可能在那里，由波函数决定。一个粒子的速度和位置不能同时测量， 薛定谔的猫既活着又死了，这种不确定的感觉让人感觉难以理解，很不舒服。
在编程的世界中也是这样，只要给定了算法，给定了输入，输出就是确定的，不会变化。我们学习各种编程语言，各种框架，开发出各种系统，用的都是这种确定性算法，让人很安心。
后来大数据出现了，试图从海量的数据中寻找一些信息出来，但是很难找出数据之间的因果关系，销售额的增长是什么因素在起作用?是促销?是假期?原因太多，很难说。
所以现在大数据分析所做的事情，其实不是再寻找因果关系(当然能找到最好)，是在寻找相关性。只要能找到一定的相关性，那我们认为就不错了，可以接受了。
机器学习则是不确定性的代表， 比如图形识别，它能识别是狗还是猫，但是这个算法并不能保证100%准确，它讲的是概率。
不过这种不确定性在一些特定领域应用起来，作为辅助手段是足够了， 比如自动翻译，它做不到信达雅，但是你能通过它大致地了解一篇文章的内容，也算是一种进步。 人脸识别，即使失误几次也没什么大不了的。
自动驾驶如果出错了..... 这很要命，所以我不看好自动驾驶能在短期内进入千家万户，在大街小巷中穿行，这太吓人。辅助驾驶还行，不能把控制权完全交给机器。
总之，我原来受不了不确定性，但是现在觉得只要机器学习能提高我们的效率，节省我们的劳动，这就够了。至于真正的、通用的人工智能，现在还是别想了。
