免费一级A片120分钟,国产色情免费,欧美巨骚综合,日逼看片,福利导航二三区,午夜久久精品嫖妓av一区二区三区 ,91超碰大香蕉,日本亚洲色大成网站

導讀：人生難料，世事無常，大多是“原因”和“結(jié)果”之間的糾纏。

作者：老喻在加

來源：孤獨大腦（ID：lonelybrain）

故事A

某地空氣極好，但是當?shù)厮烙诤粑到y(tǒng)疾病的患者數(shù)量，卻名列全國前幾位。

為什么呢？

原來，因為空氣好，所以大量有呼吸疾病的患者前來療養(yǎng)。就像醫(yī)院里死人最多，所以這里的呼吸疾病死亡人數(shù)也較多。

所以，空氣好，是“呼吸疾病死亡率”的原因的原因。

但是“空氣好”，并不能成為“呼吸疾病死亡率高”的原因。

這就是：

原因的原因，不是原因。

故事B

我有個親戚，開服裝廠，行業(yè)每況愈下，總說要關門。去年底好容易接了幾個大單，年初因為疫情，訂單被砍掉了一大半！

結(jié)果沒幾個月，他們不僅沒關門，生意還前所未有的好。

為什么呢？

原來，因為印度疫情嚴重，而中國控制較好，所以前些年轉(zhuǎn)到印度的訂單，又轉(zhuǎn)回中國了。

所以，親戚服裝廠的生意轉(zhuǎn)好，是疫情的“結(jié)果的結(jié)果”。

而這種結(jié)果，通常是第一個“結(jié)果”（例如疫情導致的對經(jīng)濟的影響）發(fā)生時，人們難以預料的。

這就是：

結(jié)果的結(jié)果，不是結(jié)果。

本文將探究“原因的原因不是原因、結(jié)果的結(jié)果不是結(jié)果”背后的邏輯。

我最想探討的焦點問題是：

對未來的計算，我們到底應該算很多步，還是走好當下的那一步？

這個問題，經(jīng)常被從兩個對立的角度，分別出現(xiàn)于各類文章里：

A面：我們應該看得更長遠；
B面：我們應該立足當下，做好眼前的事情。

你也許會說，難道A、B不能兼容嗎？

問題是，你如何區(qū)分：何時該選擇A面的長遠，何時該選擇B面的當下呢？

這個話題比看上去要有趣得多，也是“決策”方面的關鍵點。

這是一個跨越自然世界與人類社會的有趣話題，也指向人類歷史上最聰明的那些家伙們的思想閃耀時刻。

并且，這一話題甚至還會引出當前這個混亂世界里的“生存法則”。

或許，我們與未來的關系，有賴于重新理解“原因的原因”，和“結(jié)果的結(jié)果”。

讓我們開始這段歷險吧。

先說“原因的原因，不是原因”。

前兩年，新聞報道說“溫哥華萬名土豪上街游行”，理由是“抗議房價上漲。”

乍一看很奇怪，房價上漲不是很開心嗎？

杭州某小區(qū)傳來勵志故事，為了實現(xiàn)房價的快速上漲，家長們組團抓孩子的教育，成功將該小區(qū)打造成學區(qū)房，房價變成原來的10倍。

難道溫哥華土豪很傻？

原來，土豪們抗議的原因是，因為房價上漲，導致物業(yè)稅跟著漲，每年多繳不少錢。

尤其是有些房子因為房價上漲，被劃分為“豪宅”，還要額外繳一筆“豪宅稅”，每年高達幾萬加幣。

許多屋主的房子，是幾十年前很低價格買的，房價大漲成為豪宅，但屋主的收入并不“豪”，對新增的稅費難以承受。

所以，“土豪”們表面上是抗議房價上漲，實際原因是反對加稅。

而房價上漲，是“加稅”這個原因的原因。

為什么原因的原因不是原因呢？

先轉(zhuǎn)一個例子：

假設有人嚇走了一只鴿子。
鴿子飛走的時候，驚到了一位正在穿越街道的路人。
路人駐足觀望，結(jié)果導致一輛正在朝他騎過來的自行車不得不在最后一秒急轉(zhuǎn)車頭。
自行車避讓行人后，正好騎到了一輛出租車行駛的車道上。
出租車為了避讓自行車，結(jié)果撞上了一個消防栓。
消防栓出水導致附近一棟大樓的地下室被淹，破壞了地下室的供電設施。

該文作者對此評論：

雖然嚇走鴿子是啟動整個原因鏈的原因，我們也可以認為是嚇走鴿子這件事導致了后面的一系列事件，但很少有人會認為嚇走鴿子的那個人應該對之后出現(xiàn)的一系列事件負責——即使很多人都同意是那個人引起了這一系列的事件。

