推荐MIT6.034《人工智能》课程

最近,在看了偏技术和技巧的当然同样很不错的Andrew Ng的人工智能课程之后,偶然翻到了MIT的Patrick Henry Winston《人工智能》课程。其中,对于人工智能到底什么的探讨,并且从大量的具体的人工智能系统的背后算法来讨论人工智能是什么的角度,给了我非常深刻的启发:实际上,任何问题的解决,如果我们都明确地找到出来——知识基础、思考方式——是什么,那么,我们都可以找到这些问题、知识和方式的表示,于是,在这个表示的基础上,把问题解决变成一个可操作的问题。这个时候,这个问题的解决,还需要智能吗?那么,哪些问题的解决,是可以这样人工智能化的呢,还是说其实大量现在看起来还不能够人工智能化的问题,实际上仅仅是问题、知识和思考方式还不明确,或者是表示没有找到,而已呢?如果是这样,那么,到底,什么智能是不能人工的那部分智能呢?

这样的思考,甚至给我我在教系统科学导引的时候的一个非常好的例子:任何解决非平庸问题的算法或者说软件系统,其实都是系统——所谓的系统就是一定要找出来尽量少的明确的知识、思考方式的集合,并且明确表示出来问题、知识和方式,于是剩下的事情,只不过是尝试和组合。例如,符号积分算法就是依赖于一个非常有限的知识:20个左右的基本积分公式、12个左右的简单积分变换、12个左右的经验积分变换,加上决策树的思考方式:从起点开始,到终点,每一次都对被积函数做上面的变换或者查公式。仅此而已。实际上,任何一个软件工程的问题,同样需要找到这样的基础知识、基础操作、思考方式,然后构建一个解决某一类问题的完备的系统。

顺便,在讲解目标树决策树的时候Winston强调了,把一个东西明确提出来的威力:“我们给它一个名字,就有了掌控和运用它的力量(When you name it, you have power over it)”。

沿着这个——把问题解决的知识基础(积分公式和变换)和思维方式(决策树)分开并且在知识内部和方式方法内部都找到尽可能少的核心元素来构建一个生成体系的——系统性思考的角度做展开,我发现其深刻的价值远远不止以上这些。我先列出来我扩大了的一张表:

  1. 最好能够成系统的问题。成系统的意思就是其中有少数核心问题,其他的问题可以通过这些核心问题运用系联来生成,或者倒过来其他问题可以通过系联归并到核心的问题。
  2. 成系统的知识基础。成系统的意思就是其中有一些核心知识,其他的知识可以通过这些核心知识,依靠系联来生成。
  3. 运用上面的知识基础来解决上面的问题的思维方式和分析方法,最好也是成系统的,也就是说有联系可生成。
  4. 如何提出这些问题,有没有一般的方法?例如抓住联系来问问题也就是系联性思考,例如批判性思维,例如试验和实践的检验。
  5. 如何得到这些知识?可以通过构设这些知识发现的问题场景来从发现知识的过程中学会这些知识。其中从现实到模型的抽象化过程可能特别的重要。逻辑推理和数学计算可能也是重要的一环。
  6. 如何掌握这些思维方式分析方法?同样从使用这些方式方法来提出和解决问题的过程中来体验和掌握这些方式方法。
  7. 如果以上的问题都有了比较好的回答,是不是存在一个高效率的教和学的方式,例如一个可以性化的学习顺序,以及一个可以个性化的学习问题发现和解决的系统?