但是，我們可以說，是鴿子導致了這場事故嗎？

又比如說，我記得有一次趕聯(lián)程的國際航班，結(jié)果僅僅晚了不到一分鐘，所有的航程都不得不取消掉重新購買。

那么，是不是可以說，此前的每一分鐘，都可能要成為這“遲到”的一分鐘的原因？

壓死駱駝的最后一根稻草，是真正的兇手嗎？還是說此前的每一根稻草都要為此負責？

假如此前的稻草，只是原因的原因，所以不算直接原因，那么為什么人們又說：

一只蝴蝶在巴西輕拍翅膀，可以導致一個月后德克薩斯州的一場龍卷風。

真是世事無常。

再說“結(jié)果的結(jié)果，不是結(jié)果”。

據(jù)傳，英國殖民印度時期，計劃要減少眼鏡蛇的數(shù)量，因而頒布法令說每打死一條眼鏡蛇都可以領取賞金。

一看有賞金，印度人為了多拿錢，反而開始養(yǎng)殖眼鏡蛇。

英國人一看事與愿違，于是取消了賞金。

沒了大買家，養(yǎng)蛇的印度人把蛇都放了。

結(jié)果，眼鏡蛇數(shù)量反而大幅增加了。

當年法國殖民越南時，也有類似的事情，為了滅老鼠，政府出了一個獎金計劃：

只要將老鼠殺死，將尾巴交給政府就可以獲取獎金。

同樣的荒誕劇上演了：很多人抓住老鼠，切下尾巴去拿獎金。

老鼠呢？放走，令其大量繁殖，這可是財神鼠，怎么能殺呢？

這就是“古德哈特定律”：

當一個措施本身成為目標時，它就不再是一個好的措施。

在經(jīng)濟學領域，古德哈特定律說：

若一個經(jīng)濟學的特性被用作經(jīng)濟指標，那這項指標最終一定會失去其功能，因為人們會開始玩弄這項指標。

所以，這就解釋了，為什么很多美好的愿望，常常有糟糕的結(jié)果。

而不少“正確的計劃”，最終也以錯誤的“結(jié)果的結(jié)果”收場。

舉例說，有研究表明，更好的登山設備，可能會令登山愛好者遭遇風險的可能性更大。

更好的登山設備的直接結(jié)果，應該是保護登山者。但登山者因為這增加的保護而更大膽，反而導致了更大的風險這一“結(jié)果的結(jié)果”。

有個實驗讓我印象深刻。試驗者測試：

騎自行車不戴頭盔，會如何影響汽車駕駛者。

結(jié)果發(fā)現(xiàn)，假如司機發(fā)現(xiàn)前方騎自行車的人沒帶頭盔，會離自行車更遠。

我們知道，騎自行車的主要危險是被機動車撞，戴頭盔是為了緩沖撞擊。

但是，不戴頭盔，反而獲得了更大的安全空間，令騎車的人可能更安全了。（這僅是一個局部的實驗）

真是人生難料。

是什么導致了“原因的原因不是原因、結(jié)果的結(jié)果不是結(jié)果”？

為了使本文不至于太讓作者和讀者受累，我簡單概括了如下8點原因，供你作為腳手架或線索：

人類對因果的“幻覺”；
誤將“相關性”當作“因果性”；
因果之間距離過大；
混淆了原因和結(jié)果；
對條件概率的混亂；
人類的無知和科學的局限；
過于依賴確定性；
“自上而下”的習慣思維。

盡管沒多新鮮，但為了完備性，簡述如下。

1. 人類對因果的“幻覺”

人類對“因果”有很深的執(zhí)念。

休謨老師早說了：

雖然我們能觀察到一件事物隨著另一件事物而來，我們卻并不能觀察到這兩件事物之間的關聯(lián)。

當我們看一本小說，或者看一部電影，會分析其中劇情的連續(xù)與轉(zhuǎn)折。

但是現(xiàn)實生活中，并沒有作者和導演，所以并不需要這種連續(xù)性。

休謨?nèi)缦戎悖v出了下面這段貌似有些杠精的話：

我們無從得知因果之間的關系，只能得知某些事物總是會連結(jié)在一起，而這些事物在過去的經(jīng)驗里又是從不曾分開過的。

我們并不能看透連結(jié)這些事物背后的理性為何，我們只能觀察到這些事物的本身，并且發(fā)現(xiàn)這些事物總是透過一種經(jīng)常的連結(jié)而被我們在想像中歸類。

休謨還提了“恒常連結(jié)”這個詞，意思是說，某兩樣東西貌似總是前后出現(xiàn)，但你也不能說二者之間是一直“互相連結(jié)”的。

看似很杠，其實，休謨?nèi)缦戎悖f出了300年后人們才想明白的一件事：

相關性不等于因果性。

2. 誤將“相關性”當作“因果性”

有統(tǒng)計表明，游泳死亡人數(shù)越高，冰糕賣得越多。

即：游泳死亡人數(shù)和冰糕售出量之間呈正相關性。

那么，能得出“吃冰糕會增加游泳死亡風險”的結(jié)論嗎？

并不能，這兩個事件之間并無直接因果關系。二者只是因為夏天高溫而“連結(jié)”在一起，而且是以概率的形式。

所以，少吃冰糕并不能救人于水中。

這類“隱變量”，經(jīng)常被我們忽略。

3. 因果之間距離過大

“一塊錢不是錢，所以一塊錢和十萬塊錢之間沒區(qū)別。”

看起來有點兒怪？

第1個人給第2個人一塊錢，因為一塊錢不是錢，所以給兩塊錢。

第2個人則給第3個人三塊錢，因為和兩塊錢也只差“不是錢的一塊錢”。

由此不斷往后，第十萬個人將得到十萬塊錢。

原因和結(jié)果之間的距離，有時候可以用來評估因果之間連接的強弱。

通常，我們說：近因就是和結(jié)果直接相連的原因。

在法律上，近因還具有可預見性。

即：人們應該能夠預見該原因可能會（直接）導致某個結(jié)果。

這個很實用。例如你的朋友為了給你買蛋糕，開車時遭遇了車禍。你不必為此過于內(nèi)疚。

因為即使兩件事“非常近”，但是因為你的朋友出門時，并不能預見會發(fā)生車禍，所以這不算“近因”。

4. 混淆了原因和結(jié)果

這是最被廣泛“應用”的因果謬誤。

例如，有研究表明，紅酒令人長壽。

甚至于研究過程看起來都很靠譜。兩組人，一組喝紅酒，一組不喝，樣本量足夠，實驗時間也夠長。

但這里最大的謬誤，可能是：有錢人更可能有閑有錢喝紅酒，是有錢導致長壽，而不是紅酒。

也可能是，喝紅酒的人喜歡社交，而社交令人長壽。

又或者是，有長壽基因的人傾向于社交，而喝紅酒只是社交的一種道具。

幾乎所有長壽秘方和發(fā)財秘訣，都是犯了因果顛倒的謬誤。

許多研究發(fā)財秘籍的書籍，采用的方法，是研究“大量”（其實只是“少量”）成功者的共性，以從中發(fā)現(xiàn)“規(guī)律”和“秘訣”。

可惜，大部分都是“先射箭后畫靶子”的總結(jié)。

例如說富豪善于利用厲害的朋友圈，但事實是成為富豪后才有厲害的朋友圈。

又例如說價值投資令人長壽，但事實是長壽（且運氣好）的人才有機會收獲長線價值。

就像巴菲特調(diào)侃的，自己喜歡喝可樂，是因為他發(fā)現(xiàn)小孩子最愛喝可樂，而小孩子的死亡率最低。

5. 對條件概率的顛倒

這一點，比“因果顛倒”更隱蔽。

辛普森是個美式橄欖球明星、演員，他被指控于1994年犯下兩宗謀殺罪，受害人為其前妻及她的好友。

盡管警方在案件現(xiàn)場收集到了很多證據(jù)，包括帶血的手套、血跡、現(xiàn)場DNA檢驗，看似辛普森難逃被定罪伏法的命運，可是辯護律師們通過各種方法一一化解。

辛普森高價請來了頂級律師團，其中一位是哈佛大學法學院的教授Alan。

Alan在法庭上用概率來為辛普森辯解：

已知：美國400萬被虐待的妻子中只有1432名被其丈夫殺死。?
所以：辛普森殺死妻子的概率只有1432/400萬，即1/2500。
因此：辛普森殺死妻子的概率是非常低的事件，即辛普森幾乎不可能殺死他的妻子。

辯詞聽起來很有道理，檢察官一時無法反駁。

問題出在哪兒呢？

讓我用直觀的方式，來分析一下。

先看下面這個圖，藍色圓圈代表被虐待的美國400萬妻子，紅色代表1432名被丈夫殺死的妻子。

律師的邏輯看起來沒毛病，你看圖中，算下來虐待妻子的老公，只有一小部分（也就是1/2500）謀殺了妻子。

如上圖，1/2500是“紅色面積/藍色圓圈面積”的結(jié)果。

但是，律師偷換了概念。

再看下面這個圖，藍色圓圈代表被虐待的美國400萬妻子，紅色代表1432名被丈夫殺死的妻子。

這里新加了一個綠色的圓圈。其信息如下：

因為我們討論的是被謀殺的被虐待妻子，所以綠色圓圈被包含在藍色圓圈內(nèi)；
因為并不是所有被謀殺的妻子都是被丈夫殺害的，所以紅色圓圈被包含在綠色圓圈內(nèi)，“問號”部分表示那些被別人謀殺的被丈夫虐待的妻子。