在整理了这张表之后,我发现,实际上,前面三条是软件系统或者是问题解决的关键步骤,加上后面的三条则是教和学的关键——教和学不仅要让学习者学会知识和方法,还需要学会创造知识、创造方式方法、创造性地运用知识和方式方法。

实际上,构建学科概念地图,就在梳理和解决前三条,并且最好整理出来一个生成的体系。而从概念地图开始,选择具体的例子来体现学科大图景,实际上,就是关注后面的四条。

这一切的一切,都是为了“教的更少,学得更多”,让学习者建立起来一个生成已有的甚至全新的知识和方式方法的体系,而这样的生成系统的关键就是系统的思想——系统的元素和元素之间的联系,以及具有生成能力的核心的元素。

也就是说,教和学的目标不是知识,知识仅仅是媒介,我们通过这个媒介来习得获取知识的思维方式和分析方法,然后,当我们有了这个学科的研究对象和问题之后,把这些方式方法用到对象和问题上,原则上,可以重新把知识和知识体系发展和构建出来。

这正好就是我所说的,“以学科大图景为目标的”,“以批判性思维和系联性思考为基础的”,“理解型学习”。

后续,继续总结。

《推荐MIT6.034《人工智能》课程》有10个想法

  1. 吴老师,您好!我也在看您的《系统科学导引》,非常好非常有启发性。
    有一个问题,您讲到用系统的方法研究汉字的构成,说没有发现这方面的书,我很疑惑,不是有《汉字源流字典》吗?2008年谷衍奎编的那一版据说是经典,不知您是怎么看的?

    1. 在所有的字书里面,《汉字源流字典》算是比较可靠的。不过,还是不足以当做我们的研究的基础。目前,我们在香港教育局“漢語多功能字庫”(http://humanum.arts.cuhk.edu.hk/Lexis/lexi-mf/)和台湾中研院“小学堂”(http://xiaoxue.iis.sinica.edu.tw/)的基础上,做整理。有兴趣可以多交流啊。

  2. 吴老师,您好,最近正在学您的《系统科学导引》,刚看到33集,非常感谢您的授课。在系统科学方面,我看过魏宏森,曾国屏著的《系统论》,感觉只是提出了些一般性的概念;许国志编写的《系统科学》又感觉罗列的公式太多,对相关理论的解释有些少,自我感觉数学和物理基础不好的话,很难理解,最近也想加强一下数学和物理这两门学科。
    此外,也想问一下,吴老师对中医的看法,我个人由于自身身体的原因,很是想好好学习一下中医方面的理论,但是感觉传统的中医总是有些偏神秘化的倾向。我对中医的理解,阴阳五行其实也应该是一个数学模型,需要对其进行更深入的研究,而不是将当成糟粕扔掉。

    1. 如果能够走科学化的道路(实验、数学模型、批判性思维、系联性思考),当然,中医是可以当做研究对象的。不过,有这么多好问题可以研究,为什么要选择从浆糊开始呢?如果你已经功成名或者至少不用为了活着而或者就无所谓的。

  3. 吴老师,您好! 昨天刚看完网易公开课上的《系统科学导引》这是继大学高等代数之后又一门课让我找到听课的快乐(十几年了 哈哈),听完您的课居然有点喜欢物理了 高中的物理让我对物理有了阴影觉得我学不来物理 ,您的系统科学这门课 让我重新认识了线性代数、概率论和物理,当然量子力学是从这门课才了解的,觉得量子力学好神奇啊,于是还把“妈咪叔”科普的“量子力学”也看了一遍。也看了您的“教的更少、学的更多” 里面有您对中国教育的努力和期待,希望中国有更多更多像您这样的老师。您推荐的《人工智能》课程 我以前看过“神经网络”那部分 我也觉得那个胖胖的老师讲的很好 所以并没有看其他老师讲的人工智能,虽然现在很多课很火 但我觉得基础很重要。我现在很困惑的是如何把现实的问题转化成数学的问题解决,或者说学习的知识如何在实践中产生价值,所以很期待老师的《数学模型》书还有其他的书可以尽快出版,期待老师可以多出一些数学和物理方面的书。
    最后 祝吴老师每天都开开心心!

      1. 吴老师,您好!请问有没有统计学书籍推荐啊还有统计物理学的、傅里叶变换、马尔可夫等 中英文都可以 有中译版最好 哈哈 谢谢!

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注