你看看，即使不知道兇手是誰，辛普森的妻子應該在哪個圓圈里？

是綠色圓圈。

所以，辛普森是兇手的概率，應該是用紅色面積除以綠色面積。

律師的鬼把戲是什么？

他用藍色替換了綠色，用“紅色/藍色”的虛假概率1/2500，替換了“紅色/綠色”的真實概率。

那么，這個真實概率應該是多少呢？

據(jù)統(tǒng)計，高達90%！

條件概率的顛倒，看似很簡單，但迷惑性極強，連聰明人也不能幸免。

6. 人類的無知和科學的局限

生物學家愛德華·威爾遜寫道，如果自然的歷史是一座圖書館，我們甚至還沒有讀完其中第一本書的第一章。

我們教科書上的公式，以及那些令這個世界運行得還算不錯的原理，極有可能只是一個謬誤較少的假設，某日會被推翻。

人類的知識不完善，不準確，有時候帶來的麻煩甚至大于解決的問題。

薩特雅吉特·達斯舉例說，抗生素的流行增加了耐藥性，由此帶來的“不是結(jié)果的結(jié)果”是：

到2050年，所謂的“超級細菌”會導致全球1000萬人死亡，這將給全球經(jīng)濟帶來100萬億美元的損失。（來自一份英國的報告）

他由此總結(jié)道：

由于不正確的假設、錯誤的因果聯(lián)系、輸入的噪聲多于數(shù)據(jù)，以及未被預測到的人為因素，經(jīng)濟模型經(jīng)常遭遇反復失敗。預測被證明是不準確的。模型總是會低估風險，從而導致金融危機的爆發(fā)。

7. 過于依賴確定性

關于人對確定性的迷戀，是陳詞濫調(diào)。但我發(fā)現(xiàn)，幾乎可以用這一點來為人分類：

一種是理解不確定性的；
一種是不理解不確定性的。

詭異之處是，對不確定性的理解，與智商無關，與學歷無關。

而且有些人天生就理解，有些人一輩子都無法理解，不管他如何學習，如何歷練。

有次在《人生算法》的簽售會上，一位朋友問：你如何確保我看了這本書能實現(xiàn)人生的富足？

首先《人生算法》是一本關于不確定性的書；
其次為什么有人愿意相信花幾十塊錢買本書可以“確保”人生富足？（別信圖書封面......）

還有一次，有位年輕人談及想通過開設公眾號和抖音，來打造個人的IP，但又有所顧慮：

你說，要是我辛辛苦苦弄好了，微信和抖音又不火了，那該咋辦呢？

很有趣的是：

人們對于需要追求確定性的事情，例如投資，以及一些關乎幸福的關鍵決策，往往不假思索。
反倒對那些無法預料、需要伸手去觸碰的事情思前想后。

8. “自上而下”的習慣思維

人類習慣于追尋目的和意義，并且相信目的與意義背后的設計者。

由此，我們強調(diào)謀略、設計、規(guī)劃，仰慕天才自上而下改變世界。

我們到底該如何解釋這個世界所發(fā)生的一切？尤其是其中那些壯闊的、戲劇化的、千鈞一發(fā)的歷史轉(zhuǎn)折點？

亞當·弗格森說：這些都是人類行為的結(jié)果，而非出于人類的設計。它們是演變現(xiàn)象。

不管是有神論者，還是無神論者，我們的習慣思維，都偏向于智慧的設計。

我們潛意識里相信，有某種“天鉤”，自上而下地排兵布陣，計算好了日月星河，安排好了萬物生長，并且用某些我們已經(jīng)看到或尚未看到的秩序編織在一起。

我們總覺得這種編織，有藍圖，有邏輯，有目的，并且是連續(xù)的。

事實并非如此。

真實的世界是自下而上生成的。

支撐我們信念的“因果鏈條”，只是比象形的星座文化稍微好一點兒的東西。

作為亞當·斯密與大衛(wèi)·休謨的朋友，弗格森強調(diào)自然而然所形成的秩序，即：

完整且有效的成果必定是來自許多人之間非規(guī)劃好的行動。

《自下而上》認為：

演變就發(fā)生在我們身邊。它是理解人類世界和自然世界如何變化的最佳途徑。

人類制度、人工制品和習慣的改變，都是漸進的、必然的、不可抵擋的。

它遵循從一個階段進入下一個階段的敘述方式；
它慢慢推進而非大步跳躍；
它有自己自發(fā)的勢頭，不為外部所推動；
它心里沒有什么目標，也沒有具體的終點；
它基本上是靠試錯產(chǎn)生的，而試錯是自然選擇的一種形式。

達爾文可能是最被我們低估的科學家之一，在很多人的心目里他甚至算不上牛頓那類“硬核”的科學家。

“自上而下”的思維，令我們習慣于在混亂無序的世界里尋求解釋，就和原始人以及導游熱衷于在一個大石頭的形狀背后編造傳說。

性格溫和的達爾文，不知是否想過，“達爾文主義”會被用來形容弱肉強食的生存哲學。

徹底接受達爾文的思想，是一件不容易的事情，即使達爾文自己，也對“眼睛”這一精妙的“設計”不寒而栗，如此復雜的功能，真的可以通過自然選擇形成嗎？

達爾文堅持了自己的理性，而DNA的發(fā)現(xiàn)則確認了達爾文的勇敢。

促使眼睛總對光做出反應的“視蛋白”分子，可以追溯到所有動物的共同祖先身上（海綿類動物除外）。

大約7億年前，視蛋白基因復制了兩次，產(chǎn)生了我們今天擁有的3種感光分子。

故此，眼睛演變的每一個階段，從感光分子的發(fā)展、透鏡和色覺的自然形成，都可以從基因的語言里直接讀取。

如果我們用演化論來撼動人類社會里至今仍然大規(guī)模使用的“自上而下”的話語體系，會不會像“基因決定論”一樣，將個體導入命中注定的宿命論，以及存在毫無方向的虛無主義？

如果說地球生命孤寂、漫長、奇跡般的演化進程，是一個“耐心又無意義的過程”，那么人類的自由意志，在這個過程中扮演著什么角色？

如果如道金斯所言，演化的真相是“從原始簡單形態(tài)中構建有序復雜性”，那么人類社會為了“目標、規(guī)劃、干預”而構建的功能，該如何從自然法則（假如真有的話）中尋求借鑒？

再拉回到個體，幾乎所有美好傳說，振奮人心的成功秘訣，都是基于環(huán)環(huán)相扣的因果鏈條，也需要“自上而下”的光芒的指引。如果我們將此一刀斬斷，又將如何重建意義和秩序呢？

讓我們回到現(xiàn)實。

演化論，自下而上，是不是說“規(guī)劃無用”？

但是，達爾文不正是使用一種“鳥瞰式”的視野，發(fā)現(xiàn)了“演化論”嗎？

但愿你還記得開頭，我提到本文最想探討的焦點問題是：

對未來的計算，我們到底應該算很多步，還是走好當下的那一步？

由此引發(fā)的，不僅是對一個人生道理的思考，更是對決策本質(zhì)的理解。

我曾經(jīng)寫過，厲害的人都是人肉阿爾法狗。

什么叫人肉阿爾法狗？

先看阿爾法狗如何做決策。

阿爾法狗幾乎會在每一手棋時，都計算自己的贏棋概率。

即：對它而言，每一個決策點都是獨立的，阿爾法狗都會冷靜地尋找“當下”的最大獲勝概率。

聽起來，這不也是人類棋手下棋的方法嗎？

有什么不一樣呢？

難道人類的職業(yè)棋手下棋時，不也是如此嗎？計算每一手棋，推算可能的走法之后的變化，比較結(jié)果的優(yōu)劣，然后從中選擇最優(yōu)的一手。

要想理解這一點，我需要在很短的時間里，來說說圍棋的“特別之處”。

對比其它棋類，圍棋有如下特點：

極其復雜，棋局變化的可能性約等于2.08x10^170種，比整個宇宙里的原子數(shù)量還要多很多。
棋子都是一樣的，反而更難評估優(yōu)劣。
象棋越下棋子越少，圍棋越下棋子越多。
圍棋既有局部精確的計算，又有宏觀局面模糊的判斷。

因為不止于以上數(shù)點的原因，所以，人類以前用來對付國際象棋的那一套窮舉搜索，難以用來解決復雜的圍棋，因為搜索空間太大，無法寫出精確的評估程序。

這也是圍棋棋手的自豪之處。圍棋被視為完美博弈游戲的巔峰，其中被視為體現(xiàn)了人類靈性的那部分，象征了人類大腦引以為榮的對抗AI的智慧堡壘。

阿爾法狗的策略是，學習人類的直覺。

DeepMind的創(chuàng)始人哈薩比斯說：

圍棋中沒有等級概念，所有棋子都一樣，圍棋是筑防游戲，因此需要盤算未來。你在下棋的過程中，是棋盤在心中，必須要預測未來。小小一個棋子可撼動全局，牽一發(fā)動全身。

如今，人們已經(jīng)接受了AI在圍棋上碾壓人類，我也經(jīng)常忙中偷閑看AI和人類下讓子棋。

我總結(jié)了如下10點，不是從技術層面去分析AI下圍棋的原理，而是試圖從AI下棋的十個特點中學習“阿爾法狗思維”，以改善人做決策的思維。

1. AI不講棋理。

什么叫棋理？

棋理可能介于公式和道理之間。

算是一些模糊的“夾層解釋”。

對比很多人生大道理，棋理，以及各種圍棋格言，已經(jīng)算很靠譜了，有些圍棋格言看起來連AI都在“遵循”，由此可見經(jīng)驗和人類群體智慧的厲害。

但AI并不需要棋理，它的世界里只有計算。

年輕人不講武德…

其實，有些德啊，理啊，要么是因為不夠智能，要么是用來忽悠外行和年輕人的。

2. AI一心一意，只為終局勝率。

圍棋只要勝半目就贏，這是一盤棋勝負的唯一評判方式，和你是否下得漂亮、是否走出了妙手、殺死了對手多少棋子等等都沒啥關系。

這是基本規(guī)則，按理說AI和人的理解都一樣啊，能有啥區(qū)別？

區(qū)別很大。人是情感動物，在某個局部殺紅了眼，經(jīng)常就要爭口氣，爭一下就忘記了自己的目的不是爭氣，是贏棋。

在圍棋中，有個名詞叫“氣合”，是指對局者在氣勢上堅持的強勁著法，經(jīng)常是雙方都較勁兒，結(jié)果互相轉(zhuǎn)換。

由此延伸的概念，就有“動機”，以及“評價系統(tǒng)”。

這二者在現(xiàn)實中都是決定性的玩意兒，動機就不用說了，這是人性的火源。

評價系統(tǒng)，有點兒像巴菲特說的內(nèi)部計分卡或者外部計分卡。

評價系統(tǒng)對于一個人或者企業(yè)來說，就是其使命、愿景、價值觀。

這些看起來假大空的東西，真的很有用。

為什么？

圍棋可以用半目來定勝負。但人類社會是復雜的沒邊界的無限游戲，有了價值觀這類東西，更有利于個人或企業(yè)在模糊的領域做計算。

3. AI下沒有記憶的棋。

AI經(jīng)常脫先，甚至在很多看起來重要的地方，說不下就不下，跑到別處走棋了。

看起來，轉(zhuǎn)身非常靈活。

當然，AI不懂什么叫轉(zhuǎn)身，什么叫靈活，它永遠在搜索計算當前局面下對終局勝率最高的一手棋。

沉沒成本、糾結(jié)、放不下，這是人類文化的副產(chǎn)品。

4. AI大局觀好，有遠見。

哎，其實就是算力強。

人類算力不夠，就制造了一些概念。

大局觀啊，遠見啊，就是一步一步算出來的，當然有些人可以跳著算。

但絕對不是什么屠龍術。

別指望去學來什么大局觀、遠見、一眼看穿本質(zhì)的能力。

脫離了計算的長期主義毫無意義。

5. AI很本分。

什么叫本分？

就是該穩(wěn)的時候穩(wěn)住，絕不心存僥幸，絕不能想“萬一對方傻逼一下呢”，尊重每一個對手，堂堂正正；更重要的是，該狠的時候一定要狠，絕不手軟。畢竟是下棋嘛。

AI經(jīng)常走出很平常的招法，像緩慢的鐵錘，樸實，強大，效果之好令人意外。

6. AI都是宇宙流。

稍微懂點兒圍棋的，都知道“金角銀邊草肚皮”，意思是說中腹不要圍空。

人類歷史上敢下中腹且下得好的，可能只有吳清源和武宮正樹。

AI既能爬二路，又非常會圍中腹。

真的是“高手在腹”。

說來說去，還是計算力強。

7. AI連厚勢都敢攻。

你自己以為固若金湯，在AI看來是一塊兒準備吃的肉。

而且吃起來，像蟒蛇吞噬獵物，緩慢，毫無生路。

人類對于“厚”和“薄”的感覺，在AI面前弱爆了。

8. AI舍得棄子。

反正它只算勝率，你要占便宜就給你唄。

9. 喜歡刺、碰、肩沖。

這些人類看來并不那么正經(jīng)的動作（相當于打架時老去蹭人家一下），AI用得得心應手。

10. 精通死活和官子。

AI經(jīng)常表演“做活大法”，有些看起來毫無希望的棋，它也能用不起眼的方式做活。

AI的妙手也很多。幸好看習慣了，不然真的就像看見你家狗在輔導你家孩子做奧數(shù)題。

總之，看AI下棋，最大感覺就是：

嚴格以終局勝率為目標，按照計算來算勝率，嚴格按照勝率來做決策。

我們再看那些投資大師，那些決策高手，就會發(fā)現(xiàn)，這方面，他們幾乎和AI都是一樣的。

說起來容易，做起來難，為什么？

因為“反人性”。

不說10點，單是第3點“下沒有記憶的棋”，就很少有人能夠做到。

圍棋有一點特別奇怪的地方。

圍棋是與順序有關的游戲。

圍棋棋子除了顏色以外，完全一樣，不像象棋那樣分帥車兵馬。
另外，圍棋的棋子，落下之后就不能移動。
圍棋棋子的效率和價值，是由棋子之間的空間關系而決定的。
就像搭宜家家具或者樂高玩具，即使空間位置對了，但如果順序錯了，也不行。

可是，對于一局棋的過去而言，“順序”并不重要。這就是“奇怪”的地方。

讓我略去圍棋關于時空的思考過程，來概述一下：

當我們站在圍棋對局中的某個決策點上，當下的局面，是所有“已知”構建的一個靜態(tài)空間結(jié)構圖，單個棋子當初的使命、順序，并不能作為決策的依據(jù)。

相反，你要像一個剛剛空降到棋盤邊的外星人，壓根兒不在乎當前局面的發(fā)生過程，包括順序，而是從頭開始思考。

看起來，這似乎是一個“馬爾可夫決策過程”。

馬爾可夫性是一種假設：“未來的一切僅與現(xiàn)在有關，獨立于過去的狀態(tài)”。

馬爾可夫模型，這一概念來自對“大數(shù)定律”的探討。

大數(shù)定律里的拋硬幣游戲，需要每一次拋硬幣都是完全獨立的。

而數(shù)學家帕維爾·涅克拉索夫則認為：現(xiàn)實世界中的事物是相互依存的（比如人的行為），所以現(xiàn)實中的事物并不恰好符合數(shù)學模式或分布。

馬爾可夫不這么認為。他建立了一個模型，在這個模型中，結(jié)果的概率取決于以前發(fā)生的事件，但長期來看仍然遵循大數(shù)定律。

《天才與算法》里寫道：

拋硬幣的結(jié)果并不取決于以前拋硬幣的結(jié)果，所以這不是馬爾可夫理想的模型。

但是，如果增加一點依賴關系，使下一個事件取決于剛剛發(fā)生了什么，而不是整個系統(tǒng)如何影響了當前事件，又會怎么樣呢？

每個事件的概率僅取決于先前事件的一系列事件被稱為馬爾可夫鏈。

預測天氣就是一個例子：明天的天氣肯定取決于今天的天氣，但并不特別依賴于上周的天氣。

馬爾可夫鏈，為狀態(tài)空間中經(jīng)過從一個狀態(tài)到另一個狀態(tài)的轉(zhuǎn)換的隨機過程。

該過程要求具備“無記憶”的性質(zhì)：下一狀態(tài)的概率分布只能由當前狀態(tài)決定，在時間序列中它前面的事件均與之無關。

馬爾可夫模型構建的意義，是為了探尋未來的最優(yōu)策略，以及馬爾可夫性與歷史總是不相關的，僅與當前狀態(tài)有關。所以一切模型構建均是圍繞未來進行展開的。

（本段來自網(wǎng)絡）

圍棋的對弈，可以視為馬爾可夫決策過程：

起始狀態(tài)是一個空的棋盤，棋手根據(jù)棋面（狀態(tài)）選擇落子點（動作）后，轉(zhuǎn)換到下一個狀態(tài)（轉(zhuǎn)換概率為：其中一個狀態(tài)的概率為 1，其他狀態(tài)的概率為 0），局勢的優(yōu)劣是每個狀態(tài)的回報。棋手需要根據(jù)棋面選擇合適落子點，建立優(yōu)勢并最終贏下游戲。

（本段來自劉思鄉(xiāng)）

AlphaGo 是一個基于深度神經(jīng)網(wǎng)絡的圍棋AI，其秘密在于通過深度學習和強化學習來“自學”。

深度強化學習可以概括為構建一種算法(或AI智能體)，直接從與環(huán)境的交互中學習。

這其中，就有馬爾可夫獎勵過程，也就是：含有獎勵的馬爾可夫鏈，

Artem Oppermann如此介紹：

環(huán)境可以是真實世界，電腦游戲，模擬，甚至棋盤游戲，比如圍棋或象棋。就像人類一樣，人工智能代理人從其行為的結(jié)果中學習，而不是從明確的教導中學習。

在深度強化學習中，智能體是由神經(jīng)網(wǎng)絡表示的。神經(jīng)網(wǎng)絡直接與環(huán)境相互作用。它觀察環(huán)境的當前狀態(tài)，并根據(jù)當前狀態(tài)和過去的經(jīng)驗決定采取何種行動（例如向左、向右移動等）。根據(jù)采取的行動，AI智能體收到一個獎勵（Reward）。獎勵的數(shù)量決定了在解決給定問題時采取的行動的質(zhì)量(例如學習如何走路)。智能體的目標是學習在任何特定的情況下采取行動，使累積的獎勵隨時間最大化。

如下圖：

讓我們跳出這些我也不太懂的地方，回到現(xiàn)實中，看看人類可以從阿爾法狗那里學到什么決策方法。

我總結(jié)如下：

阿爾法狗每下的一盤棋，都是一次自我進化的學習過程，工作即學習，學習即工作；
阿爾法狗的唯一目標是終局勝負，因此而有強烈的使命感，鋼鐵般的意志，和石佛般的平常心（盡管它不需要這些形容詞）；
把每一手棋，都當作一個獨立決策點，將當前的整個局面視為一個初始狀態(tài)，根據(jù)當前局面，發(fā)現(xiàn)（模仿人的直覺）獲勝概率較高的幾手棋，并估算每一手棋的終局勝率；
從中選擇最優(yōu)決策；
等對方落子后，再次進入“初始狀態(tài)”，根據(jù)更新的信息，重復以上動作，直至終局。

圍棋應該自由舒展，妙趣橫生地下。因此，我覺得應該把整個棋盤當做自己的舞臺。

這是我買的第一本圍棋書的開篇第一句話，作者是大竹英雄，當年著名的超一流棋手，人稱“美學棋士”，是勝負世界的“求道派”。

多年以后，看到AI下圍棋，我會感慨這些人類頂尖棋手在“道”上的追求，與“冷血”的阿爾法狗們不謀而合。

但愿你還記得本文的標題：

原因的原因不是原因，結(jié)果的結(jié)果不是結(jié)果。

在這個充滿未知和不確定性的世界里，我們對于確定性和連續(xù)性有太多幻覺。

我們對過去有太多懊惱，對未來有太多恐懼。

對于過去，我們有太多“要是...就好了”，要是多買幾套房就好了，要是茅臺股票沒早拋就好了，要是我高考數(shù)學不丟10分我可能就上985然后去了騰訊拿股票漲了一百倍全倉殺入比特幣逢高變現(xiàn)買了深圳灣的十套房子......

在這個不確定的隨機世界里，熟知馬爾可夫鏈的阿爾法狗是人類做決策的好老師。

在人肉阿爾法狗眼中，過去沒有故事，沒有假設，沒有悲喜得失，沒有得意或遺憾，凡事皆能放下，絕不維護自己的過往和顏面，一切只是“人生若只如初見”的初始狀態(tài)。

對于未來，我們太畏手畏腳。我們總是想準備好一切，想某個完美時刻可以重新出發(fā)，想算好下一手，下一手的下一手，再下手，萬無一失再撒鷹。

而人肉阿爾法狗呢？的確，他們對每一手都會算得很深，并將終局勝率作為唯一的價值函數(shù)。但是，在做決策時，他們只會專注而冷靜地下一手，而絲毫不擔憂下下下手該怎么辦。

思考時“望見山那邊”，行動時則信奉“車到山前必有路”。

一個有趣的現(xiàn)實是：

就像每天都是你余生中最年輕的一天，面向未來的決策不管多么艱難，在決策選項中，你總能發(fā)現(xiàn)相對最優(yōu)的那一個。

假如在此過程中，你還能將其變成一個馬爾可夫獎勵過程，滿足于概率的提升，而非暫時的成敗，那么你就離人肉阿爾法狗更近了一步。

拋開這些理性的計算與現(xiàn)實的得失，以上種種，甚至可能是你我探究人生本義的唯一途徑。

海德格爾說，生命就是兩段永恒的黑暗之間的一段偶然而短暫的光明。

這道光明，位于“原因的原因”，與“結(jié)果的結(jié)果”之間，如一掃而過的探照燈，只有靠置身黑暗之中才能實現(xiàn)。

最后

很長一段時間，
我的生活看似馬上就要開始了，
真正的生活，
但是總有一些障礙阻擋著，
有些事得先解決，
有些工作還有待完成，
時間貌似夠用，
還有一筆債務要去付清，
然后生活就會開始，
最后我終于明白，
這些障礙，
正是我的生活。

我喜歡艾弗利德·德索薩的這段話。

圍觀AI下棋時，最大的快樂之一就是看AI像《機器人總動員》里的瓦力那樣勤勉而樂觀地工作，不管屋外多么狂風四起，依然安然入睡，準點出勤。

我喜歡圍棋的黑白世界，單純而復雜，殘酷且美好，并且是很好的決策練習場。

老子說：知其白，守其黑。

黑白之間，即為灰。

現(xiàn)實是灰度的，而我們的此刻必須做出黑白分明的選擇。

這就是我說的“灰度認知、黑白決策”。

海德格爾在引用老子的“知其白、守其黑”時，將其譯為：

那知光亮者，將自身隱藏于黑暗之中。

進而，他解釋說：

有死之人的思想必須讓自身沒入深深泉源的黑暗中，以便在白天能看到星星。

如何在白天看到星星？

張志偉對此解讀：

黑暗有黑暗的清澈，不過我們沒有洞悉黑暗的眼睛。于是我們點亮了燭光，企圖照亮整個宇宙。

然而，我們越來越固執(zhí)于光明，在此光明中營造自己的家園，反而遺忘了那深不可測無邊無際的黑暗，遺忘了我們本源的家。

他還講了一個故事，說有個人丟了鑰匙，在路燈下尋找。別人問，你是在這里丟的嗎？那個人回答說：不知道。

既然不知道，為什么還在這里找呢？那個人回答說：只有這里有光亮。

人類的存在極其偶然，于有限的歲月里編織的因果傳說，在無盡的宇宙里只是一縷暗淡的光亮。

我們該如何找尋不在燈下的丟失之物？

海德格爾的回答是：

“讓自身沒入深深泉源的黑暗之中”。